音频信号去噪(实验报告)
音频信号去噪
——《信号与系统》实验报告
学院：弘深学院
班级：电子信息实验班
学号： 20136927
姓名：文政
指导老师：欧静兰
2015年5月3日
音频信号去噪
目录
一、课题目的 (2)
二、课题要求 (2)
三、设计原理 (2)
1.高斯白噪声 (2)
2.工具软件使用 (2)
四、实验过程 (3)
1.读取音频信号，绘制时域波形 (3)
2.绘制原音频频域图像 (3)
3.制作叠加白噪声的音频 (4)
4.绘制含白噪声的音频图像 (4)
5.滤波器除噪声 (4)
6.绘制除白噪声的音频图像 (4)
7.除杂前后的时域与频域对比 (5)
五、实验结果及分析 (5)
附录 (8)
(MATLAB 源程序代码) (9)
一、课题目的
1、熟悉MATLAB语言的基本用法；
2、掌握MATLAB语言中音频数据与信息的读取与播放方法；
3、掌握在MATLAB中设计滤波器的方法；
4、掌握噪声产生的方法；
5、掌握MATLAB语言中信号频谱的绘制方法。
二、课题要求
1、噪声加入后，听觉上歌曲声音明显变差；
2、采用低通滤波的方法滤除噪声后歌曲声音明显变清晰；
3、音乐格式选择 .wav；
4、绘制出原始音频信号一个声道的时域图和频谱图；
5、绘制出加噪声后混合信号同一声道的时域图和频谱图；
6、绘制出滤波后音频信号同一声道的时域图和频谱图。
三、设计原理
选取一段.wav格式的音乐或歌曲，用matlab将选取的音频文件读出来，在读出的音频信号中加入随机高斯噪声，再将带有噪声的音乐信号通过低通滤波器滤除噪声，还原音乐。
1.高斯白噪声
所谓“高斯白噪声”中的“高斯”是指概率分布是正态函数，而“白噪声”是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。
因此，高斯白噪声的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布。
2.工具软件使用
本文使用MATLAB（使用版本MATLAB R2014b）软件对音频信号加高斯白噪声后制作滤波器去噪。
（1）使用MATLAB 内置函数audioread(′rain.mp3′)读取rain.mp3文件，并将其放入矩阵wave中，获得抽样频率FS；
（2）使用MATLAB内置函数sound(wave,FS)，播放wave矩阵所包含的音频信
息；
（3）使用MATLAB内置函数audiowrite(′rain_1.wav′,wave,FS)，将wave矩阵数据输出到文件rain_1.wav；
（4）使用MATLAB内置函数floor(length(sound_1)/2)，对声道长度对半向下取整；
（5）使用MATLAB内置函数a?randn(size(sound_1))，产生白躁生函数，其均值为0，方差为a；
（6）使用MATLAB内置函数fft(noise)，对noise进行快速傅里叶变换；
（7）使用MATLAB内置函数angle(noise)，对noise进行角变换；
（8）使用MATLAB内置函数fftshift(noise),对noise进行中心对称；
（9）使用MATLAB内置函数abs(noise),对noise进行取模；利用plot函数进行图像的绘制；
四、实验过程
1.读取音频信号，绘制时域波形
程序如下：
clear all
[wave, FS]=audioread('rain.mp3');%读取音频文件，wave矩阵保存声道信
息，FS保存抽样频率信息
sound_1=wave(:,1);%声道1
sound_2=wave(:,2);%声道2
t=0:(length(sound_1)-1);%取时域横轴t
plot(t,sound_1);xlabel('t_1');title('未处理');%时域图
sound(wave,FS)%音频文件播放
audiowrite('rain_1.wav',wave,FS);%输出音频文件
2.绘制原音频频域图像
程序如下:
Fourier = fftshift(fft(sound_1,length(sound_1)));%对信号进行快速
Fourier变换
halflengthofsound1=length(sound_1);
Pyy_1=log10(abs(Fourier))*2/halflengthofsound1;
f=(-halflengthofsound1/2:halflengthofsound1/2-
1)*1/halflengthofsound1;
figure;plot(f,Pyy_1');xlabel('Frequency_1(Hz)');title('未处理
');%axis([0 3000 0 10]) %频谱图,axis 输出x，y轴显示范围
3.制作叠加白噪声的音频
程序如下：
a=0.05;%噪声幅度
noise=a*randn(size(sound_1));%产生白躁生函数，其均值为0，方差为0.05；
sound_x=sound_1+noise;%将噪声叠加在原音频声道上；
wave_noise(:,1)=sound_x;
wave_noise(:,2)=sound_2;%组合两个声道，形成二维矩阵；
figure;plot(t,sound_x,'r');xlabel('t_noise');title('加白噪声');%时域图
sound(wave_noise,FS)%播放噪声音频文件；
audiowrite('rain_noise.wav',wave_noise,FS);%输出音频文件
4.绘制含白噪声的音频图像
程序如下：
Fourier1 = fftshift(fft(sound_x,length(sound_x)));%对信号进行快速Fourier变换
halflengthofsoundx=length(sound_x);
Pyy_x=log10(abs(Fourier1))*2/halflengthofsoundx;
f_x=(-halflengthofsoundx/2:halflengthofsoundx/2-
1)*1/halflengthofsoundx;
figure;plot(f_x,Pyy_x','r');xlabel('Frequency_x(Hz)');title('加白噪声');%axis([0 3000 0 10]) %频谱图,axis 输出x，y轴显示范围
5.滤波器除噪声
程序如下：
N=5;wc=0.1;
[m,n]=butter(N,wc);
wave_noise_recover(:,1)=filter(m,n,sound_x);
wave_noise_recover(:,2)=sound_2;
figure;plot(t,wave_noise_recover(:,1),'g');xlabel('t_recover');titl e('去噪');%时域图
sound(wave_noise_recover,FS)
audiowrite('rain_noise_recover.wav',wave_noise_recover,FS);%输出音频文件
6.绘制除白噪声的音频图像
程序如下：
Fourier_recover =
fftshift(fft(wave_noise_recover(:,1),length(wave_noise_recover(:,1) )));%对信号进行快速Fourier变换
halflengthofsound_recover=length(wave_noise_recover);
