基于matlab聲音信號(hào)的濾波去噪處理畢業(yè)論文

1、<p>　　基于matlab聲音信號(hào)的濾波去噪處理</p><p><b>　　摘要</b></p><p>　　濾波器設(shè)計(jì)在數(shù)字信號(hào)處理中占有極其重要的地位。FIR數(shù)字濾波器和IIR濾波器是濾波器設(shè)計(jì)的重要組成部分。Matlab功能強(qiáng)大、簡(jiǎn)單易學(xué)、編程效率高,深受廣大科技工作者的歡迎。特別是Matlab還具有信號(hào)分析工具箱,不需具備很強(qiáng)的編程能力,就可以很

2、方便地進(jìn)行信號(hào)分析、處理和設(shè)計(jì)。利用MATLAB信號(hào)處理工具箱可以快速有效地設(shè)計(jì)各種數(shù)字濾波器。課題基于MATLAB有噪音語(yǔ)音信號(hào)處理的設(shè)計(jì)與實(shí)現(xiàn)，綜合運(yùn)用數(shù)字信號(hào)處理的理論知識(shí)對(duì)加噪聲語(yǔ)音信號(hào)進(jìn)行時(shí)域、頻域分析和濾波。通過(guò)理論推導(dǎo)得出相應(yīng)結(jié)論，再利用MATLAB作為編程工具進(jìn)行計(jì)算機(jī)實(shí)現(xiàn)。在設(shè)計(jì)實(shí)現(xiàn)的過(guò)程中，使用窗函數(shù)法來(lái)設(shè)計(jì)FIR數(shù)字濾波器，用巴特沃斯、切比雪夫和雙線(xiàn)性變法設(shè)計(jì)IIR數(shù)字濾波器，并利用MATLAB作為輔助工具完成設(shè)計(jì)

3、中的計(jì)算與圖形的繪制。通過(guò)對(duì)對(duì)所設(shè)計(jì)濾波器的仿真和頻率特性分析，可知利用MATLAB信號(hào)處理工具箱可以有效快捷地設(shè)計(jì)FIR和IIR數(shù)字濾波器，過(guò)程簡(jiǎn)單方便，結(jié)果的各項(xiàng)性能指標(biāo)均達(dá)到指定要求。</p><p><b>　　ABSTRACT</b></p><p>　　The Design of Analysis and Processing Voice Signal A

4、bstract Speech signal processing is to study the use of digital signal processing technology and knowledge of the voice signal voice processing of the emerging discipline is the fastest growing areas of information scien

5、ce one of the core technology. Transmission of information through the voice of humanity's most important, most effective, most popular and most convenient form of exchange of information.. Matlab language is a data

6、analysis and</p><p><b>　　目 錄</b></p><p>　　摘要--------------------------------------------------------------1</p><p>　　ABSTRACT------------------------------------------

7、----------------1</p><p><b>　　緒論</b></p><p>　　1.1研究的目的和意義--------------------------------------------4 </p><p>　　1.2國(guó)內(nèi)外同行的研究狀況----------------------------------------4&

8、lt;/p><p>　　1.3本課題的研究?jī)?nèi)容和方法--------------------------------------5</p><p>　　語(yǔ)音信號(hào)去噪方法的研究</p><p>　　2.1去噪的原理--------------------------------------------------7</p><p>　　2.2去噪的

9、方法--------------------------------------------------8</p><p><b>　　去噪和仿真的研究</b></p><p>　　3.1語(yǔ)音文件在MATLAB平臺(tái)上的錄入與打開(kāi)-------------------------13</p><p>　　3.2 原始語(yǔ)音信號(hào)頻譜分析及仿真----

10、-----------------------------13</p><p>　　3.3 加噪語(yǔ)音信號(hào)頻譜分析及仿真---------------------------------15</p><p>　　3.4 去噪及仿真-------------------------------------------------18</p><p>　　3.5 結(jié)合去噪

11、后的頻譜圖對(duì)比兩種方式濾波的優(yōu)缺點(diǎn)-----------------22</p><p>　　總結(jié)-------------------------------------------------------------24</p><p>　　致謝-------------------------------------------------------------25</p&g

12、t;<p>　　參考文獻(xiàn)---------------------------------------------------------26</p><p><b>　　1.緒論</b></p><p>　　1.1研究的目的和意義 </p><p>　　語(yǔ)音信號(hào)的采集與分析技術(shù)是一門(mén)涉及面很廣的交叉科學(xué)，它的應(yīng)用和發(fā)展與語(yǔ)音學(xué)

13、、聲音測(cè)量學(xué)、電子測(cè)量技術(shù)以及數(shù)字信號(hào)處理等學(xué)科緊密聯(lián)系，語(yǔ)音是人類(lèi)獲取信息的重要來(lái)源和利用信息的重要手段。在信號(hào)傳輸過(guò)程中，由于實(shí)驗(yàn)條件或各種其他主觀(guān)或客觀(guān)條件的原因，語(yǔ)音處理系統(tǒng)都不可避免地要受到各種噪聲的干擾。噪聲不但降低了語(yǔ)音質(zhì)量和語(yǔ)音的可懂度，而且還將導(dǎo)致系統(tǒng)性能的急劇惡化，嚴(yán)重時(shí)使整個(gè)系統(tǒng)無(wú)法正常工作。 MATLAB是由美國(guó)mathworks公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。它將數(shù)值分析、

14、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線(xiàn)性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言，如C、Fortran的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。其強(qiáng)大的數(shù)據(jù)處理能力可以極大程度上削弱噪聲影響還原出真實(shí)的語(yǔ)音信號(hào)相符度在90%以上。 </p><p>　　1.2

15、 國(guó)內(nèi)外同行研究現(xiàn)狀</p><p>　　20世紀(jì)60年代中期形成的一系列數(shù)字信號(hào)處理的理論和算法，如數(shù)字濾波器、快速傅立葉變換（FFT）等是語(yǔ)音信號(hào)數(shù)字處理的理論和技術(shù)基礎(chǔ)。隨著信息科學(xué)技術(shù)的飛速發(fā)展，語(yǔ)音信號(hào)處理取得了重大的進(jìn)展：進(jìn)入70年代之后，提出了用于語(yǔ)音信號(hào)的信息壓縮和特征提取的線(xiàn)性預(yù)測(cè)技術(shù)（LPC），并已成為語(yǔ)音信號(hào)處理最強(qiáng)有力的工具，廣泛應(yīng)用于語(yǔ)音信號(hào)的分析、合成及各個(gè)應(yīng)用領(lǐng)域，以及用于輸入語(yǔ)音與

