基于MATLAB的加噪语音信号的滤波

基于MATLAB的加噪语音信号的滤波

一.滤波器的简述

在MATLAB环境下IIR数字滤波器和FIR数字滤波器的设计方 法即实现办法,并进行图形用户界面设计,以显示所介绍迷你滤波器的设计特性。

在无线脉冲响应(IIR)数字滤波器设计中,先进行模拟滤波器的设计,然后进行模拟数字滤波器转换,即采取脉冲响应不变法及双线性Z变更法设计数字滤波器,最后进行滤波器的频带转换。在有限脉冲响应(FIR)数字滤波器设计中,讨论了FIR线性相位滤波的特点和用窗口函数设计FIR数字滤波器两个问题。两类滤波器整个过程都是依照理论阐发、编程设计、集体实现的步调进行的。 为便利阐发直观者直观、形象、便利的阐发滤波器的特性,立异的设计出图形用户界面滤波器阐发系统。整个系统分为两个界面,其内容主要包含四个部分:System(系统)、Analysis(阐发)、Tool(工具)、Help(帮忙)。

数字滤波在DSP中占有重要位置。数字滤波器按实现的网络结构或者从单位脉冲响应,分为IIR(无限脉冲响应)和FIR(有限脉冲响应)滤波器。如果IRR滤波器和FIR滤波器具有相同的性能,那么通常IIR滤波器可以用较低的阶数获得高的选择性,执行速度更快,所有的存储单位更少,所以既经济又高效。

二.设计要求

1.在matlab平台上录制一段语音信号;

2.完成语音信号的谱阐发;

3.对语音信号进行加噪以及加噪后信号的谱阐发;

4.选择合适的滤波器进行滤波,确定相关指标;

5.实现滤波过程,显示滤波后的结果,并进行谱阐发。

三.实验内容与步调

  1. 语音信号的录入

掀开matlab平台,先使用R=audiorecorder(44100,16,2)函数创建一个保管音频信息的对象,其中44100暗示采样频率为44100Hz,16暗示用16位存储,2暗示两通道。再使用record(R)开始录音,对着电脑麦克风收集声音,录入的音频内容为"MATLAB的课程年夜作业"。stop(R)语句停止录入。然后将音频信息以数字矩阵存储。最后使用wavwrite函数保管这段音频。

原始语音

R=audiorecorder(44100,16,2);

record(R);

stop(R);

myword=getaudiodata(R);

plot(myspeech)

wavwrite(myspeech,44100,16,'myword');

法度图

波形图:

由输出的波形图可以看出,当收集"MATLAB的课程年夜作业"这句音频信息时,摆荡明显,但受到环境的影响其他处所也有轻微的摆荡。

  1. 语音信号的谱阐发

wavread读取存储在电脑中的音频。suond函数回放语音信号,fft(y,n)则是对n点进行傅里叶变换,实现从时域到频域。然后用plot函数画出语音信号的时域波形和频域波形图。

[y,fs,bits]=wavread('D:\Matalbe123\bin\souds.wav');

sound(y,fs);

n=length(y);

y_f=fft(y,n);

f=fs*(0:n/21)/n;

subplot 211;

plot(y);

xlabel('时间s');

ylabel('幅值 ');

title('加噪前的时域波形');

subplot 212;

plot(f,abs(y_f(1:n/2)));

xlabel('频率Hz');

ylabel('频率幅值');

title('加噪前的频谱图');

法度图:

时域波形与频谱图如下:

由时域波形图可以看作声音信号主要集中在了2.5s~5.0s之间,在其他时间内只是有少量的摆荡。由频域波形图可以看出该声音信号的频率与人的发声频率相合适。

  1. 语音加噪及谱阐发

对原始的语音信号进行加噪处理,使用randn函数产生一个与音频信号等长度的高斯随机噪声信号(噪声年夜小取决于随机函数的幅度倍数)。然后通过信号的叠加y_z=y+noise;,生成一个新的信号。再通过傅里叶变换获得信号在频域上的波形,最后画出时域与频域波形。

L=length(y);

noise=0.1*randn(L,2);

y_z=y+noise;

sound(y_z,fs);

n=length(y);

y_zf=fft(y_z,n);

f=fs*(0:n/21)/n;

subplot 211;

plot(y_z);

xlabel('时间s');

ylabel('幅值');

title('加噪后的时域波形');

subplot 212;

plot(f,abs(y_zf(1:n/2)));

xlabel('频率Hz');

ylabel('频率幅值');

title('加噪后的频谱图');

法度图:

波形图如下:

