数字信号处理 II
第六章 波束形成与空域滤波
Beamforming and Spatial Filtering
讲
义
穆鹏程
西安交通大学
2010-05-23 数字信号处理II 1
6.0 波束形成与空域滤波
z z
阵列信号处理的两个重要研究内容：（1）波达方向(DOA)估计；（2）波束形成。 波束形成一般包括发射波束形成和接收波束形成两种形式，本章主要讨论接收波束形成，发射波束 波束形成的目的： 区分来自不同方向的信号，提取（或增强）某些方向的有用信号，消除（或抑制）其它方向的干扰
形成的处理方式与之类似。
z
信号和噪声。
z
波束形成实质上是一种空域滤波，波束形成器也叫空域滤波器。 本章主要内容： 6.1 波束形成的基本知识； 6.2 时域FIR滤波器设计方法； 6.3 窄带波束形成； 6.4 宽带波束形成； 6.5 均匀圆阵宽带波束形成。
2010-05-23
数字信号处理II
2
6.1 波束形成的基本知识
一、阵列信号模型
在传统的阵列信号处理中，阵列主要处理窄带信号，信号中心频率为 f ，并且假设信 号源位于阵列的远场，因此可以使用平面波传播理论，认为信号平行入射，各阵元接收到 的信号之间没有幅度差，只存在传播延迟造成的相位差。 最常用的均匀线阵远场模型如右图所示： 其中 θ 为信号入射方向角， d 为阵元间距。 为避免混叠，阵元间距不超过入射信号的半 波长。记信号波长为 λ ，阵元个数为 N ，阵 列等效孔径为：
y
d′
θ
L=
( N ? 1) d
λ
r
d
如果信号源到阵列的距离为 r ，则远场 条件可以简单表示为：
2010-05-23
x
λ
L
数字信号处理II 3
6.1 波束形成的基本知识
二、空间采样
通常可以将天线阵列看作进行空间采样的装置，阵列每接收一次数据就是对空 间的一次采样或者快拍（snapshot），阵列信号实际上就是一个快拍序列。 均匀线阵是在空间的一条直线上均匀采样，它对应于时间序列的均匀采样。由 于阵元间距 d为空间采样间隔， 1/ d 即为空 间采样频率，而1/ λ 为阵列信号的空间频率。 与奈奎斯特采样定理相似，为避免混叠而对 空间采样频率有一定的要求
y
d′
θ
1 1 λ ≥ 2× ? d ≤ λ d 2
因此，空间采样一般要求阵元间距小于或等 于信号波长的一半。
2010-05-23 数字信号处理II
d
x
4
6.1 波束形成的基本知识
三、波束形成的基本方法
１.延迟相加(Delay-sum) 最基本的波束形成方法是延迟相加，通 过对各通道的信号进行适当延迟后相加，可 以使目标方向的信号同相叠加得到增强，等 效于阵列方向图的主瓣对准目标方向，而其 它方向均有不同程度的削弱。 该方法一般只是对目标方向进行增强， 并且需要对延迟进行精确控制，对于数字信 号处理来说，延迟的精确度受采样频率的制 约，往往很难做好。 该方法可以处理宽带信号。
Directivity 1 0.8 0.6 0.4 0.2 0 -90
∑
图二 延迟相加原理图
-60
-30
2010-05-23
数字信号处理II
0 Angle
30
60
90
5
6.1 波束形成的基本知识
2.滤波相加(Filter-sum) 另一种基本的波束形成方法是滤波相 加。在滤波相加中，各通道的信号乘以复 加权系数后相加，滤波加权系数不仅可以 调整信号相位，而且可以调整信号幅度。 与延迟相加相比，滤波相加更适合于 数字信号处理。对于窄带信号而言，通过 调整加权系数的相位就可以精确控制各个 通道的延迟，因此，不仅可以增强目标方 向的信号，而且可以通过设置零点抑制干 扰方向的信号。 该方法一般不能直接处理宽带信号。 如何设计滤波加权系数是关键问题。
2010-05-23 数字信号处理II 6
∑
6.2 时域FIR滤波器设计方法
?
经典的基于均匀阵列的空域滤波器设计借鉴了时域FIR滤波器的 时域FIR滤波器和空域滤波器的类比：
处理过程：时域FIR滤波和空域滤波的本质都是对接收到的信号进行加 处理目的：时域滤波是尽可能地保留所关心频率的信号，而把其它频率
设计方法。
?
z
权求和处理。
z
的信号抑制掉；空域滤波则是尽可能保留所关心方向的信号，而把其它方 向的信号抑制掉。
z
时域FIR滤波器的频率响应是对滤波器系数做傅里叶变换，同样空域滤
波器的方向图也是对滤波器系数做傅里叶变换。 下面先讨论时域FIR滤波器的设计。
2010-05-23 数字信号处理II 7
四种线性相位FIR滤波器
h(n)为偶对称
h(n)
0
N 为奇数
N ?1
h(n) = h(N ?1? n)
H (? ) =
n
( N ?1) / 2
∑
n =0
a(n) cos n?
? (? ) = ?? (
N ?1 ) 2
2π
a (n)
0
N ? 1 2
N ? 1 2
n
0
π
? (? )
?
h(n)
0
N 为偶数
N ?1
N ? 1 2
n
1 H (? ) = ∑b(n)cos[? (n ? )] 2 n=1
N/2
? ( N ? 1)π
b (n )
N / 2
1
n
h(n)为奇对称
h(n)
0
N 为奇数
N ?1
h(n) = ? h( N ? 1 ? n) N ?1 π ? (? ) = ?? ( )? 2 2
? (?0 )
?π 2
H (? ) =
n
( N ?1)/ 2
∑
n=1
c(n)sin n?
c(n)
1
N ? 1 2 N ? 1 2
n
π
2π
?
h(n)
0
N 为偶数
N ?1
n
N ?1 2
H (? ) = ∑ d ( n ) sin[? ( n ? 1/ 2)]
n =1
N /2
? ( N ? 1 / 2 )π
d (n)
1
N /2
n
2010-05-23
数字信号处理II
8
6.2 时域FIR滤波器设计方法
一. 窗口法
如果所希望得到的滤波器的理想响应为 Hd (ej? ) ，那么FIR滤波器的设计 就在于寻找一个传递函数 去逼近 Hd (e ) 。 逼近单位脉冲响应序列 hd (n) 。
j? 我们知道 hd (n) 可以从理想频响 Hd (e ) 通过傅氏反变换得到，但一般
H (e ) = ∑h(n)e? jn?
j? n=0
N ?1
j?
