数字信号处理实验报告(7).pdf

《数字信号处理实验报告(7).pdf》由会员分享，可在线阅读，更多相关《数字信号处理实验报告(7).pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、.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,

2、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_

3、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=

4、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,aud

5、io_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

6、_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);xla

7、bel(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

8、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。