16、參考樣本之間，時(shí)間匹配的動(dòng)態(tài)規(guī)劃方法；80年代初一種新的基于聚類(lèi)分析的高效數(shù)據(jù)壓縮技術(shù)—矢量量化（VQ）應(yīng)用于語(yǔ)音信號(hào)處理中；而用隱馬爾可夫模型（HMM）描述語(yǔ)音信號(hào)過(guò)程的產(chǎn)生是80年代語(yǔ)音信號(hào)處理技術(shù)的重大發(fā)展，目前HMM已構(gòu)成了現(xiàn)代語(yǔ)音識(shí)別研究的重要基石。近年來(lái)人工神經(jīng)網(wǎng)絡(luò)(ANN)的研究取得了迅速發(fā)展，語(yǔ)音信號(hào)處理的各項(xiàng)課題是促進(jìn)其發(fā)展的重要?jiǎng)恿χ唬母黜?xiàng)成果也體現(xiàn)在語(yǔ)音信號(hào)處理的各項(xiàng)技術(shù)之中。</p><

17、p>　　1.3本課題的研究?jī)?nèi)容和方法 </p><p>　　1.3.1 研究?jī)?nèi)容 </p><p>　　本論文主要介紹的是的語(yǔ)音信號(hào)的簡(jiǎn)單處理。本論文針對(duì)以上問(wèn)題，運(yùn)用數(shù)字信號(hào)學(xué)基本原理實(shí)現(xiàn)語(yǔ)音信號(hào)的處理，在matlab7.0環(huán)境下綜合運(yùn)用信號(hào)提取，幅頻變換以及傅里葉變換、濾波等技術(shù)來(lái)進(jìn)行語(yǔ)音信號(hào)處理。我所做的工作就是在matlab7.0軟件上編寫(xiě)一個(gè)處理語(yǔ)音信號(hào)的程序，能對(duì)語(yǔ)音信號(hào)

18、進(jìn)行采集，并對(duì)其進(jìn)行各種處理，達(dá)到簡(jiǎn)單的語(yǔ)音信號(hào)處理的目的。 </p><p>　　1.3.2 運(yùn)行環(huán)境 </p><p>　　運(yùn)行環(huán)境主要介紹了硬件環(huán)境和軟件環(huán)境。 </p><p><b>　　硬件環(huán)境： </b></p><p>　?、?處理器：Inter Pentium B950 ② 內(nèi)存：2G ③ 硬盤(pán)空間：4

19、60G④ 顯卡：NVIDIA GeForce GT520 </p><p>　　操作系統(tǒng)：Window 7（64位旗艦版）</p><p>　　1.3.3 開(kāi)發(fā)環(huán)境 </p><p>　　開(kāi)發(fā)環(huán)境主要介紹了本系統(tǒng)采用的操作系統(tǒng)、開(kāi)發(fā)語(yǔ)言。 </p><p>　　操作系統(tǒng)：Windows 7 (2) 開(kāi)發(fā)環(huán)境：Matlab 7.0</p

20、><p><b>　　1.3.4基本步驟</b></p><p><b>　　語(yǔ)音信號(hào)的錄制。</b></p><p>　　在MATLAB平臺(tái)上讀入語(yǔ)音信號(hào)。</p><p>　　繪制頻譜圖并回放原始語(yǔ)音信號(hào)。</p><p>　　利用MATLAB編程加入一段正弦波噪音，設(shè)計(jì)濾波

21、器去噪。</p><p>　　利用MATLAB編程加入一段隨機(jī)噪音信號(hào)，設(shè)計(jì)FIR和IIR濾波器去噪，并分別繪制頻譜圖、回放語(yǔ)音信號(hào)。</p><p>　　6 通過(guò)仿真后的圖像以及對(duì)語(yǔ)音信號(hào)的回放，對(duì)比兩種去噪方式的優(yōu)缺點(diǎn)。</p><p>　　具體流程圖如下所示：</p><p>　　圖1.1論文設(shè)計(jì)流程</p><p

22、>　　2.語(yǔ)音信號(hào)去噪方法的研究</p><p><b>　　2.1 去噪的原理</b></p><p>　　2.1.1 采樣定理</p><p>　　在進(jìn)行模擬/數(shù)字信號(hào)的轉(zhuǎn)換過(guò)程中，當(dāng)采樣頻率fs.max大于信號(hào)中，最高頻率fmax的2倍時(shí)，即：fs.max>=2fmax,則采樣之后的數(shù)字信號(hào)完整地保留了原始信號(hào)中的信息，一般實(shí)

23、際應(yīng)用中保證采樣頻率為信號(hào)最高頻率的5～10倍；采樣定理又稱(chēng)奈奎斯特定理。 1924年奈奎斯特(Nyquist)就推導(dǎo)出在理想低通信道的最高大碼元傳輸速率的公式: 理想低通信道的最高大碼元傳輸速率=2W*log2 N (其中W是理想低通信道的帶寬,N是電平強(qiáng)度)。為什么把采樣頻率設(shè)為8kHz?在數(shù)字通信中，根據(jù)采樣定理, 最小采樣頻率為語(yǔ)音信號(hào)最高頻率的2倍，頻帶為F的連續(xù)信號(hào)f(t)可用一系列離散的采樣值f(t1),f(t1±

24、;Δt)，f(t1±2Δt)，...來(lái)表示,只要這些采樣點(diǎn)的時(shí)間間隔Δt≤1/2F，便可根據(jù)各采樣值完全恢復(fù)原來(lái)的信號(hào)f(t)。 這是時(shí)域采樣定理的一種表述方式。 </p><p>　　時(shí)域采樣定理的另一種表述方式是：當(dāng)時(shí)間信號(hào)函數(shù)f(t)的最高頻率分量為fM時(shí),f(t)的值可由一系列采樣間隔小于或等于1/2fM的采樣值來(lái)確定,即采樣點(diǎn)的重復(fù)頻率f≥2fM。圖為模擬信號(hào)和采樣樣本的示意圖。 </p

25、><p>　　時(shí)域采樣定理是采樣誤差理論、隨機(jī)變量采樣理論和多變量采樣理論的基礎(chǔ)。對(duì)于時(shí)間上受限制的連續(xù)信號(hào)f(t)（即當(dāng)│t│>T時(shí),f(t)=0,這里T=T2-T1是信號(hào)的持續(xù)時(shí)間），若其頻譜為F（ω）,則可在頻域上用一系列離散的采樣值 </p><p><b>　　（2-1）</b></p><p>　　采樣值來(lái)表示,只要這些采樣點(diǎn)的頻

26、率間隔 </p><p><b>　?。?-2）</b></p><p>　　2.1.2 采樣頻率</p><p>　　采樣頻率，也稱(chēng)為采樣速度或者采樣率，定義了每秒從連續(xù)信號(hào)中提取并組成離散信號(hào)的采樣個(gè)數(shù)，它用赫茲（Hz）來(lái)表示。采樣頻率的倒數(shù)是采樣周期或者叫作采樣時(shí)間，它是采樣之間的時(shí)間間隔。通俗的講采樣頻率是指計(jì)算機(jī)每秒鐘采集多少個(gè)聲音樣