这种逼近中最直接的一种方法就是从单位脉冲响应 h( n) 着手，使 h( n)
来说，这样得到的 hd (n) 往往都是无限长序列，并且是非因果的，因此需要 用一个有限长序列去逼近。最简单的办法就是直接截取 hd (n) 的一段来代替 它，即加窗处理。
2010-05-23 数字信号处理II 9
6.2 时域FIR滤波器设计方法
无限长序列 hd ( n )
1 1 傅里叶反变换 0.5 0.5
理想频响 H d ( e jω )
0
n
5 10 15 20 25 30 35 40
0 10 20 30 40 50 60 70 80
ω
窗函数的频响 H w ( e jω )
窗函数 w ( n )
1 0.5
1
傅里叶变换 0.5
n
5 10 15 20 25 30 35 40 0 10 20 30 40 50 60 70 80
0
ω
H ( e jω ) = H d ( e jω ) ? H w ( e jω )
h ( n ) = hd ( n ) w ( n )
1 0.5
1
傅里叶变换 0.5
n
5 10 15 20 25 30 35 40 0 10 20 30 40 50 60 70 80
0
ω
2010-05-23
数字信号处理II
10
6.2 时域FIR滤波器设计方法
一般来说，窗口函数并不一定要是矩形函数，可以在矩形内再对 hd (n) 作一定的加权处理。因此，一般可以表示为
h(n) = hd (n)w(n)
j?
窗口函数
设 Hw(e )为窗口函数的频谱：Hw (e ) = 式，有
j?
n=?∞
∑ w(n)e
∞
? j? n
，则根据卷积公
1 H (e ) = 2π
j?
∫π
?
π
H d (e jθ ) H w (e j[? ?θ ] )dθ
可见，逼近程度的好坏完全取决于窗口函数的频率特性。
2010-05-23 数字信号处理II 11
6.2 时域FIR滤波器设计方法
?
z
改善窗口形状的标准如下：
尽量减小窗口频谱中的旁瓣，使能量集中在主瓣中，这样就可以减小
肩峰和余振，提高阻带的衰减。
z
主瓣的宽度尽量窄，以获得较陡的过渡带。
?
然而，这两个要求总是不能兼得的，往往需要用增加主瓣宽度
来换取旁瓣的抑制。
2010-05-23
数字信号处理II
12
6.2 时域FIR滤波器设计方法
几种业已采用的窗口函数：
1.矩形窗 2.升余弦窗[Hanning窗] 3.改进的升余弦窗[Hamming窗] 4.二阶升余弦窗[Blackman窗] 5.凯塞窗[Kaiser窗]
w(n) 1.0
1 矩形窗
0.8 0.6
0.4 0.2
0
2 升余弦窗 4 二阶升余弦窗
α =
N ?1 2
改进升余弦窗
3
N ?1 n
窗口函数
w(n) 1 .0
0 .5
β = 5.44
β = 8.5
N ?1 α= 2
N ?1
0
2010-05-23 数字信号处理II
n
凯塞窗函数
13
6.2 时域FIR滤波器设计方法
窗口法小结：
z
窗口法设计的主要优点是简单，使用起来方便。窗口函数大多都有封
闭的公式可循，性能、参数都已有表格、资料可供参考，计算程序简 便，所以很实用。
z
窗口法都是从时域开始，以有限长 h(n) 近似理想的 hd ( n) ，然后再
对 h(n) 进行修正，以便使频响能更好的逼近理想要求 hd ( n) 。
2010-05-23
数字信号处理II
14
6.2 时域FIR滤波器设计方法
二. 频率采样法
我们知道，一个有限长序列可以用 N 个频域的采样值唯一确定，根 据频率采样定理，有
1? z?N H ( z) = N
其中 H(k) 是频率采样值，
H (k ) ∑ ? k ?1 1 ? W k =0 N z
= H (e
j 2π k N
N ?1
H (k ) = H ( z )
?k z =W N
)
这为我们设计FIR滤波器提供了另一条途径，即直接从频域出发，对 理想频响采样，以此来确定 H(k) 值。
2010-05-23 数字信号处理II 15
6.2 时域FIR滤波器设计方法
理想频响的采样 H ( k )
1 0.8 0.6 0.4 0.2 0 0 0.5 1 1.5 2 2.5 3 1 0.8 0.6 0.4 0.2 0 0 0.5 1 1.5 2 2.5 3
理想频响 H d ( e jω )
采样
2010-05-23
离散傅里叶反变换
0.6
h ( n)
实际频响 H ( e jω )
0.4
傅里叶变换
1 0.8 0.6 0.4
有明显起伏和振荡
0.2
0
0.2 0
-0.2
-30
-20
-10
0
10
20
30
0
0.5
1
1.5
2
2.5
3
数字信号处理II
16
6.2 时域FIR滤波器设计方法
理想频响的采样 H ( k )
1 0.8 0.6 1 0.8
理想频响 H d ( e jω )
采样(有过渡带0.6 )
0.4 0.2 0 0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
离散傅里叶反变换
0.4 0.2 0
0.6
0.4
h ( n)
1
实际频响 H ( e jω )
傅里叶变换
0.8 0.6 0.4
起伏和振荡减小
0.2
0
0.2 0
-0.2
-30
-20
-10
0
10
20
30
0
0.5
1
1.5
2
2.5
3
2010-05-23
数字信号处理II
17
6.2 时域FIR滤波器设计方法
频率采样法小结：
z
频率采样设计法的优点是可以从频域直接处理，并且适合于优化设
计。用选择过渡点的办法所得的效果也相当好。
z
其缺点是频率控制点的位置受限于频率轴上的 N 个采样点，因此滤
波器的截止频率不易随意控制。如果为了适应截止频率的选择自由，就 必须增加采样点数，这样做是很不经济的。
z
是否可以在频域进行非均匀采样来设计FIR滤波器？
2010-05-23
数字信号处理II
18
6.2 时域FIR滤波器设计方法
三、使用最小二乘的非均匀频域采样法
问题的描述：设计FIR滤波器，使得其频率响应在 Ω1 , Ω 2 ,…, Ω M 共 M 频点处的响应严格为 滤波器。 以第Ⅰ型FIR滤波器为例，该滤波器长度为 N = 2 L + 1 ，待求的滤波器 系数为 h(0), h(1),… , h( N ? 1) ，其中 h( N ? 1 ? n ) = h(n ) 对于任意频率 ω ，该滤波器的频响特性为：
He He
2010-05-23
u1 , u2 ,… , u M ，并且在 ω1 , ω2 ,…, ωK 共 K 个频点处
的响应近似为 H1 , H 2 ,…, H K ，我们将采用有约束的最小二乘法来设计该
( ) = ∑ h(n )e
jω N ?1 n =0 L
? jnω
= ∑ h(n )e
n =0 L
L
? jnω
+ ∑ h(n )e ? jnω ? h(L )e ? jLω
n= L
N ?1
( ) = ∑ h(n )e
jω n =0
? jnω
+ ∑ h( N ? 1 ? k )e ? j ( N ?1? k )ω ? h(L )e ? jLω
k =0
数字信号处理II
19
6.2 时域FIR滤波器设计方法
H e
( ) = ∑ h(n )e
jω L n =0 jω ? jLω L n =0
? jnω
+ ∑ h(k )e jkω e ? j ( N ?1)ω ? h(L )e ? jLω
k =0 ? jnω
L
H e
( ) = e ∑ h(n )(e
( )
jω
L n =0
e jLω + e jnω e ? jLω ? h(L )e ? jLω
)
He
?L ? = ?∑ 2h(n ) cos(ω (L ? n )) ? h(L )? e ? jLω = A(ω )e ? jLω ? n =0 ?