Pyy_recover=log10(abs(Fourier_recover))*2/halflengthofsound_recover ;
f_recover=(-
halflengthofsound_recover/2:halflengthofsound_recover/2-
1)*1/halflengthofsound_recover;
figure;plot(f_recover,Pyy_recover','g');xlabel('Frequency_recover(H z)');title('去噪');%axis([0 3000 0 10]) %频谱图,axis 输出x，y轴显示范围
7.除杂前后的时域与频域对比
代码如下:
compare_t(:,1)=abs(wave_noise_recover(:,1))-abs(wave_noise(:,1));%取处理声道信息，作差值后取绝对值，得到对比值
compare_t(:,2)=wave_noise(:,2);%未处理声道不做处理；
figure;plot(t,compare_t(:,1),'k');xlabel('t_compare');title('时域差值图');axis([0 inf 0 1]);%时域图差值图
compare_f(:,1)=abs(Pyy_recover-Pyy_x);
figure;plot(f_recover,compare_f(:,1),'k');xlabel('f_compare');title ('频域差值图');%axis([0 inf 0 inf]);%频域图差值图
五、实验结果及分析
运行代码脚本，即可得到了所需图像：
图1 原声时域波形图
图2 原声频域波形
图3 加白噪声时域波形
图4 加白噪声频域波形
图5 去噪时域波形
图6去噪频域波形
图7 恢复前后时域差值图
图8 恢复前后频域差值图
加燥前的原音乐频谱是具有鲜明特性的波形，其频率主要集中在[?0.3,0.3]之间，而增加了白噪声之后，其[?0.3,?0.05]∪[0.05,0.3]之间的频谱被白噪声覆盖，时域图显示出个时间段的幅度都有所增加。播放出来的声音很嘈杂。
由于白噪声的功率谱密度在整个频域内均匀分布，所有频率具有相同的能量密度。从我们耳朵的频率响应听起来它是非常明亮的“咝”声。（每高一个八度，频率就升高一倍。因此高频率区的能量也显著增强）
白噪声：
功率谱密度恒定：S(ω)=S0
信号自相关：R(τ)=S0δ(τ)
数学期望：E[X(t)]=0
是宽平稳随机信号，且具有良好的各态历经性。
为了尽可能的消除这种噪声，还原原声，我们选用低通滤波器，来滤除掉高频噪声。从图中可以清楚的看到，高频部分的频谱经过滤波器滤波后，在频谱图上出现了明显的变化，仅仅保留了[?0.3,0.3]的部分。在时域上，也可以很清楚的看到，波形有所恢复。由于无法消除原有音乐所在频率段增加的白噪声，因此，无法完全恢复到原有状态，但是，音乐播放效果有明显的改善。
附录
(MATLAB 源程序代码)
clear all
[wave, FS]=audioread('rain.mp3');%读取音频文件，wave矩阵保存声道信息，FS保存抽样频率信息
sound_1=wave(:,1);%声道1
sound_2=wave(:,2);%声道2
t=0:(length(sound_1)-1);%取时域横轴t
plot(t,sound_1);xlabel('t_1');title('未处理');%时域图
sound(wave,FS)%音频文件播放
audiowrite('rain_1.wav',wave,FS);%输出音频文件
%绘制原音频图像
Fourier = fftshift(fft(sound_1,length(sound_1)));%对信号进行快速Fourier变换halflengthofsound1=length(sound_1);
Pyy_1=log10(abs(Fourier))*2/halflengthofsound1;
f=(-halflengthofsound1/2:halflengthofsound1/2-1)*1/halflengthofsound1;
figure;plot(f,Pyy_1');xlabel('Frequency_1(Hz)');title('未处理');%axis([0 3000 0 10]) %频谱图,axis 输出x，y轴显示范围
%制作叠加白噪声的音频
a=0.05;%噪声幅度
noise=a*randn(size(sound_1));%产生白躁生函数，其均值为0，方差为0.05；
sound_x=sound_1+noise;%将噪声叠加在原音频声道上；
wave_noise(:,1)=sound_x;
wave_noise(:,2)=sound_2;%组合两个声道，形成二维矩阵；
figure;plot(t,sound_x,'r');xlabel('t_noise');title('加白噪声');%时域图
sound(wave_noise,FS)%播放噪声音频文件；
audiowrite('rain_noise.wav',wave_noise,FS);%输出音频文件
%绘制含白噪声的音频图像
Fourier1 = fftshift(fft(sound_x,length(sound_x)));%对信号进行快速Fourier变换halflengthofsoundx=length(sound_x);
Pyy_x=log10(abs(Fourier1))*2/halflengthofsoundx;
f_x=(-halflengthofsoundx/2:halflengthofsoundx/2-1)*1/halflengthofsoundx;
figure;plot(f_x,Pyy_x','r');xlabel('Frequency_x(Hz)');title('加白噪声');%axis([0 3000 0 10]) %频谱图,axis 输出x，y轴显示范围
%除噪声
N=5;wc=0.1;
[m,n]=butter(N,wc);
wave_noise_recover(:,1)=filter(m,n,sound_x);
wave_noise_recover(:,2)=sound_2;
figure;plot(t,wave_noise_recover(:,1),'g');xlabel('t_recover');title('去噪');%时域图
sound(wave_noise_recover,FS)
audiowrite('rain_noise_recover.wav',wave_noise_recover,FS);%输出音频文件
%绘制除白噪声的音频图像
Fourier_recover =
fftshift(fft(wave_noise_recover(:,1),length(wave_noise_recover(:,1))));%对信号进行快速Fourier变换
halflengthofsound_recover=length(wave_noise_recover);
Pyy_recover=log10(abs(Fourier_recover))*2/halflengthofsound_recover;
f_recover=(-halflengthofsound_recover/2:halflengthofsound_recover/2-
1)*1/halflengthofsound_recover;
figure;plot(f_recover,Pyy_recover','g');xlabel('Frequency_recover(Hz)');title('去噪');%axis([0 3000 0 10]) %频谱图,axis 输出x，y轴显示范围
