基于Matlab的有噪聲語音信號處理

1、題目：基于Matlab的有噪聲語音信號處理摘要 濾波器設計在數(shù)字信號處理中占有極其重要的地位，F(xiàn)IR數(shù)字濾波器和IIR濾波器是濾波器設計的重要組成部分。利用MATLAB信號處理工具箱可以快速有效地設計各種數(shù)字濾波器。課題基于MATLAB有噪音語音信號處理的設計與實現(xiàn)，綜合運用數(shù)字信號處理的理論知識對加噪聲語音信號進行時域、頻域分析和濾波。通過理論推導得出相應結(jié)論，再利用 MATLAB 作為編程工具進行計算機實現(xiàn)。在設計實現(xiàn)的過程中，使用窗函數(shù)法來設計FIR數(shù)字濾波器，用巴特沃斯、切比雪夫和雙線性變法設計IIR數(shù)字濾波器，并利用MATLAB 作為輔助工具完成設計中的計算與圖形的繪制。通過對所設計

2、濾波器的仿真和頻率特性分析，可知利用MATLAB信號處理工具箱可以有效快捷地設計FIR和IIR數(shù)字濾波器，過程簡單方便，結(jié)果的各項性能指標均達到指定要求。 關鍵詞：數(shù)字濾波器 MATLAB 窗函數(shù)法 巴特沃斯 切比雪夫 雙線性變換目錄1、緒論······························

3、;··················42、作業(yè)內(nèi)容與要求······························&

4、#183;·······53、作業(yè)設計的具體實現(xiàn)··································6 3.1 語音信號的采集····

5、·······························6 3.2 語音信號的時頻分析················

6、83;··············6 3.3 語音信號加噪與頻譜分析···························8 3.4 設計FIR和IIR數(shù)字濾波器··&#

7、183;·······················9 3.5 用濾波器對加噪語音信號進行濾波··················20 3.6 比較濾波前后語音信號的波形及頻譜·

8、···············21 3.7 回放語音信號·································

9、;···31 3.8 設計GUI界面····································314、隊員貢獻及民主評價······&#

10、183;··························345、小結(jié)······················&#

11、183;························346、致謝························&#

12、183;······················351、緒論 數(shù)字信號處理是利用計算機或?qū)Ｓ锰幚碓O備，以數(shù)值計算的方法對信號進行采集、抽樣、變換、綜合、估值與識別等加工處理，借以達到提取信息和便于應用的目的。它在語音、雷達、圖像、系統(tǒng)控制、通信、航空航天、生物醫(yī)學等眾多領域都獲得了極其廣泛的應用。具有靈活、精確、抗干擾強、設備尺寸小、造價低、速度快等優(yōu)點。 數(shù)字濾

13、波器, 是數(shù)字信號處理中及其重要的一部分。隨著信息時代和數(shù)字技術(shù)的發(fā)展，受到人們越來越多的重視。數(shù)字濾波器可以通過數(shù)值運算實現(xiàn)濾波，所以數(shù)字濾波器處理精度高、穩(wěn)定、體積小、重量輕、靈活不存在阻抗匹配問題，可以實現(xiàn)模擬濾波器無法實現(xiàn)的特殊功能。數(shù)字濾波器種類很多，根據(jù)其實現(xiàn)的網(wǎng)絡結(jié)構(gòu)或者其沖激響應函數(shù)的時域特性，可分為兩種，即有限沖激響應( FIR，F(xiàn)inite Impulse Response)濾波器和無限沖激響應( IIR，Infinite Impulse Response)濾波器。FIR濾波器結(jié)構(gòu)上主要是非遞歸結(jié)構(gòu)，沒有

14、輸出到輸入的反饋，系統(tǒng)函數(shù)H (z)在處收斂，極點全部在z = 0處（因果系統(tǒng)），因而只能用較高的階數(shù)達到高的選擇性。FIR數(shù)字濾波器的幅頻特性精度較之于IIR數(shù)字濾波器低，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，這是很好的性質(zhì)。FIR數(shù)字濾波器是有限的單位響應也有利于對數(shù)字信號的處理，便于編程，用于計算的時延也小，這對實時的信號處理很重要。 FIR濾波器因具有系統(tǒng)穩(wěn)定，易實現(xiàn)相位控制，允許設計多通帶（或多阻帶）濾波器等優(yōu)點收到人們的青睞。IIR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濾波器運算結(jié)構(gòu)通常由延時、乘