L
其中，A(ω ) = ∑ 2h(n ) cos(ω (L ? n )) ? h(L ) 为幅频特性，? Lω 为线性相频特性。 简单起见，记 n =0 1 ? d (L ? n ), n ≠ L 由于 h(n ) = ? ?2 ? n=L ? d (0 ),
A(ω ) = ∑ d (n ) cos nω
?2h(L ? n ), n ≠ 0 ( ) d n = ，其中 ? n=0 ? h(L ), 于是问题可转化为求解 d (n ) ，并记
T
d=? ? d ( 0 ) , d (1) ,… , d ( L ) ? ?
2010-05-23 数字信号处理II
20
******************* 实践教学 ******************* 兰州理工大学 计算机与通信学院 2013年春季学期 信号处理课程设计 题目：基于MATLAB的FIR滤波器语音信号去噪专业班级：通信工程（1）班 姓名：王兴栋 学号：10250114 指导教师：陈海燕 成绩：
摘要 语音信号在数字信号处理中占有极其重要的地位，因此选择通过对语音信号的研究来巩固和掌握数字信号处理的基本能力十分具有代表性。对数字信号处理离不开滤波器，因此滤波器的设计在信号处理中占有极其重要的地位。而MATLAB 软件工具箱提供了对各种数字滤波器的设计。本论文“在MATLAB平台上实现对语音信号的去噪研究与仿真”综合运用了数字信号处理的各种基本知识，进而对不带噪语音信号进行谱分析以及带噪语音信号进行谱分析和滤波处理。通过理论推导得出相应的结论，再通过利用MATLAB作为编程工具来进行计算机实现比价已验证推导出来的结论。在设计过程中，通过设计FIR数字滤波器和IIR数字滤波器来完成滤波处理。在设计过程中，运用了MATLAB对整个设计中的图形的绘制和一些数据的计算以及仿真。 关键字滤波器；MATLAB；仿真；滤波
前言 语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段。随着社会文化的进步和科学技术的发展，人类开始进入了信息化时代，用现代手段研究语音处理技术，使人们能更加有效地产生、传输、存储、和获取语音信息，这对于促进社会的发展具有十分重要的意义，因此，语音信号处理正越来越受到人们的关注和广泛的研究。 语音信号是信息技术处理中最重要的一门科学，是人类社会几步的标志。那么什么是语音？语音是人类特有的功能，也是人类获取外界信息的重要工具，也是人与人交流必不可少的重要手段。那么什么又是信号？那信号是什么呢？信号是传递信息的函数。离散时间信号——序列——可以用图形来表示。 语音信号处理是一门用研究数字信号处理研究信号的科学。它是一新兴的信息科学，同时又是综合多个学科领域的一门交叉科学。语音在我们的日常生活中随时可见，也随处可见，语音很大程度上可以影响我们的生活。所以研究语音信号无论是在科学领域上还是日常生活中都有其广泛而重要的意义。 本论文主要介绍的是的语音信号的简单处理。本论文针对以上问题，运用数字信号学基本原理实现语音信号的处理，在matlab7.0环境下综合运用信号提取，幅频变换以及傅里叶变换、滤波等技术来进行语音信号处理。我所做的工作就是在matlab7.0软件上编写一个处理语音信号的程序，能对语音信号进行采集，并对其进行各种处理，达到简单语音信号处理的目的。 对语音信号的研究，本论文采用了设计两种滤波器的基本研究方法来达到研究语音信号去噪的目的，最终结合图像以及对语音信号的回放，通过对比，得出结论。
2017 年秋季学期研究生课程考核 （读书报告、研究报告） 考核科目:雷达系统导论 学生所在（系）:电子与信息工程学院 学生所在学科:电子与同学工程 学生姓名: 学号: 学生类别: 考核结果阅卷人 第 1 页（共页）
几种非线性滤波算法的介绍与性能分析 作者姓名：学号： 专业院系：电信学院电子工程系 电子邮件： 摘要—非线性滤波算法在雷达目标跟踪中有着重要的应用，对雷达的跟踪性能有着至关重要的影响。好的滤波算法有利于目标航迹的建立及保持，能够得到较精确的目标位置，为发现目标后的后续工作提供可靠的数据依据。本文重点介绍了雷达数据处理中的几种非线性滤波算法：扩展卡尔曼滤波（EKF）、不敏卡尔曼滤波（UKF）、粒子滤波（PF），并且给出了一个利用这三种算法进行数据处理的一个实例，通过这个实例对比分析了这三种算法的性能以及优劣。 关键字—非线性滤波算法；扩展卡尔曼滤波；不敏卡尔曼滤波；粒子滤波； I.概述（一级表题格式） 在雷达对目标进行跟踪前要先对目标进行检测。对于满足检测条件的目标就需要进行跟踪，在跟踪的过程中可以利用新获得的数据完成对目标的进一步检测比如去除虚假目标等，同时利用跟踪获得数据可以进一步完成对目标动态特性的检测和识别。因此对目标进行准确的跟踪是雷达性能的一个重要指标。在检测到满足条件的目标后，根据目标运动状态建立目标运动模型，然后对目标跟踪算法进行设计，这是雷达目标跟踪中的核心部分。 目前主要的跟踪算法包括线性自回归滤波，两点外推滤波、维纳滤波、- αβ滤波、加权最小二乘滤波、维纳滤波和卡尔曼滤波[1]。对于线性系统而言最优滤波的方法就是卡尔曼滤波，卡尔曼滤波是线性高斯模型下的最优状态估计算法。但是实际问题中目标的运动模型往往不是线性的，因此卡尔曼滤波具有很大的局限性。目前主要用的非线性滤波算法可以分为高斯滤波和粒子滤波[2]。不敏卡尔曼滤波和扩展卡尔曼滤波就是高斯滤波中的典型代表，也是应用相对较为广泛的。粒子滤波的应用范围比高斯滤波的适用范围要广，对于系统状态非线性，观测模型非高斯等问题都有很好的适用性。本文具体分析阐述了扩展卡尔曼滤波算法，不敏卡尔曼滤波算法，粒子滤波算法，并且通过一个实例利用仿真的方法分析了这三种算法在滤波性能上的优劣，最后对这三种算法做了一定的总结。 我本科毕业设计题目为《基于历史数据的路径生成算法研究》，由于我是跨专业保研到电信学院，该课题所研究内容不属于雷达系统研究范围，是一种城市路网最快路径生成算法。 II.几种非线性滤波算法 A.扩展卡尔曼滤波 扩展卡尔曼滤波是将非线性系统转换为近似的线性系统的一种方法，其核心思想是围绕滤波值将非线性函数展开成泰勒级数并略去二阶及以上的项，得到一个近似的线性化模型，然后应用卡尔曼滤波完成状态估计。 扩展卡尔曼滤波状态空间模型： k k k w x f+ = + ) ( x 1 状态方程 k k k v x h+ =) ( z观测方程 其中(.) f和(.) h为非线性函数 在扩展卡尔曼滤波中，状态的预测以及观测值的预测由非线性函数计算得出，线性卡尔曼滤波中的状态转移矩阵A阵和观测矩阵H阵由f和h函数的雅克比矩阵代替。 对 (.) f和(.) h Taylor展开，只保留一次项有： ) ? ( ) ?( ) ( k k k k k x x A x f x f- + ≈ ) ? ( ) ?( ) ( k k k k k x x H x h x h- + ≈ 其中： k k x x k k dx df A ?= =为f对 1- k x求导的雅克比矩阵 k k x x k k dx dh H ?= =为h对 1- k x求导的雅克比矩阵 ) ?( ? 1-k k x f x=，于是可以得出： k k k k k k k w x A x f x A x+ - + ≈ + ) ? ) ?( ( 1 k k k k k k k v x H x h x H z+ - + ≈ + ) ? ) ?( ( 1 通过以上变换，将非线性问题线性化。接下来EKF 滤波过程同线性卡尔曼滤波相同，公式如下: )) | (?( ) |1 ( X?k k X f k k= + ) ( ) ( ) | ( ) ( ) |1 (P k Q k k k P k k k+ Φ' Φ = + )1 ( )1 ( ) |1 ( )1 ( )1 (S+ + + ' + + = +k R k H k k P k H k )1 ( )1 ( ) |1 ( )1 ( K1+ + ' + = +-k S k H k k P k
