1、實施報告 題 目： 用MATLAB去除音頻中的噪音 學(xué) 號： 姓 名： 任課教師： 聯(lián)系方式： 2014年 2月 5 日 第一部分 理論自學(xué)內(nèi)容闡述5.5系統(tǒng)的物理可實現(xiàn)性、佩利-維納準(zhǔn)則對于理想低通濾波器而言，在物理上是不可能實現(xiàn)的，但是我們能設(shè)計出接近理想特性的濾波器。雖然理想低通濾波器在實際中是不能實現(xiàn)的，但是我們希望找到一種區(qū)分可實現(xiàn)性與不可實現(xiàn)性的標(biāo)準(zhǔn)，這就是佩利-維納（Paley-Wiener）準(zhǔn)則。由佩利-維納準(zhǔn)則給出了，一個網(wǎng)絡(luò)幅度函數(shù)物理可實現(xiàn)的必要條件，但絕非充要條件。 物理可實現(xiàn)性在文獻中有不同定義方法，這里采用最低限度的定義把物理可實現(xiàn)性系統(tǒng)和不可實現(xiàn)系統(tǒng)區(qū)分開來。我們

2、可以直觀地看到，一個物理可實現(xiàn)系統(tǒng)在激勵加入之前是不可能有響應(yīng)輸出的，這稱為因果條件。這個條件在時域里的表述為：物理可實現(xiàn)系統(tǒng)的單位沖激響應(yīng)必須是有起因的，即。從頻域來看，如果幅度函數(shù)滿足平方可積條件，即，佩利和維納證明了對于幅度函數(shù)物理可實現(xiàn)的必要條件是，它被稱為佩利-維納準(zhǔn)則。關(guān)于這個準(zhǔn)則的推導(dǎo)及更詳細(xì)的內(nèi)容，與本課程的聯(lián)系不緊，在此我們只討論由這個準(zhǔn)則得到的一些推論。1.幅度函數(shù)在某些離散頻率處可以是零，但在一個有限頻帶內(nèi)不能為零。這是因為，若在某個頻帶內(nèi)都有，則，從而不能滿足為佩利-維納準(zhǔn)則，系統(tǒng)是非因果的。2.幅度特性不能有過大的總衰減。由佩利-維納準(zhǔn)則可以看出，幅度函數(shù)不能比指數(shù)函

3、數(shù)衰減的還要快，即是允許的，而是不可實現(xiàn)的。3.盡管理想濾波器是不能實現(xiàn)的，但是我們可以任意逼近其特性。因此有關(guān)理想濾波器的研究是有意義的。在實際電路中，不能實現(xiàn)理想低通濾波器的矩形振幅特性，我們只能近似得到，但所需要的電路元件隨著逼近程度的增加而增多的。一個精確的近似，在理論上需要無限多個元件，于是濾波器的相移常數(shù)變?yōu)闊o限大，從而輸出脈沖的振幅出現(xiàn)在無限延時以后，所以響應(yīng)曲線的振蕩衰減部分不會在以前出現(xiàn)。我們注意到，佩利-維納準(zhǔn)則只是就幅度函數(shù)特性提出了系統(tǒng)可實現(xiàn)性的必要要求，而沒有給出相位方面的要求。如果一個系統(tǒng)滿足這個準(zhǔn)則，對應(yīng)于一個因果系統(tǒng)，此時我們把系統(tǒng)的沖激響應(yīng)沿著時間軸向左平移到

4、以前，那么，雖然系統(tǒng)的幅度特性滿足了佩利-維納準(zhǔn)則，但是它顯然是一個非因果系統(tǒng)。所以說，佩利-維納準(zhǔn)則只是系統(tǒng)物理可實現(xiàn)性的必要條件，當(dāng)我們驗證了幅度函數(shù)滿足此條件以后，可以利用希爾伯特變換找到合適的相位函數(shù)，從而構(gòu)成一個物理可實現(xiàn)的系統(tǒng)函數(shù)。該準(zhǔn)則講述了幅度對其判斷的影響，但相位實際也是影響它的條件之一，如果將一個因果系統(tǒng)，保持幅度不變的情況下，向左移?？梢娤辔坏母淖冏屧撓到y(tǒng)變成了非因果系統(tǒng)，同樣，物理上是不允許的。5.7 調(diào)制與解調(diào) 調(diào)制與解調(diào)應(yīng)用于廣泛的通信系統(tǒng)當(dāng)中，出現(xiàn)該技術(shù)的原因：在測控系統(tǒng)中，進入測控電路的除了傳感器輸出的測量信號外，還往往有各種噪聲。而傳感器的輸出信號一般又很微弱