27、本，是描述聲音文件的音質(zhì)、音調(diào)，衡量聲卡、聲音文件的質(zhì)量標(biāo)準(zhǔn)。</p><p>　　采樣頻率只能用于周期性采樣的采樣器，對(duì)于非周期性采樣的采樣器沒(méi)有規(guī)則限制。 采樣頻率的常用的表示符號(hào)是 fs。 通俗的講采樣頻率是指計(jì)算機(jī)每秒鐘采集多少個(gè)聲音樣本，是描述聲音文件的音質(zhì)、音調(diào)，衡量聲卡、聲音文件的質(zhì)量標(biāo)準(zhǔn)。采樣頻率越高，即采樣的間隔時(shí)間越短，則在單位時(shí)間內(nèi)計(jì)算機(jī)得到的聲音樣本數(shù)據(jù)就越多，對(duì)聲音波形的表示也越精確。采

28、樣頻率與聲音頻率之間有一定的關(guān)系，根據(jù)采樣定理，只有采樣頻率高于聲音信號(hào)最高頻率的兩倍時(shí)，才能把數(shù)字信號(hào)表示的聲音還原成為原來(lái)的聲音。這就是說(shuō)采樣頻率是衡量聲卡采集、記錄和還原聲音文件的質(zhì)量標(biāo)準(zhǔn)。</p><p>　　采樣位數(shù)和采樣率對(duì)于音頻接口來(lái)說(shuō)是最為重要的兩個(gè)指標(biāo)，也是選擇音頻接口的兩個(gè)重要標(biāo)準(zhǔn)。無(wú)論采樣頻率如何，理論上來(lái)說(shuō)采樣的位數(shù)決定了音頻數(shù)據(jù)最大的力度范圍。每增加一個(gè)采樣位數(shù)相當(dāng)于力度范圍增加了6dB

29、。采樣位數(shù)越多則捕捉到的信號(hào)越精確。對(duì)于采樣率來(lái)說(shuō)你可以想象它類(lèi)似于一個(gè)照相機(jī)，44.1kHz意味著音頻流進(jìn)入計(jì)算機(jī)時(shí)計(jì)算機(jī)每秒會(huì)對(duì)其拍照達(dá)441000次。顯然采樣率越高，計(jì)算機(jī)攝取的圖片越多，對(duì)于原始音頻的還原也越加精確。</p><p><b>　　2.2 去噪的方法</b></p><p>　　數(shù)字信號(hào)處理技術(shù)經(jīng)過(guò)幾十年的發(fā)展，在國(guó)內(nèi)外已經(jīng)取得了很大的成績(jī)。到目

30、前為止，已經(jīng)比較成熟的去噪方法比較典型的有切比雪夫去噪法、雙線(xiàn)性變換去噪法、窗函數(shù)去噪法、譜相減去噪法、巴特沃茲去噪法等有名的去噪方法。下</p><p>　　面分別對(duì)上述去噪方法中比較有代表性的譜相減去噪法和FIR以及IIR濾波法做一個(gè)簡(jiǎn)單的介紹。</p><p>　?。?）譜相減算法去噪法</p><p>　　在我們的日常交流和語(yǔ)音通信系統(tǒng)中，加性寬帶噪聲嚴(yán)重影

31、響了語(yǔ)音質(zhì)量和可懂度。從帶噪語(yǔ)音中提取原始語(yǔ)音信號(hào)的方法很多，在單信道條件下，譜相減算法以其運(yùn)算量小、原理簡(jiǎn)單、易于實(shí)現(xiàn)并且有不錯(cuò)的增強(qiáng)效果而得到了廣泛的應(yīng)用。譜相減語(yǔ)音增強(qiáng)算法的核心是噪聲檢測(cè)和譜減規(guī)則。在分析了語(yǔ)音增強(qiáng)算法理論的基礎(chǔ)上，本文首先研究了語(yǔ)音激活檢測(cè)算法。對(duì)基于短時(shí)能量和短時(shí)過(guò)零率雙門(mén)限法語(yǔ)音激活檢測(cè)的噪聲估計(jì)算法做了研究及仿真，同時(shí)還研究了一種基于最小子帶能量的噪聲估計(jì)方法。然后，通過(guò)分析經(jīng)典譜減法的原理及其一般改進(jìn)形

32、式，研究了一種基于噪聲殘差的譜相減改進(jìn)算法和一種可以不以噪聲是零均值的高斯分布為前提的譜減法改進(jìn)算法。最后通過(guò)大量的仿真實(shí)驗(yàn)，驗(yàn)證了所研究的幾種改進(jìn)算法都能有效地提高增強(qiáng)效果。 </p><p>　　由于譜相減算法去噪比較復(fù)雜，我們?cè)谶@里就不多做討論，并且本論文也不采用此種方法。下面著重講解本論文采用的兩種方法。</p><p><b>　　（2）FIR濾波法</b>

33、</p><p>　　FIR工作原理：在進(jìn)入FIR濾波器前，首先要將信號(hào)通過(guò)A/D器件進(jìn)行模數(shù)轉(zhuǎn)換，使之成為8bit的數(shù)字信號(hào)，一般可用速度較高的逐次逼進(jìn)式A/D轉(zhuǎn)換器，不論采用乘累加方法還是分布式算法設(shè)計(jì)FIR濾波器，濾波器輸出的數(shù)據(jù)都是一串序列，要使它能直觀(guān)地反應(yīng)出來(lái)，還需經(jīng)過(guò)數(shù)模轉(zhuǎn)換，因此由FPGA構(gòu)成的FIR濾波器的輸出須外接D/A模塊。FPGA有著規(guī)整的內(nèi)部邏輯陣列和豐富的連線(xiàn)資源，特別適合于數(shù)字信號(hào)處

34、理任務(wù)，相對(duì)于串行運(yùn)算為主導(dǎo)的通用DSP芯片來(lái)說(shuō)，其并行性和可擴(kuò)展性更好，利用FPGA乘累加的快速算法，可以設(shè)計(jì)出高速的FIR數(shù)字濾波器。</p><p><b>　　FIR的特點(diǎn)</b></p><p>　　有限長(zhǎng)單位沖激響應(yīng)（FIR）濾波器有以下特點(diǎn)： </p><p>　　A.位沖激響應(yīng)h (n)在有限個(gè)n值處不為零 </p>

35、<p>　　B.系統(tǒng)函數(shù)0處收斂，極點(diǎn)全部在z = 0處</p><p>　　C.結(jié)構(gòu)上主要是非遞歸結(jié)構(gòu)，沒(méi)有輸出到輸入的反饋，但有些結(jié)構(gòu)中（例如頻率抽樣結(jié)構(gòu)）也包含有反饋的遞歸部分。 </p><p>　　設(shè)FIR濾波器的單位沖激響應(yīng)h (n)為一個(gè)N點(diǎn)序列，0 ≤ n ≤N —1，則濾波器的系統(tǒng)函數(shù)為： </p><p>　　H(z)=∑h(n)*