15、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。同時，IIR數(shù)字濾波器在設計上可以借助成熟的模擬濾波器的成果，如巴特沃斯、契比雪夫和橢圓濾波器等，有現(xiàn)成的設計數(shù)據(jù)或圖表可查，在設計一個IIR數(shù)字濾波器時，我們根據(jù)指標先寫出模擬濾波器的公式，然后通過一定的變換，將模擬濾波器的公式轉(zhuǎn)換成數(shù)字濾波器的公式。 濾波器的設計可以通過軟件或設計專用的硬件兩種方式來實現(xiàn)。隨著MATLAB軟件及信號處理工具箱的不斷完善，MATLAB很快成為應用學科等領域不可或缺的基礎軟件。它可以快速有效地實現(xiàn)數(shù)字濾波器的設計、分析和仿真，極大地減輕了工作量,有利于濾

16、波器設計的最優(yōu)化。2、作業(yè)內(nèi)容與要求 選擇一個語音信號作為分析的對象，或錄制一段各人自己的語音信號，對其進行頻譜分析；利用MATLAB中的隨機函數(shù)產(chǎn)生噪聲加入到語音信號中，模仿語音信號被污染，并對其進行頻譜分析；設計FIR和IIR數(shù)字濾波器， 并對被噪聲污染的語音信號進行濾波，分析濾波后信號的時域和頻域特征，回放語音信號。最后，設計一個信號處理系統(tǒng)界面。3 作業(yè)設計的具體實現(xiàn) 3.1 語音信號的采集 利用PC機上的聲卡和WINDOWS操作系統(tǒng)可以進行數(shù)字信號的采集。將話筒輸入計算機ide語音輸入到插口上，啟動錄音機。按下錄音按鈕，接著將話筒對著PC的外放，記錄音樂播放器正在播放的音樂，記錄一段

17、時間后停止錄音。以文件名“speech”保存在一個文件中?？梢钥吹募缶Y名為.wav，這是WINDOWS操作系統(tǒng)規(guī)定的聲音文件存的標準。 3.2語音信號的時頻分析利用MATLAB中的“wavread”命令來讀入（采集）語音信號，將它賦值給某一向量。再對其進行采樣，記住采樣頻率和采樣點數(shù)。下面介紹wavread 函數(shù)幾種調(diào)用格式。 （1）y=wavread（file） 功能說明：讀取file所規(guī)定的wav文件，返回采樣值放在向量y中。 （2）y,fs,nbits=wavread(file)  功能說明：采樣值放在向量y中，fs表示采樣

18、頻率（hz），nbits表示采樣位數(shù)。 接下來，對語音信號speech.wav進行采樣。其程序如下： y,fs,nbits=wavered (speech);把語音信號加載入Matlab 仿真軟件平臺中 然后，畫出語音信號的時域波形，再對語音信號進行頻譜分析。MATLAB提供了快速傅里葉變換算法FFT計算DFT的函數(shù)fft,其調(diào)用格式如下： Xk=fft(xn,N) 參數(shù)xn為被變換的時域序列向量，N是DFT變換區(qū)間長度，當N大于xn的長度時，fft函數(shù)自動在xn后面補零。當N小于xn的長度時，fft函數(shù)計算xn的前N個元素

19、，忽略其后面的元素。在本次設計中，我們利用fft對語音信號進行快速傅里葉變換，就可以得到信號的頻譜特性。其程序如下：y,fs,nbits= wavread('F:speech.wav');N=length(y); %求出語音信號長度Y=fft(y,N); %傅里葉變換figure;subplot(2,1,1);plot(y);title('原始信號波形');subplot(2,1,2);plot(abs(Y);title('原始信號頻譜');axes1('position', 1 1 1 1);程序結(jié)果如下圖：3.3 語音信號加噪