5、，將測量信號從含有噪聲的信號中分離出來是測控電路的一項重要任務(wù)。為了便于區(qū)別信號與噪聲，往往給測量信號賦予一定特征，這就是調(diào)制的主要功用在信號調(diào)制中常以一個高頻正弦信號作為載波信號。一個正弦信號有幅值、頻率、相位三個參數(shù)，可以對這三個參數(shù)進行調(diào)制，分別稱為調(diào)幅、調(diào)頻和調(diào)相。也可以用脈沖信號作載波信號?？梢詫γ}沖信號的不同特征參數(shù)作調(diào)制，最常用的是對脈沖的寬度進行調(diào)制，稱為脈沖調(diào)寬。 信號的發(fā)送是需要滿足一定的條件，才能遠(yuǎn)距離的傳輸，影響該因素的正是天線的尺寸于信號波長的關(guān)系，（大于等于波長的10分之1）可見，對于低頻的信號，相同的傳播速度，它的波長越大，所以調(diào)制可以將該信號的頻率搬移到較高頻率

6、，從而波長減小，天線的尺寸也得到改善。 調(diào)制的原因如書上所述：假設(shè)一個復(fù)雜的語音信號用乘法器于cos（t）相乘，由傅立葉變換性質(zhì)，易得原信號的頻譜左右進行了搬移。那么該信號通過天線發(fā)射，就能被接收端收到，同理，需要進行對信號解調(diào)，否則無法真實的還原人的語音信號，只要再乘以cos（t）即可。頻譜又進行了左右搬移，再加個低通濾波器以及必要時的放大器，就能實現(xiàn)對高頻的濾波和對原始信號的放大，從而達到了語音信號的傳輸。不過信號的傳輸并非只有語音，還有諸多其他信號。而且，調(diào)制并非只有上述這種方法，但不管哪種方法，其本質(zhì)都是要進行對原信號頻譜的搬移，這是調(diào)制的必要條件。 第二部分 案例或課題陳述及實現(xiàn)方案

7、【設(shè)計原因】根據(jù)信號報告要求，我一開始想到的是編寫一段代碼，通過錄音識別人的音色，將其保存。結(jié)合手機對話功能，對所問問題用保存好的音色進行回答。如：孩子到異地上學(xué)或打工前用手機保存自己的音色。孩子離開后，父母可以打開軟件與手機對話，手機回答的音色為孩子的聲音。這個設(shè)計我覺得還算不錯，但是所學(xué)的信號知識實在有限，最后決定設(shè)計“用Matlab去除音頻中的噪音”的方案，這個比較簡單，比較適合初學(xué)者?！驹O(shè)計思路】濾波器是一種用來消除干擾雜訊的器件，將輸入或輸出經(jīng)過過濾而得到純凈的交流電。采用MATLAB設(shè)計濾波器，使原來非常繁瑣復(fù)雜的程序設(shè)計變成了簡單的函數(shù)調(diào)用，為濾波器的設(shè)和實現(xiàn)開辟了廣闊的天地，尤

8、其是Matlab工具箱使各個領(lǐng)域的研究人員可以直觀方便地進行科學(xué)研究與工程應(yīng)用。MATLAB信號處理工具箱為濾波器設(shè)計及分析提供了非常優(yōu)秀的輔助設(shè)計工具,在設(shè)計數(shù)字濾波器時,善于應(yīng)用MATLAB進行輔助設(shè)計,能夠大大提高設(shè)計效率。我們都知道，語音信號經(jīng)過調(diào)制在大自然中傳播，必然會夾雜著噪聲一起傳過來，那么我們該如何設(shè)計電路，從而達到對語音信號的提取，濾除噪音信號呢。根據(jù)資料顯示，人類的發(fā)生頻率范圍在300hz-3400hz不等，因此，對于語音信號的提取，我們可以用濾波器來實現(xiàn)。 為了更好的理解語音信號在時域和變換域處理前和處理后的變化情況，我首先用Audition 1.5得到.wav格式的音頻

9、。其次，由matlab自帶的繪圖工具畫出相應(yīng)的時域波形以及經(jīng)過傅立葉變換后的頻譜圖。根據(jù)頻譜圖上人的語音信號的頻率范圍和噪聲的頻率范圍，設(shè)計出低通濾波器，對含噪信號進行濾波處理，消除噪聲，并通過指令sound（）聽處理結(jié)果的聲音，確定是否消除或部分抑制了噪聲。【實驗方案】1、語音信號采集得到一段語音文件，可以是原有的或是現(xiàn)場錄制（為便于比較，需要在安靜、干擾小的環(huán)境下錄音），用audition軟件將其改為.wav格式的音頻。2、語音信號分析使用MATLAB繪出采樣后的語音信號的時域波形和頻譜圖。3、含噪語音信號合成在MATLAB軟件平臺下，給原始的語音信號疊加上噪聲，繪出疊加噪聲后的語音信號時

