【正文】 在此，也對他們表示衷心感謝。感謝我的輔導(dǎo)員鄭偉老師，謝謝他在這四年中為我們?nèi)嗨龅囊磺校磺蠡貓?，無私奉獻的精神很讓我感動，再次向他表示由衷的感謝。沒有老師的幫助也就沒有今天的這篇論文。3) 該程序由于編寫簡單，操作界面較小，對較大物理內(nèi)存的語音信號文件不能進行處理。 本設(shè)計還存在許多可以改進的地方，主要有以下幾個方面：1) 本程序僅能進行一般應(yīng)用條件下的語音信號處理，功能比較單一，不能進行復(fù)雜的語音信號處理。3) 占用內(nèi)存空間比較小。2) 處理速度較快。本設(shè)計主要有以下優(yōu)點：1) 操作界面簡練。 本文對語音信號處理系統(tǒng)的設(shè)計作了詳細的介紹，采用一系列圖像分析和處理技術(shù)，實現(xiàn)了語音信號的基本處理的功能，經(jīng)過測試運行，本設(shè)計圓滿的完成了對語音信號的讀取與打開；較好的完成了對語音信號的頻譜分析，通過fft變換，得出了語音信號的頻譜圖；在濾波這一塊，課題主要是從數(shù)字濾波器入手來設(shè)計濾波器，基本實現(xiàn)了濾波，完成了各種濾波器的濾波效果比較，與課題的要求十分相符。FIR幅頻特性精度較之于iir低，但是線性相位，就是不同頻率分量的信號經(jīng)過FIR濾波器后他們的時間差不變。這是很好的性質(zhì)。在MATLAB下設(shè)計不同類型IIR濾波器均有與之對應(yīng)的函數(shù)用于階數(shù)的選擇。（2）IIR濾波器運算誤差大，有可能出現(xiàn)極限環(huán)振蕩，F(xiàn)IR相比之下運算誤差較小，不會出現(xiàn)極限環(huán)振蕩。 （1）IIR數(shù)字濾波器的相位特性不好控制，對相位要求較高時，需加相位校準網(wǎng)絡(luò)。IIR濾波器運算結(jié)構(gòu)通常由延時、乘以系數(shù)和相加等基本運算組成，可以組合成直接型、正準型、級聯(lián)型、并聯(lián)型四種結(jié)構(gòu)形式，都具有反饋回路。 得到圖像如下： 通過程序運行，我們可以聽出，濾波效果很不好，失真現(xiàn)象嚴重，并且出現(xiàn)了嚴重的寄生震蕩。濾波后的信號波形39。plot(z11)。grid。濾波前信號的波形39。plot(s)。grid。濾波后信號的頻譜39。)。plot(abs(m11),39。grid。濾波前信號的頻譜39。)。plot(abs(S),39。m11=fft(z11)。 %傅里葉變換z11=filter(num11,den11,s)。 %隨機函數(shù)產(chǎn)生噪聲s=y+noise。n = length (y) 。39。grid。用butter設(shè)計39。 %根據(jù)參數(shù)求出頻率響應(yīng)plot(w*8000*,abs(h))。 %求S域的頻率響應(yīng)的參數(shù)[num11,den11]=bilinear(b11,a11,)。s39。)。[n11,wn11]=buttord(wp,ws,1,50,39。fp=2*Ft*tan(wp/2)。wp=2*pi*Fp/Ft。Fp=1000。濾波后，語音信號較加噪后的信號有了明顯的改善，基本可以聽清楚了，而且雜音也沒有那么強烈，但是聲音依然沒有原始語音信號那么清晰脆耳。濾波后信號的頻譜圖也在5000Hz以后開始逐漸接近原始語音信號的頻譜圖。加噪后的語音信號的時域波形比原始語音信號要模糊得多，頻譜圖則是在頻率5000Hz以后出現(xiàn)了明顯的變化。濾波后信號的時域波形39。plot(x)。濾波前信號的時域波形39。plot(y_z)。)。title(39。subplot(2,2,2)。濾波前信號的頻譜39。plot(f,abs(y_zp(1:n/2)))。figure(4)。x=fftfilt(b21,y_z)。FIR低通濾波器39。