%除杂前后的时域与频域对比
compare_t(:,1)=abs(wave_noise_recover(:,1))-abs(wave_noise(:,1));%取处理声道信息，作差值后取绝对值，得到对比值
compare_t(:,2)=wave_noise(:,2);%未处理声道不做处理；
figure;plot(t,compare_t(:,1),'k');xlabel('t_compare');title('时域差值图');axis([0 inf 0 1]);%时域图差值图
compare_f(:,1)=abs(Pyy_recover-Pyy_x);
figure;plot(f_recover,compare_f(:,1),'k');xlabel('f_compare');title('频域差值图');%axis([0 inf 0 inf]);%频域图差值图
语音信号处理实验报告
语音信号处理实验 班级： 学号： 姓名：
实验一 基于MATLAB 的语音信号时域特征分析（2学时） 1） 短时能量 （1）加矩形窗 a=wavread('mike.wav'); a=a(:,1); subplot(6,1,1),plot(a); N=32; for i=2:6 h=linspace(1,1,2.^(i-2)*N);%形成一个矩形窗，长度为2.^(i-2)*N En=conv(h,a.*a);% 求短时能量函数En subplot(6,1,i),plot(En); if (i==2) ,legend('N=32'); elseif (i==3), legend('N=64'); elseif (i==4) ,legend('N=128'); elseif (i==5) ,legend('N=256'); elseif (i==6) ,legend('N=512'); end end 00.51 1.52 2.5 3 x 10 4 -1 100.5 1 1.5 2 2.5 3x 10 4 024 N=3200.5 1 1.5 2 2.5 3x 10 4 05 N=6400.5 1 1.5 2 2.5 3x 10 4 0510 N=12800.5 1 1.5 2 2.5 3x 10 4 01020 N=2560 0.5 1 1.5 2 2.5 3x 10 4 02040 N=512 （2）加汉明窗 a=wavread('mike.wav'); a=a(:,1); subplot(6,1,1),plot(a); N=32;
for i=2:6 h=hanning(2.^(i-2)*N);%形成一个汉明窗，长度为2.^(i-2)*N En=conv(h,a.*a);% 求短时能量函数En subplot(6,1,i),plot(En); if (i==2), legend('N=32'); elseif (i==3), legend('N=64'); elseif (i==4) ,legend('N=128'); elseif (i==5) ,legend('N=256'); elseif (i==6) ,legend('N=512'); end end 00.51 1.52 2.5 3 x 10 4 -1 100.5 1 1.5 2 2.5 3x 10 4 012 N=3200.5 1 1.5 2 2.5 3x 10 4 024 N=6400.5 1 1.5 2 2.5 3x 10 4 024 N=12800.5 1 1.5 2 2.5 3x 10 4 0510 N=2560 0.5 1 1.5 2 2.5 3x 10 4 01020 N=512 2） 短时平均过零率 a=wavread('mike.wav'); a=a(:,1); n=length(a); N=320; subplot(3,1,1),plot(a); h=linspace(1,1,N); En=conv(h,a.*a); %求卷积得其短时能量函数En subplot(3,1,2),plot(En); for i=1:n-1 if a(i)>=0 b(i)= 1;
音频信号分析与处理
实验三音频信号的分析与处理1 一、实验目的 1.掌握音频信号的采集以及运用Matlab软件实现音频回放的方 法； 2.掌握运用Matlab实现对音频信号的时域、频谱分析方法； 3.掌握运用Matlab设计RC滤波系统的方法； 4.掌握运用Matlab实现对加干扰后的音频信号的进行滤波处理 的方法； 5.锻炼学生运用所学知识独立分析问题解决问题的能力，培养学 生创新能力。 二、实验性质 设计性实验 三、实验任务 1.音频信号的采集 音频信号的采集可以通过Windows自带的录音机也可以用专用的录制软件录制一段音频信号（尽量保证无噪音、干扰小），也可以直接复制一段音频信号，但必须保证音频信号保存为.wav的文件。 2.音频信号的时域、频域分析 运用Matlab软件实现对音频信号的打开操作、时域分析和频域分析，并画出相应的图形（要求图形有标题），并打印在实验报告中（注意：把打印好的图形剪裁下来，粘贴到实验报告纸上）。 3.引入干扰信号 在原有的音频信号上，叠加一个频率为100KHz的正弦波干扰信号（幅度自定，可根据音频信号的情况而定）。 4.滤波系统的设计 运用Matlab实现RC滤波系统，要求加入干扰的音频信号经过RC滤波系统后，能够滤除100KHz的干扰信号，同时保留原有的音频信号，要求绘制出RC滤波系统的冲激响应波形，并分析其频谱。
% 音频信号分析与处理 %% 打开和读取音频文件 clear all; % 清除工作区缓存 [y, Fs] = audioread('jyly.wav'); % 读取音频文件 VoiceWav = y(300000 : 400000, 1); % 截取音频中的一段波形 clear y; % 清除缓存 hAudio = audioplayer(VoiceWav, Fs); % 将音频文件载入audioplayer SampleRate = get(hAudio, 'SampleRate'); % 获取音频文件的采样率KHz T = 1/SampleRate; % 计算每个点的时间，即采样周期SampLen = size(VoiceWav,1); % 单声道采样长度 %% 绘制时域分析图 hFig1 = figure('Units', 'normalized', 'Position', [0 0.05 0.49 0.85]); t = T: T: (SampLen* T); subplot(2, 1, 1); % 绘制音频波形 plot(t, VoiceWav); % 绘制波形 title('音频时域波形图'); axis([0, 2.3, -0.5, 0.5]); xlabel('时间(s)'); ylabel('幅值(V)'); % 显示标题 %% 傅里叶变换 subplot(2, 1, 2); % 绘制波形 myfft(VoiceWav, SampleRate, 'plot'); % 傅里叶变换 title('单声道频谱振幅'); % 显示标题 xlabel('Frequency (Hz)'); ylabel('|Y(f)|'); play(hAudio); % 播放添加噪声前的声音 pause(3); %% 引入100KHz的噪声干扰 t = (0: SampLen-1)* T; noise = sin(2 * pi * 10000 * t); % 噪声频率100Khz，幅值-1V到+1V hFig2 = figure('Units', 'normalized', 'Position', [0.5 0.05 0.5 0.85]); subplot(2, 1, 1); % 绘制波形 plot(t(1: 1000), noise(1: 1000)); title('100KHz噪声信号'); % 显示标题 noiseVoice = VoiceWav+ noise'; % 将噪声加到声音里面 hAudio = audioplayer(noiseVoice, Fs); % 将音频文件载入audioplayer subplot(2, 1, 2); % 绘制波形 [fftNoiseVoice, f] = myfft(noiseVoice, SampleRate, 'plot'); title('音乐和噪声频谱'); % 显示标题 play(hAudio); % 播放添加噪声后的声音 pause(3);
