成都理工大学2012届本科毕业设计（论文）
返回一个每次都变化的数量。
下面一段程序实现了利用randn函数把一段随机噪音信号加入原始语音信号的信号处理过程：见附录6
语句 L=length(y) noise=0.1*randn(L,2) y_z=y+noise;sound(y_z,fs) 加噪后语音信号的时域波形、频谱图（图4—7）
图4-7 加噪语音信号时域波形和频谱图
通过对两张图片的对比，很明显可以看加噪后的语音信号时域波形比原始语音信号浑浊了许多，在时间轴上可以明显看出0—0.5S的幅值增大了；通过对原始语音信号的频谱图与加噪后的语音信号频谱图的对比，也可以看出在频率5000Hz以后的频率幅值发生了明显的增加。
再通过对原始语音信号的回放效果与加噪后的语音信号回放的效果的对比，人耳可以明显辨别出两种语音信号不一样了，加噪后的语音信号在听觉上比原始语音信号要浑浊很多，而且还有吱吱嘎嘎的混杂音。
23
成都理工大学2012届本科毕业设计（论文）
4.4 去噪及仿真
（1）FIR滤波器法去噪
通过对上一节中加噪语音信号和原始语音信号频谱图对比可以知道，噪音大部分是Hz大于5000的部分，故设计低通滤波器进行滤波处理。接下来我们要用设计的FIR低通滤波器对上一节中加噪语音信号进行滤波处理。
用自己设计的FIR数字低通滤波器对加噪的语音信号进行滤波时，在Matlab中，FIR滤波器利用函数fftfilt对信号进行滤波。函数fftfilt用的是重叠相加法实现线性卷积的计算。调用格式为：y=fftfilter(h,x,M)。其中，h是系统单位冲击响应向量；x是输入序列向量；y是系统的输出序列向量；M是有用户选择的输入序列的分段长度，缺省时，默认的输入向量的重长度M=512。
用设计好的FIR数字低通滤波器对加噪语音信号的滤波程序：见附录7 得到的图像如下：（图4—8）
图4-8 FIR滤波前和滤波后波形及频谱
分析：从以上四图可以很明显和直观的看出原始语音信号和加噪语音信号时域波形和频谱图的区别。加噪后的语音信号的时域波形比原始语音信号要模糊得多，频谱图则是在频率5000Hz以后出现了明显的变化。
24
成都理工大学2012届本科毕业设计（论文）
再通过滤波前的信号波形和频谱图的对比，可以明显看出滤波后的波形开始变得清晰了，有点接近原始信号的波形图了。滤波后信号的频谱图也在5000Hz以后开始逐渐接近原始语音信号的频谱图。
再从对语音信号的回放，人耳可以明显辨别出加噪后的语音信号比较浑浊，还有很明显嘎吱嘎吱的杂音在里面。滤波后，语音信号较加噪后的信号有了明显的改善，基本可以听清楚了，而且杂音也没有那么强烈，但是声音依然没有原始语音信号那么清晰脆耳。 （2）IIR滤波器法去噪
同样，也设计一个IIR低通滤波器对加噪语音信号进行内部处理。程序见附录8 得到下面的图形：如（图4-9）
图4-9 IIR滤波前和滤波后波形及频谱
4.5 结合去噪后的频谱图对比两种方式滤波的优缺点
IIR数字滤波器采用递归型结构，即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成，可以组合成直接型、正准型、级联型、并联型四种结构形式，都具有反馈回路。由于运算中的舍入处理，使误差不断累积，有时会产生微弱的寄生振荡。
25
成都理工大学2012届本科毕业设计（论文）
（1）IIR数字滤波器的相位特性不好控制，对相位要求较高时，需加相位校准网络。FIR滤波器则要求较低。
（2）IIR滤波器运算误差大，有可能出现极限环振荡，FIR相比之下运算误差较小，不会出现极限环振荡。
（3）IIR幅频特性精度很高，不是线性相位的，可以应用于对相位信息不敏感的音频信号上；
（4）与FIR滤波器的设计不同，IIR滤波器设计时的阶数不是由设计者指定，而是根据设计者输入的各个滤波器参数（截止频率、通带滤纹、阻带衰减等），由软件设计出满足这些参数的最低滤波器阶数。在MATLAB下设计不同类型IIR滤波器均有与之对应的函数用于阶数的选择。
（5）IIR单位响应为无限脉冲序列FIR单位响应为有限的
（6）FIR幅频特性精度较之于iir低，但是线性相位，就是不同频率分量的信号经过FIR滤波器后他们的时间差不变。这是很好的性质。
（7）IIR滤波器有噪声反馈，而且噪声较大，FIR滤波器噪声较小。
FIR幅频特性精度较之于iir低，但是线性相位，就是不同频率分量的信号经过FIR滤波器后他们的时间差不变。这是很好的性质。
26
成都理工大学2012届本科毕业设计（论文）
总结
语音信号处理是语音学与数字信号处理技术相结合的交叉学科，课题在这里不讨论语音学，而是将语音当做一种特殊的信号，即一种“复杂向量”来看待。也就是说，课题更多的还是体现了数字信号处理技术。
从课题的中心来看，课题“在MATLAB平台上实现对语音信号的去噪研究和仿真”是希望将数字信号处理技术应用于某一实际领域，这里就是指对语音及加噪处理。作为存储于计算机中的语音信号，其本身就是离散化了的向量，我们只需将这些离散的量提取出来，就可以对其进行处理了。这一过程的实现，用到了处理数字信号的强有力工具MATLAB。通过MATLAB里几个命令函数的调用，很轻易的在实际语音与数字信号的理论之间搭了一座桥。
课题的特色在于它将语音信号看作一个向量，于是就把语音数字化了。那么，就可以完全利用数字信号处理的知识来解决语音及加噪处理问题。我们可以像给一般信号做频谱分析一样，来对语音信号做频谱分析，也可以较容易的用数字滤波器来对语音进行滤波处理。通过比较加噪前后，语音的频谱和语音回放，能明显的感觉到加入噪声后回放的声音与原始的语音信号有很大的不同,前者随较尖锐的干扰啸叫声。从含噪语音信号的频谱图中可以看出含噪声的语音信号频谱,在整个频域范围内分是布均匀。其实，这正是干扰所造成的。通过滤波前后的对比，低通滤波后效果最好，高通滤波后的效果最差。由此可见，语音信号主要分布在低频段，而噪声主要分布在高频段。
27