基于MATLAB的小波在語音信號中的應用畢業(yè)設計.doc

陜西理工學院畢業(yè)設計基于MATLAB的小波在語音信號中的應用 摘要MATLAB作為一種高性能和可靠性比較強的數(shù)值計算和可視化的軟件，經過各個行業(yè)領域專家的共同努力和不斷研究，MATLAB現(xiàn)已包含信號處理和圖像處理以及通信和小波分析還有就是優(yōu)化以及控制系統(tǒng)等不同應用領域的相關的工具箱。我在設計中將以MATLAB 軟件為參考和結合工程實際運用中的各應用領域，由淺入深地講解應該如何應用MATLAB來實現(xiàn)小波在語音信號中的應用。關鍵詞 MATLAB；小波去噪；語音信號Based on the MATLAB wavelet in the application of speech signal Abstract: MATLAB as a high performance and reliability, strong numerical calculation and visualization software, through the various industry experts in the field of joint efforts and continuous research, MATLAB now includes signal processing and image processing and communication and wavelet analysis and optimization and control systems in different application areas related to the toolbox. Im in design, taking MATLAB software for reference and combining with the practical engineering application of the application from the shallower to the deeper, to explain how to use MATLAB to achieve the wavelet application in speech signal. Key words: MATLAB，Wavelet denoising，Speech signal目錄1引言11.1 研究意義11.2 研究背景12基于MATLAB的小波變換處理過程12.1 小波的定義12.2小波變換處理的概述23 基于MATLAB的小波變換的相關特點33.1 基于MATLAB的小波濾波器的鏡像33.2 利用A A 的比例尺的矩陣來分析小波44基于MATLAB的小波在語音信號的去噪方法44.1基于MATLAB語音信號小波變換閾值去噪法44.2基于MATLAB的小波閾值處理方式的優(yōu)化54.3基于MATLAB的小波在語音信號去噪的仿真程序74.4基于MATLAB的小波在語音信號去噪的仿真應用舉例105結語116致謝117參考文獻11 陜西理工學院畢業(yè)設計1引言1.1 研究意義目前基于MATLAB的小波分析方法在許多工程領域中都得到了廣泛的應用，成為廣大的科技工作者經常使用的工具之一。MATLAB作為一種高性能和可靠性比較強的數(shù)值計算和可視化的軟件，經過各個行業(yè)領域專家的共同努力和不斷研究，MATLAB現(xiàn)已應用于信號處理和圖像處理以及通信和小波分析還有就是優(yōu)化以及控制系統(tǒng)等不同領域。我在設計中將以MATLAB 軟件為參考和結合工程實際運用中的各應用領域，由淺入深地講解應該如何應用MATLAB來實現(xiàn)小波在語音信號中的應用。傳統(tǒng)的硬閾值處理方法得到的相關的小波系數(shù)值的連續(xù)性差，重構得到的小波語音信號可能會產生震蕩效應。軟閾值的處理方法在小波系數(shù)雖然整理的連續(xù)性好，但當小波系數(shù)較大時，它們的分解系數(shù)總存在偏差，給重構信號帶來不可避免的誤差。