36、z^-n （2-3）</p><p>　　就是說(shuō)，它有（N—1）階極點(diǎn)在z = 0處，有（N—1）個(gè)零點(diǎn)位于有限z平面的任何位置。</p><p>　　FIR濾波器基本結(jié)構(gòu)</p><p>　　FIR濾波器有以下幾種基本結(jié)構(gòu)： </p><p><b>　　1.橫截型</b></p><p>　　

37、式的系統(tǒng)的差分方程表達(dá)式為 </p><p>　　y(n)=∑h(m)x(n-m) ( 2-4）</p><p>　　很明顯，這就是線(xiàn)性移不變系統(tǒng)的卷積和公式，也是x (n)的延時(shí)鏈的橫向結(jié)構(gòu)，稱(chēng)為橫截型結(jié)構(gòu)或卷積型結(jié)構(gòu)，也可稱(chēng)為直接型結(jié)構(gòu)。將轉(zhuǎn)置定理用于可得到的轉(zhuǎn)置直接型結(jié)構(gòu)。 </p><p>　　FIR濾波器的橫截型結(jié)構(gòu) </p><p

38、><b>　　2.級(jí)聯(lián)型</b></p><p>　　其中[N/2]表示取N/2的整數(shù)部分。若N為偶數(shù)，則N—1為奇數(shù)，故系數(shù)B2K中有一個(gè)為零，這是因?yàn)椋@時(shí)有奇數(shù)個(gè)根，其中復(fù)數(shù)根成共軛對(duì)必為偶數(shù)，必然有奇數(shù)個(gè)實(shí)根。畫(huà)出N為奇數(shù)時(shí)，F(xiàn)IR濾波器的級(jí)聯(lián)結(jié)構(gòu)，其中每一個(gè)二階因子用圖4-11的橫型結(jié)構(gòu)。 </p><p>　　這種結(jié)構(gòu)的每一節(jié)控制一對(duì)零點(diǎn)，因而再需要

39、控制傳輸零點(diǎn)時(shí)，可以采用它。但是這種結(jié)構(gòu)所需要的系數(shù)B2k（I = 0，1，2，k，= 1，2，．．．，[N/2]）比卷積型的系數(shù)h (n)要多，因而所需的乘法次數(shù)也比卷積型的要多。 </p><p>　　(3)IIR濾波器去噪法</p><p>　　IIRnfinite Impulse Response)數(shù)字濾波器，又名“無(wú)限脈沖響應(yīng)數(shù)字濾波器”，或“遞歸濾波器”。遞歸濾波器，也就是II

40、R數(shù)字濾波器，顧名思義，具</p><p>　　有反饋，一般認(rèn)為具有無(wú)限的脈沖響應(yīng)。</p><p>　　IIR數(shù)字濾波器的設(shè)計(jì)</p><p>　　利用 MATALAB工具箱分析工具(FDATool)可以很方便地設(shè)計(jì)出符合應(yīng)用要求的未經(jīng)量化的IIR數(shù)字濾波器。需要將MATLAB設(shè)計(jì)出的IIR數(shù)字濾波器進(jìn)一步分解和量化，從而獲得可用FPGA實(shí)現(xiàn)的濾波器系數(shù)。 <

41、;/p><p>　　IIR數(shù)字濾波器的設(shè)計(jì)步驟</p><p>　　由于采用了級(jí)聯(lián)結(jié)構(gòu)，因此如何將濾波器的每一個(gè)極點(diǎn)和零點(diǎn)相組合，從而使得數(shù)字濾波器輸出所含的噪聲最小是個(gè)十分關(guān)鍵的問(wèn)題。為了產(chǎn)生最優(yōu)的量化后的IIR數(shù)字濾波器，采用如下步驟進(jìn)行設(shè)計(jì)。 </p><p>　　首先計(jì)算整體傳遞函數(shù)的零極點(diǎn)； </p><p>　　選取具有最大幅度的極點(diǎn)

42、以及距離它最近的零點(diǎn)，使用它們組成一個(gè)二階基本節(jié)的傳遞函數(shù)； </p><p>　　對(duì)于剩下的極點(diǎn)和零點(diǎn)采用與相類(lèi)似的步驟，直至形成所有的二階基本節(jié)。 </p><p>　　通過(guò)上面三步法進(jìn)行的設(shè)計(jì)可以保證IIR數(shù)字濾波器中N位乘法器產(chǎn)生的量化舍入誤差最小。 </p><p>　　獲得最優(yōu)IIR數(shù)字濾波器系數(shù)：</p><p>　　為了設(shè)計(jì)出

43、可用FPGA實(shí)現(xiàn)的數(shù)字濾波器，需要對(duì)上一步分解獲得的二階基本節(jié)的濾波器系數(shù)進(jìn)行量化，即用一個(gè)固定的字長(zhǎng)加以表示。量化過(guò)程中由于存在不同程度的量化誤差，由此會(huì)導(dǎo)致濾波器的頻率響應(yīng)出現(xiàn)偏差，嚴(yán)重時(shí)會(huì)使IIR濾波器的極點(diǎn)移到單位圓之外，系統(tǒng)因而失去穩(wěn)定性。為了獲得最優(yōu)的濾波器系數(shù)，采用以下步驟進(jìn)行量化。 </p><p>　　A.計(jì)算每個(gè)系數(shù)的 絕對(duì)值；</p><p>　　B.查找出每個(gè)系數(shù)絕

44、對(duì)值中的最大值； </p><p>　　C.計(jì)算比此絕對(duì)值大的最小整數(shù)； </p><p>　　D.對(duì)3.2.3的結(jié)果取反獲得負(fù)整數(shù)； </p><p>　　E.計(jì)算需要表示此整數(shù)的最小位數(shù)； </p><p>　　F.計(jì)算用于表示系數(shù)值分?jǐn)?shù)部分的余下位數(shù)。 </p><p>　　除了系數(shù)存在量化誤差，數(shù)字濾波器運(yùn)算過(guò)

45、程中有限字長(zhǎng)效應(yīng)也會(huì)造成誤差，因此對(duì)濾波器中乘法器、加法器及寄存器的數(shù)據(jù)寬度要也進(jìn)行合理的設(shè)計(jì)，以防止產(chǎn)生極限環(huán)現(xiàn)象和溢出振蕩。 </p><p>　　與FIR數(shù)字濾波器的設(shè)計(jì)不同，IIR濾波器設(shè)計(jì)時(shí)的階數(shù)不是由設(shè)計(jì)者指定，而是根據(jù)設(shè)計(jì)者輸入的各個(gè)濾波器參數(shù)（截止頻率、通帶濾紋、阻帶衰減等），由軟件設(shè)計(jì)出滿(mǎn)足這些參數(shù)的最低濾波器階數(shù)。在MATLAB下設(shè)計(jì)不同類(lèi)型IIR濾波器均有與之對(duì)應(yīng)的函數(shù)用于階數(shù)的選擇。 &l

