数字信号处理课程设计--基于 MATLAB 的音乐信号处理和分析.doc

数字信号处理课程设计设计题目：基于 matlab 的音乐信号处理和分析一、课程设计的目的2二、课程设计基本要求2三、课程设计内容21、音乐信号的音谱和频谱观察22、音乐信号的抽取（减抽样）43、音乐信号的am调制84、am调制音乐信号的同步解调115、音乐信号的滤波去噪186、音乐信号的幅频滤波和相频滤波24四、问题讨论271、iir数字滤波器和fir数字滤波器的比较272、音乐信号的音调与信号的什么特征有关？283、音乐信号的音色与信号的什么特征有关？284、两种不同音色的音乐信号叠加混叠后，为何人耳还可以分辨？295、音乐信号的幅度与相位特征对信号有哪些影响？29五、心得体会29 一、课程设计的目的 本课程设计通过对音乐信号的采样、抽取、调制、解调等多种处理过程的理论分析和matlab实现，使学生进一步巩固数字信号处理的基本概念、理论、分析方法和实现方法；使学生掌握的基本理论和分析方法知识得到进一步扩展；使学生能有效地将理论和实际紧密结合；增强学生软件编程实现能力和解决实际问题的能力。二、课程设计基本要求1 学会 matlab 的使用， 掌握matlab的基本编程语句。2 掌握在 windows 环境下音乐信号采集的方法。3 掌握数字信号处理的基本概念、基本理论和基本方法。4 掌握 matlab 设计 fir 和 iir 数字滤波器的方法。 5 掌握使用matlab处理数字信号、进行频谱分析、设计数字滤波器的编程方法。三、课程设计内容1、音乐信号的音谱和频谱观察使用windows下的录音机录制一段音乐信号或采用其它软件截取一段音乐信号（要求：时间不超过5s、文件格式为wav文件） 使用wavread语句读取音乐信号，获取抽样率；（注意：读取的信号是双声道信号，即为双列向量，需要分列处理）； 输出音乐信号的波形和频谱，观察现象； 使用sound语句播放音乐信号，注意不同抽样率下的音调变化，解释现象。查找help：wavread格式说明：y,fs,b=wavread(语音信号)，采样值放在向量y中，fs表示采样频率（hz），b表示采样位数。【matlab程序如下】30clcclose allclear ally,fs=wavread(一生有你);%读取歌曲size(y)y1=y(:,1); %1声道y2=y(:,2); %2声道n=length(y);%长度n=0:n-1;t=n/fs; %t=ntw=2*n/n; %2pi在长度n上的平均 是个序列f1=fft(y1);f2=fft(y2);%傅里叶变换figure %画图像subplot(2,2,1), plot(t(1:1000),y1(1:1000)title(1声道时域图)xlabel(t)ylabel(y1)subplot(2,2,3),plot(w,abs(f1)*2/n) title(1声道频域图)xlabel(w)ylabel(y1(w)subplot(2,2,2),plot(t(1:1000),y2(1:1000)title(2声道时域图)xlabel(t)ylabel(y2)subplot(2,2,4),plot(w,abs(f2)*2/n)title(2声道频域图)xlabel(w)ylabel(y2(w)wavplay(y1,fs)wavplay(y1,fs/2) 慢放 wavplay(y1,fs*2) 快放 wavylay(y2,fs*2) 快放 wavplay(y2,fs/2) 慢放【程序运行结果如下图】： 分析：通过观察音乐信号的波形和频谱可知所选取的音乐信号频谱集中在00.5pi之间，同时抽样频率为fs=440002、音乐信号的抽取（减抽样） 观察音乐信号频率上限，选择适当的抽取间隔对信号进行减抽样（给出两种抽取间隔，代表混叠与非混叠）； 输出减抽样音乐信号的波形和频谱，观察现象，给出理论解释； 播放减抽样音乐信号，注意抽样率的改变，比较不同抽取间隔下的声音，解释现象。理论基础： 时域抽样定理：一个频谱受限的信号f(t)，如果频谱只占据-wm+wm的围，则信号f(t)可以用等间隔的抽样值唯一的表示。而抽样间隔必须不大于1/（2*fm）. 