因此研究新的閾值處理方法，提高重構精度，就有了很大的實用價值。1.2 研究背景MATLAB 軟件是美國的MathWorks 公司出品和負責研制的商業(yè)數(shù)學軟件，MATLAB 軟件主要是用于算法開發(fā)以及數(shù)據可視化與數(shù)據分析和數(shù)值計算的相關高級技術的計算語言和交互式環(huán)境下處理和分析語音以及圖像的， MATLAB 軟件主要包括MATLAB 和SIMULINK 兩大結構部分。MATLAB 是矩陣實驗室的簡稱，MATLAB和Mathematica以及Maple 并稱為國際上的三大數(shù)學處理軟件。MATLAB在數(shù)學類的科技應用軟件中的相關在數(shù)值計算方面的功能將是首屈一指的。MATLAB功能主要是可以進行相關的矩陣運算以及繪制函數(shù)和數(shù)據來實現(xiàn)相關的算法和創(chuàng)建用戶界面以及連接其他編程語言的相關程序等，MATLAB軟件將主要應用于工程計算和控制設計以及信號處理與信號的通訊和圖像處理還有將是信號檢測以及金融建模設計與分析等領域。我在設計中將會詳細地闡述如何使用MATLAB 的相關小波分析工具箱進行語音信號的相關去噪處理的實用技術和實用的方法。與其它計算機語言相比，MATLAB具有以下特點：（1）MATLAB是一種解釋性語言；（2）變量的多功能性；（3）運算符號的多功能性；（4）語言規(guī)則與筆算式相似；（5）強大而簡易的作圖功能；（6）智能化程度高；（7）功能豐富，可擴展性強。2基于MATLAB的小波變換處理過程2.1 小波的定義小波也就是指的是小區(qū)域的波，是一種比較特殊的長度有限以及平均值為0的特有波形。小波函數(shù)的定義為：我們需要先設為一平方的可積函數(shù)，也就是即，若此函數(shù)的傅里葉變換滿足條件公式： 則可以稱為一個比較基本的小波母函數(shù)，我們也可以稱上式為小波函數(shù)的相關可容許的條件。小波分析是近十幾年來發(fā)展起來的一種比較新穎的有關時頻的分析方法。小波分析典型的應用主要包括齒輪變速控制和起重機的非正常噪聲，還有就是物理中的相關的一些間斷現(xiàn)象等。而小波的頻域分析的主要著眼點主要是在于可以區(qū)分有關的突發(fā)信號以及和相關的穩(wěn)定信號以及定量分析其能量，小波分析的典型應用主要是包括細胞膜的相關識別，有關金屬表面的探傷和金融學中快變量的相關檢測，INTERNET的相關流量控制等。我們可以從以上的小波信號分析的典型應用中就可以看出，時頻分析的應用將是非常廣泛，涵蓋了物理學和工程技術以及生物科學與經濟學等眾多領域，而且我們知道在很多情況下我們僅僅分析其相關的時域或頻域的性質還是不夠的，比如我們在電力的相關監(jiān)測系統(tǒng)中，即要監(jiān)控相關穩(wěn)定信號的一些成分，又要準確地定位相關的一些故障信號。這就需要我們引入新的相關的一些時頻分析的方法，小波分析也正是由于這類實際的需求發(fā)展起來的。2.2小波變換處理的概述基于MATLAB的小波在語音信號的變換識別與語音合成技術是一種關于人機語言通信技術，基于MATLAB的小波在語音信號的運用主要是屬于計算機智能接口技術的范疇。計算機的相關智能接口技術主要是包括計算機的相關聽覺和視覺。計算機的多媒體技術也主要是利用計算機基于MATLAB的小波在語音信號處理和圖像的相關處理的能力為我們提供一種更加方便和便捷的人機界面。使人與計算機之間的通信以及人與人之間的通信更加方便和快速?；贛ATLAB的小波在語音識別和變換技術的應用，本質上就是將MATLAB的小波能將人和動物等的相關語音轉化為計算機的相關的語言代碼。我們知道語音主要是我們的相關語言信息的相關載體，語音識別技術的基本任務主要是將輸入的話音信息轉化為相應的一些語言代碼。就這樣我們不僅可以在存儲或傳輸過程將這樣的語言代碼的狀態(tài)數(shù)碼的相關比特率比起存儲原來的相關語音信號來大幅度地不斷降低，這還在于它把一種連續(xù)性的小波在語音信號中主要變成一種具有相關的有限符號集中的符號，這樣的符號容易被計算機的一些相關的專用信息處理單元有效地理解其含義，而且便于計算機相關系統(tǒng)與人進行實際的交流，因而我們就可以進行十分廣泛的合理的基于MATLAB的小波在語音信號中的應用。 