46、t;/p><p>　　3.去噪和仿真的研究</p><p>　　3.1 語(yǔ)音文件在MATLAB平臺(tái)上的錄入與打開(kāi)</p><p>　　單擊自己的電腦開(kāi)始程序，選擇所有程序，接著選擇附件，再選擇娛樂(lè)，最后選擇錄音。自己錄入“畢業(yè)設(shè)計(jì)聲音文件”語(yǔ)音信號(hào)，然后保存在MATLAB文件夾里面，命名為“chushi.wav”。</p><p>　　利用MAT

47、LAB中的wavread命令來(lái)讀入（采集）語(yǔ)音信號(hào)，將它賦值給某一向量。</p><p>　　3.2 原始語(yǔ)音信號(hào)頻譜分析及仿真</p><p>　　在Matlab中使用Wavread函數(shù)，可得出信號(hào)的采樣頻率為22500，并且聲音是單聲道的。利用Sound函數(shù)可以清晰的聽(tīng)到“畢業(yè)設(shè)計(jì)聲音文件”的語(yǔ)音。采集數(shù)據(jù)并畫(huà)出波形圖。</p><p>　　在MATLAB的信號(hào)

48、處理工具箱中函數(shù)FFT和IFFT用于快速傅立葉變換和逆變換。下面介紹這些函數(shù)。</p><p>　　函數(shù)FFT用于序列快速傅立葉變換。</p><p>　　函數(shù)的一種調(diào)用格式：y=fft(x)。</p><p>　　其中，x是序列，y是序列的FFT，x可以為一向量或矩陣，若x為一向量，y是x的FFT。且和x相同長(zhǎng)度。若x為一矩陣，則y是對(duì)矩陣的每一列向量進(jìn)行FFT。

49、</p><p>　　如果x長(zhǎng)度是2的冪次方，函數(shù)fft執(zhí)行高速基－2FFT算法；否則fft執(zhí)行一種混合基的離散傅立葉變換算法，計(jì)算速度較慢。</p><p>　　函數(shù)FFT的另一種調(diào)用格式為y=fft(x,N)。</p><p>　　式中，x，y意義同前，N為正整數(shù)。函數(shù)執(zhí)行N點(diǎn)的FFT。若x為向量且長(zhǎng)度小于N，則函數(shù)將x補(bǔ)零至長(zhǎng)度N。若向量x的長(zhǎng)度大于N，則函數(shù)

50、截短x使之長(zhǎng)度為N。若x 為矩陣，按相同方法對(duì)x進(jìn)行處理。</p><p>　　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。MATLAB提供求復(fù)數(shù)的幅值和相位函數(shù)：abs，angle，這些函數(shù)一般和 FFT同時(shí)使用。</p><p>　　函數(shù)abs(x)用于計(jì)算復(fù)向量x的幅值，函數(shù)angle(x)用于計(jì)算復(fù)向量的相角，介于和之間，以弧度表示。</p><

51、p>　　用MATLAB工具箱函數(shù)fft進(jìn)行頻譜分析時(shí)需注意：</p><p>　?。?）函數(shù)fft返回值y的數(shù)據(jù)結(jié)構(gòu)對(duì)稱(chēng)性</p><p>　　一般而言，對(duì)于N點(diǎn)的x(n)序列的FFT是N點(diǎn)的復(fù)數(shù)序列，其點(diǎn)n=N/2+1對(duì)應(yīng)Nyquist頻率，作頻譜分析時(shí)僅取序列X(k)的前一半，即前N/2點(diǎn)即可。X(k)的后一半序列和前一半序列時(shí)對(duì)稱(chēng)的。</p><p>&

52、lt;b>　?。?）頻率計(jì)算</b></p><p>　　若N點(diǎn)序列x(n)(n=0,1,…,N-1)是在采樣頻率 下獲得的。它的FFT也是N點(diǎn)序列，即X(k)(k=0,1,2,…,N-1)，則第k點(diǎn)所對(duì)應(yīng)實(shí)際頻率值為f=k*f /N.</p><p>　　下面一段程序是語(yǔ)音信號(hào)在matlab中的簡(jiǎn)單體現(xiàn)，通過(guò)該段程序，我們實(shí)現(xiàn)了語(yǔ)音信號(hào)的讀入與打開(kāi)，并繪出了語(yǔ)音信號(hào)的波

53、形頻譜圖。 </p><p>　　[x,fs,bits]=wavread('wangqingtian.wav’);</p><p>　　sound(x,fs,bits);</p><p>　　X=fft(x,4096);</p><p>　　magX=abs(X);</p><p>　　angX=angle

54、(X);</p><p>　　subplot(221);plot(x);title('原始信號(hào)波形');</p><p>　　subplot(222);plot(X); title('原始語(yǔ)音信號(hào)采樣后的頻譜圖‘)</p><p>　　subplot(223);plot(magX);title('原始信號(hào)幅值');</p

55、><p>　　subplot(224);plot(angX);title('原始信號(hào)相位');</p><p>　　程序運(yùn)行可以聽(tīng)到聲音，得到的圖形為：（圖3-1、圖3-2、圖3-3、圖3-4）</p><p>　　圖3.1 圖3.2 </p><p>

56、　　圖3.3 圖3.4</p><p>　　3.3 加噪語(yǔ)音信號(hào)頻譜分析及仿真</p><p>　　前面已經(jīng)介紹了MATLAB軟件相關(guān)知識(shí)，那么我們?cè)趺丛贜ATLAB平臺(tái)上實(shí)現(xiàn)對(duì)一段原始語(yǔ)音信號(hào)加入一個(gè)隨機(jī)噪聲信號(hào)呢？</p><p>　　atlab函數(shù)randn：產(chǎn)生正態(tài)分布的隨機(jī)數(shù)或矩陣的函

57、數(shù)。產(chǎn)生均值為0，方差 σ^2 = 1，標(biāo)準(zhǔn)差σ = 1的正態(tài)分布的隨機(jī)數(shù)或矩陣的函數(shù)。 用法：Y = randn(n)返回一個(gè)n*n的隨機(jī)項(xiàng)的矩陣。如果n不是個(gè)數(shù)量，將返回錯(cuò)誤信息。 Y = randn(m,n) 或 Y = randn([m n]) 返回一個(gè)m*n的隨機(jī)項(xiàng)矩陣。 Y = randn(size(A)) 返回一個(gè)和A有同樣維數(shù)大小的隨機(jī)數(shù)組。 randn返回一個(gè)每次都變化的數(shù)量。</

58、p><p>　　下面一段程序?qū)崿F(xiàn)了利用randn函數(shù)把一段隨機(jī)噪音信號(hào)加入原始語(yǔ)音信號(hào)的信號(hào)處理過(guò)程：[y,fs,bits]=wavread('chushi.wav');</p><p>　　sound(y,fs)</p><p>　　n=length(y)</p><p>　　y_p=fft(y,n);</p>&