频域抽样定理：一个频谱受限的信号f(t)，它集中在-tm+tm的时间范围内，若在频域中以不大于1/（2*tm）的频率间隔对f(t)的频谱f(w)进行抽样，则抽样后频谱f1(w)可以唯一的表示原信号。【matlab程序如下】：%原信号的频率上限为0.5piclear all;close ally,fs,bits=wavread(一生有你);y1=y(:,1); %取一频道信号f1=fft(y1);n=length(y1);%减抽样 $减抽样使抽样点数减少，会使栅栏效应更严重d1=2;d2=16;n=0:n-1;t=n/fs; %t=ntyd1=y1(1:d1:n); %2倍减抽样fyd1=fft(yd1,n);yd2=y1(1:d2:n);fyd2=fft(yd2,n); %16倍减抽样w=2*n/n;%2pi在长度n上的平均figuresubplot(2,3,1);plot(t(1:1000),y1(1:1000);title(原信号时域图)xlabel(t)ylabel(y1)subplot(2,3,4);plot(w,abs(f1);title(原信号频域图)xlabel(t)ylabel(y1)subplot(2,3,2);plot(t(1:1000),yd1(1:1000);title(2倍减抽样后的时域图)xlabel(t)ylabel(yd1)subplot(2,3,5);plot(w,abs(fyd1);title(2倍减抽样后的频域图)%出现栅栏效应xlabel(t)ylabel(fyd1)subplot(2,3,3);plot(t(1:1000),yd2(1:1000);title(10倍减抽样后的时域图)xlabel(t)ylabel(yd2)subplot(2,3,6);plot(w,abs(fyd2);title(16倍减抽样后的频域图)%栅栏效应更明显xlabel(t)ylabel(fyd2)wavplay(yd1,fs);wavplay(yd1,fs/d1);wavplay(yd2,fs);wavplay(yd2,fs/d2);%d倍减抽样后相当于原抽样频率缩小了d倍，故仍按原抽样频率播放相当于加快播放【程序运行结果如下图】：分析：通过观察两种不同抽样间隔（2倍频和16倍频）下的音乐信号可知，当采用较大的抽样间隔对音乐信号进行抽样时，频谱发生了混叠，而采用较小的抽样间隔对音乐信号进行抽样时，频谱并未发生混叠。这是因为，抽样时频谱发生混叠的条件是fs2fh，即抽样频率小于信号频谱的最高频率。当采用较大的抽样间隔时抽样频率时fs=2fh，则不会发生混叠。 当我们播放不同抽样间隔下的音乐信号时，会发现大抽样的音乐信号会伴有杂音并且声音低沉，而小抽样的音乐信号和原有的音乐信号几乎无差别，这间接证明了我们以上理论分析的正确性。3、音乐信号的am调制 观察音乐信号频率上限，选择适当调制频率对信号进行调制（给出高、低两种调制频率）； 输出调制信号的波形和频谱，观察现象，给出理论解释； 播放调制音乐信号，注意不同调制频率下的声音，解释现象。理论基础：信号的调制过程就是将信号频谱搬移到任何所需的较高频率范围。调制的实质是把各种信号的频谱搬移，使它们互不重叠的占据不同的频率范围，也即信号分别托付于不同频率的载波上。具体的调制原理推导在此不再叙述，仅将结论列出：f(t)=g(t)*cos(w0*t)。由此将信号g(t)的频谱搬移到（2*n+1）w附近，同时音乐信号的频谱幅度变为原来的1/2。如果信号的最高频谱wh超过了ws/2，则各周期延括分量产生频谱的交叠，称为是频谱的混叠现象。根据奈奎斯特定律可知，若希望频谱不会发生混叠，则fs=fh。【matlab程序如下】：%原信号的频率上限为0.5piclcclear ally,fs=wavread(一生有你);y1=y(:,1);n=length(y);n=0:(n-1);%低调制频率y2=cos(n*0.5*pi);%调制频率为0.5*pi；y3=y1.*y2;%调制后的信号；f1=fft(y1);%对原信号做fft变换；f3=fft(y3);%对调制后的信号做fft变换；t=n/fs;%t=ntn=length(y);w=2*n/length(y);%高调制频率y4=cos(n*0.8*pi);y5=y1.