常用的8种数字滤波算法 摘要：分析了采用数字滤波消除随机干扰的优点，详细论述了微机控制系统中常用的8种数字滤波算法，并讨论了各种数字滤波算法的适用范围。 关键词：数字滤波；控制系统；随机干扰；数字滤波算法 1 引言 在微机控制系统的模拟输入信号中，一般均含有各种噪声和干扰，他们来自被测信号源本身、传感器、外界干扰等。为了进行准确测量和控制，必须消除被测信号中的噪声和干扰。噪声有2大类：一类为周期性的，其典型代表为50 Hz 的工频干扰，对于这类信号，采用积分时间等于20 ms整倍数的双积分A/D转换器，可有效地消除其影响；另一类为非周期的不规则随机信号，对于随机干扰，可以用数字滤波方法予以削弱或滤除。所谓数字滤波，就是通过一定的计算或判断程序减少干扰信号在有用信号中的比重，因此他实际上是一个程序滤波。 数字滤波器克服了模拟滤波器的许多不足，他与模拟滤波器相比有以下优点： (1)数字滤波器是用软件实现的，不需要增加硬设备，因而可靠性高、稳定性好，不存在阻抗匹配问题。 (2)模拟滤波器通常是各通道专用，而数字滤波器则可多通道共享，从而降低了成本。 (3)数字滤波器可以对频率很低(如0.01 Hz)的信号进行滤波，而模拟滤波器由于受电容容量的限制，频率不可能太低。 (4)数字滤波器可以根据信号的不同，采用不同的滤波方法或滤波参数，具有灵活、方便、功能强的特点。 2 常用数字滤波算法 数字滤波器是将一组输入数字序列进行一定的运算而转换成另一组输出数字序列的装置。设数字滤波器的输入为X(n)，输出为Y(n)，则输入序列和输出序列之间的关系可用差分方程式表示为： 其中：输入信号X(n)可以是模拟信号经采样和A/D变换后得到的数字序列，也
Kalman_Filter(float Gyro,float Accel) { Angle+=(Gyro - Q_bias) * dt; Pdot[0]=Q_angle - PP[0][1] - PP[1][0]; Pdot[1]= - PP[1][1]; Pdot[2]= - PP[1][1]; Pdot[3]=Q_gyro; PP[0][0] += Pdot[0] * dt; PP[0][1] += Pdot[1] * dt; PP[1][0] += Pdot[2] * dt; PP[1][1] += Pdot[3] * dt; Angle_err = Accel - Angle; PCt_0 = C_0 * PP[0][0]; PCt_1 = C_0 * PP[1][0]; E = R_angle + C_0 * PCt_0; K_0 = PCt_0 / E; K_1 = PCt_1 / E; t_0 = PCt_0; t_1 = C_0 * PP[0][1]; PP[0][0] -= K_0 * t_0; PP[0][1] -= K_0 * t_1; PP[1][0] -= K_1 * t_0; PP[1][1] -= K_1 * t_1; Angle += K_0 * Angle_err; Q_bias += K_1 * Angle_err; Gyro_x = Gyro - Q_bias; } 首先是卡尔曼滤波的5个方程： -=--+（1）先验估计 X k k AX k k Bu k (|1)(1|1)() -=--+（2）协方差矩阵的预测(|1)(1|1)' P k k AP k k A Q
数字信号处理实验报告 实验名称：基于MATLAB对语音信号 进行分析及滤波处理 院系：物联网工程学院 班级：电子信息工程1101 姓名：
一、实验目的 综合计算运用数字信号处理的理论知识进行频谱分析和滤波器设计，通过理论推导得出相应的结论，培养发现问题、分析问题和解决问题的能力。并利用MATLAB作为工具进行实现，从而复习巩固课堂所学的理论知识，提高对所学知识的综合应用能力，并从实践上初步实现对数字信号的处理。此外，还系统的学习和实现对语音信号处理的整体过程，从语音信号的采集到分析、处理、频谱分析、显示和储存。 二、实验要求 1.分析原始语音信号的时域特性和频谱特性。 2.设计一个IIR滤波器，用该滤波器对语音信号进行滤波处理，分析滤波后信号的时域特性和频谱特性。 3.设计一个FIR滤波器，用该滤波器对语音信号进行滤波处理，分析滤波后信号的时域特性和频谱特性。 三、实验原理 1.采样定理：在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>=2fmax)，采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5～10倍；采样定理又称奈奎斯特定理。 采样频率越高，即采样的时间间隔越短，对声音波形的表示越精确。 2.时域信号的FFT分析：信号的频谱分析就是计算机信号的傅里叶变换。连续信号与系统的傅里叶分析显然不便于用计算机进行计算，使其应用受到限制。而FFT是一种时域和频域均离散化的变换，适合数值运算，成为用计算机分析离散信号和系统的有力工具。对连续信号和系统，可以通过时域采样，应用DFT进行近似谱分析。 3.IIR数字滤波器设计原理利用双线性变换设计IIR滤波器（巴特沃斯数字低通滤波器的设计），首先要设计出满足指标要求的模拟滤波器的传递函数Ha(s),然后由Ha(s)通过双线性变换可得所要设计的IIR滤波器的系统函数H(z)。如果给定的指标为数字滤波器的指标，则首先要转换成模拟滤波器的技术指标，这里主要是边界频率Wp和Ws的转换，对ap和as指标不作变化。边界频率的转换关系为∩=2/T tan(w/2)。接着，按照模拟低通滤波器的技术指标根据相应设计公式
