目录
摘要 (1)
abstract (2)
1 ICA 的基本原理及特点 (3)
1.1盲分离数学模型 (3)
1.2 ICA 算法描述 (4)
1.3 FICA算法 (4)
2 FICA设计思想 (5)
3 实验仿真结果记录 (6)
3.1 仿真时域波形及频谱 (6)
3.1.1 原始信号 (6)
3.1.2 混合信号 (9)
3.1.3 分离信号 (12)
3.2 仿真所用的源程序 (15)
4 实验结果分析 (24)
5 小结与体会 (25)
6 参考文献 (26)
摘要
语音信号的盲源就是在源信号和源信号如何混合都未知的情况下,从观测到的混合信号中恢复出未知源信号。语音信号盲分离技术被成功地用在了通信、医学、图像和语音信号处理等领域。我们所要研究的混合语音信号盲分离问题就是用麦克风阵列或多个麦克风阵列来模仿人的耳朵,采集得到相互干扰的混叠语音信号,然后通过分离算法将混叠的语音信号相互分离开来,提取我们所感兴趣的信号。举个例子就是在多人同时说话的嘈杂环境下,我们能够辨识感兴趣人的说话声的能力。然后把它分辨出来。
abstract
The speech signal blind source is in the source signal and the source signal how to mix all unknown, from observations of mixed signal in recovering the unknown source signal. Blind separation technology of speech signal was successfully used in the communication, medical, image and voice signal processing, etc. We have to study mix of speech signal is blind source separation with a microphone array or more microphone array to imitate human ears, acquisition get each other interference aliasing speech signal, and then through the separation algorithm will aliasing voice signal mutual separated, extraction we are interested in signal. For example is more than in noisy environment of speak at the same time, we can identify interested in the ability of the human voice. And then take it apart.
1 ICA 的基本原理及特点
1.1 盲分离数学模型
盲信号分离是指在没有任何先验知识的条件下，仅根据源信号之间的统计独立特性和由传感器输出的观测信号，把源信号分离出来。独立分量分析正是盲信号分离的有效方法之一。
我们将该问题表述成图一所示的线性模型
图一盲信号分离的数学模
该线性模型可以用下式表示：
x = A?s..............................(公式一) u = W?x..............................(公式二) 源信号s=(s1,s2......sn)和混合矩阵A都是未知的，W为待求分离矩阵，经过分离矩阵W 的作用，最终得到分离后的输出矢量u=(u1,u2......un);观测信号x=(x1,x2.......xn)已知。盲信号分离的最终目的是为了寻找分离矩阵W，使输出信号u尽可能地逼近源信号s。
以两个信号源为例用恒等式表示：
x1(t)= h11s(t) + h12j(t).......................(公式三) x2(t)= h21s(t) + h22j(t)......................（公式四） y(t)= w1x1(t) + w2x2(t).......................（公式五）其中x1(t) ，x2 (t)表示两个未知混合信号，s(t) ，j(t)表示收集到的两个信号源，h11 ，h12，h21，h22表示混合矩阵，不同个数的信号源输入对应不同阶数的矩阵。而y(t)则表示最后解混后的声音，w1 ，w2 表示分离矩阵，我们得主要任务选取合适的分离矩阵，使得最后的输出y(t)最大限度的接近s(t) 或者j(t)，亦
1.2 ICA 算法描述
如果我们依据上面提出的模型，对分离过程和分离结果没有任何限定和约束，那么显然解并不是唯一的；而我们却希望输出尽量接近于所期望的结果。独立分量分析(ICA)为这类问题提供了新的解决思路。
ICA的基本思想是假设源信号彼此相互独立，寻找分离矩阵的目的是使输出结果的各分量尽可能地相互独立，我们可以把它看作是一个最优化问题，目标函数用来度量分离结果的独立性。
从处理技术上看，依据独立性作分解势必涉及概率密度函数和高阶统计量；而且处理过程中常常要引入非线性环节。从这一意义上看，ICA算法思想优于常用的只建立在二阶统计量上的线性处理技术。
进行ICA分解的基本原则可以简单地概括为两条：
（1）非线性去相关：求分离矩阵使其任意两输出不但本身不相关，而且经非线性变换后的分量也不相关。这里的目标函数的选择对分离效果至关重要。
（2）使输出尽可能非高斯化：在输出某分量的方差一定的条件下，将输入各分量作线性组合。优化选择各权重，使输出分量尽可能非高斯化。输出的非高斯性的每一个局部最大值即给出一个独立分量。
1.3 FICA算法
与普通 ICA 相比较而言，FICA 具有更快的收敛速度，而且还省去了选择步长常数的麻烦，迭代次数也相应减少。尤其是在处理分离复杂多变的语音信号时，优势非常明显。
FICA对观测信号x进行预处理，包括两部分:去均值化和预白化，即通过对观测信号进行线性变换，得到一个一个新的白噪声化矢量z，使其各个分量不关联。这样可以大大简化ICA算法。所以此次课程设计我采用FICA算对三路语音信号进行盲处理。
2 FICA设计思想
我们知道语音信号是非平稳的信号，但是它在团时间内是具有稳定性的，我根据根据盲信号分离原理，用matlab采集三路语音信号，分别为music.wav,dragen.wav 以及man.wav。选择合适的混合矩阵生成三路混合信号。利用盲信号分离算法中的独立成分分析ICA进行语音盲信号的分离，将源信号分别从混合信号中分离出来。按照盲分离模型FICA具体步骤如下：
（1）将三段声音文件保存为“.wav”格式，分别以列向量形式读入，记录时域波形以及频谱图。
（2）对源信号进行预处理，方差为1，均值为0，归一化处理后得到归一化频谱。（3）根据X= A?S，混合矩阵A选取二阶随机矩阵，A=rand(2),经A作用后，生成混合语音序列X。
（4）对X进行方差1，均值为0的操作，得到归一化频谱；然后进行预白化处理，得到白化后的信号。
3 实验仿真结果记录
3.1 仿真时域波形及频谱 3.1.1 原始信号
00.51 1.5
2 2.5
3 3.5
4 4.5x 10
5
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
原始语音信号man 波形
时间 n
幅值 n
图二 man.wav 原始时域波形图
00.51
1.52
2.5x 10
4
2
4
6
8
10
12
原始语音信号man 频谱
Hz
