基于MATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用

基于MATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用[摘要]MATLAB作為一種高性能和可靠性比較強(qiáng)的數(shù)值計(jì)算和可視化的軟件，經(jīng)過(guò)各個(gè)行業(yè)領(lǐng)域?qū)＜业墓餐筒粩嘌芯浚琈ATLAB現(xiàn)已包含信號(hào)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(yīng)用領(lǐng)域的相關(guān)的工具箱。我在設(shè)計(jì)中將以MATLAB軟件為參考和結(jié)合工程實(shí)際運(yùn)用中的各應(yīng)用領(lǐng)域，由淺入深地講解應(yīng)該如何應(yīng)用MATLAB來(lái)實(shí)現(xiàn)小波在語(yǔ)音信號(hào)中的應(yīng)用。[關(guān)鍵詞]MATLAB；小波去噪；語(yǔ)音信號(hào)Abstract:MATLABasahighperformanceandreliability,strongnumericalcalculationandvisualizationsoftware,throughthevariousindustryexpertsinthefieldofjointeffortsandcontinuousresearch,MATLABnowincludessignalprocessingandimageprocessingandcommunicationandwaveletanalysisandoptimizationandcontrolsystemsindifferentapplicationareasrelatedtothetoolbox.I'mindesign,takingMATLABsoftwareforreferenceandcombiningwiththepracticalengineeringapplicationoftheapplicationfromtheshallowertothedeeper,toexplainhowtouseMATLABtoachievethewaveletapplicationinspeechsignal.Keywords:MATLAB，Waveletdenoising，Speechsignal目錄TOC\o"1-3"\h\u1．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(guò)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(guān)特點(diǎn) 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(lái)分析小波 34．基于MATLAB的小波在語(yǔ)音信號(hào)的去噪方法 44.1基于MATLAB語(yǔ)音信號(hào)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(yǔ)音信號(hào)去噪的仿真程序 64.4基于MATLAB的小波在語(yǔ)音信號(hào)去噪的仿真應(yīng)用舉例 105．結(jié)語(yǔ) 116．致謝 117．參考文獻(xiàn) 12陜西理工學(xué)院畢業(yè)設(shè)計(jì)第1頁(yè)共12頁(yè)的有關(guān)的信號(hào)分析理論：短時(shí)傅立葉變換和Gabor變換以及時(shí)頻分析與小波變換，還有分?jǐn)?shù)階傅立葉變換和線調(diào)頻小波變換以及循環(huán)統(tǒng)計(jì)量理論和調(diào)幅-調(diào)頻信號(hào)分析等。其中短時(shí)的傅立葉變換和小波變換也將是應(yīng)傳統(tǒng)的傅立葉變換不能夠滿足相關(guān)的信號(hào)處理的要求而彼此產(chǎn)生的。短時(shí)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(hào)在分析窗函數(shù)g（t）的一個(gè)短時(shí)間間隔內(nèi)將是平穩(wěn)的，并可以移動(dòng)分析窗函數(shù)，使將在不同的有限時(shí)間的寬度內(nèi)是平穩(wěn)的信號(hào)，從而可以計(jì)算出各個(gè)不同時(shí)刻的有關(guān)的功率譜。但我們將從本質(zhì)上來(lái)講的話短時(shí)傅立葉變換將會(huì)是一種比較單一分辨率的信號(hào)分析方法，因?yàn)槎虝r(shí)傅立葉變換使用一個(gè)固定的短時(shí)窗函數(shù)。因而短時(shí)傅立葉變換在信號(hào)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(hào)的時(shí)間—尺度分析方法，它具有多分辨率分析的特點(diǎn)，而且在時(shí)頻兩域都具有表征信號(hào)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(shí)間窗和頻率窗都可以改變的時(shí)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(shí)間分辨率和較低的頻率分辨率，很適合于探測(cè)正常信號(hào)中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分，所以被譽(yù)為分析信號(hào)的顯微鏡，利用連續(xù)小波變換進(jìn)行動(dòng)態(tài)系統(tǒng)故障檢測(cè)與診斷具有良好的效果。