小波變換的相關時頻的窗口特性與相關短時傅里葉的時頻窗口將是不一樣，因為我們知道a不僅會影響窗口在相關的頻率軸上的位置，也將會影響相關窗口的形狀。這樣的小波變換將對不同的頻率在相關的時域上的取樣的步長會是可以調節(jié)的，也就是在低頻的時候小波變換的時間分辨率將是較低的，而相關的頻率分辨率較高；而在相應的高頻時小波變換的時間分辨率將會較高，而真正的頻率分辨率會較低一些，這也正是符合有關的低頻信號變化緩慢一些而高頻信號變化迅速一些的重要特點，所以小波變換會被譽為數(shù)學顯微鏡。這便是小波變換會優(yōu)于經典的傅里葉變換和短時的傅里葉變換的重要的地方。小波變換也將是一種積分變換，將主要為小波變換的系數(shù)。小波變換不同于傅里葉變換的地方主要是，小波基將會具有的尺度和平移兩個重要的參數(shù)，所以有關的函數(shù)一經小波變換的話就意味著可以將一個相關的時間函數(shù)可以投影到二維的時間-尺度相的有關平面上，這樣將會有利于提取有關的信號函數(shù)的某些本質方面的特征。小波分析在目前將是一門新的學科，在相關的頻域和時域將會具有良好的局部化的一些特性，小波變換將克服了傅里葉分析方面的一些不足，在能夠使用傅里葉變換的地方我們將都可以用小波變換來代替并且所取得的效果將會更好。小波變換在數(shù)據的壓縮和去噪以及在邊緣檢測等方面比現(xiàn)有方法更有效。小波分析與傅里葉分析的主要的區(qū)別將在于：傅里葉分析的重點是只考慮相關時域和相關的頻域之間的是一對一的映射，傅里葉分析主要是以單個變量的時間或頻率的相關的函數(shù)來表示信號；小波分析則主要是利用一些可以聯(lián)合的時間尺度函數(shù)來分析相關的一些非平穩(wěn)的信號，小波分析和時頻分析的主要區(qū)別將在于：時頻分析將主要是在相關的時頻平面上來表示的一些非平穩(wěn)的信號，小波分析的描述將主要是在非平穩(wěn)信號的也在相關的二維平面上，但不是在時頻的平面上，而是在有關的時間尺度的平面上，在小波分析中人們將可以在不同尺度上來觀察一些相關的信號，這種對信號分析的多尺度觀點將是小波分析的一些最為基本的特征。小波分析將是屬于時頻分析的其中的的一種，傳統(tǒng)小波分析的信號分析將主要是建立在傅立葉變換的基礎之上的，我們知道由于傅立葉分析將主要使用的是一種全局性的變換，要么完全地在時域，要么完全地在頻域，因此我們將無法表述有關信號的相關的時頻局域的一些性質，而我們知道這種性質恰恰將是非平穩(wěn)信號中最為根本和最為關鍵的性質。我們?yōu)榱朔治龊吞幚碛嘘P的非平穩(wěn)信號，人們將主要對傅立葉分析進行了有關的推廣乃至根本性的變革，這樣將提出并發(fā)展了一系列新的有關的信號分析理論：短時傅立葉變換和Gabor變換以及時頻分析與小波變換，還有分數(shù)階傅立葉變換和線調頻小波變換以及循環(huán)統(tǒng)計量理論和調幅-調頻信號分析等。其中短時的傅立葉變換和小波變換也將是應傳統(tǒng)的傅立葉變換不能夠滿足相關的信號處理的要求而彼此產生的。短時的傅立葉變換分析的基本思想將主要是：我們可以假定非平穩(wěn)信號在分析窗函數(shù)g（t）的一個短時間間隔內將是平穩(wěn)的，并可以移動分析窗函數(shù)，使將在不同的有限時間的寬度內是平穩(wěn)的信號，從而可以計算出各個不同時刻的有關的功率譜。但我們將從本質上來講的話短時傅立葉變換將會是一種比較單一分辨率的信號分析方法，因為短時傅立葉變換使用一個固定的短時窗函數(shù)。因而短時傅立葉變換在信號分析上還是存在著不可改變的一些缺陷。小波變換是一種信號的時間尺度分析方法，它具有多分辨率分析的特點，而且在時頻兩域都具有表征信號局部特征的能力，是一種窗口大小固定不變但其形狀可改變，時間窗和頻率窗都可以改變的時頻局部化分析方法。