幅值
0.5
1
1.5
2 2.53
3.5
4
4.5x 10
5
-1-0.8-0.6-0.4-0.200.2
0.40.60.8
1原始语音信号dragen 波形
时间 n
幅值 n
图四 dragen.wav 原始时域波形图
0.5
1
1.5
2
2.5x 10
4
00.511.522.533.544.5
5原始语音信号dragen 频谱
Hz
幅值
0.5
1
1.5
2 2.53
3.5
4
4.5x 10
5
-0.5
-0.4-0.3-0.2-0.100.1
0.20.30.4
0.5原始语音信号music 波形
时间 n
幅值 n
图六 music.wav 原始时域波形图
00.51
1.52
2.5x 10
4
510152025
303540
45原始语音信号music 频谱
Hz
幅值
3.1.2 混合信号
00.51 1.5
2 2.5
3 3.5
4
x 10
5
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
混合语音信号man 波形
时间 n
幅值 n
图八 混合语音信号man 时域波形图
00.51
1.52
2.5x 10
4
1
2
3
4
5
6
混合语音信号man 频谱
Hz
幅值
0.51 1.5
2 2.5
3 3.5
4
x 10
5
-1.5
-1-0.50
0.5
1
混合语音信号dragen 波形
时间 n
幅值 n
图十 混合语音信号dragen 时域波形图
0.51
1.52
2.5x 10
4
010203040
50
60
70
混合语音信号dragen 频谱
Hz
幅值
图十一 混合语音信号dragen 频谱图
0.51 1.5
2 2.5
3 3.5
4
x 10
5
-1-0.500.5
1
1.5
混合语音信号music 波形
时间 n
幅值 n
图十二 混合语音信号music 时域波形图
00.51
1.52
2.5x 10
4
2
4
6
8
10
12
混合语音信号music 频谱
Hz
幅值
3.1.3 分离信号
0.51 1.5
2 2.5
3 3.5
4
x 10
5
-1-0.500.5
1
1.5
分离语音信号man 波形
时间 n
幅值 n
图十四 分离语音信号man 时域波形图
0.51
1.52
2.5x 10
4
00.20.40.60.8
1
1.2
1.4
分离语音信号man 频谱
Hz
幅值
0.51 1.5
2 2.5
3 3.5
4
x 10
5
-1.5
-1-0.50
0.5
1
分离语音信号gragen 波形
时间 n
幅值 n
图十六 分离语音信号dragen 时域波形图
00.51
1.52
2.5x 10
4
1
2
3
4
5
6
分离语音信号dragen 频谱
Hz
幅值
图十七 分离语音信号dragen 频谱图
0.51 1.5
2 2.5
3 3.5
4
x 10
5
-1.5
-1-0.50
0.5
1
分离语音信号music 波形
时间 n
幅值 n
图十八 分离语音信号music 时域波形图
00.51
1.52
2.5x 10
4
20
40
60
80
100
120
分离语音信号music 频谱
Hz
幅值
3.2 仿真所用的源程序
% data length
N = 400000;
% read data from wave file
s1= wavread('C:\Users\Administrator\Desktop\临时\37724126FastICA\Fast ICA\music.wav');
s1=s1(1:N)';
s2=wavread('C:\Users\Administrator\Desktop\临时\37724126FastICA\Fast ICA\man.wav');
s2=s2(1:N)';
s3=wavread('C:\Users\Administrator\Desktop\临时\37724126FastICA\Fast ICA\dragen.wav');
s3=s3(1:N)';
s=[s1; s2; s3];
% mix the data
A=[1 4 5
3.4 2.4 2
6 2 3.5];
x = A * s;
%recover s1, s2 & s3 from x
len = size(x, 2); % number of data samples
IC_num = size(x, 1); % number of ICs
% Center the data with 0 mean
for cnt = 1: IC_num
x(cnt, :) = x(cnt, :) - mean(x(cnt, :)')';
end
% Whiten the data
Rx = x*x'/len;
[Ux Sx] = eig(Rx); % assert that Ux*Sx*Ux'-Rx = 0
Vx = inv(Sx).^0.5*Ux'; % Vx is the whiten matrix
z = Vx * x; % z is whiten data
% assert that z*z'/len = I
% Recover ICs
w = eye(IC_num);
w_old = w;
eps = 1.0e-5;
flag = 1;
while (flag == 1)
for (cnt = 1: IC_num)
y = w(:, cnt)'*z;
Gy = -exp(-y.^2/2);
gy = y.*(-Gy);
gy1 = (1-y.^2).*(-Gy);
E1 = z*gy'/len;
E2 = mean(gy1')';
w(:, cnt) = E1-E2*w(:, cnt);
end
wt = w';
[Uw Sw] = svd(wt*wt');
wt = inv(Uw * sqrt(Sw)) * wt;
w = wt';
change=((sum(sum((abs(w'*w_old) - eye(IC_num)).^2)))/IC_num); if ( change < eps)
flag = 0;
end
w_old = w;
End
Display(w)
% Recover s
s_n = w'*z;
% Play all the music
%play Original sound 1
[x1,fs,bits]=wavread('C:\Users\Administrator\Desktop\临时\37724126FastICA\Fast ICA\man.wav'); %读取语音信号的数据，赋给变量x1
disp('press a key to hear Original sound 1');
pause;
sound(x1,fs); %播放语音信号
%Show time domain waveform figure and spectrum image 1
y1=fft(x1,1024); %对信号做1024点FFT变换
f=fs*(0:511)/1024;
figure(1)
plot(x1) %做原始语音信号的时域图形
title('原始语音信号man波形');
xlabel('时间n');
ylabel('幅值n');
figure(2)
%做原始语音信号的FFT频谱图
plot(f,abs(y1(1:512)));
title('原始语音信号man频谱')
xlabel('Hz');
ylabel('幅值');
%play Original sound 2
[x2,fs,bits]=wavread('C:\Users\Administrator\Desktop\临时\37724126FastICA\Fast ICA\dragen.wav'); %读取语音信号的数据，赋给变量x1
