【正文】 圖 47 加噪語音信號 時域波形和頻譜圖 通過對兩張圖片的對比，很明顯可以看加噪后的語音信號時域波形比原始語音信號渾濁了許多 ，在時間軸上可以明顯看出 0— 的幅值增大了；通過對原始語音信號的頻譜圖與加噪后的語音信號頻譜圖的對比，也可以看出在頻率5000Hz 以后的頻率幅值發(fā)生了明顯的增加。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 24 去噪及仿真 （ 1） FIR 濾波器法去噪 通過對上一節(jié) 中加噪語音信號和原始語音信號頻譜圖對比可以知道，噪音大部分是 Hz 大于 5000 的部分，故設(shè)計低通濾波器進行濾波處理。 用自己設(shè)計的 FIR 數(shù)字低通濾波器對加噪的語音信號進行濾波時，在 Matlab中， FIR 濾波器利用函數(shù) fftfilt 對信號進行濾波。調(diào)用格式為： y=fftfilter(h,x,M)。 用設(shè)計好的 FIR 數(shù)字低通濾波器對加噪語音信號的濾波程序： 見附錄 7 得到的圖像如下： （圖 4— 8） 圖 48 FIR濾波前和濾波后波形及頻譜 分析：從以上四圖可以很明顯和直觀的看出原始語音信號和加噪語音信號時域波形和頻譜圖的區(qū)別。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 25 再通過濾波前的信號波形和頻譜圖的對比，可以明顯看出濾波后的波形開始變得清晰了，有點接近原始信號的波形圖了。 再從對語音信號的回放，人耳可以明顯辨別出加噪后的語音信號比較渾濁，還有很明顯嘎吱嘎吱的雜音在里面。 （ 2） IIR 濾波器法去噪 同樣，也設(shè)計一個 IIR 低通濾波器對加噪語音信號進行內(nèi)部處理。 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。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 26 （ 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)。 （ 2） IIR 濾波器運算誤差大，有可能出現(xiàn)極限環(huán)振蕩， FIR 相比之下運算誤差較小，不會出現(xiàn)極限環(huán)振蕩。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。這是很好的性質(zhì)。 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。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 27 總結(jié) 語音信號處理是語音學(xué)與數(shù)字信號處理技術(shù)相結(jié)合的交叉學(xué)科，課題在這里不討論語音學(xué)，而是將語音當做一種特殊的信號，即一種“復(fù)雜向量”來看待。 從課題的中心來看，課題“ 在 MATLAB 平臺上實現(xiàn)對語音信號的去噪研究和仿真 ”是希望將數(shù)字信號處理技術(shù)應(yīng)用于某一實際領(lǐng)域，這里就是指對語音及加噪處理。這一過程的實現(xiàn)，用到了處理數(shù)字信號的強有力工具 MATLAB。 課題的特色在于它將語音信號看作一個向量，于是就把語音數(shù)字化了。我們可以像給一般信號做頻譜分析一樣，來對語音信號做頻譜分析，也可以較容易的用數(shù)字濾波器來對語音進行濾波處理。從含噪語音信號的頻譜圖中可以看出含噪聲的語音信號頻譜 ,在整個頻域范圍內(nèi)分是布均勻。通過濾波前后的對比，低通濾波后效果最好，高通濾波后的效果最差。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 28 致謝 在此論文撰寫過程中，要特別感謝我的導(dǎo)師 老師 的指導(dǎo)與督促，同時感謝她的諒解與包容。求學(xué)歷程是艱苦的，但又是快樂的。在這四年的學(xué)期中結(jié)識的各位生活和學(xué)習(xí)上的摯友讓我得到了人生最大的一筆財富。 本文參考了大量的文獻資料，在此，向各學(xué)術(shù)界的前輩們致敬！ 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 29 參考文獻 [1] Boll S of Acoustic Noise in Speech Using Spectral Subtraction[J].IEEE Acoustics,Speech,and Signal Processing,1979,27(2):113120. [2] Berouti M,Schwartz R,Makhoul of SpeechCorrupted by Acoustic Noise[J].IEEE Acoustics,Speech,and Signal Processing,1979,4:208211. [3] 胡航，語音信號處理，哈爾濱工業(yè)大學(xué)出版社， 2020 年 5 月 [4] armonicAnalysis[J].,1982,70(9):1 0551 096. [5]皇甫堪 ,陳建文 ,樓生強 .現(xiàn)代數(shù)字信號處理 [M].北京 :電子工業(yè)出版社 ,2020. [6]Hu Yi,Loizou P Enhancement Based on WaveletThresholding the Multitaper Spectrum[J]. IEEE and Audio Processing,2020,12(1):5967. [7]吳紅衛(wèi) ,吳鎮(zhèn)揚 ,趙力 .基于多窗譜的心理聲學(xué)語音增強 [J].聲學(xué)學(xué) 報 ,2020,32(3):275281. [8]潘欣裕，童興法，趙鶴鳴，基于譜能比例加權(quán)的譜減法語音增強研究 [J]. 中 國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集 [9] 程正 ,趙鶴鳴 . 基于多頻帶譜減法的語音增強算法的研究 [J]. 0028331(2020)36004003. [10] 曹瑜镠 ,方元 ,呂勇 .基于最小統(tǒng)計及譜減法的語音增強 [J]. 語音技術(shù) . 0028684(2020)12004304 [11］白文雅，黃健群，陳智伶 .