即在低頻部分具有較高的頻率分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，很適合于探測正常信號中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分，所以被譽為分析信號的顯微鏡，利用連續(xù)小波變換進行動態(tài)系統(tǒng)故障檢測與診斷具有良好的效果。 小波變換是空間和時間以及頻率的一些局部信號的變換,小波變換能有效地從語音信號中提取有用的信息。由于有些語音信號主要分布在低頻區(qū)域而噪聲則主要分布在高頻區(qū)域部分,但在高頻區(qū)域中也含有一小部分有用的語音信號信息,使用MATLAB的小波變換方法處理語音信號,可以分解只作用于低頻部分而我們將高頻部分保持不動?；贛ATLAB的小波在語音信號中的應用方面還在化學領域有所應用,這會經常涉及到光譜信號和波譜信號以及電化學信號等各種化學信號的處理,在化學領域的這些方面小波分析已得到了非常成功的應用。目前MATLAB軟件有很多方法可用于信號的降噪,如中值濾波和低通濾波以及傅立葉變換等,但它們都將會濾掉了語音信號細節(jié)中的有用部分，小波分析作為一種基于MATLAB新的數(shù)學工具,對很多領域特別是語音信號分析領域將會產生了重大影響。MATLAB的小波包變換是小波變換的推廣和延續(xù),我們可以視為普遍的一些小波函數(shù)的線性組合表示信號時，具有比小波變換更強的靈活性和便捷性。小波包變換在處理語音信號時,高頻部分也和低頻部分一樣被分解。3 基于MATLAB的小波變換的相關特點3.1 基于MATLAB的小波濾波器的鏡像在基于MATLAB的小波在語音信號的應用分析中,小波的一些相關的函數(shù)以及小波的相關濾波器和相關的比例尺函數(shù)或者比例尺的相關濾波器主要是以成對的情況出現(xiàn)的,基于MATLAB的小波是有很多種類的。我們在對相關的離散的小波信號進行相關的特點分析時,它們均可以使用一個有限的相關數(shù)組來表示。在信息學中我們可以將有限的相關數(shù)組表示可以理解為主要是一種有限的脈沖響應的濾波器,這種有限的脈沖響應的濾波器實際效果將是對原信號沒有任何的反饋作用的?；贛ATLAB的小波的另一種對原信號的相關具有反饋作用的濾波器我們可以稱為無限脈沖響應的濾波器。這在小波的相關分析中的這種有限的脈沖響應濾波器，我們必須滿足的是比例尺的相關濾波器中的各個數(shù)值之和的平方將需要是恒等于2 或1?；贛ATLAB的小波濾波器中的各數(shù)值之和恒等于零；在基于MATLAB的小波濾波器中，各項數(shù)值相對于它們的相關比例尺的實際的濾波器中，各項的數(shù)值之間將具有反對稱的一些相關的特點；正是由于這個特點的存在,小波濾波器有時我們也將稱為相關比例尺濾波器的鏡像。 基于MATLAB的小波濾波器的第一項的相關數(shù)值，將會等于比例尺的濾波器中倒數(shù)第一項的實際的數(shù)值,而是在第二項中就會等于倒數(shù)第二項的實際數(shù)值,并且我們知道所有的奇數(shù)項的實際符號均會為負號。3.2 利用A A 的比例尺的矩陣來分析小波基于MATLAB的小波中如果有一列長度為A 的離散的的相關小波信號,那么我們在進行小波分析的時候就要考慮先形成一個A A 的比例尺的相關矩陣。我們要考慮在相關矩陣的每一行要除了濾波器的實際數(shù)值以外其他的數(shù)值要均為零的狀態(tài),同時我們要考慮每行的濾波器的實際數(shù)值將會依照相關的位移量逐漸地進行向右地平移。那么該矩陣和小波信號向量的相關乘積就是我們所考慮獲得的實際的比例尺的系數(shù),同理我們將可以考慮 基于MATLAB的小波獲得高通濾波器的相關小波系數(shù)。它們所獲得的比例尺的相關系數(shù)又將我們可以進行下一級的相關分析。一般來說基于MATLAB的小波的低通濾波器的作用將主要是平滑數(shù)據,而高通濾波器的實際作用就是獲取它們在這個細節(jié)上的相關的差別。4基于MATLAB的小波在語音信號的去噪方法我們對于語音信號去噪方法的研究是語音信號處理領域一個不便的研究話題。我們知道比較經典的一些信號去噪方法主要包括如時域法和頻域法，還有就是加窗傅立葉變換法和維納分布法等各自都有其相關的局限性的同時也有其優(yōu)勢。