当执行上述法度时,会听到喧闹的声音层,且频率高于原始语音很多,由加噪后的频谱图与加噪前的频谱图相比较会明显发明在原时间内多了很多频率变更,观察到的频谱图变更与我们的目的是一致的,加噪胜利。

  1. 滤波设计

由于噪声信号的频率高于原语音信号的频率,所以选择FIR低通滤波器。在数字信号处理中,脉冲响应不变法会产生频谱混叠现象,使频率响应偏离模拟滤波器的频响特性,为避免这一现象我们采取双线性变换法。经测验考试fp=1000;fc=1200;As=100;Ap=1;

fp=1100;fc=1300;As=100;Ap=1;

fp=1300;fc=1500;As=100;Ap=1;

fp=1400;fc=1600;As=100;Ap=1;

fp=1500;fc=1700;As=100;Ap=1;

中效果最好的一组为:fp=1300;fc=1500;As=100;Ap=1;

因此设计如下:

fp=1300;fc=1500;As=100;Ap=1;

wc=2*pi*fc/fs;

wp=2*pi*fp/fs;

wdel=wcwp;

beta=0.112*(As8.7);

N=ceil((As8)/2.285/wdel);

wn= kaiser(N+1,beta);

ws=(wp+wc)/2/pi;

b=fir1(N,ws,wn);

freqz(b,1);

法度图:

滤波器频率特性如图

  1. 滤波结果及谱阐发

将加噪后音频通过此滤波器进行滤波,再进行滤波后去噪信号的谱阐发,选用了函数x=fftfilt(b,y_z),利用FFT的重叠相加法对信号进行滤波处理。

滤波法度清单如下:

x=fftfilt(b,y_z);

X=fft(x,n);

subplot 211;

plot(f,abs(X(1:n/2)));

title('滤波后的频谱');

subplot 212;

plot(x);

title('滤波后的波形');

sound(x,fs,bits)

法度图:

去噪后的谱阐发如下所示:

执行法度后听到的音频依旧含有噪音信号,不如原始语音清晰,但比加噪后的语音有了明显的改进,可以比较清晰的听到原语音。由谱阐发图可以看出频率高于1500Hz的音频信号都被滤除,开始有点接近原始信号的波形图.。

四.语音信号图

原始语音

加噪后

减噪后

  • 实验总结与体会

这次是用Matlab对语音信号的处理进行了一系列的操纵。在Matlab平台上实现了语音的录制、加噪、滤波以及谱阐发。比较加噪后的频谱可以发明高于1500Hz的噪音已经滤除,通过声音的回放也可以发明去除比较尖锐的干扰噪音。由于设计的滤波器法度功能单一,仅能处理一般条件下的语音信号,不克不及进行精度较高的语音信号处理。

Matlab是英文Matrix Laboratory(矩阵实验室)的缩写,它是由美国Math Word公司推出的用于图形处理和数值计算的数学计算。在Matlab环境下,用户可以集成的进行法度设计、图形绘制、数字值计算、输入输出文件管理等操纵。MATLAB优秀的数值计算能力和卓越的数据可视化能力使其在同类软件中脱颖而出。

通过这次的课题研究,我能更好的掌握Matlab平台的使用,意识到Matlab是学习其他科目的工具,这次的课题就是在解决一个数字信号处理问题,这让我对Matlab软件在解决实际问题的应用上布满了兴趣。

相关推荐
Qqqguo7 分钟前
双十一母婴用品排行榜 准妈妈的母婴购物清单
人工智能·生活
AI_小站12 分钟前
多模态大模型微调实践!PAI+LLaMA Factory搭建AI导游
人工智能·程序人生·语言模型·大模型·llm·产品经理·多模态大模型
zs1996_12 分钟前
深度学习注意力机制类型总结&pytorch实现代码
人工智能·pytorch·深度学习
广药门徒15 分钟前
FRIENDLYARM Tiny6410 superboot烧写进sd卡教程
人工智能
宋一诺3332 分钟前
机器学习—在一个单层中的前向传播
人工智能·机器学习
pen-ai33 分钟前
【机器学习】21. Transformer: 最通俗易懂讲解
人工智能·神经网络·机器学习·矩阵·数据挖掘
阿亨仔1 小时前
Pytorch猴痘病识别
人工智能·pytorch·python·深度学习·算法·机器学习
lqqjuly1 小时前
深度学习基础知识-残差网络ResNet
网络·人工智能·深度学习
int WINGsssss2 小时前
速通一些常见的神经网络
人工智能·深度学习·神经网络
布兰妮甜2 小时前
诺贝尔物理学奖的新篇章:机器学习与神经网络的光辉时刻
人工智能·神经网络·机器学习