滤波关键看你什么应用！采样频率，这个方法很多的。以下仅供参考： 1、限幅滤波法（又称程序判断滤波法） A、方法： 根据经验判断，确定两次采样允许的最大偏差值（设为A） 每次检测到新值时判断： 如果本次值与上次值之差<=A,则本次值有效 如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值 B、优点： 能有效克服因偶然因素引起的脉冲干扰 C、缺点 无法抑制那种周期性的干扰 平滑度差 2、中位值滤波法 A、方法： 连续采样N次（N取奇数） 把N次采样值按大小排列 取中间值为本次有效值 B、优点： 能有效克服因偶然因素引起的波动干扰 对温度、液位的变化缓慢的被测参数有良好的滤波效果 C、缺点： 对流量、速度等快速变化的参数不宜 3、算术平均滤波法 A、方法： 连续取N个采样值进行算术平均运算 N值较大时：信号平滑度较高，但灵敏度较低 N值较小时：信号平滑度较低，但灵敏度较高 N值的选取：一般流量，N=12；压力：N=4 B、优点： 适用于对一般具有随机干扰的信号进行滤波 这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动 C、缺点： 对于测量速度较慢或要求数据计算速度较快的实时控制不适用 比较浪费RAM 4、递推平均滤波法（又称滑动平均滤波法） A、方法： 把连续取N个采样值看成一个队列 队列的长度固定为N 每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果 N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4 B、优点： 对周期性干扰有良好的抑制作用，平滑度高 适用于高频振荡的系统 C、缺点： 灵敏度低 对偶然出现的脉冲性干扰的抑制作用较差 不易消除由于脉冲干扰所引起的采样值偏差 不适用于脉冲干扰比较严重的场合 比较浪费RAM 5、中位值平均滤波法（又称防脉冲干扰平均滤波法） A、方法： 相当于“中位值滤波法”+“算术平均滤波法” 连续采样N个数据，去掉一个最大值和一个最小值 然后计算N-2个数据的算术平均值
通信与信息工程学院 信息处理综合实验报告 班级：电子信息工程1502班 指导教师： 设计时间：2018/10/22-2018/11/23 评语： 通信与信息工程学院 二〇一八年 实验题目：语音信号分析与处理 一、实验内容 1. 设计内容 利用MATLAB对采集的原始语音信号及加入人为干扰后的信号进行频谱分析，使用窗函数法设计滤波器滤除噪声、并恢复信号。 2．设计任务与要求 1. 基本部分
（1）录制语音信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。 （2）对所录制的语音信号加入干扰噪声，并对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。 （3）分别利用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman 窗几种函数设计数字滤波器滤除噪声，并画出各种函数所设计的滤波器的频率响应。 （4）画出使用几种滤波器滤波后信号时域波形和频谱，对滤波前后的信号、几种滤波器滤波后的信号进行对比，分析信号处理前后及使用不同滤波器的变化；回放语音信号。 2. 提高部分 （5）录制一段音乐信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。 （6）利用MATLAB产生一个不同于以上频段的信号；画出信号频谱图。 （7）将上述两段信号叠加，并加入干扰噪声，尝试多次逐渐加大噪声功率，对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。 （8）选用一种合适的窗函数设计数字滤波器，画出滤波后音乐信号时域波形和频谱，对滤波前后的信号进行对比，回放音乐信号。 二、实验原理 1.设计原理分析 本设计主要是对语音信号的时频进行分析，并对语音信号加噪后设计滤波器对其进行滤波处理，对语音信号加噪声前后的频谱进行比较分析，对合成语音信号滤波前后进行频谱的分析比较。 首先用PC机WINDOWS下的录音机录制一段语音信号，并保存入MATLAB软件的根目录下，再运行MATLAB仿真软件把录制好的语音信号用audioread函数加载入MATLAB仿真软件的工作环境中，输入命令对语音信号进行时域，频谱变换。 对该段合成的语音信号，分别用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman窗几种函数在MATLAB中设计滤波器对其进行滤波处理，滤波后用命令可以绘制出其频谱图，回放语音信号。对原始语音信号、合成的语音信号和经过滤波器处理的语音信号进行频谱的比较分析。 2.语音信号的时域频域分析 在Matlab软件平台下可以利用函数audioread对语音信号进行采样,得到了声音数据变量y,同时把y的采样频率Fs=44100Hz放进了MATALB的工作空间。
第十三章 卡尔曼滤波 在本章中，我们介绍一种被称为卡尔曼滤波的十分有用的工具。卡尔曼滤波的基本思想是将动态系统表示成为一种称为状态空间表示的特殊情形。卡尔曼滤波是对系统线性投影进行序列更新的算法。除了一般的优点以外，这种算法对计算确切的有限样本预测、计算Gauss ARMA 模型的确切似然函数、估计具有时变参数的自回归模型等，都提供了重要方法。 §13.1 动态系统的状态空间表示 我们已经介绍过一些随机过程的动态表示方法，下面我们在以前的假设基础上，继续分析动态系统的表示方法。 13.1.1 继续使用的假设 假设t y 表示时刻t 观测到的n 维随机向量，一类非常丰富的描述t y 动态性的模型可以利用一些可能无法观测的被称为状态向量(state vector)的r 维向量t ξ表示，因此表示t y 动态性的状态空间表示(state-space representation)由下列方程系统给出： 11+++=t t t v ξF ξ 状态方程(state model) (13.1) t t t w ξH x A y t +'+'= 量测方程(observation model) (13.2) 这里F ，A '和H '分别是阶数为r r ?，k n ?和r n ?的参数矩阵，t x 是1?k 的外生或者前定变量。方程(13.1)被称为状态方程(state model)，方程(13.2)被称为量测方程(observation model)，1?r 维向量t v 和1?n 维向量t w 都是向量白噪声，满足： ???≠=='τ ττ t t E t ,,)(0Q v v (13.3) ? ??≠=='τττt t E t ,,)(0R w w (13.4) 这里Q 和R 是r r ?和n n ?阶矩阵。假设扰动项t v 和t w 对于所有阶滞后都是不相关的，即对所有t 和τ，有： 0w v =')(τ t E (13.5) t x 是外生或者前定变量的假定意味着，在除了包含在121,,,y y y Λ--t t 内的信息以外，t x 没有为s t +ξ和s t +w (Λ,2,1,0=s )提供任何新的信息。例如，t x 可以包括t y 的滞后值，也可以包括与τξ和τw (任意τ)不相关的变量。 方程系统中方程(13.1)至方程(13.5)可以表示有限观测值的序列 },,,{21T y y y Λ，这时需要状态向量初始值1ξ。假设1ξ与t v 和t w 的任何实现都不