滤波器语音信号去噪讲解
******************* 实践教学 ******************* 兰州理工大学 计算机与通信学院 2013年春季学期 信号处理课程设计 题目：基于MATLAB的FIR滤波器语音信号去噪专业班级：通信工程（1）班 姓名：王兴栋 学号：10250114 指导教师：陈海燕 成绩：
摘要 语音信号在数字信号处理中占有极其重要的地位，因此选择通过对语音信号的研究来巩固和掌握数字信号处理的基本能力十分具有代表性。对数字信号处理离不开滤波器，因此滤波器的设计在信号处理中占有极其重要的地位。而MATLAB 软件工具箱提供了对各种数字滤波器的设计。本论文“在MATLAB平台上实现对语音信号的去噪研究与仿真”综合运用了数字信号处理的各种基本知识，进而对不带噪语音信号进行谱分析以及带噪语音信号进行谱分析和滤波处理。通过理论推导得出相应的结论，再通过利用MATLAB作为编程工具来进行计算机实现比价已验证推导出来的结论。在设计过程中，通过设计FIR数字滤波器和IIR数字滤波器来完成滤波处理。在设计过程中，运用了MATLAB对整个设计中的图形的绘制和一些数据的计算以及仿真。 关键字滤波器；MATLAB；仿真；滤波
前言 语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段。随着社会文化的进步和科学技术的发展，人类开始进入了信息化时代，用现代手段研究语音处理技术，使人们能更加有效地产生、传输、存储、和获取语音信息，这对于促进社会的发展具有十分重要的意义，因此，语音信号处理正越来越受到人们的关注和广泛的研究。 语音信号是信息技术处理中最重要的一门科学，是人类社会几步的标志。那么什么是语音？语音是人类特有的功能，也是人类获取外界信息的重要工具，也是人与人交流必不可少的重要手段。那么什么又是信号？那信号是什么呢？信号是传递信息的函数。离散时间信号——序列——可以用图形来表示。 语音信号处理是一门用研究数字信号处理研究信号的科学。它是一新兴的信息科学，同时又是综合多个学科领域的一门交叉科学。语音在我们的日常生活中随时可见，也随处可见，语音很大程度上可以影响我们的生活。所以研究语音信号无论是在科学领域上还是日常生活中都有其广泛而重要的意义。 本论文主要介绍的是的语音信号的简单处理。本论文针对以上问题，运用数字信号学基本原理实现语音信号的处理，在matlab7.0环境下综合运用信号提取，幅频变换以及傅里叶变换、滤波等技术来进行语音信号处理。我所做的工作就是在matlab7.0软件上编写一个处理语音信号的程序，能对语音信号进行采集，并对其进行各种处理，达到简单语音信号处理的目的。 对语音信号的研究，本论文采用了设计两种滤波器的基本研究方法来达到研究语音信号去噪的目的，最终结合图像以及对语音信号的回放，通过对比，得出结论。
含噪声的语音信号分析与处理设计
课程设计任务书 学生姓名：苗强强专业班级：电信1204 指导教师：阙大顺沈维聪工作单位：信息工程学院 题目: 程控宽带放大器的设计 初始条件： 程控宽带放大器是电子电路中常用模块，在智能仪器设备及嵌入式系统中有广 泛的应用。因此对于电子信息专业的技术人员来说，熟练掌握该项技术很有必要。 要求完成的主要任务:（包括课程设计工作量及其技术要求，以及说明书撰写等具体 要求） （1）输入阻抗>1KΩ,单端输入，单端输出，放大器负载电阻为600Ω； （2）3dB通频带10kHz~6MHz，在20kHz~5MHz频带内增益起伏<1dB。 （3）增益调节范围10 dB~40 dB，（通过键盘操作调节）。 （4）发挥部分：当输入频率或输出负载发生变化时，通过微处理器自动调节，保持 放大器增益不变。 （5）电路通过仿真即可。 时间安排： 1. 任务书下达，查阅资料 1天 2. 制图规范、设计说明书讲解 2天 3. 设计计算说明书的书写 5天 4. 绘制图纸 1天 5. 答辩 1天 指导教师签名：年月日 系主任（或责任教师）签名：年月日
滤波器设计在数字信号处理中占有极其重要的地位，FIR数字滤波器和IIR滤波器是滤波器设计的重要组成部分。利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MATLAB有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论，再利用MATLAB 作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FIR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIR数字滤波器，并利用MATLAB 作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用MATLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词数字滤波器 MATLAB IIR滤波器 FIR滤波器
信号系统实验报告
电子工程系 信号与系统课程实验报告 2011-----2012学年第一学期 专业: 电子信息工程技术班级: 学号 : 姓名: 指导教师: 实常用连续时间信号的实现
一、实验目的 （1）了解连续时间信号的特点； （2）掌握连续时间信号表示的向量法和符号法； （3）熟悉MATLAB Plot函数等的应用。 二、实验原理 1、信号的定义 信号是随时间变化的物理量。信号的本质是时间的函数。 2、信号的描述 1）时域法 时域法是将信号表示成时间的函数f(t)来对信号进行描述的方法。信号的时间特性指的是信号的波形出现的先后，持续时间的长短，随时间变化的快慢和大小，周期的长短等。 2）频域（变换域）法 频域法是通过正交变换，将信号表示成其他变量的函数来对信号进行描述的方法。一般常用的是傅立叶变换。信号的频域特性包括频带的宽窄、频谱的分布等。 信号的频域特性与时域特性之间有着密切的关系。 3、信号的分类 按照特性的不同，信号有着不同的分类方法。 （1）确定性信号：可以用一个确定的时间函数来表示的信号。 随机信号：不可以用一个确定的时间函数来表示，只能用统计特性加以描述的信号。 （2）连续信号：除若干不连续的时间点外，每个时间点在t上都有对应的数值信号。离散信号：只在某些不连续的点上有数值，其他时间点上信号没有定义的信号。 （3）周期信号：存在T，使得等式f(t+T)=f(t)对于任意时间t都成立的信号。非周期信号：不存在使得等式f(t+T)=f(t)对于任意时间t都成立的信号。 绝对的周期信号是不存在的，一般只要在很长时间内慢走周期性就可以了。 （4）能量信号：总能量有限的信号。 功率信号:平均功率有限切非零的信号。 （5）奇信号：满足等式f(t)=--f(--t)的信号。偶信号：满足等式f(t)=f(--t)的信号。 三、涉及的MATLAB函数 1、plot函数 功能：在X轴和Y轴方向都按线性比例绘制二维图形。 调用格式： Plot（x,y）:绘出相x对y的函数线性图。 Plot（x1,y1,x2,y2,…..）:会出多组x对y的线性曲线图。 2、ezplot函数 功能：绘制符号函数在一定范围内的二维图形。简易绘制函数曲线。 调用格式： Ezplot (fun):在[-2π，2π]区间内绘制函数。 Ezplot (fun，［min，max］)：在［min,max］区间内绘函数。 Ezplot (funx,funy):定义同一曲面的函数，默认的区间是[0, 2π]。】 3、sym函数 功能：定义信号为符号的变量。 调用格式：sym(fun):fun为所要定义的表达式。 4、subplot函数