但也限制了這些語音信號去噪方法的相關應用的范圍?；贛ATLAB的幾種常用小波在語音信號的去噪方法以及變換是一種新的去噪方法，基于MATLAB的閾值去噪法在時頻兩域都具有非常良好的局部化特性。并且基于MATLAB閾值去噪法的在語音信號的去噪領域獲得了非常廣泛的應用。 我的論文將主要研究了基于MATLAB的幾種常用小波在語音信號的去噪方法的變換理論，論文著重分析了小波在語音信號在非平穩(wěn)語音信號去噪中的相關的應用方法。我也比較了幾種常用小波閾值去噪法的應用分析，并針對基于MATLAB的幾種常用小波閾值去噪法中常會遇到的小波語音信號的相關的分解層數(shù)的選取和閾值的合理選取。利用MATLAB的小波分析工具箱詳細地分析研究了實際的語音信號，并可以根據相關語音信號的噪音模式，我主要在論文中提出了一種改進的小波域的相關語音去噪的實際方法。4.1基于MATLAB語音信號小波變換閾值去噪法 對于基于MATLAB信號去噪方法的研究是信號處理領域一個永恒的經典話題。我們研究如何利用MATLAB軟件去除語音中的噪聲，以及改進相關的語音質量和對于提高相關語音的可懂度是語音信號處理的關鍵所在。傳統(tǒng)的語音去噪的相關算法是主要對語音信號進行時域或頻域的相關濾波的方法，這些語音去噪的方法往往只是對某種特定的語音噪聲的去噪的效果明顯。當語音信號中的噪聲與相關語音的一些頻譜相似時，傳統(tǒng)的單純時域或頻域處理往往將無法達到很好的去噪效果。基于MATLAB的小波在語音信號中的變換是在上世紀的80年代末發(fā)展起來的一種時頻局部化的分析方法，這種方法特別適用于分析非平穩(wěn)的小波時變的相關語音信號。克服了短時傅立葉變換固定分辨率的弱點,既可以分析信號的概貌,又可以分析信號的細節(jié),利用小波變換實現(xiàn)信號的去噪,具有較好的效果。基于MATLAB的小波在語音信號中的應用理論已在語音信號的去噪方面已經在語音信號的相關科研的處理方面得到越來越廣泛的應用?；贛ATLAB的小波具有相關的多分辨率的分析的方法，我們將使基于MATLAB的小波具有帶通濾波的一些相關的特性，因而我們就可以利用小波分解與小波重構的相關方法來對相關的濾波進行降噪處理?；贛ATLAB的小波在語音信號中的奇異性檢測的相關理論將會使得我們也可利用小波變換模的極大值的相關方法去噪。非線性小波語音信號變換的相關閾值去噪法將使小波閾值去噪得到了非常廣泛的應用?；贛ATLAB語音信號小波變換閾值去噪法對傳統(tǒng)的相關去噪方法進行了改進，把傳統(tǒng)的相關去噪方法和閾值去噪的相關方法結合在了一起，這將得到了一種新的組合方法。該方法特點是在濾波之后得到的相關小波系數(shù)不僅連續(xù)性好的同時準確率也高，而且易于和方便我們重構信號?；贛ATLAB語音信號的仿真結果表明，消噪的效果有了比較明顯的改觀?；贛ATLAB的小波在語音信號中的應用的小波域的相關濾波是根據信號和相關噪聲在不同尺度上的小波變換的不同形態(tài)來表現(xiàn)和構造出相應的消噪規(guī)則, 這樣就會對信號和相關噪聲的小波變換系數(shù)進行相關的處理, 這樣處理的實質就在于不斷地減少以至于完全剔除小波在語音信號中由噪聲產生的相關系數(shù),這樣就可以同時最大限度地保留有效語音信號對應的一些小波系數(shù),再由MATLAB對處理過的相關小波系數(shù)進行信號重構, 從而可以得到原始信號的最優(yōu)估計?；贛ATLAB的小波變換的濾波作用, 我們知道就主要包含在對小波變換系數(shù)的相關處理中。我們對于小波語音信號的正常邊緣和相關的Lipsch itz的指數(shù)將是大于或等于0的, 這時小波語音信號變換的相關幅值將主要隨著尺度的不斷增加而增加和保持不變； 而對于基于MATLAB的小波語音信號的噪聲, 其Lipsch itz指數(shù)將主要是小于0的狀況, 這時小波變換的相關幅值將會隨著尺度的不斷增加而進入迅速衰減的狀況。我們當將相關的尺度增大到一定程度的時候基于MATLAB的小波的噪聲控制點將隨著小波變換的模極值點將會不斷地消失?