20、與頻譜分析 在MATLAB中產(chǎn)生高斯白噪聲非常方便，我們可以直接應用兩個函數(shù)：一個是WGN，另一個是AWGN。WGN用于產(chǎn)生高斯白噪聲，AWGN則用于在某一信號中加入高斯白噪聲。也可直接用randn函數(shù)產(chǎn)生高斯分布序列。 在本次設計中，我們是利用MATLAB中的隨機函數(shù)(rand或randn)產(chǎn)生噪聲加入到語音信號中，模仿語音信號被污染，并對其頻譜分析。Randn函數(shù)有兩種基本調(diào)用格式：Randn(n)和Randn（m,n）,前者產(chǎn)生n×n服從標準高斯分布的隨機數(shù)矩陣，后者產(chǎn)生m×n的隨機數(shù)矩陣。在這里，我們選用Randn（m,n）函數(shù)。語音信號添加噪聲及其頻譜分

21、析的主要程序如下：y,fs,nbits=wavread('speech'); %窗函數(shù)帶通濾波n=length(y);%求出語音信號的長度noise=0.01*randn(n,2);%隨機函數(shù)產(chǎn)生噪聲s=y+noise;sound(s);figure;subplot(2,1,1);plot(s);title('加噪語音信號的時域波形');S=fft(s);subplot(2,1,2);plot(abs(s);title('加噪語音信號的頻域波形');程序結(jié)果如下圖：3.4 設計FIR和IIR數(shù)字濾波器 3.4.1 FIR數(shù)字濾波器的設計與實現(xiàn) F

22、IR：有限脈沖響應濾波器。有限說明其脈沖響應是有限的。與IIR相比，它具有線性相位、容易設計的優(yōu)點。這也就說明，IIR濾波器具有相位不線性，不容易設計的缺點。而另一方面，IIR卻擁有FIR所不具有的缺點，那就是設計同樣參數(shù)的濾波器，F(xiàn)IR比IIR需要更多的參數(shù)。這也就說明，要增加DSP的計算量。DSP需要更多的計算時間，對DSP的實時性有影響。FIR濾波器的設計比較簡單，就是要設計一個數(shù)字濾波器去逼近一個理想的低通濾波器。通常這個理想的低通濾波器在頻域上是一個矩形窗。也就是把這個時域采樣序列去乘一個窗函數(shù)，就把這個無限的時域采樣序列截成了有限個序列值。但是加窗后對此采樣序列的頻域也產(chǎn)生了影響：

23、此時的頻域便不在是一個理想的矩形窗，而是成了一個有過渡帶，阻帶有波動的低通濾波器。通常根據(jù)所加的窗函數(shù)的不同，對采樣信號加窗后，在頻域所得的低通濾波器的阻帶衰減也不同。通常我們就是根據(jù)此阻帶衰減去選擇一個合適的窗函數(shù)。如矩形窗、漢寧窗、漢明窗、BLACKMAN窗、凱撒窗等。 面我們著重介紹用窗函數(shù)法設計FIR濾波器的步驟。如下： （1）根據(jù)對阻帶衰減及過渡帶的指標要求，選擇串窗數(shù)類型（矩形窗、三角窗、漢寧窗、哈明窗、凱塞窗等），并估計窗口長度N。先按照阻帶衰減選擇窗函數(shù)類型。原則是在保證阻帶衰減滿足要求的情況下，盡量選擇主瓣的窗函數(shù)。 （2）構(gòu)造希望逼近的頻率響應

24、函數(shù)。 （3）計算h(n).。 （4）加窗得到設計結(jié)果。 接下來，我們根據(jù)語音信號的特點給出有關濾波器的技術(shù)指標： 低通濾波器的性能指標： fp=1000Hz，fc=1200Hz，As=50db ,Ap=1dB 高通濾波器的性能指標： fp=3500Hz，fc=4000Hz，As=50dB，Ap=1dB 帶通濾波器的性能指標： fp1=1200Hz,fp2=4000Hz,fc1=1000Hz,fc2=3200,As=100dB,Ap=1dB在Matlab中，可以利用函數(shù)fir1設計FIR濾波器，