基于matlab声音信号的滤波去噪处理
基于matlab声音信号的滤波去噪处理 摘要 滤波器设计在数字信号处理中占有极其重要的地位FIR数字滤波器和IIR滤波器是滤波器设计的重要组成部分Matlab功能强大简单易学编程效率高深受广大科技工作者的欢迎特别是Matlab还具有信号分析工具箱不需具备很强的编程能力就可以很方便地进行信号分析处理和设计利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器课题基于MATLAB有噪音语音信号处理的设计与实现综合运用数字信号处理的理论知识对加噪声语音信号进行时域频域分析和滤波通过理论推导得出相应结论再利用MATLAB作为编程工具进行计算机实现在设计实现的过程中使用窗函数法来设计FIR数字滤波器用巴特沃斯切比雪夫和双线性变法设计IIR数字滤波器并利用MATLAB作为辅助工具完成设计中的计算与图形的绘制通过对对所设计滤波器的仿真和频率特性分析可知利用MATLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器过程简单方便结果的各项性能指标均达到指定要求 目录 摘要 ABSTRACT 绪论 11研究的目的和意义 12国内外同行的研究状况 13本课题的研究内容和方法语音信号去噪方法的研究 21去噪的原理 22去噪的方法去噪和仿真的研究 31语音文件在MATLAB平台上的录入与打开 32 原始语音信号频谱分析及仿真 33 加噪语音信号频谱分析及仿真 34 去噪及仿真 35 结合去噪后的频谱图对比两种方式滤波的优缺点总结致谢 参考文献 1绪论 11研究的目的和意义 语音信号的采集与分析技术是一门涉及面很广的交叉科学它的应用和发展与语音学声音测量学电子测量技术以及数字信号处理等学科紧密联系语音是人类获取信息的重要来源和利用信息的重要手段在信号传输过程中由于实验条件或各种其他主观或客观条件的原因语音处理系统都不可避免地要受到各种噪声的干扰噪声不但降低了语音质量和语音的可懂度而且还将导致系统性能的急剧恶化严重时使整个系统无法正常工作 MATLAB是由美国mathworks公司发布的主要面对科学计算可视化以及交互式程序设计的高科技计算环境它将数值分析矩阵计算科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中为科学研究工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案并在很大程度上摆脱了传统非交互式程序设计语言如CFortran的编辑模式代表了当今国际科学计算软件的先进水平其强大的数据处理能力可以极大程度上削弱噪声影响还原出真实的语音信号相符度在90以上 12 国内外同行研究现状 20世纪60年代中期形成的一系列数字信号处理的理论和算法如数字滤波器快速傅立叶变换FFT等是语音信号数字处理的理论和技术基础随着信息科学技术的
基于MATLAB的有噪声语音信号处理毕设
大学本科毕业设计论文 基于MATLAB的有噪声语音信号处理
摘要 滤波器设计在数字信号处理中占有极其重要的地位,FIR数字滤波器和IＩR 滤波器是滤波器设计的重要组成部分。Matｌａｂ功能强大、简单易学、编程效率高,深受广大科技工作者的欢迎。特别是Matlab还具有信号分析工具箱,不需具备很强的编程能力,就可以很方便地进行信号分析、处理和设计。利用ＭATＬＡＢ信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MAＴLAB 有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论,再利用MＡTLAB作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FＩR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIＲ数字滤波器，并利用MATLＡB作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用ＭＡＴLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词?数字滤波器；MATＬＡB；窗函数法；巴特沃斯; 切比雪夫; 双线性变换
Abｓtｒａｃt ?Filｔeｒdesiｇｎin ｄｉgｉtal sｉgnal proｃeｓsiｎｇplａysａn eｘtre ｍeｌｙiｍportａnt rｏle, FIR digital filtｅrs ａｎd IIR filter is an importａn ｔpaｒt of filter design.Matlab is ｐowｅrful,easy to ｌｅaｒn,pｒｏgｒａmming eｆfiｃieｎcｙ，which wａs wｅlcomｅd bｙthｅmajority oｆsc ｉentistｓ. Matlab alsｏhaｓ a particuｌar signaｌaｎalysis tｏolbｏx，it need notｈaｖe stronｇprｏgraｍminｇｓkiｌls can be easily signal anａlyｓiｓ, proｃesｓｉng aｎd design. Usｉng MATＬAB Signal Ｐroｃessing Toolbｏx can ｑｕickly anｄeｆficieｎtly design ａｖariｅtｙof digｉtaｌｆiltｅrs. ＭＡTLAB ｂaseｄon the noｉse issｕｅｓｐeech sｉｇnal processing deｓｉgn and ｉｍｐlｅmｅｎtation of digｉtal sｉgｎaｌprocessｉｎg inｔegrated use of ｔhe thｅoｒｅｔical knｏwlｅdge oｆtｈe ｓｐeecｈsｉｇｎal pｌus noiｓe, tｉme domaiｎ, frequencｙｄoｍaiｎanalysis ａnｄfiltering. Theｃorreｓponｄinｇresｕlts ｏbtａineｄthrougｈtheｏｒeticaｌｄerｉｖatｉon, ａnd thｅn use MATＬAB as a pｒogramｍing tooｌfor compuｔer iｍｐlementation．