小波變換是空間和時(shí)間以及頻率的一些局部信號(hào)的變換,小波變換能有效地從語(yǔ)音信號(hào)中提取有用的信息。由于有些語(yǔ)音信號(hào)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(yǔ)音信號(hào)信息,使用MATLAB的小波變換方法處理語(yǔ)音信號(hào),可以分解只作用于低頻部分而我們將高頻部分保持不動(dòng)?；贛ATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用方面還在化學(xué)領(lǐng)域有所應(yīng)用,這會(huì)經(jīng)常涉及到光譜信號(hào)和波譜信號(hào)以及電化學(xué)信號(hào)等各種化學(xué)信號(hào)的處理,在化學(xué)領(lǐng)域的這些方面小波分析已得到了非常成功的應(yīng)用。目前MATLAB軟件有很多方法可用于信號(hào)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(huì)濾掉了語(yǔ)音信號(hào)細(xì)節(jié)中的有用部分，小波分析作為一種基于MATLAB新的數(shù)學(xué)工具,對(duì)很多領(lǐng)域特別是語(yǔ)音信號(hào)分析領(lǐng)域?qū)?huì)產(chǎn)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(hào)時(shí)，具有比小波變換更強(qiáng)的靈活性和便捷性。小波包變換在處理語(yǔ)音信號(hào)時(shí),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(guān)特點(diǎn)3.1基于MATLAB的小波濾波器的鏡像在基于MATLAB的小波在語(yǔ)音信號(hào)的應(yīng)用分析中,小波的一些相關(guān)的函數(shù)以及小波的相關(guān)濾波器和相關(guān)的比例尺函數(shù)或者比例尺的相關(guān)濾波器主要是以成對(duì)的情況出現(xiàn)的,基于MATLAB的小波是有很多種類的。我們?cè)趯?duì)相關(guān)的離散的小波信號(hào)進(jìn)行相關(guān)的特點(diǎn)分析時(shí),它們均可以使用一個(gè)有限的相關(guān)數(shù)組來(lái)表示。在信息學(xué)中我們可以將有限的相關(guān)數(shù)組表示可以理解為主要是一種有限的脈沖響應(yīng)的濾波器,這種有限的脈沖響應(yīng)的濾波器實(shí)際效果將是對(duì)原信號(hào)沒有任何的反饋?zhàn)饔玫??；贛ATLAB的小波的另一種對(duì)原信號(hào)的相關(guān)具有反饋?zhàn)饔玫臑V波器我們可以稱為無(wú)限脈沖響應(yīng)的濾波器。這在小波的相關(guān)分析中的這種有限的脈沖響應(yīng)濾波器，我們必須滿足的是比例尺的相關(guān)濾波器中的各個(gè)數(shù)值之和的平方將需要是恒等于2或1。基于MATLAB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(xiàng)數(shù)值相對(duì)于它們的相關(guān)比例尺的實(shí)際的濾波器中，各項(xiàng)的數(shù)值之間將具有反對(duì)稱的一些相關(guān)的特點(diǎn)；正是由于這個(gè)特點(diǎn)的存在,小波濾波器有時(shí)我們也將稱為相關(guān)比例尺濾波器的鏡像?；贛ATLAB的小波濾波器的第一項(xiàng)的相關(guān)數(shù)值，將會(huì)等于比例尺的濾波器中倒數(shù)第一項(xiàng)的實(shí)際的數(shù)值,而是在第二項(xiàng)中就會(huì)等于倒數(shù)第二項(xiàng)的實(shí)際數(shù)值,并且我們知道所有的奇數(shù)項(xiàng)的實(shí)際符號(hào)均會(huì)為負(fù)號(hào)。3.2利用A×A的比例尺的矩陣來(lái)分析小波基于MATLAB的小波中如果有一列長(zhǎng)度為A的離散的的相關(guān)小波信號(hào),那么我們?cè)谶M(jìn)行小波分析的時(shí)候就要考慮先形成一個(gè)A×A的比例尺的相關(guān)矩陣。我們要考慮在相關(guān)矩陣的每一行要除了濾波器的實(shí)際數(shù)值以外其他的數(shù)值要均為零的狀態(tài),同時(shí)我們要考慮每行的濾波器的實(shí)際數(shù)值將會(huì)依照相關(guān)的位移量逐漸地進(jìn)行向右地平移。那么該矩陣和小波信號(hào)向量的相關(guān)乘積就是我們所考慮獲得的實(shí)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(guān)小波系數(shù)。