利用维纳滤波恢复含噪声语音信号毕业设计答辩.pptxVIP

医学信号处理课程八组·汇报展示《利用维纳滤波恢复含噪声的语音信号》报告人：报告人：报告人：报告人：报告人：01提出问题背景1.1 问题背景语音信号：谈话内容噪声：背景音乐观测：掺杂着音乐的谈话内容1.2 研究问题分析声音信号为平稳随机信号从混杂背景音乐的声音中提取组员谈话信号寻找一种最佳线性滤波器02选择合适的滤波器2.1 选择合适滤波器最佳线性滤波器信号和干扰同时输入该滤波器输出端能将信号尽可能精确地表现出来维纳滤波和卡尔曼滤波就是用来解决这样一类问题的方法：从噪声中提取出有用的信号。维纳滤波：最佳线性滤波器卡尔曼滤波：线性最优滤波器2.2 维纳滤波思想：我们希望输出得到的信号与有用信号s(n)尽量接近，因此称为s(n)的估计值，用s^(n)来表示，我们就有了维纳滤波器的系统框图，如图所示这个系统的单位脉冲响应也称为对于s(n)的一种估计器。维纳滤波器的输入输出关系2.2 维纳滤波维纳滤波只适用于平稳随机过程要求已知信号与噪声的相关函数在最小均方误差准则下寻求滤波器的单位脉冲响应h(n)或传递函数的表达式其实质就是解维纳－霍夫（Wiener－Hopf）方程03维纳滤波器的Matlab仿真3 维纳滤波器的Matlab仿真MATLAB程序clear;load(456,Fs,a);p=audioplayer(a,Fs);play(p);subplot(2,1,1);plot(a);title(原始信号)Py=fftn(a);subplot(2,1,2);plot(abs(Py));title(原始信号频谱) %原始信号时域图、频域图及信号的播放pause(5);3 维纳滤波器的Matlab仿真N=length(a);load(weina.mat)noise=y(1:size(a,1),:);z=noise+a;q=audioplayer(z,Fs);play(q);figure();subplot(2,1,1);plot(z);title(观测信号)Pz=fftn(z);subplot(2,1,2);plot(abs(Pz));title(观测信号的频谱) %观测信号时域图、频域图及信号的播放3 维纳滤波器的Matlab仿真Rz=xcorr(z);Gz=fft(Rz,N); Rsz=xcorr(z,a);Gsz=fft(Rsz,N);H=Gsz./Gz; %维纳滤波器的传递函数S=H.*Py;figure();subplot(2,1,1);plot(abs(S));title(恢复出的信号频谱);ss=real(ifft(S)); %原始信号的估计ss=ss(1:N); subplot(2,1,2);plot(ss);title(恢复出的原始信号);3 维纳滤波器的Matlab仿真3 滤波效果01原始信号02恢复信号04总结4 总结维纳滤波器可以较好地实现从噪声中提取有用信号的功能随着噪声强度的增大，滤波效果变差频域法实现维纳滤波感谢聆听THANK YOU八组·汇报展示报告人：5 分工附录：PPT制作、展示、资料文献、程序辅助：主要程序、资料文献、展示、PPT辅助：报告撰写、资料文献、展示、程序辅助：报告撰写、资料文献、展示、程序辅助：报告撰写、资料文献、展示