*y4;f5=fft(y5);%图形显示figuresubplot(2,3,1),plot(t,y1)title(原信号时域图)xlabel(t)ylabel(y1)subplot(2,3,4),plot(w,abs(f1)*2/n)title(原信号频域图)xlabel(w)ylabel(y1(w)subplot(2,3,2),plot(t,y3)title(低调制后的时域图)xlabel(t)ylabel(y3)subplot(2,3,5),plot(w,abs(f3)*2/n)title(低调制后的频域图)xlabel(w)ylabel(y3(w)subplot(2,3,3),plot(t,y5)title(高调制后的时域图)xlabel(t)ylabel(y5)subplot(2,3,6),plot(w,abs(f5)*2/n)title(高调制后的频域图)xlabel(w)ylabel(y5(w)%播放声音wavplay(y1,fs)%播放调制前的原信号；wavplay(y3,fs)%播放低调制后的信号；wavplay(y5,fs)%播放高调制后的信号【程序运行结果如下图】：分析：通过观察原音乐信号的频谱图可知音乐信号的频率上限是0.5pi，但是为了方便以后的计算，在此将0.3pi后的信号舍去，即默认音乐信号的频率上限是0.3pi。 取高频调制频率0.5pi，低频调制频率0.3pi对音乐信号进行调制。通过观察不同调制频率下的频谱图可以发现高频调制的音乐信号频谱发生了混叠，而采用低频调制的音乐信号频谱并未发生混叠。这是因为当采用高频调制（0.5pi）时，频谱被搬移到（2*n+1）*0,5pi，n=0.1.2.3.附近，此时高频调制频率高于原信号的频率上限，故发生了频谱混叠。同理，当采用低频调制（0.3pi）时，未发生频谱混叠。 播放不同调制频率下的音乐信号，可以发现当采用低频调制时，音乐信号比原信号的声音低了很多，但是没有杂音；采用高频调制时，音乐信号比原信号的声音低了很多的同时还伴随有杂音。这是因为低频调制没有发生混叠，调制后的音乐信号频谱幅度为原音乐信号的1/2，而高频调制发生了混叠。4、am调制音乐信号的同步解调 设计巴特沃斯iir滤波器完成同步解调；观察滤波器频率响应曲线； 用窗函数法设计fir滤波器完成同步解调，观察滤波器频率响应曲线；（要求：分别使用矩形窗和布莱克曼窗，进行比较）； 输出解调信号的波形和频谱，观察现象，给出理论解释； 播放解调音乐信号，比较不同滤波器下的声音，解释现象。理论基础: 有一条信号f(t)恢复原始信号g(t)的过程称为解调。这里，cos(w0*t)信号是接收端的本地载波信号，它与发送端的载波同频同相。f(t)与cos(w0*t)相乘的结果使频谱f(w)向左、右分别移动+w0、-w0（并乘以系数1/2），得到 g0(t)=1/2*g(t)+1/2*g(t)*cos(w0*t)g0(w)=1/2*g(w)+1/4*g(w-2*w0)+g(w+2*w0)再利用一个低通滤波器，滤除在频率为2*w0附近的分量，即可取出g(t),完成解调。【matlab程序如下】：%理想低通滤波器冲击响应函数function hd=ideal(n,wc)for n=0:n-1 if n=(n-1)/2 hd(n+1)=wc/pi; else hd(n+1)=sin(wc*(n-(n-1)/2)/(pi*(n-(n-1)/2); endend（将上述程序保存为ideal.m，但不能运行。）clcclose allclear ally,fs=wavread(一生有你);y1=y(:,1);n0=length(y);n=0:(n0-1);w=2*n/(n0-1);t=n/fs;f1=fft(y1);%调制频率滤波y2=cos(n*0.4*pi);%调制频率为0.4*pi;y3=y1.*y2;%调制后的信号;y4=y3.