它們所獲得的比例尺的相關(guān)系數(shù)又將我們可以進(jìn)行下一級(jí)的相關(guān)分析。一般來(lái)說(shuō)基于MATLAB的小波的低通濾波器的作用將主要是平滑數(shù)據(jù),而高通濾波器的實(shí)際作用就是獲取它們?cè)谶@個(gè)細(xì)節(jié)上的相關(guān)的差別。4．基于MATLAB的小波在語(yǔ)音信號(hào)的去噪方法我們對(duì)于語(yǔ)音信號(hào)去噪方法的研究是語(yǔ)音信號(hào)處理領(lǐng)域一個(gè)不便的研究話題。我們知道比較經(jīng)典的一些信號(hào)去噪方法主要包括如時(shí)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(guān)的局限性的同時(shí)也有其優(yōu)勢(shì)。但也限制了這些語(yǔ)音信號(hào)去噪方法的相關(guān)應(yīng)用的范圍?；贛ATLAB的幾種常用小波在語(yǔ)音信號(hào)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(shí)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(yǔ)音信號(hào)的去噪領(lǐng)域獲得了非常廣泛的應(yīng)用。我的論文將主要研究了基于MATLAB的幾種常用小波在語(yǔ)音信號(hào)的去噪方法的變換理論，論文著重分析了小波在語(yǔ)音信號(hào)在非平穩(wěn)語(yǔ)音信號(hào)去噪中的相關(guān)的應(yīng)用方法。我也比較了幾種常用小波閾值去噪法的應(yīng)用分析，并針對(duì)基于MATLAB的幾種常用小波閾值去噪法中常會(huì)遇到的小波語(yǔ)音信號(hào)的相關(guān)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(xì)地分析研究了實(shí)際的語(yǔ)音信號(hào)，并可以根據(jù)相關(guān)語(yǔ)音信號(hào)的噪音模式，我主要在論文中提出了一種改進(jìn)的小波域的相關(guān)語(yǔ)音去噪的實(shí)際方法。4.1基于MATLAB語(yǔ)音信號(hào)小波變換閾值去噪法對(duì)于基于MATLAB信號(hào)去噪方法的研究是信號(hào)處理領(lǐng)域一個(gè)永恒的經(jīng)典話題。我們研究如何利用MATLAB軟件去除語(yǔ)音中的噪聲，以及改進(jìn)相關(guān)的語(yǔ)音質(zhì)量和對(duì)于提高相關(guān)語(yǔ)音的可懂度是語(yǔ)音信號(hào)處理的關(guān)鍵所在。傳統(tǒng)的語(yǔ)音去噪的相關(guān)算法是主要對(duì)語(yǔ)音信號(hào)進(jìn)行時(shí)域或頻域的相關(guān)濾波的方法，這些語(yǔ)音去噪的方法往往只是對(duì)某種特定的語(yǔ)音噪聲的去噪的效果明顯。當(dāng)語(yǔ)音信號(hào)中的噪聲與相關(guān)語(yǔ)音的一些頻譜相似時(shí)，傳統(tǒng)的單純時(shí)域或頻域處理往往將無(wú)法達(dá)到很好的去噪效果。基于MATLAB的小波在語(yǔ)音信號(hào)中的變換是在上世紀(jì)的80年代末發(fā)展起來(lái)的一種時(shí)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(shí)變的相關(guān)語(yǔ)音信號(hào)?？朔硕虝r(shí)傅立葉變換固定分辨率的弱點(diǎn),既可以分析信號(hào)的概貌,又可以分析信號(hào)的細(xì)節(jié),利用小波變換實(shí)現(xiàn)信號(hào)的去噪,具有較好的效果?；贛ATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用理論已在語(yǔ)音信號(hào)的去噪方面已經(jīng)在語(yǔ)音信號(hào)的相關(guān)科研的處理方面得到越來(lái)越廣泛的應(yīng)用?；贛ATLAB的小波具有相關(guān)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(guān)的特性，因而我們就可以利用小波分解與小波重構(gòu)的相關(guān)方法來(lái)對(duì)相關(guān)的濾波進(jìn)行降噪處理。基于MATLAB的小波在語(yǔ)音信號(hào)中的奇異性檢測(cè)的相關(guān)理論將會(huì)使得我們也可利用小波變換模的極大值的相關(guān)方法去噪。非線性小波語(yǔ)音信號(hào)變換的相關(guān)閾值去噪法將使小波閾值去噪得到了非常廣泛的應(yīng)用?；贛ATLAB語(yǔ)音信號(hào)小波變換閾值去噪法對(duì)傳統(tǒng)的相關(guān)去噪方法進(jìn)行了改進(jìn)，把傳統(tǒng)的相關(guān)去噪方法和閾值去噪的相關(guān)方法結(jié)合在了一起，這將得到了一種新的組合方法。該方法特點(diǎn)是在濾波之后得到的相關(guān)小波系數(shù)不僅連續(xù)性好的同時(shí)準(zhǔn)確率也高，而且易于和方便我們重構(gòu)信號(hào)?