59、lt;p>　　f=fs*(0:n/2-1)/n;</p><p><b>　　figure(1)</b></p><p>　　subplot(2,1,1);</p><p><b>　　plot(y);</b></p><p>　　title('原始語(yǔ)音信號(hào)采樣后的時(shí)域波形')

60、;</p><p>　　xlabel('時(shí)間軸')</p><p>　　ylabel('幅值A(chǔ)')</p><p>　　subplot(2,1,2);</p><p>　　plot(f,abs(y_p(1:n/2)));</p><p>　　title('原始語(yǔ)音信號(hào)采樣后的頻譜

61、圖');</p><p>　　xlabel('頻率Hz');</p><p>　　ylabel('頻率幅值');</p><p>　　L=length(y)</p><p>　　noise=0.1*randn(L,2);</p><p>　　y_z=y+noise;</p&

62、gt;<p>　　sound(y_z,fs)</p><p>　　n=length(y);</p><p>　　y_zp=fft(y_z,n);</p><p>　　f=fs*(0:n/2-1)/n;</p><p><b>　　figure(2)</b></p><p>　　sub

63、plot(2,1,1);</p><p>　　plot(y_z);</p><p>　　title('加噪語(yǔ)音信號(hào)時(shí)域波形');</p><p>　　xlabel('時(shí)間軸')</p><p>　　ylabel('幅值A(chǔ)')</p><p>　　subplot(2,1,2

64、);</p><p>　　plot(f,abs(y_zp(1:n/2)));</p><p>　　title('加噪語(yǔ)音信號(hào)頻譜圖');</p><p>　　xlabel('頻率Hz');</p><p>　　ylabel('頻率幅值');</p><p>　　初始信號(hào)的

65、時(shí)域波形、頻譜圖與加噪后語(yǔ)音信號(hào)的時(shí)域波形、頻譜圖分別如圖3.5、3.6所示。</p><p><b>　　圖3.5</b></p><p><b>　　圖3.6</b></p><p>　　通過(guò)對(duì)兩張圖片的對(duì)比，很明顯可以看加噪后的語(yǔ)音信號(hào)時(shí)域波形比原始語(yǔ)音信號(hào)渾濁了許多，在時(shí)間軸上可以明顯看出0—0.5S的幅值增大了；

66、通過(guò)對(duì)原始語(yǔ)音信號(hào)的頻譜圖與加噪后的語(yǔ)音信號(hào)頻譜圖的對(duì)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。</p><p>　　再通過(guò)對(duì)原始語(yǔ)音信號(hào)的回放效果與加噪后的語(yǔ)音信號(hào)回放的效果的對(duì)比，人耳可以明顯辨別出兩種語(yǔ)音信號(hào)不一樣了，加噪后的語(yǔ)音信號(hào)在聽(tīng)覺(jué)上比原始語(yǔ)音信號(hào)要渾濁很多，而且還有吱吱嘎嘎的混雜音。</p><p><b>　　3.4 去噪及仿真</b

67、></p><p>　?。?）FIR濾波器法去噪</p><p>　　通過(guò)對(duì)上一節(jié)中加噪語(yǔ)音信號(hào)和原始語(yǔ)音信號(hào)頻譜圖對(duì)比可以知道，噪音大部分是Hz大于5000的部分，故設(shè)計(jì)低通濾波器進(jìn)行濾波處理。接下來(lái)我們要用設(shè)計(jì)的FIR低通濾波器對(duì)上一節(jié)中加噪語(yǔ)音信號(hào)進(jìn)行濾波處理。</p><p>　　用自己設(shè)計(jì)的FIR數(shù)字低通濾波器對(duì)加噪的語(yǔ)音信號(hào)進(jìn)行濾波時(shí)，在Matla

68、b中，F(xiàn)IR濾波器利用函數(shù)fftfilt對(duì)信號(hào)進(jìn)行濾波。函數(shù)fftfilt用的是重疊相加法實(shí)現(xiàn)線(xiàn)性卷積的計(jì)算。調(diào)用格式為：y=fftfilter(h,x,M)。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(hù)選擇的輸入序列的分段長(zhǎng)度，缺省時(shí)，默認(rèn)的輸入向量的重長(zhǎng)度M=512。</p><p>　　用設(shè)計(jì)好的FIR數(shù)字低通濾波器對(duì)加噪語(yǔ)音信號(hào)的濾波程序：</p>&

69、lt;p>　　[y,fs,bits]=wavread('chushi.wav');</p><p>　　sound(y,fs)</p><p>　　n=length(y)</p><p>　　y_p=fft(y,n);</p><p>　　f=fs*(0:n/2-1)/n;</p><p><

70、;b>　　figure(1)</b></p><p>　　subplot(2,1,1);</p><p><b>　　plot(y);</b></p><p>　　title('原始語(yǔ)音信號(hào)采樣后的時(shí)域波形');</p><p>　　xlabel('時(shí)間軸')</p

71、><p>　　ylabel('幅值A(chǔ)')</p><p>　　subplot(2,1,2);</p><p>　　plot(f,abs(y_p(1:n/2)));</p><p>　　title('原始語(yǔ)音信號(hào)采樣后的頻譜圖');</p><p>　　xlabel('頻率Hz'

72、;);</p><p>　　ylabel('頻率幅值');</p><p>　　L=length(y)</p><p>　　noise=0.1*randn(L,2);</p><p>　　y_z=y+noise;</p><p>　　sound(y_z,fs)</p><p>　

73、　n=length(y);</p><p>　　y_zp=fft(y_z,n);</p><p>　　f=fs*(0:n/2-1)/n;</p><p><b>　　figure(2)</b></p><p>　　subplot(2,1,1);</p><p>　　plot(y_z);</p

74、><p>　　title('加噪語(yǔ)音信號(hào)時(shí)域波形');</p><p>　　xlabel('時(shí)間軸')</p><p>　　ylabel('幅值A(chǔ)')</p><p>　　subplot(2,1,2);</p><p>　　plot(f,abs(y_zp(1:n/2)));&

75、lt;/p><p>　　title('加噪語(yǔ)音信號(hào)頻譜圖');</p><p>　　xlabel('頻率Hz');</p><p>　　ylabel('頻率幅值');</p><p><b>　　Ft=5000;</b></p><p><b>

76、;　　Fp=1000;</b></p><p><b>　　Fs=1200;</b></p><p>　　wp=2*Fp/Ft;</p><p>　　ws=2*Fs/Ft;</p><p><b>　　rp=1;</b></p><p><b>　　rs

77、=50;</b></p><p>　　p=1-10.^(-rp/20);</p><p>　　s=10.^(-rs/20);</p><p>　　fpts=[wp ws];</p><p>　　mag=[1 0];</p><p>　　dev=[p s];</p><p>　　[n2

78、1,wn21,beta,ftype]=kaiserord(fpts,mag,dev);</p><p>　　b21=fir1(n21,wn21,Kaiser(n21+1,beta));</p><p>　　[h,w]=freqz(b21,1);</p><p>　　plot(w/pi,abs(h));</p><p>　　title('