25、利用Matlab中的函數(shù)freqz畫出各步步器的頻率響應。 MATLAB信號處理工具箱函數(shù)cheblap,cheblord和cheeby1是切比雪夫I型濾波器設計函數(shù)。我們用到的是cheeby1函數(shù)，其調(diào)用格式如下： B,A=cheby1(N,Rp,wpo,ftypr) B,A=cheby1(N,Rp,wpo,ftypr,s)下面我們將給出設計FIR數(shù)字濾波器的主要程序和圖像%=FIR低通濾波器=Ft=8000; Fp=1000; Fs=1200; wp=2*Fp/Ft;ws=2*Fs/Ft;rp=1;rs=50;p=1-10.(-rp/20); s=10.(-r

26、s/20);fpts=wp ws;mag=1 0;dev=p s;n21,wn21,beta,ftype=kaiserord(fpts,mag,dev);b21=fir1(n21,wn21,kaiser(n21+1,beta);h,w=freqz(b21,1); figure;plot(w*8000*0.5/pi,abs(h);title('FIR低通濾波器','fontweight','bold');%=FIR高通濾波器=Ft=8001; Fp=4000; Fs=3500; wp=2*Fp/Ft;ws=2*Fs/Ft;rp=1;rs=50;p=

27、1-10.(-rp/20);s=10.(-rs/20);fpts=ws wp;mag=0 1;dev=p s;n23,wn23,beta,ftype=kaiserord(fpts,mag,dev);%kaiserord求階數(shù)截止頻率b23=fir1(n23,wn23,'high',Kaiser(n23+1,beta);%由firl設計濾波器h,w=freqz(b23,1);figure;plot(w*12000*0.5/pi,abs(h);title('FIR高通濾波器');axis(2500 5500 0 1.2);%=FIR帶通濾波器=Fp1=1200;Fp

28、2=3000;Fs1=1000;Fs2=3200;Ft=8000;wp1=tan(pi*Fp1/Ft);wp2=tan(pi*Fp2/Ft);ws1=tan(pi*Fs1/Ft);ws2=tan(pi*Fs2/Ft);w=wp1*wp2/ws2;bw=wp2-wp1;wp=1;ws=(wp1*wp2-w.2)/(bw*w);n22,wn22=buttord(wp,ws,1,50,'s');%求低通濾波器階數(shù)和截止頻率b22,a22=butter(n22,wn22,'s');%求S域的頻率響應參數(shù)num2,den2=lp2bp(b22,a22,sqrt(wp1*w

29、p*2),bw);%將S域低通參數(shù)轉(zhuǎn)為帶通的num22,den22=bilinear(num2,den2,0.5);%雙線性變換實現(xiàn)S域到Z域的轉(zhuǎn)換h,w=freqz(num22,den22);%根據(jù)參數(shù)求出頻率響應figure;plot(w*8000*0.5/pi,abs(h);axis(0 4000 0 1.5);legend('用butter 設計');3.4.2 IIR數(shù)字濾波器的設計與實現(xiàn) 對于數(shù)字高通、帶通濾波器的設計，通用方法為雙線性變換法?？梢越柚谀M濾波器的頻率轉(zhuǎn)換設計一個所需類型的過渡模擬濾波器，再經(jīng)過雙線性變換將其轉(zhuǎn)換策劃那個所需的數(shù)字濾波器。具體設計步

30、驟如下： （1）確定所需類型數(shù)字濾波器的技術(shù)指標。 （2）將所需類型數(shù)字濾波器的邊界頻率轉(zhuǎn)換成相應的模擬濾波器的邊界頻率，轉(zhuǎn)換公式為=2/T tan(0.5)   (3)將相應類型的模擬濾波器技術(shù)指標轉(zhuǎn)換成模擬低通濾波器技術(shù)指標。 （4）設計模擬低通濾波器。 （5）通過頻率變換將模擬低通轉(zhuǎn)換成相應類型的過渡模擬濾波器。 （6）采用雙線性變換法將相應類型的過渡模擬濾波器轉(zhuǎn)換成所需類型的數(shù)字濾波器。 我們知道，脈沖響應不變法的主要缺點是會產(chǎn)生頻譜混疊現(xiàn)象，使數(shù)字濾波器的頻響偏離模擬濾波器的頻響特性。