disp('press a key to hear Original sound 2');
pause;
sound(x2,fs); %播放语音信号
%Show time domain waveform figure and spectrum image 2
y2=fft(x2,1024); %对信号做1024点FFT变换
f=fs*(0:511)/1024;
figure(1)
plot(x2) %做原始语音信号的时域图形
title('原始语音信号dragen波形');
xlabel('时间n');
ylabel('幅值n');
figure(2)
%做原始语音信号的FFT频谱图
plot(f,abs(y2(1:512)));
title('原始语音信号dragen频谱')
xlabel('Hz');
ylabel('幅值');
%play Original sound 3
[x3,fs,bits]=wavread('C:\Users\Administrator\Desktop\临时\37724126FastICA\Fast ICA\music.wav'); %读取语音信号的数据，赋给变量x1
disp('press a key to hear Original sound 3');
pause;
sound(x3,fs); %播放语音信号
%Show time domain waveform figure and spectrum image 3
y3=fft(x3,1024); %对信号做1024点FFT变换
f=fs*(0:511)/1024;
figure(1)
plot(x3) %做原始语音信号的时域图形title('原始语音信号music波形');
xlabel('时间n');
ylabel('幅值n');
figure(2)
%做原始语音信号的FFT频谱图
plot(f,abs(y3(1:512)));
title('原始语音信号music频谱')
xlabel('Hz');
ylabel('幅值');
% Play mix sound 1
x(1,:)=x(1,:)/(max(s_n(1,:))-min(x(1,:)))*2;
disp('press a key to hear mix sound 1');
pause;
wavplay(x(1, :), 44100);
%Show time domain waveform figure and spectrum image 4
y4=fft(x(1,:),1024); %对信号做1024点FFT变换f=fs*(0:511)/1024;
figure(1)
plot(x(1,:)) %做原始语音信号的时域图形title('混合语音信号man波形');
xlabel('时间n');
ylabel('幅值n');
figure(2)
目录 摘要 (2) 第一章绪论 (3) 1.1 语音课设的意义 (3) 1.2 语音课设的目的与要求 (3) 1.3 语音课设的基本步骤 (3) 第二章设计方案论证 (5) 2.1 设计理论依据 (5) 2.1.1 采样定理 (5) 2.1.2 采样频率 (5) 2.1.3 采样位数与采样频率 (5) 2.2 语音信号的分析及处理方法 (6) 2.2.1 语音的录入与打开 (6) 2.2.2 时域信号的FFT分析 (6) 2.2.3 数字滤波器设计原理 (7) 2.2.4 数字滤波器的设计步骤 (7) 2.2.5 IIR滤波器与FIR滤波器的性能比较 (7) 第三章图形用户界面设计 (8) 3.1 图形用户界面概念 (8) 3.2 图形用户界面设计 (8) 3.3 图形用户界面模块调试 (9) 3.3.1 语音信号的读入与打开 (9) 3.3.2 语音信号的定点分析 (9) 3.3.3 N阶高通滤波器 (11) 3.3.4 N阶低通滤波器 (12) 3.3.5 2N阶带通滤波器 (13) 3.3.6 2N阶带阻滤波器 (14) 3.4 图形用户界面制作 (15) 第四章总结 (18) 附录 (19) 参考文献 (24)
摘要 数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。 数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。 数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。 数字信号处理的核心算法是离散傅立叶变换(DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。而使数字信号处理从理论走向实用的是快速傅立叶变换(FFT)，FFT的出现大大减少了DFT的运算量，使实时的数字信号处理成为可能、极大促进了该学科的发展。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple 并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。
课程设计任务书 学生：专业班级：通信1103 指导教师：许建霞工作单位：信息学院 题目: 语音信号的盲分离 初始条件：Matlab软件、PC机 要求完成的主要任务:（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求）设计任务 根据盲信号分离原理，用matlab采集两路以上的语音信号，选择合适的混合矩阵生成若干混合信号。选取合适的盲信号分离算法（如独立成分分析ICA等）进行训练学习，求出分离矩阵和分离后的语音信号。 设计要求 (1) 用matlab做出采样之后语音信号的时域和频域波形图 (2) 选择合适的混合矩阵，得到混合信号，并做出其时域波形和频谱图 (3) 采用混合声音信号进行训练学习，求出分离矩阵，编写出相应的确matlab代码。 (4) 用求出的分离矩阵从混合信号中分离出原语音信号，并画出各分离信号的时域波形和频谱图。 (5) 对结果进行对比分析。 时间安排：
指导教师签名：2014年 6 月10 日 系主任（或责任教师）签名：2014 年 6 月10 日 摘要 盲信号处理（Blind Signal Processing,BSP）是指从观测到的混合信号中，在没有任何先验条件的情况下，恢复出未知的源信号过程。盲信号分离已成为信号处理学界和通信工程学界共同感兴趣的一个极富挑战性的研究热点问题，并获得了迅速的发展。 盲分离根据信号源的不同可以分为确定信号盲分离、语音信号盲分离和图像盲分离等，本设计主要讨论语音信号的盲分离。 语音信号的盲分离主要是利用盲源分离（Blind Signal Separation,BSS）技术对麦克风检测到的一段语音信号进行处理，本文重点研究了以语音信号为背景的盲处理方法，在语音和听觉信号处理领域中，如何从混有噪声的的混叠语音信号中分离出各个语音源信号，来模仿人类的语音分离能力，成为一个重要的研究问题。根据盲信号分离原理，本设计用matlab采集3路语音信号，选择合适的混合矩阵生成若干混合信号。 具体实现主要结合独立分量分析ICA技术，选取混合矩阵对3个语音信号进行混合，并从混合信号中分离出原语音信号，最后画出各分离信号的时域波形和频谱图和原来的信号进行比较。此外还运用PCA算法进行了混合语音信号的分离实现，最终对两种算法进行比较。 关键字：盲信号处理；语音信号；盲源分离BSS；独立分量分析ICA技术
