随机实验二.docVIP

实验二 随机信号处理的工程编程实现 一、实验目的 1、进一步熟悉MATLAB GUI 的使用。 2、熟悉实验各个部分的基本原理。 3、掌握有关数字语音编码基本模块的程序的编写。 4、学会对处理结果进行对比分析。 二、实验内容 基于matlab的，中值滤波，线性预测，倒谱分析，短时能量的分析。 1、中值滤波: 用滑动窗口从数据序列中选出一段数据，用这段数据的中间值来代替这段数据，窗口滑动，得出个个中值作为滤波结果。 中值滤波定义为： 2、线性预测：利用语音信号之间的相关性，用过去的取样值来预测现在或未来的取样值，即用过去若干个语音信号的取样值的线性组合逼近一个语音信号的取样值。利用lpc对语音进行短时相关性和相邻基音周期之间的长时相关性的去相关处理后，得到的是预测残差信号。也反应出了原始信号的频率的变化。 线性预测系数 3、短时傅立叶分析 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，对离散傅立叶变换的算法进行改进获得的。一种信号的傅里叶变换谱经对数运算后再进行的傅里叶反变换。 5、短时能量：一段语音信号的能量为短时能量，定义n时刻信号x(n)的短时能量E(n)为 可以解释成:先计算原始信号序列x（m）的每个样本的平方，再通过冲激响应w（n-m）En反映语音振幅或能量随时间缓慢变化的规律。窗函数或滤波器的函数形式和宽度对能量序列影响很大。选择合适的窗函数或滤波器的冲激响应函数和它们的宽度。 6、方差 方差公式为： 方差分析的假定条件为： 　　（1）各处理条件下的样本是随机的。 　　（2）各处理条件下的样本是相互独立的，否则可能出现无法解析的输出结果。 　　（3）各处理条件下的样本分别来自正态分布总体，否则使用非参数分析。 （4）各处理条件下的样本方差相同，即具有齐效性。方差的几个重要性质（设一下各个方差均存在）。 （1）设c是常数，则D(c)=0。 （2）设X是随机变量，c是常数，则有D(cX)=(c^2)D(X)。 （3）设X，Y是两个相互独立的随机变量，则D(X+Y)=D(X)+D(Y)。 （4）D(X)=0的充分必要条件是X以概率为1取常数值c，即P{X=c}=1，其中E(X)=在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和。换句话说，期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。）均值 三、实验结果及分析 (1)中值滤波 上图可知：是对原始语音信号的中值滤波，总体来看，n=20和n=30时对原始信号的中值滤波，由图比较可知n=30比n=20的滤波效果更明显。具体的来看，选择1-1000的语音频率段进行分析，我们可以得到通过中值滤波我们可以使原始语音信号出现峰值的部分进行相对的平滑，使原本很陡的信号变得很平缓。因此我们在中值滤波函数中的n值越大对原始语音信号的平滑效果越好。 （2）线性预测 分析：对上图进行线性预测估计，我们运用lpc进行线性预测估计后对原始语音信号进行了相对的平滑，没有很明显的过大的峰值。 （3）巴特沃斯滤波 图中蓝色线的为原始信号,红色的为通过IIR滤波后的波形,而绿色为FIR滤波后的波形,在图中可明显的看出IIR滤波不平滑,幅度波动比较大，而FIR滤波相对平滑. （4）短时能量 从图中可看出矩形窗比Hamming窗的平滑效果显著，这是因为矩形窗的主瓣比Hamming窗的主瓣窄。blackman对两种窗来说，随着窗宽的增加，平滑效果越显著。 （5）短时平均幅度 图中蓝色线的为原始信号,红色的为通过矩形窗的短时平均幅度,而绿色为hamming窗的,有图可明显得出矩形窗在波谷地方不平滑,而hamming窗相对平滑。 （6）方差 （7）均值 四、实验心得 在平时的学习中没有怎么认真学过matlab软件，以前在做信号与系统实验的时候用过这个软件，那时只晓得把老师给的程序拷进去运行，整个实验就算做完了，根本不晓得各条指令的意思，也不知道可以把多个图形建在一个GUI里，通过这个实验的学习，感觉matlab软件好神奇，原来这里面的功能还这么多，明白了只有通过实践才能把知识记牢，也才明白怎么把理论知识运用到实践中去。