；贛ATLAB語(yǔ)音信號(hào)的仿真結(jié)果表明，消噪的效果有了比較明顯的改觀?；贛ATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用的小波域的相關(guān)濾波是根據(jù)信號(hào)和相關(guān)噪聲在不同尺度上的小波變換的不同形態(tài)來(lái)表現(xiàn)和構(gòu)造出相應(yīng)的消噪規(guī)則,這樣就會(huì)對(duì)信號(hào)和相關(guān)噪聲的小波變換系數(shù)進(jìn)行相關(guān)的處理,這樣處理的實(shí)質(zhì)就在于不斷地減少以至于完全剔除小波在語(yǔ)音信號(hào)中由噪聲產(chǎn)生的相關(guān)系數(shù),這樣就可以同時(shí)最大限度地保留有效語(yǔ)音信號(hào)對(duì)應(yīng)的一些小波系數(shù),再由MATLAB對(duì)處理過(guò)的相關(guān)小波系數(shù)進(jìn)行信號(hào)重構(gòu),從而可以得到原始信號(hào)的最優(yōu)估計(jì)?；贛ATLAB的小波變換的濾波作用,我們知道就主要包含在對(duì)小波變換系數(shù)的相關(guān)處理中。我們對(duì)于小波語(yǔ)音信號(hào)的正常邊緣和相關(guān)的Lipschitz的指數(shù)將是大于或等于0的,這時(shí)小波語(yǔ)音信號(hào)變換的相關(guān)幅值將主要隨著尺度的不斷增加而增加和保持不變；而對(duì)于基于MATLAB的小波語(yǔ)音信號(hào)的噪聲,其Lipschitz指數(shù)將主要是小于0的狀況,這時(shí)小波變換的相關(guān)幅值將會(huì)隨著尺度的不斷增加而進(jìn)入迅速衰減的狀況。我們當(dāng)將相關(guān)的尺度增大到一定程度的時(shí)候基于MATLAB的小波的噪聲控制點(diǎn)將隨著小波變換的模極值點(diǎn)將會(huì)不斷地消失?；贛ATLAB的小波語(yǔ)音信號(hào)經(jīng)過(guò)小波變換之后,其小波變換的相關(guān)系數(shù)將在各尺度的相應(yīng)的位置上往往有較強(qiáng)一些的實(shí)際相關(guān)性,尤其是在小波語(yǔ)音信號(hào)的邊緣附近,其相關(guān)性將會(huì)更加明顯而噪聲對(duì)應(yīng)的小波語(yǔ)音信號(hào)的小波系數(shù)在相關(guān)的尺度間將是不相關(guān)或弱相關(guān)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(duì)應(yīng)點(diǎn)處的相關(guān)性來(lái)區(qū)分系數(shù)的不同類別從而進(jìn)行相關(guān)取舍。通過(guò)這樣的方法濾波之后的小波語(yǔ)音信號(hào)的系數(shù)基本上對(duì)應(yīng)著信號(hào)的邊緣而達(dá)到了去噪的實(shí)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(shí)際應(yīng)用中得到了廣泛的應(yīng)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(yīng)有的缺陷。在基于MATLAB的相關(guān)的硬閾值處理過(guò)程中，主要得到的相關(guān)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(guān)的±λ處是不連續(xù)的，因此我們知道重構(gòu)所得的小波語(yǔ)音信號(hào)可能會(huì)產(chǎn)生一些振蕩的效應(yīng)；而軟閾值的相關(guān)方法中估計(jì)的相關(guān)小波系數(shù)雖然整體上的連續(xù)性較好一些，但是由于當(dāng)小波系數(shù)較大時(shí)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(huì)直接影響相關(guān)的重構(gòu)信號(hào)與真實(shí)信號(hào)的彼此逼近程度，給重構(gòu)信號(hào)帶來(lái)不可避免的一些誤差。如果我們對(duì)相關(guān)噪聲用分解的實(shí)際系數(shù)用C(J，k)來(lái)表示的話，其中j代表的就是小波語(yǔ)音信號(hào)的尺度，k代表相關(guān)的時(shí)間，我們則可以得出如下的相關(guān)結(jié)論：如果我們所分解的語(yǔ)音信號(hào)是一個(gè)平穩(wěn)的零均值的白噪聲的信號(hào)的話，則其小波分解系數(shù)將會(huì)是不相關(guān)的；如果我們所分解的語(yǔ)音信號(hào)是一個(gè)高斯噪聲，那么則其小波分解系數(shù)將會(huì)是相對(duì)獨(dú)立的，并且也是高斯分布的狀態(tài)；如果我們所分析的信號(hào)是一個(gè)有色和平穩(wěn)以及零均值的相關(guān)的高斯噪聲序列，那么其小波語(yǔ)音的分解系數(shù)也是高斯序列。系統(tǒng)對(duì)每一個(gè)分解尺度j，其系數(shù)將主要是一個(gè)有色和平穩(wěn)的序列。