《matlab与信号系统》实验报告 学院： 学号： 姓名： 考核实验——语音信号采集与处理初步 一、课题要求 1．语音信号的采集 2．语音信号的频谱分析 3．设计数字滤波器和画出频率响应 4．用滤波器对信号进行滤波 5．比较滤波前后语音信号的波形及频谱 6．回放和存储语音信号 （第5、第6步我放到一起做了） 二、语音信号的采集 本段音频文件为胡夏演唱的“那些年”的前奏（采用Audition音频软件进行剪切，时长17秒）。运行matlab软件，在当前目录中打开原音频文件所在的位置，采用wavread函数对其进行采样，并用sound函数可进行试听，程序运行之后记下采样频率和采样点。 利用函数wavread对语音信号的采集的程序如下： clear; [y,fs,bits]=wavread('music.wav'); %x：语音数据；fs：采样频率；bits：采样点数sound(y,fs,bits); %话音回放 程序运行之后，在工作区间中可以看到采样频率fs=44100Hz，采样点bits=16
三、语音信号的频谱分析 先画出语音信号的时域波形，然后对语音号进行快速傅里叶变换，得到信号的频谱特性。语音信号的FFT频谱分析的完整程序如下： clear; [y,fs,bits]=wavread('music.wav'); %x：语音数据；fs：采样频率；bits：采样点数sound(y,fs,bits); %话音回放 n = length (y) ; %求出语音信号的长度 Y=fft(y,n); %傅里叶变换 subplot(2,1,1); plot(y); title('原始信号波形'); subplot(2,1,2); plot(abs(Y)); title('原始信号频谱'); 程序结果如下图： 四、设计数字滤波器和画出频率响应 根据语音信号的特点给出有关滤波器的性能指标： 1）低通滤波器性能指标，fp=1000Hz，fc=1200 Hz，As=100dB，Ap=1dB； 2）高通滤波器性能指标，fc=4800 Hz，fp=5000 Hz As=100dB，Ap=1dB。
系（院）物理与电子工程学院专业电子信息工程题目语音信号的处理与分析 学生姓名 指导教师 班级 学号 完成日期：2013 年5 月 目录 1 绪论.............................................................................................................. 错误!未定义书签。 1.1课题背景及意义................................................................................. 错误!未定义书签。 1.2国内外研究现状................................................................................. 错误!未定义书签。 1.3本课题的研究内容和方法................................................................. 错误!未定义书签。 1.3.1 研究内容................................................................................ 错误!未定义书签。 1.3.2 开发环境................................................................................ 错误!未定义书签。 2 语音信号处理的总体方案............................................................................ 错误!未定义书签。 2.1 系统基本概述.................................................................................... 错误!未定义书签。 2.2 系统基本要求与目的........................................................................ 错误!未定义书签。 2.3 系统框架及实现................................................................................ 错误!未定义书签。 2.3.1 语音信号的采样.................................................................... 错误!未定义书签。 2.3.2 语音信号的频谱分析............................................................ 错误!未定义书签。 2.3.3 音乐信号的抽取.................................................................... 错误!未定义书签。 2.3.4 音乐信号的AM调制.............................................................. 错误!未定义书签。 2.3.5 AM调制音乐信号的同步解调............................................... 错误!未定义书签。 2.4系统设计流程图................................................................................. 错误!未定义书签。 3 语音信号处理基本知识................................................................................ 错误!未定义书签。 3.1语音的录入与打开............................................................................. 错误!未定义书签。 3.2采样位数和采样频率......................................................................... 错误!未定义书签。 3.3时域信号的FFT分析......................................................................... 错误!未定义书签。 3.4切比雪夫滤波器................................................................................. 错误!未定义书签。 3.5数字滤波器设计原理......................................................................... 错误!未定义书签。 4 语音信号实例处理设计................................................................................ 错误!未定义书签。 4.1语音信号的采集................................................................................. 错误!未定义书签。