79、;FIR低通濾波器');</p><p>　　x=fftfilt(b21,y_z);</p><p>　　X=fft(x,n);</p><p>　　figure(4);</p><p>　　subplot(2,2,1);plot(f,abs(y_zp(1:n/2)));</p><p>　　title(

80、9;濾波前信號(hào)的頻譜');</p><p>　　subplot(2,2,2);plot(f,abs(X(1:n/2)));</p><p>　　title('濾波后信號(hào)的頻譜');</p><p>　　subplot(2,2,3);plot(y_z);</p><p>　　title('濾波前信號(hào)的時(shí)域波形&#

81、39;)</p><p>　　subplot(2,2,4);plot(x);</p><p>　　title('濾波后信號(hào)的時(shí)域波形')</p><p>　　sound(x,fs,bits)</p><p><b>　　而后得到圖像如下：</b></p><p><b>

82、　　圖3.7</b></p><p>　　分析：從以上四圖可以很明顯和直觀(guān)的看出原始語(yǔ)音信號(hào)和加噪語(yǔ)音信號(hào)時(shí)域波形和頻譜圖的區(qū)別。加噪后的語(yǔ)音信號(hào)的時(shí)域波形比原始語(yǔ)音信號(hào)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。</p><p>　　再通過(guò)濾波前的信號(hào)波形和頻譜圖的對(duì)比，可以明顯看出濾波后的波形開(kāi)始變得清晰了，有點(diǎn)接近原始信號(hào)的波形圖了。濾波后信號(hào)的頻譜圖也

83、在5000Hz以后開(kāi)始逐漸接近原始語(yǔ)音信號(hào)的頻譜圖。</p><p>　　再?gòu)膶?duì)語(yǔ)音信號(hào)的回放，人耳可以明顯辨別出加噪后的語(yǔ)音信號(hào)比較渾濁，還有很明顯嘎吱嘎吱的雜音在里面。濾波后，語(yǔ)音信號(hào)較加噪后的信號(hào)有了明顯</p><p>　　的改善，基本可以聽(tīng)清楚了，而且雜音也沒(méi)有那么強(qiáng)烈，但是聲音依然沒(méi)有原始語(yǔ)音信號(hào)那么清晰脆耳。</p><p>　?。?）IIR濾波器法去

84、噪</p><p>　　同樣，也設(shè)計(jì)一個(gè)IIR低通濾波器對(duì)加噪語(yǔ)音信號(hào)進(jìn)行內(nèi)部處理，程序如下：</p><p><b>　　Ft=8000;</b></p><p><b>　　Fp=1000;</b></p><p><b>　　Fs=1200;</b></p>

85、<p>　　wp=2*pi*Fp/Ft;</p><p>　　ws=2*pi*Fs/Ft;</p><p>　　fp=2*Ft*tan(wp/2);</p><p>　　fs=2*Fs*tan(wp/2);</p><p>　　[n11,wn11]=buttord(wp,ws,1,50,'s'); %求低通濾波器

86、的階數(shù)和截止頻率</p><p>　　[b11,a11]=butter(n11,wn11,'s'); %求S域的頻率響應(yīng)的參數(shù)</p><p>　　[num11,den11]=bilinear(b11,a11,0.5); %雙線(xiàn)性變換實(shí)現(xiàn)S域到Z域的變換</p><p>　　[h,w]=freqz(num11,den11);

87、 %根據(jù)參數(shù)求出頻率響應(yīng)</p><p>　　plot(w*8000*0.5/pi,abs(h));</p><p>　　legend('用butter設(shè)計(jì)');</p><p><b>　　grid;</b></p><p>　　[y,fs,nbits]=wavread ('BYSJ.wav&#

88、39;);</p><p>　　n = length (y) ; %求出語(yǔ)音信號(hào)的長(zhǎng)度</p><p>　　noise=0.01*randn(n,2); %隨機(jī)函數(shù)產(chǎn)生噪聲</p><p>　　s=y+noise; %語(yǔ)音信號(hào)加入噪聲</p><p&

89、gt;　　S=fft(s); %傅里葉變換</p><p>　　z11=filter(num11,den11,s);</p><p>　　sound(z11);</p><p>　　m11=fft(z11); %求濾波后的信號(hào)</p><p>　　sub

90、plot(2,2,1);</p><p>　　plot(abs(S),'g');</p><p>　　title('濾波前信號(hào)的頻譜');</p><p><b>　　grid;</b></p><p>　　subplot(2,2,2);</p><p>　　plo

91、t(abs(m11),'r');</p><p>　　title('濾波后信號(hào)的頻譜');</p><p><b>　　grid;</b></p><p>　　subplot(2,2,3);</p><p><b>　　plot(s);</b></p>

92、<p>　　title('濾波前信號(hào)的波形');</p><p><b>　　grid;</b></p><p>　　subplot(2,2,4);</p><p>　　plot(z11);</p><p>　　title('濾波后的信號(hào)波形');</p><

93、p><b>　　得到圖像如下：</b></p><p><b>　　圖3.8</b></p><p>　　通過(guò)程序運(yùn)行，我們可以聽(tīng)出，濾波效果很不好，失真現(xiàn)象嚴(yán)重，并且出現(xiàn)了嚴(yán)重的寄生震蕩。</p><p>　　3.5 結(jié)合去噪后的頻譜圖對(duì)比兩種方式濾波的優(yōu)缺點(diǎn)</p><p>　　IIR數(shù)字

94、濾波器采用遞歸型結(jié)構(gòu)，即結(jié)構(gòu)上帶有反饋環(huán)路。IIR濾波器運(yùn)算結(jié)構(gòu)通常由延時(shí)、乘以系數(shù)和相加等基本運(yùn)算組成，可以組合成直接型、正準(zhǔn)型、</p><p>　　級(jí)聯(lián)型、并聯(lián)型四種結(jié)構(gòu)形式，都具有反饋回路。由于運(yùn)算中的舍入處理，使誤差不斷累積，有時(shí)會(huì)產(chǎn)生微弱的寄生振蕩。 </p><p>　?。?）IIR數(shù)字濾波器的相位特性不好控制，對(duì)相位要求較高時(shí)，需加相位校準(zhǔn)網(wǎng)絡(luò)。FIR濾波器則要求較低。&l

95、t;/p><p>　?。?）IIR濾波器運(yùn)算誤差大，有可能出現(xiàn)極限環(huán)振蕩，F(xiàn)IR相比之下運(yùn)算誤差較小，不會(huì)出現(xiàn)極限環(huán)振蕩。</p><p>　　（3）IIR幅頻特性精度很高，不是線(xiàn)性相位的，可以應(yīng)用于對(duì)相位信息不敏感的音頻信號(hào)上； </p><p>　?。?）與FIR濾波器的設(shè)計(jì)不同，IIR濾波器設(shè)計(jì)時(shí)的階數(shù)不是由設(shè)計(jì)者指定，而是根據(jù)設(shè)計(jì)者輸入的各個(gè)濾波器參數(shù)（截止頻率