Iｍpleｍenｔｅd iｎthe desｉgn process，usinｇtｈｅｗindｏw function methoｄｔｏｄesiｇn FIR digiｔal fｉｌteｒs wｉｔh Butｔｅｒwortｈ, Chebyshev anｄbilinear Reｆｏｒm IIR dｉgｉtal filter dｅｓign ａｎd use ｏｆMATLAB ａs ａｓupplemenｔary tｏｏl to cｏｍｐｌete thｅcalculation and graphｉc dｅsiｇn Ｄrａwiｎg. Throughｔｈｅsimulａtion of ｔｈｅdesigned filter aｎd the fｒｅｑuenｃy anａlysis shoｗs thaｔuｓｉｎｇMatｌabＳｉｇnal Processing Toolbox can qｕickly and easily dｅsign digiｔal fｉlters FIR anｄIIR，the ｐroceｓｓis sｉｍple aｎd coｎvenｉent, the reｓuｌts of the perfｏrmaｎce iｎdｉcａtｏrs to ｍｅｅｔｔhe spｅｃｉfieｄrｅqｕirｅｍents. ? Kｅywｏrｄs: diｇiｔａl filｔer; ＭAＴLAB；Chebysｈev；Buttｅrｗｏrth；
信号与系统实验报告_1(常用信号的分类与观察)
实验一：信号的时域分析 一、实验目的 1.观察常用信号的波形特点及产生方法 2.学会使用示波器对常用波形参数的测量 二、实验仪器 1.信号与系统试验箱一台（型号ZH5004） 2.40MHz双踪示波器一台 3.DDS信号源一台 三、实验原理 对于一个系统特性的研究，其中重要的一个方面是研究它的输入输出关系，即在一特定的输入信号下，系统对应的输出响应信号。因而对信号的研究是对系统研究的出发点，是对系统特性观察的基本手段与方法。在本实验中，将对常用信号和特性进行分析、研究。 信号可以表示为一个或多个变量的函数，在这里仅对一维信号进行研究，自变量为时间。常用信号有：指数信号、正弦信号、指数衰减正弦信号、复指数信号、Sa(t)信号、钟形信号、脉冲信号等。 1、信号：指数信号可表示为f(t)=Ke at。对于不同的a取值，其波形表现为不同的形式，如下图所示： 图1―1 指数信号 2、信号：其表达式为f（t）=Ksin（ωt＋θ），其信号的参数：振幅K、角频率ω、与初始相位θ。其波形如下图所示：
图1－2 正弦信号 3、指数衰减正弦信号：其表达式为其波形如下图： 图1－3 指数衰减正弦信号 4、Sa(t)信号：其表达式为：。Sa(t)是一个偶函数，t= ±π,±2π,…,±nπ时，函数值为零。该函数在很多应用场合具有独特的运用。其信号如下图所示：
图1－4 Sa（t）信号 5、钟形信号（高斯函数）：其表达式为：其信号如下图所示： 图1－5 钟形信号 6、脉冲信号：其表达式为f(t)=u(t)-u(t-T)，其中u(t)为单位阶跃函数。其信号如下图所示： 7、方波信号：信号为周期为T，前T/2期间信号为正电平信号，后T/2期间信号为负电平信号，其信号如下图所示 U(t)
基于小波变换的语音信号去噪(详细)
测试信号处理作业 题目：基于小波变换的语音信号去噪 年级：级 班级：仪器科学与技术 学号： 姓名： 日期：2015年6月
基于小波变换的语音信号去噪 对于信号去噪方法的研究是信号处理领域一个永恒的话题。经典的信号去噪方法，如时域、频域、加窗傅立叶变换、维纳分布等各有其局限性，因此限制了它们的应用范围。小波变换是八十年代末发展起来的一种新时-频分析方法，它在时-频两域都具有良好的局部化特性；并且在信号去噪领域获得了广泛的应用。 目前已经提出的小波去噪方法主要有三种：模极大值去噪、空域相关滤波去噪以及小波阈值去噪法。阈值法具有计算量小、去噪效果好的特点，取得了广泛的应用。然而在阈值法中，阈值的选取直接关系到去噪效果的优劣。如果阈值选取过小，那么一部分噪声小波系数将不能被置零，从而在去噪后的信号中保留了部分噪声信息；如果阈值选的偏大，则会将一部分有用信号去掉，使得去噪后的信号丢失信息。 1、语音信号特性 由于语音的生成过程与发音器宫的运动过程密切相关，而且人类发音系统在产生不同语音时的生理结构并不相同，因此使得产生的语音信号是一种非平稳的随机过程(信号)。但由于人类发生器官变化速度具有一定的限度而且远小于语音信号的变化速度，可以认为人的声带、声道等特征在一定的时间内(10- 30ms)基本不变，因此假定语音信号是短时平稳的，即语音信号的某些物理特性和频谱特性在10-30ms的时间段内近似是不变的，具有相对的稳定性，这样可以运用分析平稳随机过程的方法来分析和处理语音信号。在语音增强中就是利用了语音信号短时谱的平稳性。 语音信号基本上可以分为清音和浊音两大类。清音和浊音在特性上有明显的区别，清音没有明显的时域和频域特性，看上去类似于白噪声，并具有较弱的振幅；而浊音在时域上有明显的周期性和较强的振幅，其能量大部分集中在低频段内，而且在频谱上表现出共振峰结构。在语音增强中可以利用浊音所具有的明显的周期性来区别和抑制非语音噪声，而清音由于类似于白噪声的特性，使其与宽带平稳噪声很难区分。 由于语音信号是一种非平稳、非遍历的随机过程，因此长时间时域统计特性对语音信号没有多大的意义，而短时谱的统计特性对语音信号和语音增强有着十分重要的作用。语音信号短时谱幅度统计特性的时变性，使得语音信号的分析帧在趋于无穷大时，根据中心极限定理，其短时谱的统计特性服从高斯(Gauss)分布，而在实际应用时只能在有限帧长下进行处理，因此，在有限帧时这种高斯分布的统计特性是一种近似的描述，这样就可以作为分析宽带噪声污染的带噪语音信号增强应用时的前提和假设。
语音信号处理实验报告
通信与信息工程学院 信息处理综合实验报告 班级：电子信息工程1502班 指导教师： 设计时间：2018/10/22-2018/11/23 评语： 通信与信息工程学院 二〇一八年 实验题目：语音信号分析与处理 一、实验内容 1. 设计内容 利用MATLAB对采集的原始语音信号及加入人为干扰后的信号进行频谱分析，使用窗函数法设计滤波器滤除噪声、并恢复信号。 2．设计任务与要求 1. 基本部分
（1）录制语音信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。 （2）对所录制的语音信号加入干扰噪声，并对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。 （3）分别利用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman 窗几种函数设计数字滤波器滤除噪声，并画出各种函数所设计的滤波器的频率响应。 （4）画出使用几种滤波器滤波后信号时域波形和频谱，对滤波前后的信号、几种滤波器滤波后的信号进行对比，分析信号处理前后及使用不同滤波器的变化；回放语音信号。 2. 提高部分 （5）录制一段音乐信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。 （6）利用MATLAB产生一个不同于以上频段的信号；画出信号频谱图。 （7）将上述两段信号叠加，并加入干扰噪声，尝试多次逐渐加大噪声功率，对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。 （8）选用一种合适的窗函数设计数字滤波器，画出滤波后音乐信号时域波形和频谱，对滤波前后的信号进行对比，回放音乐信号。 二、实验原理 1.设计原理分析 本设计主要是对语音信号的时频进行分析，并对语音信号加噪后设计滤波器对其进行滤波处理，对语音信号加噪声前后的频谱进行比较分析，对合成语音信号滤波前后进行频谱的分析比较。 首先用PC机WINDOWS下的录音机录制一段语音信号，并保存入MATLAB软件的根目录下，再运行MATLAB仿真软件把录制好的语音信号用audioread函数加载入MATLAB仿真软件的工作环境中，输入命令对语音信号进行时域，频谱变换。 对该段合成的语音信号，分别用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman窗几种函数在MATLAB中设计滤波器对其进行滤波处理，滤波后用命令可以绘制出其频谱图，回放语音信号。对原始语音信号、合成的语音信号和经过滤波器处理的语音信号进行频谱的比较分析。 2.语音信号的时域频域分析 在Matlab软件平台下可以利用函数audioread对语音信号进行采样,得到了声音数据变量y,同时把y的采样频率Fs=44100Hz放进了MATALB的工作空间。