文档从互联网中收集，已重新修正排版，word格式支持编辑，如有帮助欢迎下载支持。 目录 第1章前言 ................................................................................................... 错误!未定义书签。第2章语音信号分析处理的目的和要求 ................................................... 错误!未定义书签。 2.1MATLAB软件功能简介................................................................. 错误!未定义书签。 2.2课程设计意义 .................................................................................. 错误!未定义书签。第3章语音信号的仿真原理..................................................................... 错误!未定义书签。第4章语音信号的具体实现..................................................................... 错误!未定义书签。 4.1语音信号的采集................................................................................ 错误!未定义书签。 4.2语音信号加噪与频谱分析................................................................ 错误!未定义书签。 4.3设计巴特沃斯低通滤波器................................................................ 错误!未定义书签。 4.4用滤波器对加噪语音滤波................................................................ 错误!未定义书签。 4.5比较滤波前后语音信号波形及频谱................................................ 错误!未定义书签。第5章总结................................................................................................... 错误!未定义书签。参考文献......................................................................................................... 错误!未定义书签。附录................................................................................................................. 错误!未定义书签。
一、研究背景及意义 语音信号的分离近年来成为信号处理领域的一个研究热点，它在电话会议、助听器及便携设备、机器的语音识别方面有很多的应用与影响。而语音信号常使用盲信号处理的方法分离。 盲信号处理(Blind Source Processing)作为一种新兴的信号处理方法，逐步发展并得到了越来越多的关注。盲信号处理与现代信号处理朝向非平稳、非高斯、非线性的发展方向相吻合，有利于复杂信号的分析以及处理，其研究对象主要为非高斯信号。它在传统信号处理方法的基础上结合了信息论、统计学和人工神经网络的相关思想。如图1所示，所谓的“盲分离”是指在没有关于源信号本身以及传输信道的知识，对数据及系统参数没有太多先验知识的假设的情况下，如何从混迭信号(观测信号)中分离出各源信号的过程。它能适用于更广泛的环境，为许多受限于传统信号处理方法的实际问题提供了崭新的思路。 图1 盲分离的概念 在科学研究和工程应用中，很多观测信号都可以假设成是不可见的源信号的混合，如通信信号、图像、生物医学信号、雷达信号等等。例如经典的“鸡尾酒会”问题，在一个充满宾客的宴会厅里，我们每个人都会听到来自不同地方的声音，如音乐，歌声及说话声等，正常的人类拥有在这种嘈杂环境下捕捉到所感兴趣的语音的能力。可以看到，盲信号处理同传统信号处理方法最大的不同就在于用它致力于用最少的信息得到理想的处理结果。
盲信号分离可以有不同的分类方法。 根据所处理信号的不同，可以分为声纳信号盲分离，雷达信号盲分离，通信信号盲分离，语音信号盲分离，脑电信号盲分离等。 根据盲处理领域的不同，可以分为时域盲分离和频域盲分离。 根据传输信道的情况，可以分为无噪声，有加性噪声，有乘性噪声等。 根据源信号在传输信道中被混合方式的不同，可以分为瞬时混合，卷积混合，非线性混合等。 根据源信号和观测信号数目的不同，可以分为正定盲分离，欠定盲分离，过定盲分离等。 本文研究的主要内容是正定不含噪的卷积混合语音信号的频域盲分离 方法。 总的来说，盲信号分离是一种仅利用观测到的混合信号来估计源信号的方法，它是以独立分量分析(Independent Component Analysis,ICA)为理论基础的。与传统信号处理方法如FIR 滤波，小波分析等不同的是，它不要求有关于源信号本身以及信号传输通道的知识。受益于这种“盲”的条件，盲信号分离对多个领域有很大的促进作用，特别是它在声纳、雷达、通信、语音、图像等方面的应用对军事，国防科技的发展起着非常重要的作用。近十多年来，各国学者在盲信号分离领域展开了深入的研究，有了一系列的成果。本课题就是在这样的背景下对语音信号进行盲分离的研究，以探索新的算法，新的应用。 二、研究的基本内容，拟解决的主要问题 1.研究的基本内容 本课题详细研究语音分离的基本理论，重点研究卷积混合频域解法模型框架下的语音信号分离算法。 基于时域实值瞬时混合模型的盲分离算法已经研究的比较充分，但是在语音信号在现实中往往是卷积混合，而且在频域分离方法中信号是复值的，本文将研究利用复值信号特征的瞬时混合盲分离算法，对不同的复数域盲分
基于MATLAB的语音信号滤波处理 题目：基于MATLAB的语音信号滤波处理 课程：数字信号处理 学院：电气工程学院 班级： 学生： 指导教师： 二O一三年十二月
目录CONTENTS 摘要 一、引言 二、正文 1.设计要求 2.设计步骤 3.设计内容 4.简易GUI设计 三、结论 四、收获与心得 五、附录
一、引言 随着Matlab仿真技术的推广，我们可以在计算机上对声音信号进行处理，甚至是模拟。通过计算机作图，采样，我们可以更加直观的了解语音信号的性质，通过matlab编程，调用相关的函数，我们可以非常方便的对信号进行运算和处理。 二、正文 2.1 设计要求 在有噪音的环境中录制语音，并设计滤波器去除噪声。 2.2 设计步骤 1.分析原始信号，画出原始信号频谱图及时频图，确定滤波器类型及相关指标； 2.按照类型及指标要求设计出滤波器，画出滤波器幅度和相位响应，分析该滤波器是否符合要求； 3.用所设计的滤波器对原始信号进行滤波处理，画出滤波后信号的频谱图及时频图； 4.对滤波前的信号进行分析比对，评估所设计滤波器性能。 2.3 设计内容 1.原始信号分析
