基于matlab的语音信号分析及滤波

《基于matlab的语音信号分析及滤波》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、课程设计说明书1引言随着信息时代、数字世界的到来，数字信号处理已成为一门极其重要的学科和技术领域。数字信号处理是将信号以数字方式表示并处理的理论和技术，处理的内容包括对数字信号的滤波、变换、频谱分析、检测、估计、压缩、识别等一系列的加工处理。由于大规模集成电路以及数字计算机的飞速发展，加之从60年代末以来数字信号处理理论和技术的成熟和完善，用数字方法来处理信号，即数字信号处理，已逐渐取代模拟信号处理。MATLAB，它是美国MathWorks公司推出的一种面向工程和科学计算的交互式计算软件。它以矩阵运算为基础，把

2、计算、可视化、程序设计融合在一个简单易用的交互式工作环境中，是一款数据分析和处理功能都非常强大的工程适用软件。通过本次实习我们学会了分析和处理音频信号，首先要对声音信号进行采集，MATLAB的数据采集工具箱提供了一整套命令和函数，通过调用这些函数和命令，可直接控制声卡进行数据采集。Window自带的录音机程序也可驱动声卡来采集语音信号，并能保存为WAV格式文件，供MATLAB相关函数直接读取、写入或播放。MATLAB语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换位离散的数据文件，然后

3、利用其强大的矩阵运算能力处理数据，如数据滤波、傅立叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱位语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便的完成语音信号的处理和分析以及信号的可视化，是人机交互更加便捷。信号处理是MATLAB重要应用的领域之一。语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。　语音信号的

4、处理与滤波的设计主要是用MATLAB作为工具平台，设计中涉及到声音的录制、播放、存储和读取，语音信号的抽样、频谱分析，滤波器的设计及语音信号的滤波，通过数字信号处理课程的理论知识的综合运用。从实践上初步实现对数字信号的处理。本次课程设计选择的课题是对理论学习的一次实践，通过录制一段自己的语音信号并对录制信号进行采样，画出采样后的时域与频域响应波形；在Matlab环境下编写基2DIT-FFT算法；利用自己编写的算法对已采集的语音信号进行频谱分析，并画出语音信号的时域与频谱图，并与Matlab数字信号处理工具箱中的

5、fft函数进行对比研究，验证自编算法的正确性。33课程设计说明书2基于MATLAB的FFT算法设计原理2.1设计原理2.1.1语音信号的采集我们可以利用windows自带的录音机录制语音文件，图1是基于PC机的语音信号采集过程，声卡可以完成语音波转换，获得WAVE文件，为后续的处理储备原材料。采集到语音信号之后，需要对语音信号进行时域分析和频谱分析。Windows自带的录音机声音麦克风声卡滤波采样A/D转换Wav图1采集语音信号录制的话音信号频谱单一，滤波后听觉效果不明显，故选了一段频谱较为丰富的音乐文件，名为

6、Beyond.wav。函数y=wavread('语音文件名')用于读取语音，采样值放在向量y中，采样频率Fs为系统默认值。函数sound(y,fs)用于对声音的回放。向量y则就代表了一个信号（也即一个复杂的“函数表达式”），也就是说可以像处理一个信号表达式一样处理这个声音信号。2.1.2快速傅里叶变换快速傅里叶变换（FFT）是为提高DFT运算速度而采用的一种算法。对一个有限长度序列x(n)的N点的DFT为：X（k）=∑x（n）W^knN(k=0,1,……，N-1；n=0,1,……，N-1;W=e^-j2π/N)

7、当N=4时，X（k）可展开为：X（0）=x（0）W^0*4+x（1）W^0*4+x（2）W^0*4+x（3）W^0*4X（1）=x（0）W^0*4+x（1）W^1*4+x（2）W^2*4+x（3）W^3*4X（2）=x（0）W^0*4+x（1）W^2*4+x（2）W^4*4+x（3）W^6*4X（3）=x（0）W^0*4+x（1）W^3*4+x（2）W^6*4+x（3）W^9*4从上式可以看出,要求4点的DFT,需要16次的复数乘法运算,12次复数乘法运算算。由此类推，要求出N点的DFT，需要N^2次复数乘法运

8、算，N*(N-1)次复数加法运算。当N值较大时，要完成的复数乘法运算和复数加法运算得次数都非常多，无论是用通用计算机还是用DSP芯片，都需要消耗大量的时间，不适合于对实时处理要求高的场合。为了能实时处理DFT,要想减少DFT的运算量可33课程设计说明书以有两个途径：第一是降N，N的值减小了，运算量就减少了；第二是利用旋转因子的周期性和对称性，可约性。利用这两个途径实现DFT的快速傅里叶