应用Matlab对含噪声语音信号进行频谱分析及滤波
一、实验内容 录制一段个人自己的语音信号，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；在语音信号中增加正弦噪声信号(自己设置几个频率的正弦信号)，对加入噪声信号后的语音信号进行频谱分析；给定滤波器的性能指标，采用窗函数法和双线性变换设计数字滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比试听，分析信号的变化。 二、实现步骤 1．语音信号的采集 利用Windows下的录音机，录制一段自己的话音，时间在1 s内。然后在Matlab软件平台下，利用函数wavread对语音信号进行采样，（可用默认的采样频率或者自己设定采样频率）。 2．语音信号的频谱分析 要求首先画出语音信号的时域波形；然后对语音号进行快速傅里叶变换，得到信号的频谱特性。 在采集得到的语音信号中加入正弦噪声信号，然后对加入噪声信号后的语音号进行快速傅里叶变换，得到信号的频谱特性。并利用sound试听前后语音信号的不同。 分别设计IIR和FIR滤波器，对加入噪声信号的语音信号进行去噪，
画出并分析去噪后的语音信号的频谱，并进行前后试听对比。 3.数字滤波器设计 给出数字低通滤波器性能指标:如，通带截止频率fp＝10000 Hz，阻带截止频率fs＝12000 Hz（可根据自己所加入噪声信号的频率进行阻带截止频率设置），阻带最小衰减Rs＝50 dB，通带最大衰减Rp ＝3 dB（也可自己设置），采样频率根据自己语音信号采样频率设定。
报告内容 一、实验原理 含噪声语音信号通过低通滤波器，高频的噪声信号会被过滤掉，得到清晰的无噪声语音信号。 二、实验内容 录制一段个人自己的语音信号，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；在语音信号中增加正弦噪声信号(自己设置几个频率的正弦信号)，对加入噪声信号后的语音信号进行频谱分析；给定滤波器的性能指标，采用窗函数法和双线性变换设计数字滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比试听，分析信号的变化。给出数字低通滤波器性能指标:如，通带截止频率fp＝10000 Hz，阻带截止频率fs＝12000 Hz （可根据自己所加入噪声信号的频率进行阻带截止频率设置），阻带最小衰减Rs＝50 dB，通带最大衰减Rp＝3 dB（也可自己设置），采样频率根据自己语音信号采样频率设定。 三、实验程序 1、原始信号采集和分析 clc;clear;close all; fs=10000; %语音信号采样频率为10000 x1=wavread('C:\Users\acer\Desktop\'); %读取语音信号的数据，赋给x1 sound(x1,40000); %播放语音信号 y1=fft(x1,10240); %对信号做1024点FFT变换 f=fs*(0:1999)/1024; figure(1); plot(x1) %做原始语音信号的时域图形 title('原始语音信号'); xlabel('time n'); ylabel('fuzhi n'); figure(2); plot(f,abs(y1(1:2000))); %做原始语音信号的频谱图形 title('原始语音信号频谱') xlabel('Hz'); ylabel('fuzhi');
《语音信号处理》实验报告材料
实用 中南大学 信息科学与工程学院 语音信号处理 实验报告 指导老师：覃爱娜 学生班级：信息0704 学生名称：阮光武 学生学好：0903070430 提交日期：2010年6月18日
实验一 语音波形文件的分析和读取 一、实验的任务、性质与目的 本实验是选修《语音信号处理》课的电子信息类专业学生的基础实验。通过实验： （1）掌握语音信号的基本特性理论：随机性，时变特性，短时平稳性，相关性等； （2）掌握语音信号的录入方式和*.WAV音波文件的存储结构； （3）使学生初步掌握语音信号处理的一般实验方法。 二、实验原理和步骤： WAV文件格式简介 WAV文件是多媒体中使用了声波文件的格式之一，它是以RIFF格式为标准。每个WAV文件的头四个字节就是“RIFF”。WAV文件由文件头和数据体两大部分组成，其中文件头又分为RIFF/WAV文件标识段和声音数据格式说明段两部分。常见的WAV声音文件有两种，分别对应于单声道（11.025KHz采样率、8Bit的采样值）和双声道（44.1KHz采样率、16Bit的采样值）。采样率是指声音信号在“模拟→数字”转换过程中，单位时间内采样的次数；采样值是指每一次采样周期内声音模拟信号的积分值。对于单声道声音文件，采样数据为8位的短整数（short int 00H-FFH）；而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位和低八位分别代表左右两个声道。WAV文件数据块包含以脉冲编码调制（PCM）格式表示的样本。在单声道WAV文件中，道0代表左声道，声道1代表右声道；在多声道WAV文件中，样本是交替出现的。WAV文件的格式见表1。
多种类型噪声滤波
DSP系统课程设计 音频信号多种类型噪声滤波分析与处理任课老师：钱满义 学院：电信学院 班级： 姓名： 学号： 142 同组成员班级： 同组成员姓名： 同组成员学号： 142
2017年4月20日 目录： 设计背景 (3) 设计要求 (5) 设计思路及原理 (6) 设计思路 (6) 设计原理 (8) Matlab实验 (10) 噪声类型分析过程 (10) 噪声滤除方法 (13) Matlab仿真过程 (14) Matlab结果分析总结 (28)
DSP设计程序运行及结果 (28) 运行结果 (28) 运行结果分析 (32) 滤波算法程序段 (33) 设计过程中遇到的问题及解决方法 (36) DSP设计感想 (37) 参考文献 (39) 设计背景 随着信息时代和数字世界的到来，数字信号处理已成为如今一门极其重要的学科和技术领域。数字信号处理在通信、语音、图像、自动控制、雷达、军事、航空航天、医疗和家用电器等众多领域得到了广泛的应用。数字信号处理（DSP）包括两重含义：数字信号处理技术（Digital Signal Processing）和数字信号处理器（Digital Signal Processor）。数字信号处理（DSP）是利用计算机或专用处理设备，以数值计算的方法、对信号进行采集、滤波、增强、压缩、估值和识别等加工处理，借以达到提取信息和便于应用的目的，其应用范围涉