数字滤波方法有很多种，每种方法有其不同的特点和使用范围。从大的范围可分为3类。 1、克服大脉冲干扰的数字滤波法 ㈠.限幅滤波法㈡.中值滤波法 2、抑制小幅度高频噪声的平均滤波法 ㈠．算数平均㈡．滑动平均㈢．加权滑动平均㈣一阶滞后滤波法 3、复合滤波法 四、介绍 在这我选用了常用的8种滤波方法予以介绍 （一）克服大脉冲干扰的数字滤波法： 克服由仪器外部环境偶然因素引起的突变性扰动或仪器内部不稳定引起误码等造成的尖脉冲干扰，是仪器数据处理的第一步。通常采用简单的非线性滤波法。 1、限幅滤波法（又称程序判断滤波法）限幅滤波是通过程序判断被测信号的变化幅度，从而消除缓变信号中的尖脉冲干扰。 A、方法：根据经验判断，确定两次采样允许的最大偏差值（设为A）每次检测到新值时判断：如果本次值与上次值之差A,则本次值无效,放弃本次值,用上次值代替本次值 B、优点：能有效克服因偶然因素引起的脉冲干扰 C、缺点无法抑制那种周期性的干扰平滑度差 D、适用范围: 变化比较缓慢的被测量值 2、中位值滤波法 中位值滤波是一种典型的非线性滤波器，它运算简单，在滤除脉冲噪声的同时可以很好地保护信号的细节信息。 A、方法：连续采样N次（N取奇数）把N次采样值按大小排列（多采用冒泡法）取
中间值为本次有效值 B、优点：能有效克服因偶然因素引起的波动(脉冲)干扰 C、缺点：对流量、速度等快速变化的参数不宜 D、适用范围：对温度、液位的变化缓慢的被测参数有良好的滤波效果 （二）抑制小幅度高频噪声的平均滤波法 小幅度高频电子噪声：电子器件热噪声、A/D量化噪声等。通常采用具有低通特性的线性滤波器：算数平均滤波法、加权平均滤波法、滑动加权平均滤波法一阶滞后滤波法等。 3、算术平均滤波法算术平均滤波法是对N个连续采样值相加，然后取其算术平均值作为本次测量的滤波值。 A、方法：连续取N个采样值进行算术平均运算N值较大时：信号平滑度较高，但灵敏度较低N值较小时：信号平滑度较低，但灵敏度较高N值的选取：一般流量，N=12；压力：N=4 B、优点：对滤除混杂在被测信号上的随机干扰信号非常有效。被测信号的特点是有一个平均值，信号在某一数值范围附近上下波动 C、缺点：不易消除脉冲干扰引起的误差。对于采样速度较慢或要求数据更新率较高的实时系统，算术平均滤法无法使用的。比较浪费RAM 4、递推平均滤波法（又称滑动平均滤波法） 对于采样速度较慢或要求数据更新率较高的实时系统，算术平均滤法无法使用的。滑动平均滤波法把N个测量数据看成一个队列，队列的长度固定为N，每进行一次新的采样，把测量结果放入队尾，而去掉原来队首的一个数据，这样在队列中始终有N个“最新”的数据。 A、方法：把连续取N个采样值看成一个队列，队列的长度固定为N ，每次采样到
自适应卡尔曼滤波 卡尔曼滤波发散的原因 如果卡尔曼滤波是稳定的，随着滤波的推进，卡尔曼滤波估计的精度应该越来越高，滤波误差方差阵也应趋于稳定值或有界值。但在实际应用中，随着量测值数目的增加，由于估计误差的均值和估计误差协方差可能越来越大，使滤波逐渐失去准确估计的作用，这种现象称为卡尔曼滤波发散。 引起滤波器发散的主要原因有两点： （1）描述系统动力学特性的数学模型和噪声估计模型不准确，不能直接真实地反映物理过程，使得模型与获得的量测值不匹配而导致滤波发散。这种由于模型建立过于粗糙或失真所引起的发散称为滤波发散。 （2）由于卡尔曼滤波是递推过程，随着滤波步数的增加，舍入误差将逐渐积累。如果计算机字长不够长，这种积累误差很有可能使估计误差方差阵失去非负定性甚至失去对称性，使滤波增益矩阵逐渐失去合适的加权作用而导致发散。这种由于计算舍入误差所引起的发散称为计算发散。 针对上述卡尔曼滤波发散的原因，目前已经出现了几种有效抑制滤波发散的方法，常用的有衰减记忆滤波、限定记忆滤波、扩充状态滤波、有限下界滤波、平方根滤波、和自适应滤波等。这些方法本质上都是以牺牲滤波器的最优性为代价来抑制滤波发散，也就是说，多数都是次优滤波方法。 自适应滤波 在很多实际系统中，系统过程噪声方差矩阵Q和量测误差方差阵R事先是不知道的，有时甚至连状态转移矩阵 或量测矩阵H也不能确切建立。如果所建立的模型与实际模型不符可能回引起滤波发散。自适应滤波就是这样一种具有抑制滤波发散作用的滤波方法。在滤波过程中，自适应滤波一方面利用量测值修正预测值，同时也对未知的或不确切的系统模型参数和噪声统计参数进行估计修正。自适应滤波的方法很多，包括贝叶斯法、极大似然法、相关法与协方差匹配法，其中最基本也是最重要的是相关法，而相关法可分为输出相关法和新息相关法。
广西工学院 数字信号处理课程设计设计题目：语音信号的处理与滤波 系别： 学号： 姓名： 班级： 指导教师： 完成日期：
目录 1. 摘要 (3) 2.MATLAB简介 (3) 3.设计目的 (4) 4.设计内容 (4) 5.设计原理 (4) 6.设计步骤 (5) 7.总结与分析 (10) 8.参考资料 (10)
摘要 本课题分析了数字信号处理课程的重要性及特点，可以帮助理解与掌握课程中的基本概念、基本原理、基本分析方法；并利用MATLAB对语音信号进行分析和处理，要求采集语音信号后，在MATLAB软件平台进行频谱分析。用设计的数字滤波器对语音信号进行了滤波 MATLAB简介 MATLAB 是一种对技术计算高性能的语言。它集成了计算，可视化和编程于一个易用的环境中，在此环境下，问题和解答都表达为我们熟悉的数学符号。典型的应用有： ?数学和计算 ?算法开发 ?建模，模拟和原形化 ?数据分析，探索和可视化 ?科学与工程制图 ?应用开发，包括图形用户界面的建立 MATLAB是一个交互式的系统，其基本数据元素是无须定义维数的数组。这让你能解决很多技术计算的问题，尤其是那些要用到矩阵和向量表达式的问题。而要花的时间则只是用一种标量非交互语言(例如C或Fortran)写一个程序的时间的一小部分。 . 名称“MATLAB”代表matrix laboratory（矩阵实验室）。MATLAB最初是编写来提供给对由LINPACK和EINPACK工程开发的矩阵软件简易访问的。今天，MATLA B使用由LAPACK和ARPACK工程开发的软件，这些工程共同表现了矩阵计算的软件中的技术发展。 MATLAB已经与许多用户输入一同发展了多年。在大学环境中，它是很多数学类、工程和科学类的初等和高等课程的标准指导工具。在工业上，MATLAB是高产研究、开发和分析所选择的工具。 MATLAB以一系列称为工具箱的应用指定解答为特征。对多数用户十分重要的是，工具箱使你能学习和应用专门的技术。工具箱是是MATLAB函数（M-文件）的全面的综合，这些文件把MATLAB的环境扩展到解决特殊类型问题上。具有可用工具箱的领域有：信号处理，控制系统神经网络，模糊逻辑，小波分析，模拟等等。
《计算机仿真技术》 基于MATLAB的加噪语音信号的滤波学生姓名： 专业：电子信息工程 班级： 学号： 指导教师： 完成时间：2017年12月