10、域和頻譜圖，與原始語音信號圖形對比，分析含噪語音信號頻譜和時域波形的改變。4、數(shù)字濾波器設(shè)計及濾波,根據(jù)設(shè)計思路，結(jié)合matlab顯示頻譜圖等設(shè)計合理的濾波器，并用濾波器對含噪語音信號分別進行濾波處理。5、回放語音信號對濾波后的語音信號進行回放，感覺濾波前后語音信號的變化。第三部分 例或課題成果闡述及代碼我上網(wǎng)查閱資料得知Matlab能識別.wav和.au格式的音頻文件，所以在我先將mp3格式的文件用audition改成wav格式文件。這段音頻的內(nèi)容是詩朗誦，關(guān)于毛澤東沁園春中的“俱往矣，數(shù)風(fēng)流人物，還看今朝。為方便教師驗證代碼，報告準(zhǔn)備了兩份代碼，一份沒有注釋，方便直接驗證，另一份代碼后有注

11、釋，便于理解代碼編寫思路?！就暾a如下】x,fs,nbit=wavread(jw.wav) sound(x,fs); N=length(x); t=(0:N-1)/fs; w=fs*linspace(0,1,N); y=abs(fft(x,N); figure(1) subplot(2,1,1) plot(x); title(原始語音信號時域圖) subplot(2,1,2) plot(w,abs(y); title(原始語音信號頻譜圖) t=linspace(0,(N-1)/fs,N); x1=0.5*sin(2*pi*10000*t); x1=x(:,1)+x1; sound(x1,fs

12、); figure(2) y1=abs(fft(x1,N); subplot(2,1,1); plot(t,x1); title(加入噪聲后語音信號時域圖) subplot(2,1,2); plot(w,y1); axis(0,fs,0,20000); title(加入噪聲后語音信號頻譜圖) fc=9200; fst=9600; rp=1; rs=30; wp=fc*2/fs; ws=fst*2/fs; n,wn=buttord(wp,ws,rp,rs); b,a=butter(n,wn,low); figure(3); freqz(b,a); title(濾波器特性曲線); x2=filte

13、r(b,a,x1); figure(4); y2=abs(fft(x2,N); subplot(211) plot(t,x2); title(濾波后語音信號時域圖); subplot(212); plot(w,y2); title(濾波后語音信號頻譜圖) sound(x2,fs);【完整代碼注釋如下】x,fs,nbit=wavread(jw.wav) /用于讀取jw.wav，采樣值放在了向量x當(dāng)中，fs表示采樣頻率，nbit表示采樣位數(shù) sound(x,fs); /播放原語音信號 N=length(x); /求出語音信號的長度 t=(0:N-1)/fs; / 語音信號的長度除以采樣頻率 w=f

14、s*linspace(0,1,N); y=abs(fft(x,N); figure(1) /設(shè)計第一個圖 subplot(2,1,1) plot(x); title(原始語音信號時域圖) /畫出原始信號時域圖 subplot(2,1,2) plot(w,abs(y); title(原始語音信號頻譜圖) / 畫出原始信號頻譜圖 t=linspace(0,(N-1)/fs,N); x1=0.5*sin(2*pi*10000*t); x1=x(:,1)+x1; /加入人為的噪聲，表現(xiàn)為滴鳴聲 sound(x1,fs); /播放噪音和原始語音信號的混聲 figure(2) /設(shè)計第二個圖y1=abs(

15、fft(x1,N); subplot(2,1,1); plot(t,x1); title(加入噪聲后語音信號時域圖) subplot(2,1,2); plot(w,y1); axis(0,fs,0,20000); title(加入噪聲后語音信號頻譜圖) /畫出加入噪音混聲的時域圖和頻譜圖由兩張圖對比發(fā)現(xiàn)，加入噪音后，頻譜圖，在高頻分量當(dāng)中出現(xiàn)了明顯的幅值，很明顯這是人為加入噪聲之后，頻譜有明顯的變化，接下來我們要濾除噪音。程序如下所示： fc=9200; fst=9600; rp=1; rs=30; wp=fc*2/fs; /將模擬指標(biāo)轉(zhuǎn)換為數(shù)字指標(biāo) ws=fst*2/fs; n,wn=buttord(wp,ws,rp,rs); /濾波器的最小階數(shù)為n，wn為系統(tǒng)頻帶 b,a=butter(n,wn,low); figure(3); freqz(b,a); title(濾波器特性曲線); x2=filter(b,a,x1); /x1信號通過了濾波器的處理后的信號x2 figure(4); y2=abs(fft(x2,N); subplot(211) plot(t,x2); title(濾波后語音信號時域圖); subplot(212); plot(w,y2); title(濾波后語音信號頻譜圖) /畫出濾波后信號的時域和頻譜圖 sound(x2,fs); /播放處理