我們可以用ω(j,k)表示對(duì)語(yǔ)音的含噪信號(hào)進(jìn)行相關(guān)小波分解后得到的相關(guān)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(yǔ)音信號(hào)對(duì)應(yīng)的小波系數(shù)和相關(guān)的噪聲對(duì)應(yīng)的小波系數(shù)。我們知道由于可以利用軟閾值方法估計(jì)出來(lái)相關(guān)的小波系數(shù)ω(j,k)的相關(guān)絕對(duì)值總比ω(j,k)要小λ而影響了重構(gòu)的相關(guān)精度，這樣我們應(yīng)設(shè)法想辦法減小此偏差。我們只要使ω(j,k)與由語(yǔ)音信號(hào)對(duì)應(yīng)的相關(guān)小波系數(shù)之間的差值盡量小一些，這樣則ω(j,k)更接近于信號(hào)對(duì)應(yīng)的一些小波系數(shù)，這樣理解重構(gòu)精度就會(huì)越高的構(gòu)造函數(shù)：

我們由函數(shù)式可知，當(dāng)a=O時(shí)上式將會(huì)等效為Donoho的相關(guān)硬閾值；當(dāng)a一1時(shí)，上式將會(huì)等效為Donoho軟閾值；當(dāng)a在0到1之間不斷地變化時(shí)，z將為±cx3，我們可以知道有|f(x)一x|一>aλ。也就是說(shuō)，隨著ω(j,k)模值的不斷增大，ω(j,k)與ω(j,k)偏差的絕對(duì)值的范圍將會(huì)逐漸減小為αλ，這樣將會(huì)大大地減小了軟閾值方法中產(chǎn)生的相關(guān)恒定的一些偏差的同時(shí)將提高了重構(gòu)精度和改善了實(shí)際的去噪效果?？梢娤鄬?duì)于硬和軟閾值函數(shù)而言，新閾值函數(shù)將是一個(gè)更靈活的基于MATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用選擇。我們只要在0和1之間適當(dāng)?shù)恼{(diào)整α的大小，就可以獲得更好的小波在語(yǔ)音信號(hào)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(guān)函數(shù)圖，主要是當(dāng)α=O．1的情況下。4.3基于MATLAB的小波在語(yǔ)音信號(hào)去噪的仿真程序其源程序如下：clear

clc

/*此程序表示在噪聲環(huán)境下語(yǔ)音信號(hào)的相關(guān)增強(qiáng)功能和語(yǔ)音信號(hào)將主要為讀入的相關(guān)聲音文件以及噪聲主要為正態(tài)的一些隨機(jī)噪聲*/

sound=wavread('c12345.wav');

count1=length(sound);

noise=0.05*randn(1,count1);

fori=1:count1

signal(i)=sound(i);

end

fori=1:count1

y(i)=signal(i)+noise(i);

end

/*此程序表示在在小波基“db3”的狀態(tài)下進(jìn)行一維的離散相關(guān)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;

fori=1:count2

recoefs1(i)=coefs1(i)/energy3;

end

fori=1:count3

recoefs2(i)=coefs2(i)/energy3;

end

/*此程序主要是表示低頻系數(shù)進(jìn)行相關(guān)的語(yǔ)音信號(hào)清濁音的判別*/

zhen=160;

count4=fix(count2/zhen);