分析信号的谱图可知，噪音在1650HZ和3300HZ附近的能量较高，而人声的能量基本位于1000HZ以下。因此，可以设计低通滤波器对信号进行去噪处理。 2.IIR滤波器设计 用双线性变换法分别设计了巴特沃斯低通滤波器和椭圆低通滤波器和带阻滤波器： ①巴特沃斯滤波器 fp=800;fs=1300;rs=35;rp=0.5; 程序代码如下： fp=800;fs=1300;rs=35;rp=0.5;Fs=44100; wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs)); [n,wn]=buttord(wp,ws,rp,rs,'s'); [b,a]=butter(n,wn,'s'); [num,den]=bilinear(b,a,Fs); [h,w]=freqz(num,den,512,Fs);
语音信号处理系统设计 摘要：语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科。语音信号处理的目的是得到某些参数以便高效传输或存储,或者是用于某种应用，如人工合成出语音、辨识出讲话者、识别出讲话内容、进行语音增强等。本文简要介绍了语音信号采集与分析以及语音信号的特征、采集与分析方法，并在采集语音信号后，在MATLAB 软件平台上进行频谱分析,并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，恢复原信号。利用MATLAB来读入（采集）语音信号，将它赋值给某一向量，再将该向量看作一个普通的信号，对其进行FFT变换实现频谱分析，再依据实际情况对它进行滤波，然后我们还可以通过sound命令来对语音信号进行回放，以便在听觉上来感受声音的变化。 关键词：Matlab，语音信号，傅里叶变换，滤波器 1课程设计的目的和意义 本设计课题主要研究语音信号初步分析的软件实现方法、滤波器的设计及应用。通过完成本课题的设计，拟主要达到以下几个目的： 1.1．了解Matlab软件的特点和使用方法。 1.2．掌握利用Matlab分析信号和系统的时域、频域特性的方法； 1.3．掌握数字滤波器的设计方法及应用。 1.4．了解语音信号的特性及分析方法。 1.5．通过本课题的设计，培养学生运用所学知识分析和解决实际问题的能力。 2 设计任务及技术指标 设计一个简单的语音信号分析系统，实现对语音信号时域波形显示、进行频谱分析，
利用滤波器滤除噪声、对语音信号的参数进行提取分析等功能。采用Matlab设计语言信号分析相关程序，并且利用GUI设计图形用户界面。具体任务是： 2.1．采集语音信号。 2.2．对原始语音信号加入干扰噪声，对原始语音信号及带噪语音信号进行时频域分析。 2.3．针对语音信号频谱及噪声频率，设计合适的数字滤波器滤除噪声。 2.4．对噪声滤除前后的语音进行时频域分析。 2.5.对语音信号进行重采样，回放并与原始信号进行比较。 2.6．对语音信号部分时域参数进行提取。 2.7．设计图形用户界面（包含以上功能）。 3 设计方案论证 3.1语音信号的采集 使用电脑的声卡设备采集一段语音信号，并将其保存在电脑中。 3.2语音信号的处理 语音信号的处理主要包括信号的提取播放、信号的重采样、信号加入噪声、信号的傅里叶变换和滤波等，以及GUI图形用户界面设计。 Ⅰ.语音信号的时域分析 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在与方便有效的提取并表示语音信号所携带的信息。语音信号分析可以分为时域和变换域等处理方法，其中时域分析是最简单的方法。 Ⅱ.语音信号的频域分析 信号的傅立叶表示在信号的分析与处理中起着重要的作用。因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更
数字信号处理课程设计 题目：基于matlab的语音信号滤波处理学院：物理与电子信息工程 专业：电子信息工程 班级： B07073041 学号： 200932000066 姓名：高珊 指导教师：任先平
摘要： 语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴学科，是目前发展最为迅速的学科之一，通过语音传递信息是人类最重要，最有效，最常用和最方便的交换信息手段，所以对其的研究更显得尤为重要。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换成离散的数据文件，然后用起强大的矩阵运算能力处理数据。这为我们的本次设计提供了强大并良好的环境！ 本设计要求自己录制一段自己的语音后，在MATLAB软件中采集语音信号、回放语音信号并画出语音信号的时域波形和频谱图。再在Matlab中分别设计不同形式的FIR数字滤波器。之后对采集的语音信号经过不同的滤波器（低通、高通、带通）后，观察不同的波形，并进行时域和频谱的分析。对比处理前后的时域图和频谱图，分析各种滤波器对于语音信号的影响。最后分别收听进行滤波后的语音信号效果，做到了解在怎么样的情况下该用怎么样的滤波器。
目录 1.设计内容 (4) 2.设计原理 (4) 2.1语音信号的时域分析 (4) 2.2语音信号的频域分析 (5) 3.设计过程 (5) 3.1实验程序源代码 (6) 3.1.1原语音信号时域、频域图 (6) 3.1.2低通滤波器的设计 (6) 3.1.3高通滤波器的设计 (7) 3.1.4带通滤波器的设计 (8) 3.1.5语音信号的回放 (9) 3.2调试结果描述 (10) 3.3所遇问题及结果分析 (15) 3.3.1所遇主要问题 (16) 3.3.2结果分析 (16) 4.体会与收获 (17) 5.参考文献 (17)
短时能量分析matlab源程序： x=wavread('4.wav'); %计算N=50，帧移=50时的语音能量 s=fra(50,50,x);%对输入的语音信号进行分帧，其中帧长50，帧移50 s2=s.^2;%一帧内各种点的能量 energy=sum(s2,2);%求一帧能量 subplot(2,2,1); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=50'); axis([0,500,0,30]) %计算N=100，帧移=100时的语音能量 s=fra(100,100,x); s2=s.^2; energy=sum(s2,2); subplot(2,2,2); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=100'); axis([0,300,0,30]) %计算N=400，帧移=400时的语音能量 s=fra(400,400,x); s2=s.^2; energy=sum(s2,2); subplot(2,2,3); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=400'); axis([0,60,0,100]) %计算N=800，帧移=800时的语音能量 s=fra(800,800,x); s2=s.^2; energy=sum(s2,2); subplot(2,2,4); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=800'); axis([0,30,0,200]) 分帧子函数： function f=fra(len,inc,x) %对读入语音分帧，len为帧长，inc为帧重叠样点数，x为输入语音数据 fh=fix(((size(x,1)-len)/inc)+1);%计算帧数 f=zeros(fh,len);%设一个零矩阵，行为帧数，列为帧长 i=1;n=1; while i<=fh %帧间循环 j=1; while j<=len %帧内循环 f(i,j)=x(n); j=j+1;n=n+1; end n=n-len+inc;%下一帧开始位置 i=i+1; end