；贛ATLAB的小波語音信號經過小波變換之后, 其小波變換的相關系數(shù)將在各尺度的相應的位置上往往有較強一些的實際相關性, 尤其是在小波語音信號的邊緣附近, 其相關性將會更加明顯而噪聲對應的小波語音信號的小波系數(shù)在相關的尺度間將是不相關或弱相關的狀態(tài)。因此我們可以考慮利用小波系數(shù)在不同尺度上對應點處的相關性來區(qū)分系數(shù)的不同類別從而進行相關取舍。通過這樣的方法濾波之后的小波語音信號的系數(shù)基本上對應著信號的邊緣而達到了去噪的實際效果。4.2基于MATLAB的小波閾值處理方式的優(yōu)化 傳統(tǒng)的硬和軟閾值處理方式方法雖然在實際應用中得到了廣泛的應用，也取得了較好的理想效果，但是這些方法本身還存在一些應有的缺陷。在基于MATLAB的相關的硬閾值處理過程中，主要得到的相關的一些小波系數(shù)值的連續(xù)性比較差，也就是由于分解系數(shù)在相關的處是不連續(xù)的，因此我們知道重構所得的小波語音信號可能會產生一些振蕩的效應；而軟閾值的相關方法中估計的相關小波系數(shù)雖然整體上的連續(xù)性較好一些，但是由于當小波系數(shù)較大時它們的分解系數(shù)之間總存在一些恒定的偏差值，我們知道這將會直接影響相關的重構信號與真實信號的彼此逼近程度，給重構信號帶來不可避免的一些誤差。如果我們對相關噪聲用分解的實際系數(shù)用C(J，k)來表示的話，其中j代表的就是小波語音信號的尺度，k代表相關的時間，我們則可以得出如下的相關結論：如果我們所分解的語音信號是一個平穩(wěn)的零均值的白噪聲的信號的話，則其小波分解系數(shù)將會是不相關的；如果我們所分解的語音信號是一個高斯噪聲，那么則其小波分解系數(shù)將會是相對獨立的，并且也是高斯分布的狀態(tài)；如果我們所分析的信號是一個有色和平穩(wěn)以及零均值的相關的高斯噪聲序列，那么其小波語音的分解系數(shù)也是高斯序列。系統(tǒng)對每一個分解尺度j，其系數(shù)將主要是一個有色和平穩(wěn)的序列。 我們可以用(j,k)表示對語音的含噪信號進行相關小波分解后得到的相關的小波系數(shù)，我們知道由于小波變換將主要是一種線形的變換，因此小波變換主要由2部分組成，也就是語音信號對應的小波系數(shù)和相關的噪聲對應的小波系數(shù)。我們知道由于可以利用軟閾值方法估計出來相關的小波系數(shù)(j,k)的相關絕對值總比(j,k)要小而影響了重構的相關精度，這樣我們應設法想辦法減小此偏差。我們只要使(j,k)與由語音信號對應的相關小波系數(shù)之間的差值盡量小一些，這樣則(j,k)更接近于信號對應的一些小波系數(shù)，這樣理解重構精度就會越高的構造函數(shù)： 我們由函數(shù)式可知，當a=O時上式將會等效為Donoho的相關硬閾值；當a一1時，上式將會等效為Donoho軟閾值；當a在0到1之間不斷地變化時，z將為cx3，我們可以知道有|f(x)一 x|一a。也就是說，隨著(j,k)模值的不斷增大，(j,k)與(j,k)偏差的絕對值的范圍將會逐漸減小為，這樣將會大大地減小了軟閾值方法中產生的相關恒定的一些偏差的同時將提高了重構精度和改善了實際的去噪效果。可見相對于硬和軟閾值函數(shù)而言，新閾值函數(shù)將是一個更靈活的基于MATLAB的小波在語音信號中的應用選擇。我們只要在0和1之間適當?shù)恼{整的大小，就可以獲得更好的小波在語音信號中的去噪效果。圖1是我用Matlab畫出的Donoho軟和硬閾值圖及新閾值的相關函數(shù)圖，主要是當=O1的情況下。