利用维纳滤波恢复含噪声的语音信号毕业设计答辩精品.pptVIP

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： 提出问题背景 01 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 选择合适的滤波器 02 2.1 选择合适滤波器 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 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 维纳滤波只适用于平稳随机过程 维纳滤波器的Matlab仿真 03 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 维纳滤波器的Matlab仿真 3 滤波效果 01 原始信号 02 恢复信号 总结 04 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