数字信号处理在wav信号研究方面应用.docVIP

数字信号处理在wav信号研究方面应用 　　【摘 要】随着信息学科和计算机学科的飞速发展，数字信号处理的重要性日益显著。本文将详细介绍数字信号处理技术在信号分析方面的实际应用，同时文中给出了MATLAB仿真程序和结果分析，便于读者进一步认识数字信号处理技术的应用。 【关键词】数字信号处理；wav信号；傅里叶变换 随着信息技术的飞速发展，数字信号处理理论和技术日益成熟，在各个领域都得到了广泛的应用。本文将通过分析计算机中的wav文件来讨论数字信号处理中的信号分析方法。 1 wav文件的一次性傅里叶变换 我们选择一个wav文件作为分析的对象，先选择一个简单的wav文件。这里选择的是每个windows系统都有的ding.wav，一个比较单纯的声音“叮……”。 1.1 声波主要频率的分析 首先执行下面的语句： [w，fs，bits]=wavread（’c：＼windows＼media＼ding.wav’）； sound（w，fs，bits）； y=w（：，1）；size（y）； plot（w（：，1））； figure； Y=fft（y，32768）； plot（abs（Y））；grid； [m.k]=max（abs（y）） 该信号的时域波形如图1所示，有size（y）语句可以得到结果为20191，即需要处理的数据量很大，所以对其进行FFT分析所需要的点数为32768。求出频谱最大值及其对应的位置为m=490.3636，k=1171。显示的频域幅值如图2所示，从图中可以看出它是以x=32768/2对称的，而且除了1171一点之外，在坐标4000～5000之间还有一个峰值。此外，由我们在“离散傅里叶变换”学习的相关知识，可以得到这两个峰值所代表的频率是，所以接着运行以下语句： [m2，k2]=max（abs（Y（4000：5000）））； N=32768； f1=k*fs/N； f2=（4000+k2）*fs/N 得结果m2=22.6522，k2=717。还求出第一个峰值所代表的频率为f1=787.9807，即787Hz；第二个峰值所代表的频率为f2=（4000+717）/72768*fs，即为3174Hz。这样就完成了对该声波主要频率的分析。 图1 信号的时域波形 图2 信号频域的幅值 1.2 信号声音的重构 分析知道了该声波的频谱，接下来就可以得到它的时域值。当然可以使用傅立叶反变换，但在本例中将利用刚才分析的两个主要的频率成分来重构，执行下面的语句： t=0：1/fs：1； w1=[sin（2*pi*787*t）*1+sin（2*pi*3174*t）*（22/490）]*0.18； sound（w1，fs，bits） 由于没有考虑相位和其他的频谱分量，所以波形和原来的波形相差较大，但大体的频谱是没有错的，通过听一下重构的声波，可以证实这一点。 2 wav文件的分段傅里叶分析 前面介绍了对wav文件直接进行一次性傅里叶变换的分析，但存在两个问题：第一，对分析的wav文件直接一次性做FFT，点数太大，而实际运用中DSP的FFT的点数是有限的，一般只能达到千点；第二，语音是分音节的，应该对它分段分析，所以下面引入分段处理数据，并连接每个段的频域结果。仍以前面讨论的“ding.wav”为例，进行分段傅里叶分析。 首先我们通过执行以下语句来显示wav文件的时域波形： [w，fs，bits]=wavread（’c：＼windows＼media＼ding.wav’）； plot（w（：，1）） 结果是显示的波形与图1一样。 接下来我们作1024点的分段FFT，通过执行以下语句来实现： u=w（：，1）； length（u）/1024 z=zeros（20，1024） for i=1：19； z（i，：）=（fft（u（1024*（i-1）+1：1024*i），1024））’； end； z（20，：）=（fft（u（1024*19+1：length（u）），1024））’； mesh（abs（z）’）；figure； mesh（abs（z（：，1：200））’） （a）频域幅值变化图 （b）频域幅值变化细节图 图3 分段后频域幅值变化图 运行结果如图3所示。x坐标表示段数，y坐标表示每段的点数，z坐标表示幅值大小。图3（a）每段1024点的频域幅值变化情况，可以看出它是以y=1024/2=512为对称的。为了更清楚地看到频域幅值变化的细节情况，图3（b）给出了每段200个点的