基于matlab的語音信號采集和窗函數(shù)法濾波42784-閱讀頁
2025-07-03 14:45本頁面
【正文】 的窗函數(shù)，其中部分窗函數(shù)的調(diào)用形式為 W=hanning(N) W=hamming(N) W=Blackman(N) W=Kaiser(N,beta)其中N是窗函數(shù)的長度，beta是控制kaiser窗形狀的參數(shù)。對于kaiser窗，MATLAB還提供了一個(gè)根據(jù)帶設(shè)計(jì)濾波器的指標(biāo)直接計(jì)算窗函數(shù)的函數(shù)，其基本調(diào)用形式為 [M,Wc,beta,ftype]=kaiserord(f,a,dev)其中：參數(shù)f表示需要設(shè)計(jì)的FIR濾波器的B個(gè)頻帶；參數(shù)a為B個(gè)頻帶的幅度值，一個(gè)通帶取1，阻帶取0；參數(shù)dev為B個(gè)頻帶中的波動值。故確定設(shè)計(jì)的低通濾波器的設(shè)計(jì)指標(biāo)為：Wp=*pi,Ws=*pi 程序如下：fs=8000。C:\WINDOWS\Media\Windows XP 39。 t=(0:length(x1)1)/8000。A1=。d=[A1*cos(2*pi*3600*t)+A2*sin(2*pi*3800*t)]39。wp=*pi。wdelta=wswp。 %取整wn=(+)*pi/2。 %選擇窗函數(shù)并歸一化截止頻率figure(1)freqz(bz,az)。axis tight。figure(2)subplot(2,1,1)plot(t,x2)。axis tight。濾波前的時(shí)域波形39。subplot(2,1,2)plot(t,f2)。axis tight。濾波后的時(shí)域波形39。y3=fft(f2,4096)。figure(3)y2=fft(x2,4096)。plot(f,abs(y2(1:2048)))。axis tight。濾波前的頻譜39。Hz39。ylabel(39。)。grid on。title(39。)xlabel(39。)。幅度39。sound(f2,8000)。圖5 濾波前后頻譜圖 由圖5 濾波前后對比的頻譜圖可知，高頻成分的頻譜幅度接近0，即濾除了高頻成分。也就是說，課題更多的還是體現(xiàn)了數(shù)字信號處理技術(shù)。我們可以像給一般信號做頻譜分析一樣，來給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(jìn)行濾波處理。在此期間我們也失落過，也曾一度熱情高漲。設(shè)計(jì)確實(shí)有些辛苦，但苦中也有樂，在如今單一的理論學(xué)習(xí)中，很少有機(jī)會能有實(shí)踐的機(jī)會，但我們可以，而且設(shè)計(jì)也是一個(gè)團(tuán)隊(duì)的任務(wù)，一起的工作可以讓我們有說有笑，相互幫助，配合默契，多少人間歡樂在這里灑下，經(jīng)過這幾天的合作，我感覺我和同學(xué)們之間的距離更加近了；我想說，確實(shí)很累，但當(dāng)我們看到自己所做的成果時(shí)，心中也不免產(chǎn)生興奮。團(tuán)結(jié)協(xié)作是我們實(shí)習(xí)成功的一項(xiàng)非常重要的保證。對我們而言，知識上的收獲重要，精神上的豐收更加可喜。這次實(shí)習(xí)必將成為我人生旅途上一個(gè)非常美好的回憶！通過這次課程設(shè)計(jì)，加強(qiáng)了我們動手、思考和解決問題的能力。這次課程設(shè)計(jì)終于順利完成了，在設(shè)計(jì)中遇到了很多專業(yè)知識問題，最后在老師的辛勤指導(dǎo)下，終于迎刃而解，我們學(xué)也到很多實(shí)用的知識，學(xué)到了很多課內(nèi)學(xué)不到的東西，比如獨(dú)立思考解決問題，出現(xiàn)差錯(cuò)的隨機(jī)應(yīng)變，和與人合作共同提高，都受益非
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1