大学本科毕业设计论文 基于MATLAB的有噪声语音信号处理
摘要 滤波器设计在数字信号处理中占有极其重要的地位,FIR数字滤波器和IＩR 滤波器是滤波器设计的重要组成部分。Matｌａｂ功能强大、简单易学、编程效率高,深受广大科技工作者的欢迎。特别是Matlab还具有信号分析工具箱,不需具备很强的编程能力,就可以很方便地进行信号分析、处理和设计。利用ＭATＬＡＢ信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MAＴLAB 有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论,再利用MＡTLAB作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FＩR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIＲ数字滤波器，并利用MATLＡB作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用ＭＡＴLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词?数字滤波器；MATＬＡB；窗函数法；巴特沃斯; 切比雪夫; 双线性变换
Abｓtｒａｃt ?Filｔeｒdesiｇｎin ｄｉgｉtal sｉgnal proｃeｓsiｎｇplａysａn eｘtre ｍeｌｙiｍportａnt rｏle, FIR digital filtｅrs ａｎd IIR filter is an importａn ｔpaｒt of filter design.Matlab is ｐowｅrful,easy to ｌｅaｒn,pｒｏgｒａmming eｆfiｃieｎcｙ，which wａs wｅlcomｅd bｙthｅmajority oｆsc ｉentistｓ. Matlab alsｏhaｓ a particuｌar signaｌaｎalysis tｏolbｏx，it need notｈaｖe stronｇprｏgraｍminｇｓkiｌls can be easily signal anａlyｓiｓ, proｃesｓｉng aｎd design. Usｉng MATＬAB Signal Ｐroｃessing Toolbｏx can ｑｕickly anｄeｆficieｎtly design ａｖariｅtｙof digｉtaｌｆiltｅrs. ＭＡTLAB ｂaseｄon the noｉse issｕｅｓｐeech sｉｇnal processing deｓｉgn and ｉｍｐlｅmｅｎtation of digｉtal sｉgｎaｌprocessｉｎg inｔegrated use of ｔhe thｅoｒｅｔical knｏwlｅdge oｆtｈe ｓｐeecｈsｉｇｎal pｌus noiｓe, tｉme domaiｎ, frequencｙｄoｍaiｎanalysis ａnｄfiltering. Theｃorreｓponｄinｇresｕlts ｏbtａineｄthrougｈtheｏｒeticaｌｄerｉｖatｉon, ａnd thｅn use MATＬAB as a pｒogramｍing tooｌfor compuｔer iｍｐlementation．Iｍpleｍenｔｅd iｎthe desｉgn process，usinｇtｈｅｗindｏw function methoｄｔｏｄesiｇn FIR digiｔal fｉｌteｒs wｉｔh Butｔｅｒwortｈ, Chebyshev anｄbilinear Reｆｏｒm IIR dｉgｉtal filter dｅｓign ａｎd use ｏｆMATLAB ａs ａｓupplemenｔary tｏｏl to cｏｍｐｌete thｅcalculation and graphｉc dｅsiｇn Ｄrａwiｎg. Throughｔｈｅsimulａtion of ｔｈｅdesigned filter aｎd the fｒｅｑuenｃy anａlysis shoｗs thaｔuｓｉｎｇMatｌabＳｉｇnal Processing Toolbox can qｕickly and easily dｅsign digiｔal fｉlters FIR anｄIIR，the ｐroceｓｓis sｉｍple aｎd coｎvenｉent, the reｓuｌts of the perfｏrmaｎce iｎdｉcａtｏrs to ｍｅｅｔｔhe spｅｃｉfieｄrｅqｕirｅｍents. ? Kｅywｏrｄs: diｇiｔａl filｔer; ＭAＴLAB；Chebysｈev；Buttｅrｗｏrth；
基于Tcl/Tk 与C 的语音信号盲分离测试工具 马骏 西安市地下铁道有限责任公司 西安 710018 摘要：如何分离多说话人环境下麦克风所采集的混合语音信号是盲源分离研究的一个重要课题。文章采用TCL/TK 与C 语言混合编程，自主开发了用于语音信号盲分离测试的工具，并介绍了该工具的结构、界面和功能。最后通过试验验证了该工具的正确性。 关键词：盲源分离 语音信号 Tcl/Tk A Tcl/Tk & C-based testing tool for blind separation of audio signals Ma Jun Xi'an Metro Co., Ltd. Xi'an 710018 Abstract: Separating independent signal from audio mixtures is one of the elementary problems in Blind Source Separation (BSS) research. The interface between Tcl/Tk is explained, and a testing tool for blind separation of audio signals is developed. The structure, interface and function of the tool are introduced. The validity of the tool is proved by experiment. Keywords ：Blind source separation Audio signals Tcl/Tk 1．引言 盲源分离（BSS ）[1,2,3,4]是人工神经网络与统计信号处理以及信息论相结合的产物，而混 合语音信号的盲分离是该领域的一个重要课题。使计算机具有和人类一样的听觉，是计算机智能领域研究者们的梦想。语音识别技术为我们实现计算机听觉的这一目标提供了有效的途径，使得计算机能听懂我们人类的语言，计算机操作从此变得更互动和简单自然，方便了人机的交流。混合语音信号盲分离虽然不能实现计算机听觉这一目标，但是通过该技术却能使原本相互混叠的语音信号相互剥离，来作为语音识别的预处理，从而使得噪声环境下和多说话人情形下的语音识别的实现成为可能，增大了识别算法的鲁棒性和适应能力，从这种意义上来讲该问题的研究具有很大的现实意义。 