一．滤波器的简述 在MATLAB环境下IIR数字滤波器和FIR数字滤波器的设计方法即实现方法，并进行图形用户界面设计，以显示所介绍迷你滤波器的设计特性。 在无线脉冲响应（IIR）数字滤波器设计中，先进行模拟滤波器的设计，然后进行模拟-数字滤波器转换，即采用脉冲响应不变法及双线性Z变化法设计数字滤波器，最后进行滤波器的频带转换。在有限脉冲响应（FIR）数字滤波器设计中，讨论了FIR线性相位滤波的特点和用窗口函数设计FIR数字滤波器两个问题。两类滤波器整个过程都是按照理论分析、编程设计、集体实现的步骤进行的。为方便分析直观者直观、形象、方便的分析滤波器的特性，创新的设计出图形用户界面---滤波器分析系统。整个系统分为两个界面，其内容主要包括四个部分：System（系统）、Analysis（分析）、Tool（工具）、Help（帮助）。 数字滤波在DSP中占有重要地位。数字滤波器按实现的网络结构或者从单位脉冲响应，分为IIR（无限脉冲响应）和FIR（有限脉冲响应）滤波器。如果IRR 滤波器和FIR滤波器具有相同的性能，那么通常IIR滤波器可以用较低的阶数获得高的选择性，执行速度更快，所有的存储单元更少，所以既经济又高效。二．设计要求 1.在matlab平台上录制一段语音信号； 2.完成语音信号的谱分析； 3.对语音信号进行加噪以及加噪后信号的谱分析； 4.选择合适的滤波器进行滤波，确定相关指标； 5.实现滤波过程，显示滤波后的结果，并进行谱分析。 三．实验内容与步骤 1、语音信号的录入
一.十一种通用滤波算法(转) 1、限幅滤波法（又称程序判断滤波法） A、方法： 根据经验判断，确定两次采样允许的最大偏差值（设为A） 每次检测到新值时判断： 如果本次值与上次值之差<=A,则本次值有效 如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值B、优点： 能有效克服因偶然因素引起的脉冲干扰 C、缺点 无法抑制那种周期性的干扰 平滑度差 2、中位值滤波法 A、方法： 连续采样N次（N取奇数） 把N次采样值按大小排列 取中间值为本次有效值 B、优点： 能有效克服因偶然因素引起的波动干扰 对温度、液位的变化缓慢的被测参数有良好的滤波效果 C、缺点： 对流量、速度等快速变化的参数不宜 3、算术平均滤波法 A、方法： 连续取N个采样值进行算术平均运算 N值较大时：信号平滑度较高，但灵敏度较低 N值较小时：信号平滑度较低，但灵敏度较高 N值的选取：一般流量，N=12；压力：N=4
适用于对一般具有随机干扰的信号进行滤波 这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动 C、缺点： 对于测量速度较慢或要求数据计算速度较快的实时控制不适用 比较浪费RAM 4、递推平均滤波法（又称滑动平均滤波法） A、方法： 把连续取N个采样值看成一个队列 队列的长度固定为N 每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果 N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4 B、优点： 对周期性干扰有良好的抑制作用，平滑度高 适用于高频振荡的系统 C、缺点： 灵敏度低 对偶然出现的脉冲性干扰的抑制作用较差 不易消除由于脉冲干扰所引起的采样值偏差 不适用于脉冲干扰比较严重的场合 比较浪费RAM 5、中位值平均滤波法（又称防脉冲干扰平均滤波法） A、方法： 相当于“中位值滤波法”+“算术平均滤波法” 连续采样N个数据，去掉一个最大值和一个最小值 然后计算N-2个数据的算术平均值 N值的选取：3~14
卡尔曼滤波算法总结-标准化文件发布号：（9556-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
2015.12.12 void Kalman_Filter(float Gyro,float Accel) { Angle+=(Gyro - Q_bias) * dt; Pdot[0]=Q_angle - PP[0][1] - PP[1][0]; Pdot[1]= - PP[1][1]; Pdot[2]= - PP[1][1]; Pdot[3]=Q_gyro; PP[0][0] += Pdot[0] * dt; PP[0][1] += Pdot[1] * dt; PP[1][0] += Pdot[2] * dt; PP[1][1] += Pdot[3] * dt; Angle_err = Accel - Angle; PCt_0 = C_0 * PP[0][0]; PCt_1 = C_0 * PP[1][0]; E = R_angle + C_0 * PCt_0; K_0 = PCt_0 / E; K_1 = PCt_1 / E; t_0 = PCt_0; t_1 = C_0 * PP[0][1]; PP[0][0] -= K_0 * t_0; PP[0][1] -= K_0 * t_1; PP[1][0] -= K_1 * t_0; PP[1][1] -= K_1 * t_1; Angle += K_0 * Angle_err; Q_bias += K_1 * Angle_err; Gyro_x = Gyro - Q_bias; }
首先是卡尔曼滤波的5个方程： (|1)(1|1)() X k k AX k k Bu k -=--+（1）先验估计 (|1)(1|1)'P k k AP k k A Q -=--+（2）协方差矩阵的预测 ()(|1)'/(|1)')Kg k P k k H HP k k H R =--+（3）计算卡尔曼增益 (|)(|1)()(()(|1))X k k X k k Kg k Z k HX k k =-+--（4）进行修正 5个式子比较抽象，现在直接用实例来说： 一、卡尔曼滤波第一个式子 对于角度来说，我们认为此时的角度可以近似认为是上一时刻的角度值加上上一时刻陀螺仪测得的角加速度值乘以时间，因为d dt θω=?，角度微分等于时间的微分乘以角速度。但是陀螺仪有个静态漂移（而且还是变化的），静态漂移就是静止了没有角速度然后陀螺仪也会输出一个值，这个值肯定是没有意义的，计算时要把它减去。 由此我们得到了当前角度的预测值Angle Angle=Angle+(Gyro - Q_bias) * dt; 其中等号左边Angle 为此时的角度，等号右边Angle 为上一时刻的角度，Gyro 为陀螺仪测的角速度的值，dt 是两次滤波之间的时间间隔，我们的运行周期是4ms 或者6ms 。 同时 Q_bias 也是一个变化的量。 但是就预测来说认为现在的漂移跟上一时刻是相同的，即 Q_bias=Q_bias 将上面两个式子写成矩阵的形式 1_0 1_0 Angle dt Angle dt Q bias Q bia o s Gyr -= + 得到上式，这个式子对应于卡尔曼滤波的第一个式子 (|1)(1|1)() X k k AX k k Bu k -=--+ (|)(|1) P k k I Kg k H P k k =--（（））（5）更新协方差阵
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);