96、、通帶濾紋、阻帶衰減等），由軟件設(shè)計(jì)出滿(mǎn)足這些參數(shù)的最低濾波器階數(shù)。在MATLAB下設(shè)計(jì)不同類(lèi)型IIR濾波器均有與之對(duì)應(yīng)的函數(shù)用于階數(shù)的選擇。 </p><p>　　（5）IIR單位響應(yīng)為無(wú)限脈沖序列FIR單位響應(yīng)為有限的 </p><p>　?。?）FIR幅頻特性精度較之于iir低，但是線(xiàn)性相位，就是不同頻率分量的信號(hào)經(jīng)過(guò)FIR濾波器后他們的時(shí)間差不變。這是很好的性質(zhì)。 </p&g

97、t;<p>　?。?）IIR濾波器有噪聲反饋，而且噪聲較大，F(xiàn)IR濾波器噪聲較小。</p><p>　　FIR幅頻特性精度較之于iir低，但是線(xiàn)性相位，就是不同頻率分量的信號(hào)經(jīng)過(guò)FIR濾波器后他們的時(shí)間差不變。這是很好的性質(zhì)。</p><p><b>　　4.總結(jié)</b></p><p>　　本文對(duì)語(yǔ)音信號(hào)處理系統(tǒng)的設(shè)計(jì)作了詳細(xì)的

98、介紹，采用一系列圖像分析和處理技術(shù)，實(shí)現(xiàn)了語(yǔ)音信號(hào)的基本處理的功能，經(jīng)過(guò)測(cè)試運(yùn)行，本設(shè)計(jì)圓滿(mǎn)的完成了對(duì)語(yǔ)音信號(hào)的讀取與打開(kāi)；較好的完成了對(duì)語(yǔ)音信號(hào)的頻譜分析，通過(guò)fft變換，得出了語(yǔ)音信號(hào)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(lái)設(shè)計(jì)濾波器，基本實(shí)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。</p><p>　　本文對(duì)語(yǔ)音信號(hào)處理系統(tǒng)的設(shè)計(jì)作了詳細(xì)的介紹，采用一系列圖像分析和處理技術(shù)

99、，實(shí)現(xiàn)了語(yǔ)音信號(hào)的基本處理的功能，經(jīng)過(guò)測(cè)試運(yùn)行，基本達(dá)到預(yù)期目的。</p><p>　　本設(shè)計(jì)主要有以下優(yōu)點(diǎn)：</p><p>　　操作界面簡(jiǎn)練。在進(jìn)行語(yǔ)音信號(hào)處理的操作界面中，菜單按鍵明了，每個(gè)功能只對(duì)應(yīng)一個(gè)按鍵，省去了大型軟件的操作復(fù)雜步驟。</p><p>　　處理速度較快。由于整個(gè)操作過(guò)程存在多個(gè)分步驟，并且每個(gè)步驟的聯(lián)系不是很緊密，所以每個(gè)步驟中的運(yùn)行速度

100、很快。</p><p>　　占用內(nèi)存空間比較小。整個(gè)程序僅占用數(shù)十KB的物理空間，省去了軟件的安裝麻煩。</p><p>　　本設(shè)計(jì)還存在許多可以改進(jìn)的地方，主要有以下幾個(gè)方面：</p><p>　　本程序僅能進(jìn)行一般應(yīng)用條件下的語(yǔ)音信號(hào)處理，功能比較單一，不能進(jìn)行復(fù)雜的語(yǔ)音信號(hào)處理。</p><p>　　由于系統(tǒng)定位于一般條件下的語(yǔ)音信號(hào)處

101、理，計(jì)算精度比較低，不能進(jìn)行精</p><p>　　度較高的語(yǔ)音信號(hào)處理。</p><p>　　該程序由于編寫(xiě)簡(jiǎn)單，操作界面較小，對(duì)較大物理內(nèi)存的語(yǔ)音信號(hào)文件不能進(jìn)行處理。</p><p><b>　　致謝：</b></p><p>　　在此論文撰寫(xiě)過(guò)程中，要特別感謝我的導(dǎo)師**的指導(dǎo)與督促，同時(shí)感謝他的諒解與包容。沒(méi)有

102、老師的幫助也就沒(méi)有今天的這篇論文。求學(xué)歷程是艱苦的，但又是快樂(lè)的。感謝我的輔導(dǎo)員**老師，謝謝他在這四年中為我們?nèi)嗨龅囊磺校磺蠡貓?bào)，無(wú)私奉獻(xiàn)的精神很讓我感動(dòng)，再次向他表示由衷的感謝。在這四年的學(xué)期中結(jié)識(shí)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(cái)富。在此，也對(duì)他們表示衷心感謝。</p><p>　　本文參考了大量的文獻(xiàn)資料，在此，向各學(xué)術(shù)界的前輩們致敬！</p><p>&l

103、t;b>　　參考文獻(xiàn)</b></p><p>　　1] Berouti M,Schwartz R,Makhoul J.Enhancement of SpeechCorrupted by Acoustic Noise[J].IEEE Trans.on Acoustics,Speech,and Signal Processing,1979,4:208-211. </p><p&g

104、t;　　2]Gersho A,Gr R M.Vector quantization and signal Compression .Boston,Kluwer Academic Publishers.</p><p>　　3]Q.Zhang,A.Benveniste，WaveletNetworks,IEEETrans,NeuralNetworks.</p><p>　　4]ThomsonD

105、J.SpectrumEstimationand armonicAnalysis[J].Proc.IEEE,1982,70(9):1 055-1 096. </p><p>　　5]Hu Yi,Loizou P C.Speech Enhancement Based on WaveletThresholding the Multitaper Spectrum[J]. IEEE Trans.onSpeech and A

106、udio Processing,2004,12(1):59-67. </p><p>　　6]高西全，丁玉美.數(shù)字信號(hào)處理（M).西安電子科技大學(xué)出版社.2003.</p><p>　　7]鄭君里.信號(hào)與系統(tǒng).高等教育出版社(M).2006.</p><p>　　8]吳大正.信號(hào)與線(xiàn)性系統(tǒng)分析（M).高等教育出版社.2005.</p><p>

107、;　　9] 胡航.語(yǔ)音信號(hào)處理（M)，哈爾濱工業(yè)大學(xué)出版社.2007.</p><p>　　10][5]皇甫堪,陳建文,樓生強(qiáng).現(xiàn)代數(shù)字信號(hào)處理(M)北京.電子工業(yè)出版社.2003. </p><p>　　11]蔡旭輝，劉衛(wèi)國(guó)，蔡立燕.MATLAB基礎(chǔ)與應(yīng)用教程(M).人民郵電出版社.2009.</p><p>　　12]尚濤，謝龍汗，杜如虛.MATLAB工程計(jì)算及