4.3基于MATLAB的小波在語音信號去噪的仿真程序其源程序如下：clearclc/*此程序表示在噪聲環(huán)境下語音信號的相關增強功能和語音信號將主要為讀入的相關聲音文件以及噪聲主要為正態(tài)的一些隨機噪聲*/sound=wavread(c12345.wav);count1=length(sound);noise=0.05*randn(1,count1);for i=1:count1signal(i)=sound(i);endfor i=1:count1y(i)=signal(i)+noise(i);end/*此程序表示在在小波基“db3”的狀態(tài)下進行一維的離散相關小波變換*/coefs1,coefs2=dwt(y,db3);/*此程序表示低頻和高頻*/count2=length(coefs1);count3=length(coefs2);energy1=sum(abs(coefs1).2);energy2=sum(abs(coefs2).2);energy3=energy1+energy2;for i=1:count2recoefs1(i)=coefs1(i)/energy3;endfor i=1:count3recoefs2(i)=coefs2(i)/energy3;end/*此程序主要是表示低頻系數(shù)進行相關的語音信號清濁音的判別*/zhen=160;count4=fix(count2/zhen);for i=1:count4n=160*(i-1)+1:160+160*(i-1);s=sound(n);w=hamming(160);sw=s.*w;a=aryule(sw,10);sw=filter(a,1,sw);sw=sw/sum(sw);r=xcorr(sw,biased);corr=max(r);/*此程序主要是表示系統(tǒng)為清音（unvoice）時，輸出將為1；系統(tǒng)為濁音（voice）時，輸出結果將為0*/if corr=0.8output1(i)=0;elseif corr=0.1output1(i)=1;endendfor i=1:count4n=160*(i-1)+1:160+160*(i-1);if output1(i)=1switch abs(recoefs1(i)case abs(recoefs1(i)0.002 & abs(recoefs1(i)=0.8output2(i)=0;elseif corr=0.1output2(i)=1;endendfor i=1:count5n=160*(i-1)+1:160+160*(i-1);if output2(i)=1switch abs(recoefs2(i)case abs(recoefs2(i)0.002 & abs(recoefs2(i)=0.003recoefs2(i)=sgn(recoefs2(i)*(0.003*abs(recoefs2(i)-0.000003)/0.002;otherwise recoefs2(i)=recoefs2(i);endelseif output2(i)=0recoefs2(i)=recoefs2(i);endend/*下面的程序主要是表示在小波基“db3”時的狀態(tài)下進行一維離散小波反變換*/output3=idwt(recoefs1, recoefs2,db3);/*下面的程序主要是表示讀出帶噪語音信號，我們將結果存為“101.wav”*/wavwrite(y,5500,16,c101);/*下面的程序主要是表示讀出相關處理后的語音信號，將結果存為“102.wav”*/wavwrite(output4,5500,16,c102);/*下面的程序主要是表示對相關輸出信號的抽樣點值進行歸一化的相關處理*/maxdata=max(output3);output4=output3/maxdata;4.4基于MATLAB的小波在語音信號去噪的仿真應用舉例如下程序，將一段格式為“voice.wav”語音信號進行去噪處理：clearclc%在噪聲環(huán)境下語音信號的增強%語音信號為讀入的聲音文件% %噪聲為正態(tài)隨機噪聲sound=wavread(Voice.wav);count=length(sound);noise=0.05*randn(1,count);y=sound+noise;%獲取消噪的閾值thr,sorh,keepapp=ddencmp(den,wv,y);%對信號進行消噪yd=wdencmp(gbl,y,db4,2,thr,sorh,keepapp);subplot(121);plot(sound);title(原始語音信號);subplot(