31、為了克服之一缺點，可以采用雙線性變換法。下面我們總結(jié)一下利用模擬濾波器設計IIR數(shù)字低通濾波器的步驟： （1）確定數(shù)字低通濾波器的技術(shù)指標：通帶邊界頻率、通帶最大衰減，阻帶截止頻率、阻帶最小衰減。 （2）將數(shù)字低通濾波器的技術(shù)指標轉(zhuǎn)換成相應的模擬低通濾波器的技術(shù)指標。 （3）按照模擬低通濾波器的技術(shù)指標設計及過渡模擬低通濾波器。 （4）用雙線性變換法，模擬濾波器系統(tǒng)函數(shù)轉(zhuǎn)換成數(shù)字低通濾波器系統(tǒng)函數(shù)。MATLAB信號處理工具箱函數(shù)cheblap,cheblord和cheeby1是切比雪夫I型濾波器設計函數(shù)。我們用到的是cheeby1函數(shù)，其調(diào)用格式如下：&

32、#160;B,A=cheby1(N,Rp,wpo,ftypr) B,A=cheby1(N,Rp,wpo,ftypr,s) 函數(shù)butter,cheby1和ellip設計IIR濾波器時都是默認的雙線性變換法，所以在設計濾波器時只需要代入相應的實現(xiàn)函數(shù)即可。下面我們將給出IIR數(shù)字濾波器的主要程序。 %=IIR低通濾波器=Fp=1000;Fs=1200;Ft=8000;wp=2*pi*Fp/Ft;ws=2*pi*Fs/Ft;fp=2*Ft*tan(wp/2);fs=2*Fs*tan(wp/2);n11,wn11=buttord(wp,ws,1,50,'s

33、9;);b11,a11=butter(n11,wn11,'s');num11,den11=bilinear(b11,a11,0.5);h,w=freqz(num11,den11);figure;plot(w*8000*0.5/pi,abs(h);legend('用butter設計');%=IIR高通濾波器=Ft=8000;Fp=4000;Fs=3500;w1=tan(pi*Fp/Ft);ws1=tan(pi*Fs/Ft);wp=1;ws=w1*wp/ws1;n13,wn13=cheb1ord(wp,ws,1,50,'s');%求模擬的低通濾波器階

34、數(shù)和截止頻率b13,a13=cheby1(n13,1,wn13,'s');%求S域的頻率響應是參數(shù)num,den=lp2hp(b13,a13,wn13);num13,den13=bilinear(num,den,0.5);%利用雙線性變換實現(xiàn)S域到Z域轉(zhuǎn)換h,w=freqz(num13,den13);figure;plot(w*21000*0.5/pi,abs(h);title('IIR高通濾波器');legend('用cheby 1設計');%=IIR帶通濾波器=Fp1=1200;Fp2=3000;Fs1=1000;Fs2=3200;Ft=80

35、00;wp1=tan(pi*Fp1/Ft);wp2=tan(pi*Fp2/Ft);ws1=tan(pi*Fs1/Ft);ws2=tan(pi*Fs2/Ft);w=wp1*wp2/ws2;bw=wp2-wp1;wp=1;ws=(wp1*wp2-w.2)/(bw*w);n12,wn12=buttord(wp,ws,1,50,'s');%求低通濾波器階數(shù)和截止頻率b12,a12=butter(n12,wn12,'s');%求S域的頻率響應參數(shù)num2,den2=lp2bp(b12,a12,sqrt(wp1*wp*2),bw);%將S域低通參數(shù)轉(zhuǎn)為帶通的num12,de