fori=1:count4

n=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(shí)，輸出將為1；系統(tǒng)為濁音（voice）時(shí)，輸出結(jié)果將為0*/

ifcorr>=0.8

output1(i)=0;

elseifcorr<=0.1

output1(i)=1;

end

end

fori=1:count4

n=160*(i-1)+1:160+160*(i-1);

ifoutput1(i)==1

switchabs(recoefs1(i))

caseabs(recoefs1(i))<=0.002

recoefs1(i)=0;

caseabs(recoefs1(i))>0.002&abs(recoefs1(i))<=0.003

recoefs1(i)=sgn(recoefs1(i))*(0.003*abs(recoefs1(i))-0.000003)/0.002;

otherwiserecoefs1(i)=recoefs1(i);

end

elseifoutput1(i)==0

recoefs1(i)=recoefs1(i);

end

end

/*此程序主要是表示對(duì)相關(guān)的高頻系數(shù)進(jìn)行語(yǔ)音信號(hào)清濁音的判別*/

count5=fix(count3/zhen);

fori=1:count5

n=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);

/*此程序主要是表示在清音（unvoice）時(shí)，輸出結(jié)果將為1；為濁音（voice）時(shí)，輸出結(jié)果將0*/

ifcorr>=0.8

output2(i)=0;

elseifcorr<=0.1

output2(i)=1;

end

end

fori=1:count5

n=160*(i-1)+1:160+160*(i-1);

ifoutput2(i)==1

switchabs(recoefs2(i))

caseabs(recoefs2(i))<=0.002

recoefs2(i)=0;

caseabs(recoefs2(i))>0.002&abs(recoefs2(i))<=0.003

recoefs2(i)=sgn(recoefs2(i))*(0.003*abs(recoefs2(i))-0.000003)/0.002;

otherwiserecoefs2(i)=recoefs2(i);

end

elseifoutput2(i)==0

recoefs2(i)=recoefs2(i);

end

end

/*下面的程序主要是表示在小波基“db3”時(shí)的狀態(tài)下進(jìn)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(yǔ)音信號(hào)，我們將結(jié)果存為“101.wav”*/

wavwrite(y,5500,16,'c101');

/*下面的程序主要是表示讀出相關(guān)處理后的語(yǔ)音信號(hào)，將結(jié)果存為“102.wav”*/

wavwrite(output4,5500,16,'c102');

/*下面的程序主要是表示對(duì)相關(guān)輸出信號(hào)的抽樣點(diǎn)值進(jìn)行歸一化的相關(guān)處理*/

maxdata=max(output3);

output4=output3/maxdata;4.4基于MATLAB的小波在語(yǔ)音信號(hào)去噪的仿真應(yīng)用舉例如下程序，將一段格式為“voice.wav”語(yǔ)音信號(hào)進(jìn)行去噪處理：clearclc%在噪聲環(huán)境下語(yǔ)音信號(hào)的增強(qiáng)%語(yǔ)音信號(hào)為讀入的聲音文件%%噪聲為正態(tài)隨機(jī)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(duì)信號(hào)進(jìn)行消噪yd=wdencmp('gbl',y,'db4',2,thr,sorh,keepapp);subplot(121);plot(sound);title('原始語(yǔ)音信號(hào)');subplot(122);plot(yd);title('去噪后的語(yǔ)音信號(hào)');經(jīng)過(guò)去噪處理后期運(yùn)行結(jié)果如圖2：圖2語(yǔ)音去噪處理仿真結(jié)果5．結(jié)語(yǔ)基于MATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用方面主要包括語(yǔ)音識(shí)別與合成，基于MATLAB的小波在語(yǔ)音信號(hào)中的應(yīng)用方法是用計(jì)算機(jī)智能接口技術(shù)來(lái)主要體現(xiàn)計(jì)算機(jī)對(duì)聽覺信號(hào)的處理。小波的語(yǔ)音信號(hào)會(huì)在傳輸過(guò)程中將會(huì)不可避免地受到自然的和人為的各種環(huán)境的相互干擾，我們可以利用MATLAB將從受擾動(dòng)觀測(cè)的相關(guān)信號(hào)中獲得去噪的相關(guān)的信息,這不僅與干擾的性質(zhì)和信號(hào)的各種形式有關(guān),也與信號(hào)的相關(guān)處理的方式有關(guān)。在我們的實(shí)際應(yīng)用中,