卡尔曼滤波简介及其算法实现代码 卡尔曼滤波算法实现代码（C，C＋＋分别实现） 卡尔曼滤波器简介 近来发现有些问题很多人都很感兴趣。所以在这里希望能尽自己能力跟大家讨论一些力所能及的算法。现在先讨论一下卡尔曼滤波器，如果时间和能力允许，我还希望能够写写其他的算法，例如遗传算法，傅立叶变换，数字滤波，神经网络，图像处理等等。 因为这里不能写复杂的数学公式，所以也只能形象的描述。希望如果哪位是这方面的专家，欢迎讨论更正。 卡尔曼滤波器– Kalman Filter 1．什么是卡尔曼滤波器 （What is the Kalman Filter?） 在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！ 卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们现在要学习的卡尔曼滤波器，正是源于他的博士论文和1960年发表的论文《A New Approach to Linear Filtering and Prediction Problems》（线性滤波与预测问题的新方法）。如果对这编论文有兴趣，可以到这里的地址下载： https://www.doczj.com/doc/5215413626.html,/~welch/media/pdf/Kalman1960.pdf。 简单来说，卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。 2．卡尔曼滤波器的介绍 （Introduction to the Kalman Filter） 为了可以更加容易的理解卡尔曼滤波器，这里会应用形象的描述方法来讲解，而不是像大多数参考书那样罗列一大堆的数学公式和数学符号。但是，他的5条公式是其核心内容。结合现代的计算机，其实卡尔曼的程序相当的简单，只要你理解了他的那5条公式。 在介绍他的5条公式之前，先让我们来根据下面的例子一步一步的探索。 假设我们要研究的对象是一个房间的温度。根据你的经验判断，这个房间的温度是恒定的，也就
山东建筑大学信电学院课程设计说明书 语音信号分析与处理 摘要 用MATLAB对语音信号进行分析与处理，采集语音信号后，在MATLAB软件平台进行频谱分析;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。 数字滤波器是数字信号处理的基础，用来对信号进行过滤、检测和参数估计等处理。IIR数字滤波器最大的优点是给定一组指标时，它的阶数要比相同组的FIR 滤波器的低的多。信号处理中和频谱分析最为密切的理论基础是傅立叶变换（FT）。离散傅立叶变换（DFT）和数字滤波是数字信号处理的最基本内容。 关键词：MATLAB;语音信号；加入噪声；滤波器；滤波 1. 设计目的与要求 （1）待处理的语音信号是一个在20Hz~20kHz频段的低频信号。 （2）要求MATLAB对语音信号进行分析和处理，采集语音信号后，在MATLAB平台进行频谱分析；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，设计合适的滤波器进行滤除噪声，恢复原信号。 1 山东建筑大学信电学院课程设计说明书
2. 设计步骤 （1）选择一个语音信号或者自己录制一段语音文件作为分析对象； （2）对语音信号进行采样，并对语音信号进行FFT频谱分析，画出信号的时域波形图和频谱图； （3）利用MATLAB自带的随机函数产生噪声加入到语音信号中，对语音信号进行回放，对其进行FFT频谱分析； （4）设计合适滤波器，对带有噪声的语音信号进行滤波，画出滤波前后的时域波形图和频谱图，比较加噪前后的语音信号，分析发生的变化； （5）对语音信号进行回放，感觉声音变化。 3. 设计原理及内容 3.1 理论依据 （1）采样频率：采样频率（也称采样速度或者采样率）定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。采样频率只能用 于周期性采样的采样器，对于非周期采样的采样器没有规则限制。通俗的讲，采样频率是指计算机每秒钟采集多少个声音样本，是描述声音文件的音质、音调，衡量声卡、声音文件的质量标准。采样频率越高，即采样的间隔时间越短，则在单位之间内计算机得到的声音样本数据就越多，对声音波形的表示也越精确。（2）采样位数：即采样值或取样值，用来衡量声音波动变化的参数。 （3）采样定理：在进行模拟/数字信号的的转换过程中，当采样频率f大于信s.max 号中，最高频率f的2倍时，即：f>=2f，则采样之后的数字信号完整的maxmaxs.max 保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的 5~10倍；采样频率又称乃奎斯特定理。 （4）时域信号的FFT分析：信号的频谱分析就是计算信号的傅立叶变换。连续信号与系统的傅立叶分析显然不便于直接用计算机进行计算，使其应用受到限制。而FFT是一种时域和频域均离散化的变换，适合数值计算，成为用计算机分析 离2 山东建筑大学信电学院课程设计说明书 散信号和系统的的有力工具。对连续信号和系统，可以通过时域采样，应用DFT 进行近似谱分析。
1、限幅滤波法（又称程序判断滤波法） A、方法： 根据经验判断，确定两次采样允许的最大偏差值（设为A） 每次检测到新值时判断： 如果本次值与上次值之差<=A,则本次值有效 如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值 B、优点： 能有效克服因偶然因素引起的脉冲干扰 C、缺点 无法抑制那种周期性的干扰 平滑度差 2、中位值滤波法 A、方法： 连续采样N次（N取奇数） 把N次采样值按大小排列 取中间值为本次有效值 B、优点： 能有效克服因偶然因素引起的波动干扰 对温度、液位的变化缓慢的被测参数有良好的滤波效果 C、缺点： 对流量、速度等快速变化的参数不宜 3、算术平均滤波法 A、方法： 连续取N个采样值进行算术平均运算 N值较大时：信号平滑度较高，但灵敏度较低 N值较小时：信号平滑度较低，但灵敏度较高 N值的选取：一般流量，N=12；压力：N=4 B、优点： 适用于对一般具有随机干扰的信号进行滤波 这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动 C、缺点： 对于测量速度较慢或要求数据计算速度较快的实时控制不适用 比较浪费RAM 4、递推平均滤波法（又称滑动平均滤波法） A、方法： 把连续取N个采样值看成一个队列 队列的长度固定为N 每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果 N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4 B、优点： 对周期性干扰有良好的抑制作用，平滑度高 适用于高频振荡的系统 C、缺点： 灵敏度低 对偶然出现的脉冲性干扰的抑制作用较差 不易消除由于脉冲干扰所引起的采样值偏差 不适用于脉冲干扰比较严重的场合 比较浪费RAM 5、中位值平均滤波法（又称防脉冲干扰平均滤波法） A、方法： 相当于“中位值滤波法”+“算术平均滤波法” 连续采样N个数据，去掉一个最大值和一个最小值 然后计算N-2个数据的算术平均值 N值的选取：3~14