山东建筑大学语音信号处理实验四实验报告.doc
文本预览下载声明
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
显示全部