山东建筑大学语音信号处理实验四实验报告详解.docVIP

实验四 研究 一、实验目的 本实验要求掌握的原理，会利用已学的相关语音特征，构建语音特征矢量，然后自己设计程序，能语音，分析，写出报告。 二、实验原理 、和分别代表语音、噪声和带噪语音，、和分别表示其短时谱。假设噪声是与语音不相关的加性噪声。于是得到信号的加性模型： (4-1) 对功率谱有 (4-4) 原始语音的估值为 (4-5) 只要在频域用(4-5)式得到纯净语音的谱估计，就可以根据(4-6)式得到增强后的语音。 (4-6) 根据前面分析，我们可以给出谱相减算法的整个算法流程，如图4-1所示： 图4-1 谱减法的算法流程 三、实验程序及结果分析 1、不同强度的噪声与纯净信号叠加后的带噪信号及它们的频谱比较 %在噪声环境下语音信号的增强 %语音信号为读入的声音文件 %噪声为正态随机噪声 clear; input=wavread(H:\sound\b1.wav); count=length(input); noise1=0.1*randn(1,count); signal=input; for i=1:count voice1(i)=signal(i)+noise1(i); end noise2=0.01*randn(1,count); for i=1:count voice2(i)=signal(i)+noise2(i); end noise3=randn(1,count); signal=input; for i=1:count voice3(i)=signal(i)+noise3(i); end n=1:count; figure %对比纯净语音信号，噪音信号和带噪语音信号 subplot(3,1,1); plot(n,signal); title(纯净信号) subplot(3,1,2); plot(n,noise1); title(噪音信号) subplot(3,1,3); plot(n,voice1); title(带噪信号) figure %对比纯净语音信号频谱，噪音信号和带噪信号频谱 Fss=fft(signal); subplot(3,1,1); plot(n,abs(Fss)); title(纯净信号频谱) Fss1=fft(noise1); subplot(3,1,2); plot(n,abs(Fss1)); title(噪音信号频谱) Fv1=fft(voice1); subplot(3,1,3) plot(n,abs(Fv1)); title(带噪信号的频谱) figure %对比纯净语音信号，噪音信号和带噪语音信号 subplot(3,1,1); plot(n,signal); title(纯净信号) subplot(3,1,2); plot(n,noise2); title(噪音信号) subplot(3,1,3); plot(n,voice2); title(带噪信号) figure %对比纯净语音信号频谱，噪音信号和带噪信号频谱 Fss=fft(signal); subplot(3,1,1); plot(n,abs(Fss)); title(纯净信号频谱) Fss2=fft(noise2); subplot(3,1,2); plot(n,abs(Fss2)); title(噪音信号频谱) Fv2=fft(voice2); subplot(3,1,3) plot(n,abs(Fv2)); title(带噪信号的频谱) figure %对比纯净语音信号，噪音信号和带噪语音信号 subplot(3,1,1); plot(n,signal); title(纯净信号) subplot(3,1,2); plot(n,noise3); title(噪音信号) subplot(3,1,3); plot(n,voice3); title(带噪信号) figure %对比纯净语音信号频谱，噪音信号和带噪信号频谱 Fss=fft(signal); subplot(3,1,1); plot(n,abs(Fss)); title(纯净信号频谱) Fss3=fft(noise3); subplot(3,1,2); plot(n,abs(Fss3)); title(噪音信号频谱) Fv3=fft(voice3); subplot(3,1,3) plot(n,abs(Fv3)); title(带噪信号的频谱) noise1=0.1*randn(1,count); （2）noise2=0.01*randn(1,count); （3）noise3=randn(1,count); 分析以上三种情况可知，不同强度的噪声叠加到纯净信号上时，对纯净信号的干扰