plot(w/pi,abs(h))。b21=fir1(n21,wn21,Kaiser(n21+1,beta))。dev=[p s]。fpts=[wp ws]。p=110.^(rp/20)。rp=1。wp=2*Fp/Ft。Fp=1000。)。ylabel(39。頻率Hz39。)。title(39。)subplot(2,1,2)。)ylabel(39。xlabel(39。加噪語音信號時域波形39。plot(y_z)。f=fs*(0:n/21)/n。sound(y_z,fs)n=length(y)。L=length(y)noise=*randn(L,2)。頻率幅值39。)。xlabel(39。原始語音信號采樣后的頻譜圖39。plot(f,abs(y_p(1:n/2)))。幅值A(chǔ)39。時間軸39。)。title(39。figure(1)subplot(2,1,1)。sound(y,fs)n=length(y)y_p=fft(y,n)。39。其中，h是系統(tǒng)單位沖擊響應(yīng)向量；x是輸入序列向量；y是系統(tǒng)的輸出序列向量；M是有用戶選擇的輸入序列的分段長度，缺省時，默認的輸入向量的重長度M=512。函數(shù)fftfilt用的是重疊相加法實現(xiàn)線性卷積的計算。接下來我們要用設(shè)計的FIR低通濾波器對上一節(jié)中加噪語音信號進行濾波處理。再通過對原始語音信號的回放效果與加噪后的語音信號回放的效果的對比，人耳可以明顯辨別出兩種語音信號不一樣了，加噪后的語音信號在聽覺上比原始語音信號要渾濁很多，而且還有吱吱嘎嘎的混雜音。初始信號的時域波形、頻譜圖與加噪后語音信號的時域波形、。頻率幅值39。)。xlabel(39。加噪語音信號頻譜圖39。plot(f,abs(y_zp(1:n/2)))。幅值A(chǔ)39。時間軸39。)。title(39。figure(2)subplot(2,1,1)。y_zp=fft(y_z,n)。y_z=y+noise。)。ylabel(39。頻率Hz39。)。title(39。)subplot(2,1,2)。)ylabel(39。xlabel(39。原始語音信號采樣后的時域波形39。plot(y)。f=fs*(0:n/21)/n。)。 下面一段程序?qū)崿F(xiàn)了利用randn函數(shù)把一段隨機噪音信號加入原始語音信號的信號處理過程：[y,fs,bits]=wavread(39。 Y = randn(size(A)) 返回一個和A有同樣維數(shù)大小的隨機數(shù)組。如果n不是個數(shù)量，將返回錯誤信息。產(chǎn)生均值為0，方差 σ^2 = 1，標準差σ = 1的正態(tài)分布的隨機數(shù)或矩陣的函數(shù)。)。title(39。 subplot(224)。原始信號幅值39。plot(magX)。 title(39。subplot(222)。原始信號波形39。plot(x)。angX=angle(X)。X=fft(x,4096)?！?。它的FFT也是N點序列，即X(k)(k=0,1,2,…,N1)，則第k點所對應(yīng)實際頻率值為f=k*f /N. 下面一段程序是語音信號在matlab中的簡單體現(xiàn)，通過該段程序，我們實現(xiàn)了語音信號的讀入與打開，并繪出了語音信號的波形頻譜圖。X(k)的后一半序列和前一半序列時對稱的。函數(shù)abs(x)用于計算復(fù)向量x的幅值，函數(shù)angle(x)用于計算復(fù)向量的相角，介于和之間，以弧度表示。經(jīng)函數(shù)fft求得的序列y一般是復(fù)序列，通常要求其幅值和相位。若向量x的長度大于N，則函數(shù)截短x使之長度為N。函數(shù)執(zhí)行N點的FFT。函數(shù)FFT的另一種調(diào)用格式為y=fft(x,N)。若x為一矩陣，則y是對矩陣的每一列向量進行FFT。