及几乎所有的工程技术领域。 在信号处理中，滤波就显得非常重要。在数字信号处理过程中，经常需对信号进行过滤、检测、预测等处理，这些任务的完成都要用到滤波器。数字滤波器是数字信号处理的基本方法。根据其单位冲激响应函数的时域特性可分为两类:无限冲激响应( IIR)滤波器和有限冲激响应(FIR)滤波器。FIR 滤波器是有限长单位冲激响应滤波器，在结构上是非递归型的。它可以在幅度特性随意设计的同时，保证精确严格的线性相位。所以FIR 数字滤波器广泛地应用于数字信号处理领域。 音频信号(audio)是带有语音、音乐和音效的有规律的声波的频率、幅度变化信息载体。音频信号在信号采集、传输、处理等过程中常受到多种类型噪声的干扰，主要包含环境噪声、电子线路噪声、电源噪声等等。为了恢复原来的音频信号，常需要设计音频信号滤波算法用于抑制或者滤除音频信号中的噪声。
信号与系统实验报告
学生实验报告 （理工类） 课程名称：信号与系统实验专业班级：电子信息（1）班学生学号：1005101058 学生姓名：严生生 所属院部：信息技术学院指导教师：杨婧 20 11 ——20 12 学年第 1 学期 金陵科技学院教务处制
实验报告书写要求 实验报告原则上要求学生手写，要求书写工整。若因课程特点需打印的，要遵照以下字体、字号、间距等的具体要求。纸张一律采用A4的纸张。 实验报告书写说明 实验报告中一至四项内容为必填项，包括实验目的和要求；实验仪器和设备；实验内容与过程；实验结果与分析。各院部可根据学科特点和实验具体要求增加项目。 填写注意事项 （1）细致观察，及时、准确、如实记录。 （2）准确说明，层次清晰。 （3）尽量采用专用术语来说明事物。 （4）外文、符号、公式要准确，应使用统一规定的名词和符号。 （5）应独立完成实验报告的书写，严禁抄袭、复印，一经发现，以零分论处。 实验报告批改说明 实验报告的批改要及时、认真、仔细，一律用红色笔批改。实验报告的批改成绩采用百分制，具体评分标准由各院部自行制定。 实验报告装订要求 实验批改完毕后，任课老师将每门课程的每个实验项目的实验报告以自然班为单位、按学号升序排列，装订成册，并附上一份该门课程的实验大纲。
实验项目名称：常用连续信号的表示实验学时： 1 同组学生姓名：实验地点： B402 实验日期：实验成绩： 批改教师：杨婧批改时间： 一、实验目的和要求 熟悉MATLAB软件，利用MATLAB软件，绘制出常用的连续时间信号。 二、实验仪器和设备 586以上计算机，装有MATLAB7.0软件。 三、实验过程 1，绘制正弦信号f（t）=Asin（ωt+ψ），其中A=1，ω=2π, ψ=π/6; 2,绘制指数信号f（t）=Ae^at，其中A=1，a=-0.4； 3，绘制矩形脉冲信号，脉冲宽度为2； 4，绘制三角波脉冲信号，脉冲宽度为4；斜度为0.5； 5，对上题三角波脉冲信号进行尺度变换，分别得出f（2t），f（2-2t）； 6，绘制抽样函数Sa(t),t取值在-3π到+3π之间； 7，绘制周期矩形脉冲信号，参数自定； 8，绘制周期三角脉冲信号，参数自定； 1，打开MATLAB界面，建立新文件。 2，根据实验要求，编写程序。
音频信号的谱分析及滤波
数字信号处理课程设计报告书 课题名称 音频信号的谱分析及滤波 姓 名 学 号 院、系、部 物理与电信工程系 专 业 通信工程 指导教师 2011年 06月24日 ※※※※※※※※※ ※※ ※ ※ ※ ※ ※※ ※※※※※※※ 2008级学生数字信号 处理课程设计
一、设计任务及要求： 设计任务： 录制一段音频（如歌曲，说话声等），采用MATLAB工具对此音频信号用FFT作谱分析。录制一段加入噪声的音频（如在歌声中加入尖锐的口哨声或者其他噪声），采用MATLAB工具对此音频信号用FFT作谱分析。选择合适的指标，设计FIR数字滤波器，将音频中加入的噪声信号减弱或滤除。 设计要求： (1) 掌握数字信号处理的基本概念，基本理论和基本方法。 (2) 掌握序列快速傅里叶变换方法。 (3) 掌握利用MATLAB对语音信号进行频谱分析。 (4) 掌握MATLAB设计IIR对信号进行滤波的方法。 指导教师签名： 2011 年06月14 日二、指导教师评语： 指导教师签名： 2011年06月26 日三、成绩 验收盖章 2011年06 月26日
音频信号的谱分析及滤波 刘娟 （湖南城市学院物理与电信工程系通信工程专业,益阳,413000） 1设计目的 (1) 采用MATLAB工具对音频信号用FFT作谱分析,熟悉MA TLAB在通信原理和数字信号处理中的运用。 (2) 熟悉FFT算法原理和FFT的基本性质。 (3) 设计数字滤波器，滤除音频信号中的噪声，通过观察对音频信号去噪的滤波作用，获得数字滤波器的感性认识。 (4) 通过本课程设计的实践使学生具有一定的实践操作能力，为学生完成毕业设计打下基础。 2设计要求 录制一段音频（如歌曲，说话声等），采用Matlab工具对此音频信号用FFT 作谱分析。录制一段加入噪声的音频（如在歌声中加入尖锐的口哨声或者其他噪声），采用Matlab工具对此音频信号用FFT作谱分析。选择合适的指标，设计FIR数字滤波器，将音频中加入的噪声信号减弱或滤除。将处理后的音频信号重新生成.wav文件，收听该音频，根据效果调整滤波器指标重新设计滤波器。 3设计原理 傅立叶变换和信号的采样是进行音频分析时用到的最基本的技术。傅立叶变换是进行频谱分析的基础，信号的频谱分析是指按信号的频率结构，求取其分量的幅值、相位等按频率分布规律，建立以频率为横轴的各种“谱”，如幅度谱、相位谱。我们经常通过观察幅度谱来对信号进行谱分析。 3.1 FFT算法 快速傅里叶变换（Fast Fourier Transform，FFT）有广泛的应用，如数字信号处理、计算大整数乘法、求解偏微分方程等等。它是根据离散傅氏变换的奇、偶、
语音信号处理实验报告实验二
通信工程学院12级1班 罗恒 2012101032 实验二 基于MATLAB 的语音信号频域特征分析 一、 实验要求 要求根据已有语音信号，自己设计程序，给出其倒谱、语谱图的分析结果，并根据频域分析方法检测所分析语音信号的基音周期或共振峰。 二、 实验目的 信号的傅立叶表示在信号的分析与处理中起着重要的作用。因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更深入地说明信号的各项红物理现象。 由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激励的线性系统的输出。输出频谱是声道系统频率响应与激励源频谱的乘积。声道系统的频率响应及激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信号的表示，但不能直接用于语音信号。由于语音信号可以认为在短时间内，近似不变，因而可以采用短时分析法。 三、 实验设备 1.PC 机； 2.MATLAB 软件环境； 四、 实验内容 1.上机前用Matlab 语言完成程序编写工作。 2.程序应具有加窗（分帧）、绘制曲线等功能。 3.上机实验时先调试程序，通过后进行信号处理。 4.对录入的语音数据进行处理，并显示运行结果。 5.依次给出其倒谱、语谱图的分析结果。 6. 根据频域分析方法检测所分析语音信号的基音周期或共振峰。 五、 实验原理及方法 1、短时傅立叶变换 由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为： 其中w(n -m)是实窗口函数序列，n 表示某一语音信号帧。令n -m=k'，则得到 ()()()jw jwm n m X e x m w n m e ∞-=-∞= -∑