资源描述
语音信号的数字滤波一、实验目的:1、掌握使用FFT进行信号谱分析的方法2、设计数字滤波器对指定的语音信号进行滤波处理二、实验内容设计数字滤波器滤除语音信号中的干扰(4 学时)1、使用Matlab的fft函数对语音信号进行频谱分析,找出干扰信号的频谱;2、设计数字滤波器滤除语音信号中的干扰分量,并进行播放对比。三、实验原理通过观察原语音信号的频谱,幅值特别大的地方即为噪声频谱分量,根据对称性,发现有四个频率的正弦波干扰,将它们分别滤掉即可。采用梳状滤波器,经过计算可知,梳状滤波器hn=1,A,1的频响|H(w)|=|A+2cos(w)|,由需要滤掉的频率分量的频响w,即可得到A,进而得到滤波器的系统函数hn。而由于是在离散频域内进行滤波,所以令w=(2k*pi/N)即可。对原信号和四次滤波后的信号分别进行FFT变换,可以得到它们的幅度相应。最后,将四次滤波后的声音信号输出。四、matlab代码clc;clear;close all;audio_data,fs=wavread(SunshineSquare.wav); %读取未处理声音sound(audio_data,fs);N = length(audio_data);K = 0:2/N:2*(N-1)/N; %K为频率采样点%sound(audio_data,fs);%进行一次FFT变换FFT_audio_data=fft(audio_data);mag_FFT_audio_data = abs(FFT_audio_data);%画图figure(1)%原信号时域subplot(2,1,1);plot(audio_data);grid;title(未滤波时原信号时域);xlabel(以1/fs为单位的时间);ylabel(采样值);%FFT幅度相位subplot(2,1,2);plot(K,mag_FFT_audio_data);grid;title(原信号幅度);xlabel(以pi为单位的频率);ylabel(幅度);%构造hn=1,A,1的梳状滤波器,计算A=2cosW,妻子W为要滤掉的频率%由原信号频谱可知要分四次滤波,滤掉频响中幅度大的频率分量%第一次滤波a = 1,0,0,0;%yn的系数temp,k=max(FFT_audio_data);A1=-2*cos(2*pi*k/N);h1=1,A1,1;audio_data_h1 = filter(h1,a,audio_data);FFT_audio_data_h1=fft(audio_data_h1);%第二次滤波temp1,k=max(FFT_audio_data_h1);A2=-2*cos(2*pi*k/N);h2=1,A2,1;audio_data_h2 = filter(h2,a,audio_data_h1);FFT_audio_data_h2=fft(audio_data_h2);%第三次滤波temp2,k=max(FFT_audio_data_h2);A3=-2*cos(2*pi*k/N);h3=1,A3,1;audio_data_h3 = filter(h3,a,audio_data_h2);FFT_audio_data_h3=fft(audio_data_h3);%第四次滤波temp3,k=max(FFT_audio_data_h3);A4=-2*cos(2*pi*k/N);h4=1,A4,1;audio_data_h4 = filter(h4,a,audio_data_h3);FFT_audio_data_h4=fft(audio_data_h4);mag_FFT_audio_data_h1 = abs(FFT_audio_data_h1);mag_FFT_audio_data_h2 =abs(FFT_audio_data_h2);mag_FFT_audio_data_h3 =abs(FFT_audio_data_h3);mag_FFT_audio_data_h4 =abs(FFT_audio_data_h4);figure(2)%每次滤波后的时域结果subplot(2,2,1);plot(audio_data_h1);grid;title(第一次滤波后);xlabel(以1/fs为单位的时间);ylabel(时域采样值);subplot(2,2,2);plot(audio_data_h2);grid;title(第二次滤波后);xlabel(以1/fs为单位的时间);ylabel(时域采样值);subplot(2,2,3);plot(audio_data_h3);grid;title(第三次滤波后);xlabel(以1/fs为单位的时间);ylabel(时域采样值);subplot(2,2,4);plot(audio_data_h4);grid;title(第四次滤波后);xlabel(以1/fs为单位的时间);ylabel(时域采样值);%每次滤波后的频域结果figure(3)subplot(2,2,1);plot(K,mag_FFT_audio_data_h1);grid;title(第一次滤波幅度);xlabel(以pi为单位的频率);ylabel(幅度);subplot(2,2,2);plot(K,mag_FFT_audio_data_h2);grid;title(第二次滤波幅度);xlabel(以pi为单位的频率);ylabel(幅度);subplot(2,2,3);plot(K,mag_FFT_audio_data_h3);grid;title(第三次滤波幅度);xlabel(以pi为单位的频率);ylabel(幅度);subplot(2,2,4);plot(K,mag_FFT_audio_data_h4);grid;title(第四次滤波幅度);xlabel(以pi为单位的频率);ylabel(幅度);%输出音乐文件wavwrite(audio_data_h4,fs,SunshineSquare_LG.wav);五、实验结果原信号的时域和频域图滤波后的时域图滤波后的频响六、总结 通过这次实验,对数字信号的频谱分析和滤波的含义有了更深的了解,以及更加形象具体的认识。一开始遇到的困难是不知道如何寻找噪音的频率,后来发现频响中幅度大的点对应的w即为噪音频率。
展开阅读全文