本文首先阐述了盲源分离的基本理论知识以及Tcl/Tk [5]与C 语言的接口编程，然后采用 分层软件模型开发了用于语音信号盲分离的测试工具，其外壳选择灵活的事件驱动脚本Tcl/Tk 作为基本的界面开发平台，完成配置、控制任务；而其低层的BSS 核心算法库则利用高效的编译型C 语言实现。另外为了完成语音信号的读写等操作还参考了snack [6]语音处理库及其源代码。文章介绍了该工具的结构、界面和功能，最后通过实验验证了该测试工具的正确性。 2．盲源分离模型及算法 设由N 个未知的统计独立的信号源)(t s i 构成了一个列向量,)](),...,([)(1T N t s t s t S =其中t 是离散采样时刻。设A 是一个未知的N M ?维矩阵，通常称为混合矩阵。设[]T M t x t x t X )(),...,()(1=是由M 个传感器观测到混合信号)(t x i 构成的列向量，且满足下列方程： )()((t)t V t AS X += （1） 其中T M 1t ,...,v t v t V )]()([)(=是由M 个空间白化、统计独立噪声信号(t)i v 构成的列向量。盲源分 离的命题是，对任何t ，根据观测到的)(t X ，在A 未知的条件下求)(t S 。 图1给出了语音信号盲分离算法框架图。
工程设计论文 题目：基于MATLAB的语音信号采集与处理 姓名： 班级： 学号：
指导老师： 一.选题背景 1、实践意义： 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在于方便有效地提取并表示语音信号所携带的信息。所以理解并掌握语音信号的时域和频域特性是非常重要的。 通过语音相互传递信息是人类最重要的基本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,显然用视觉和文字相互传递信息,其效果要差得多.这是因为语音中除包含实际发音容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最方便的交换信息的形式.另一方面,
语言和语音与人的智力活动密切相关,与文化和社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。 语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话容,进行语音增强等. 语音信号处理是一门新兴的学科,同时又是综合性的多学科领域,是一门涉及面很广的交叉学科.虽然从事达一领域研究的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等许多学科也有非常密切的联系. 语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学研究领域中的一个.语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿科研课题,巳处于迅速发展之中;其研究成果具有重要的学术及应用价值. 数字信号处理是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理，借以达到提取信息和便于应用的目的。它在语音、雷达、图像、系统控制、通信、航空航天、生物医学等众多领域都获得了极其广泛的应用。具有灵活、精确、抗干扰强、度快等优点。 数字滤波器, 是数字信号处理中及其重要的一部分。随着信息时代和数字技术的发展，受到人们越来越多的重视。数字滤波器可以通过数
目录 摘要.................................................................... I ABSTRACT ............................................................... II 第一章前言.. (2) 1.1语音特性分析 (2) 1.2语音信号的基本特征 (2) 1.3语音信号处理的理论基础 (2) 第二章盲分离的基本概念 (2) 2.1盲分离的数学模型 (2) 2.2盲源分离的基本方法 (2) 2.3盲分离的目标准则 (2) 2.4盲分离的研究领域 (2) 2.5盲分离的研究内容 (2) 第三章独立分量分析的基本算法 (2) 3.1ICA的线性模型 (2) 3.2ICA研究中的主要问题及限制条件 (2) 3.3ICA的基本算法 (2) 3.4F AST ICA算法原理 (2) 第四章语音信号盲分离仿真及分析 (2) 4.1ICA算法实现 (2) 4.2频谱分析 (2) 第五章总结 (2) 参考文献 (2)
摘要 盲源分离（BSS）是一种多维信号处理方法，它指在未知源信号以及混合模型也未知的情况下，仅从观测信号中恢复出源信号各个独立分量的过程。盲源分离已近成为现代信号处理领域研究的热点问题，在通信、语音处理、图像处理等领域具有非常重要的理论意义和广泛的应用价值。本文主要内容如下： 首先，介绍了语音信号的产生机理，特性，基本特征及语音信号处理的理论基础，为后文语音信号盲分离奠定了基础。 其次，从盲源分离的理论出发，研究了盲分离的数学模型以及基本方法，并对盲分离的目标准则、研究领域以及研究内容进行了探讨。 然后，引出了独立分量分析（ICA），并对其的概念以及相关的知识进行了研究，探讨了ICA研究中的主要问题，列出了ICA的3种基本算法：信息极大化、负熵最大化和最大似然估计法。 最后，用FastICA对三路语音信号进行了盲分离的仿真并求出了混合矩阵和分解矩阵，再接着进行了频谱，幅度，相位的分析，找出了FastICA的特点。 关键词：盲源分离；独立分量分析；频谱分析 III
Matlab课程设计报告题目:基于MATLAB有噪声语音信号处理 系（院）：计算机与信息工程学院 专业：通信工程 班级：10623102 指导教师： 学年学期:2011 ~ 2012 学年第2 学期
简介： 我们通信工程专业在实践中经常碰到需要对已接收信号进行处理的情况，而滤波器设计在数字信号处理中占有极其重要的地位。本课题基于MATLAB有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论，再利用MATLAB作为编程工具进行计算机实现。在设计实现的过程中，我们使用双线性变换法设计IIR数字滤波器，对模拟加噪语音信号进行低通滤波、高通滤波及带通滤波，并利用MATLAB作为辅助工具完成设计中的计算与图形的绘制。 1 绪论： 数字信号处理是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理，借以达到提取信息和便于应用的目的。数字滤波器, 是数字信号处理中及其重要的一部分。本课题采用IIR 滤波器对加噪声音信号进行处理。 IIR滤波器采用递归型结构，即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成，可以组合成直接型、正准型、级联型、并联型四种结构形式，都具有反馈回路。同时，IIR数字滤波器在设计上可以借助成熟的模拟滤波器的成果，如巴特沃斯、契比雪夫和椭圆滤波器等，有现成的设计数据或图表可查，在设计一个IIR数字滤波器时，我们根据指标先写出模拟滤波器的公式，然后通过一定的变换，将模拟滤波器的公式转换成数字滤波器的公式。 2.原始语音信号采集与处理 2.1语音信号的采集 由于MATLAB只识别格式为.wav的声音文件，我们利用PC机上的声卡和WINDOWS操作系统进行数字信号的采集。启动录音机进行录音，以文件名“Orisound”保存入原程序所属的文件夹中。可以看到,文件存储器的后缀默认为.wav ,这是WINDOWS操作系统规定的声音文件存的标准。