36、n12=bilinear(num2,den2,0.5);%雙線性變換實現(xiàn)S域到Z域的轉(zhuǎn)換h,w=freqz(num12,den12);%根據(jù)參數(shù)求出頻率響應figure;plot(w*8000*0.5/pi,abs(h);axis(0 4000 0 1.5);legend('用butter設計');3.5 用濾波器對加噪語音信號進行濾波用自己設計的各濾波器分別對加噪的語音信號進行濾波，在Matlab中，F(xiàn)IR濾波器利用函數(shù)fftfilt對信號進行濾波，IIR濾波器利用函數(shù)filter對信號進行濾波。函數(shù)fftfilt用的是重疊相加法實現(xiàn)線性卷積的計算。調(diào)用格式為：y=fftfi

37、lter(h,x,M).其中，h是系統(tǒng)單位沖擊響應向量；X是輸入序列向量；y是系統(tǒng)的輸出序列向量；M是由用戶的選擇的輸入序列的分段長度，缺省時，默認的輸入向量的重常度M=512.函數(shù)filter的調(diào)用格式：yn=filter(B，A.xn),它是按照直線型結(jié)構(gòu)實現(xiàn)對xn的濾波。其中xn是輸入信號向量，yn輸出信號向量。3.6 比較濾波前后語音信號的波形及頻譜主要程序及運行結(jié)果如下：%=雙線性變換法低通濾波器=y,fs,nbits=wavread('speech'); %雙線性低通濾波器n=length(y); %求出語音信號長度noise=0.01*randn(n,2); %隨

38、機函數(shù)產(chǎn)生噪聲s=y+noise; %語音信號加入噪聲S=fft(s); %傅里葉變換Fp=1000;Fs=1200;Ft=8000;wp=2*pi*Fp/Ft;ws=2*pi*Fs/Ft;fp=2*Ft*tan(wp/2);fs=2*Fs*tan(wp/2);n11,wn11=buttord(wp,ws,1,50,'s');b11,a11=butter(n11,wn11,'s');num11,den11=bilinear(b11,a11,0.5);z11=filter(num11,den11,s);sound(z11);m11=fft(z11); %求濾波后的

39、信號figure;subplot(2,2,1);plot(abs(S),'g');title('濾波前信號的頻譜');grid;subplot(2,2,2);plot(abs(m11),'r');title('濾波后信號的頻譜');grid;subplot(2,2,3);plot(s);title('濾波前的信號波形');grid;subplot(2,2,4);plot(z11);title('濾波后的信號波形');%=雙線性變換法高通濾波器=y,fs,nbits=wavread('spee

40、ch'); %雙線性高通濾波器n=length(y); %求出語音信號長度noise=0.01*randn(n,2); %隨機函數(shù)產(chǎn)生噪聲s=y+noise; %語音信號加入噪聲S=fft(s); %傅里葉變換Ft=8000;Fp=4000;Fs=3500;w1=tan(pi*Fp/Ft);ws1=tan(pi*Fs/Ft);wp=1;ws=w1*wp/ws1;n13,wn13=cheb1ord(wp,ws,1,50,'s');%求模擬的低通濾波器階數(shù)和截止頻率b13,a13=cheby1(n13,1,wn13,'s');%求S域的頻率響應是參數(shù)num,

41、den=lp2hp(b13,a13,wn13);num13,den13=bilinear(num,den,0.5);z13=filter(num13,den13,s);sound(z13);m13=fft(z13); %求濾波后的信號figure;subplot(2,2,1);plot(abs(S),'g');title('濾波前信號的頻譜');subplot(2,2,2);plot(abs(m13),'r');title('濾波后信號的頻譜');subplot(2,2,3);plot(s);title('濾波前的信號波形

42、');subplot(2,2,4);plot(z13);title('濾波后的信號波形');%=雙線性變換法帶通濾波器=y,fs,nbits=wavread('speech'); %雙線性帶通濾波器n=length(y); %求出語音信號長度noise=0.01*randn(n,2); %隨機函數(shù)產(chǎn)生噪聲s=y+noise; %語音信號加入噪聲S=fft(s); %傅里葉變換Fp1=1200;Fp2=3000;Fs1=1000;Fs2=3200;Ft=8000;wp1=tan(pi*Fp1/Ft);wp2=tan(pi*Fp2/Ft);ws1=tan(p

