语音信号的采集与频谱分析(附代码)

《语音信号的采集与频谱分析(附代码)》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、可编辑版《信号与系统》大作业语音信号的采集与频谱分析——基于Matlab的语音信号处理学生姓名：学号：专业班级：电子工程学院卓越班指导老师：2015年6月22日Word完美格式可编辑版摘要本设计用苹果手机自带的录音设备采集了原始语音，并导入了电脑转成wav格式，然后用MATLAB和Adobeaudition对其进行时域分析。接着利用傅里叶变换进行了频域分析，绘制频谱图，再录制一段加上歌曲的伴奏的语音与原唱进行了对比分析，得出了我与歌星在频域上的差别。本设计给信号加了两种噪声并通过观察加噪后的频谱和试听回放

2、效果比较加噪前后的差别，最后，设计了FIR数字低通滤波器和带通滤波器，分析滤波前后的频谱。再次试听回放效果，得出结论。关键词：语音、FFT、频谱图、噪声、滤波器Word完美格式可编辑版AbstractThisdesignisbasedonthegeneralfunctionofMatlabandAdobeeditiontodealwithAudiosignals.TheoriginalsignalsarecollectedbyiPhone’sbuilt-inrecordingequipment.First

3、，Icomparethefilegeneratedbymyselfwiththatofthesamesongsangbyafamoussinger.Theemphasisisgenerallylaidonanalysingthedifferenceinfrequncydomain,buttimedomainwillbeincludedtoo.Afterthat,twonoisesignalsareaddedtotheoriginalsignalrespectivelyandletthempassafilt

4、ertoanalyseit.Inthetwoprocessmentionedbefore,Imakecomparisonbetweenthebeforeandafterfrequencydomain.SamplingTheoremisthebaseofmydesign.Itisbysamplingwecangetdiscretesignalsfromtheoriginaloneanddrawtheimageintimedomain.Also,fastfouriertransformisemployed(F

5、FT)togetthesignalsinfrequencydomain.Theayalysisoffrequencydomainisthehighlightofthisdesign.Throughthisdesign,IcandeepenmycomprehensionofprinciplesofaudiosignalsandIhavelearnthowtodealwithit.Throughmetwithmuchhindrance,Iimprovedmyskillsfinally.Keywords：aud

6、iosignal、TTT、noise、filterWord完美格式可编辑版1绪论1.1课题的研究意义语音信号处理属于信息科学的一个重要分支，它是研究用数字信号处理技术对语音信号进行处理的一门新兴学科，同时又是综合性的多学科领域和涉及面很广的交叉学科，因此我们进行语言信号处理具有时代的意义。学会运用MATLAB的信号处理功能，采集语音信号，并对语音信号进行滤波及变换处理，观察其时域和频域特性，加深对信号处理理论的理解，这为今后熟练使用MATLAB进行系统的分析仿真和设计奠定基础。1.2课题的目的与要求利用M

7、atlab和Adobeaudition对语音信号进行数字信号处理和分析，要求采集语音信号后，在软件平台进行频谱分析；并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，再进行频谱分析和再播放来感受噪声滤除的效果。 2.理论依据采样频率、采样位数的概念，采样定理；时域信号的FFT分析；数字滤波器设计原理和方法，各种不同类型滤波器的性能比较。2.1.时域信号的FFT分析FFT即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立

8、叶变换的算法进行改进获得的。它利用“一分为二”的思想不断进行，点数越多，运算量的节约就越大，这就是FFT的优越性。Word完美格式可编辑版在MATLAB的信号处理工具箱中函数FFT和IFFT用于快速傅立叶变换和逆变换。函数FFT用于序列快速傅立叶变换，其调用格式为y=fft(x)，其中，x是序列，y是序列的FFT，x可以为一向量或矩阵，若x为一向量，y是x的FFT且和x相同长度；若x为一矩阵，则y是对矩阵的每一列向量进行FFT