基于維納濾波語音增強算法的改進實現(xiàn) [J].電聲 技術(shù)， 2020,31（ 1） ： 4446. [12］蔡斌 .一種改進型 MMSE 語音增強方法 [J].信號處理， 2020,20（ 1） ： 7074. [13］陳俊，孫洪，董航 .基于 MMSE 先驗信噪比估計的語音增強 [J].武漢大學(xué)學(xué) 理學(xué)版，2020， 51（ 5） ： 638642. [14］樊昌信，曹麗娜 .通信原理 [M].北京：國防工業(yè)出版社， 2020. [15］姚天任 .數(shù)字語音處理 [M].武漢：華中科技大 學(xué)出版社， 2020. 附錄 1 Ft=8000。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 30 Fs=1200。 ws=2*Fs/Ft。 rs=50。 %通帶阻帶波紋 s=10.^(rs/20)。 mag=[1 0]。 [n21,wn21,beta,ftype]=kaiserord(fpts,mag,dev)。 %由 fir1 設(shè)計濾波器 [h,w]=freqz(b21,1)。 title(39。)。 Fp=4000。 wp=2*Fp/Ft。 rp=1。 p=110.^(rp/20)。 fpts=[ws wp]。 dev=[p s]。 b23=fir1(n23,wn23,39。,Kaiser(n23+1,beta))。 %得到頻率響應(yīng) plot(w*12020*,abs(h))。FIR 高通濾波器 39。 axis([3000 6000 0 ])。 Fp=1000。 wp=2*pi*Fp/Ft。 fp=2*Ft*tan(wp/2)。 [n11,wn11]=buttord(wp,ws,1,50,39。)。s39。 %求 S 域的頻率響應(yīng)的參數(shù) 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 31 [num11,den11]=bilinear(b11,a11,)。 %根據(jù)參數(shù)求出頻率響應(yīng) plot(w*8000*,abs(h))。IIR 低通濾波器 39。 legend(39。)。 附錄 4 Ft=8000。 Fs=3500。 %高通到低通濾波器參數(shù)轉(zhuǎn)換 ws1=tan(pi*Fs/Ft)。 ws=wp1*wp/ws1。s39。 %求模擬的低通濾波器階數(shù)和截止頻 [b13,a13]=cheby1(n13,1,wn13,39。)。 %將 S 域低通參數(shù)轉(zhuǎn)為高通的 [num13,den13]=bilinear(num,den,)。 plot(w*21000*,abs(h))。IIR 高通濾波器 39。 legend(用 cheby1 設(shè)計 39。 附錄 5 [y,fs,bits]=wavread(39。)。 f=fs*(0:n/21)/n。 plot(y)。原始語音信號采樣后時域波形 39。 xlabel(39。) ylabel(39。) subplot(2,1,2)。 title(39。)。頻率 Hz39。 ylabel(39。)。 y_z=y+noise。 y_zp=fft(y_z,L)。 figure(2) subplot(2,1,1)。 title(39。)。時間軸 39。幅值 A39。 plot(f,abs(y_zp(1:L/2)))。加噪語音信號頻譜圖 39。 xlabel(39。)。頻率幅值 39。 附錄 6 [y,fs,bits]=wavread(39。)。 f=fs*(0:n/21)/n。 plot(y)。原始語音信號采樣后的時 域波形 39。 xlabel(39。) ylabel(39。) subplot(2,1,2)。 title(39。)。頻率 Hz39。 ylabel(39。)。 y_z=y+noise。 y_zp=fft(y_z,n)。 figure(2) subplot(2,1,1)。 title(39。)。時間軸 39。幅值 A39。 plot(f,abs(y_zp(1:n/2)))。加噪語音信號頻譜圖 39。 xlabel(39。)。頻率幅值 39。 附錄 7 [y,fs,bits]=wavread(39。)。 f=fs*(0:n/21)/n。 plot(y)。原始語音信號采樣后的時域波形 39。 xlabel(39。) ylabel(39。) subplot(2,1,2)。 title(39。)。頻率 Hz39。 ylabel(39。)。 y_z=y+noise。 y_zp=fft(y_z,n)。 figure(2) subplot(2,1,1)。 title(39。)。時間軸 39。幅值 A39。 plot(f,abs(y_zp(1:n/2)))。加噪語音信號頻譜圖 39。 xlabel(39。)。頻率幅值 39。 Ft=5000。 Fs=1200。 ws=2*Fs/Ft。 rs=50。 s=10.^(rs/20)。 mag=[1 0]。 [n21,wn21,beta,ftype]=kaiserord(fpts,mag,dev)。 [h,w]=freqz(b21,1)。 title(39。)。 X=fft(x,n)。 subplot(2,2,1)。 title(39。)。plot(f,abs(X(1:n/2)))。濾波后信號的頻譜 39。 subplot(2,2,3)。 title(39。) subplot(2,2,4)。 title(39。) sound(x,fs,bits) 附錄 8 Ft=8000。 Fs=1200。 ws=2*pi*Fs/Ft。 fs=2*Fs*tan(wp/2)。s39。 %求低通濾波器的階數(shù)和截止頻率 [b11,a11]=butter(n11,wn11,39。)。 %雙線性變換實現(xiàn) S 域到 Z 域的變換 [h,w]=freqz(num11,den11)。 legend(39。)。 [y,fs,nbits]=wavread (39。)。 %求出語音信號的長度 noise=*randn(n,2)。 %語音信號加入噪聲 S=fft(s)。 sound(z11)。 %求濾波后的信號 subplot(2,2,1)。g39。 title(39。)。 subplot(2,2,2)。r39。 title(39。)。 subplot(2,2,3)。 title(39。)。 subplot(2,2,4)。 title(