43、i*Fs1/Ft);ws2=tan(pi*Fs2/Ft);w=wp1*wp2/ws2;bw=wp2-wp1;wp=1;ws=(wp1*wp2-w.2)/(bw*w);n12,wn12=buttord(wp,ws,1,50,'s');%求低通濾波器階數(shù)和截止頻率b12,a12=butter(n12,wn12,'s');%求S域的頻率響應參數(shù)num2,den2=lp2bp(b12,a12,sqrt(wp1*wp*2),bw);%將S域低通參數(shù)轉(zhuǎn)為帶通的num12,den12=bilinear(num2,den2,0.5);z12=filter(num12,den12

44、,s);sound(z12);m12=fft(z12); %求濾波后的信號figure;subplot(2,2,1);plot(abs(S),'g');title('濾波前信號的頻譜');subplot(2,2,2);plot(abs(m12),'r');title('濾波后信號的頻譜');subplot(2,2,3);plot(s);title('濾波前的信號波形');subplot(2,2,4);plot(z12);title('濾波后的信號波形');%=窗函數(shù)法低通濾波器=y,fs,nbits

45、=wavread('speech'); %窗函數(shù)低通n=length(y);%求出語音信號的長度noise=0.01*randn(n,2);%隨機函數(shù)產(chǎn)生噪聲m=y+noise;%語音信號加入噪聲S=fft(m);%傅里葉變換Ft=8000; Fp=1000; Fs=1200; wp=2*Fp/Ft;ws=2*Fs/Ft;rp=1;rs=50;p=1-10.(-rp/20); s=10.(-rs/20);fpts=wp ws;mag=1 0;dev=p s;n21,wn21,beta,=kaiserord(fpts,mag,dev);b21=fir1(n21,wn21,kais

46、er(n21+1,beta);z21=fftfilt(b21,m);sound(z21);m21=fft(z21);%求濾波后的信號figure;subplot(2,2,1);plot(abs(S),'g');title('濾波前信號的頻譜');subplot(2,2,2);plot(abs(m21),'r');title('濾波后信號的頻譜');subplot(2,2,3);plot(m);title('濾波前信號的波形');subplot(2,2,4);plot(z21);title('濾波后信號的波形

47、');%=窗函數(shù)法高通濾波器=y,fs,nbits=wavread('speech'); %窗函數(shù)高通濾波n=length(y);%求出語音信號的長度noise=0.01*randn(n,2);%隨機函數(shù)產(chǎn)生噪聲m=y+noise;%語音信號加入噪聲S=fft(m);%傅里葉變換Ft=8001; Fp=4000; Fs=3500; wp=2*Fp/Ft;ws=2*Fs/Ft;rp=1;rs=50;p=1-10.(-rp/20);s=10.(-rs/20);fpts=ws wp;mag=0 1;dev=p s;n23,wn23,beta,ftype=kaiserord(f

48、pts,mag,dev);%kaiserord求階數(shù)截止頻率b23=fir1(n23,wn23,'high',Kaiser(n23+1,beta);%由firl設計濾波器z23=fftfilt(b23,m);sound(z23);m23=fft(z23);%求濾波后的信號figure;subplot(2,2,1);plot(abs(S),'g');title('濾波前信號的頻譜');subplot(2,2,2);plot(abs(m23),'r');title('濾波后信號的頻譜');subplot(2,2,3);

49、plot(m);title('濾波前信號的波形');subplot(2,2,4);plot(z23);title('濾波后信號的波形');%=窗函數(shù)法帶通濾波器=y,fs,nbits=wavread('speech'); %窗函數(shù)帶通濾波n=length(y);%求出語音信號的長度noise=0.01*randn(n,2);%隨機函數(shù)產(chǎn)生噪聲s=y+noise;%語音信號加入噪聲S=fft(s);%傅里葉變換Fp1=1200;Fp2=3000;Fs1=1000;Fs2=3200;Ft=8000;wp1=tan(pi*Fp1/Ft);wp2=tan(pi*Fp2/Ft);ws1=tan(pi*Fs1/Ft);ws2=tan(pi*Fs2/Ft);w=wp1*wp2/ws2;bw=wp2-wp1;wp=1;ws=(wp1*wp2-w.2)/(bw*w);n22,wn22=b