*y2;%调制解调后的信号;%对调制频率巴特沃斯iir滤波器的设计wp=0.2;ws=0.3;rp=1;rs=20;w=0:0.001*pi:1*pi;n,wc=buttord(wp,ws,rp,rs);b,a=butter(n,wc);h,w=freqz(b,a,w);plot(w/pi,abs(h)title(巴特沃斯滤波器的频域图)xlabel(w)ylabel(h(w)y5=filter(b,a,y4)*2;%对调制解调后的信号进行滤波;f3=fft(y3);%对调制信号做fft变换;f4=fft(y4);%对调制解调后的信号做fft变换;f5=fft(y5);%对调制解调滤波后的信号做fft变换;figuresubplot(4,1,1),plot(w,abs(f1)*2/n0)%调制前的原信号频域图；title(原信号频域图)xlabel(w)ylabel(y1(w)subplot(4,1,2),plot(w,abs(f3)*2/n0)%高调制后的信号频域图；title(调制后的频域图)xlabel(w)ylabel(y3(w)subplot(4,1,3),plot(w,abs(f4)*2/n0)title(调制解调后的频域图)xlabel(w)ylabel(y4(w)subplot(4,1,4),plot(w,abs(f5)*2/n0) %解调滤波后的信号频域图；title(解调滤波后的频域图)xlabel(w)ylabel(y5(w)%用窗函数设计fir滤波器n=33; wc1=0.4*pi;hd=ideal(n,wc1);w1=boxcar(n);%矩形窗w2=blackman(n);%布莱克曼窗h1=hd.*w1;h2=hd.*w2;%求滤波器频率响应m=1024;w=2/m*0:m-1;fh1=fft(h1,m);db1=-20*log10(abs(fh1(1)./(abs(fh1)+eps); %幅度的分贝表示fh2=fft(h2,m);db2=-20*log10(abs(fh2(1)./(abs(fh2)+eps); %幅度的分贝表示figure subplot(2,2,1);plot(w,abs(fh1)title(矩形窗幅度)subplot(2,2,2);plot(w,db1)title(矩形窗分贝) subplot(2,2,3);plot(w,abs(fh2)title(布莱克曼窗幅度)subplot(2,2,4);plot(w,db2)title(布莱克曼窗分贝)y6=conv(y4,h1);%作卷积f6=fft(y6);y7=conv(y4,h2);f7=fft(y7);m1=length(y4)+length(h1)-1;w1=2/m1*0:m1-1;m2=length(y4)+length(h2)-1;w2=2/m2*0:m2-1;figuresubplot(3,1,1),plot(w,abs(f1)*2/(length(y)title(原信号频域图)xlabel(w)ylabel(y1(w)subplot(3,1,2),plot(w1,abs(f6)*2/m1)title(用矩形窗滤波后的频域图)xlabel(w)ylabel(y6(w)subplot(3,1,3),plot(w2,abs(f7)*2/m2)title(用布莱克曼窗滤波后的频域图)xlabel(w)ylabel(y7(w)wavplay(y1,fs)wavplay(y6,fs)wavplay(y7,fs)程序运行如下：分析1：通过对比解调前后的音乐信号时域图和频谱图可知，解调后的音乐信号时域和频谱幅度变为原来的1/2，若想滤波后可以完全恢复原始音乐信号，可以在传输函数添加系数2即可。分析2：对fir窗函数滤波器的设计参数进行选定：矩形窗（boxcar）：滤波器的截止频率wc=0.5pi，滤波器的阶数n=33，阻带衰减为25db；布莱克曼窗（blackman）：滤波器的截止频率wc=0.5pi，滤波器的阶数n=33，阻带衰减为80db。 比较采用矩形窗和布莱克曼窗的频率特性图可以看出：最小阻带衰减只由窗形状决定，而不受阶数n的影响；而过渡带的宽度窗的形状有关；同时，布莱克曼窗的过滤带宽、旁瓣峰值和主瓣宽度均大于矩形窗的过滤带宽、旁瓣峰值和主瓣宽度。 分析3：下图为经过加矩形窗和布莱克曼窗的滤波器滤波后的音乐信号的时域图和频谱图。比较两种窗函数滤波下的频谱图可知加矩形窗的滤波器的滤波效果明显没有加布莱克曼窗的滤波器滤波效果好，原因如分析2所示：布莱克曼窗的最小阻带衰减在同样阶数的前提条件下要比矩形窗的最小阻带衰减大，所以滤波更彻底，恢复的原信号也就会比矩形窗好。若想提高矩形窗的滤波效果可采取增加阶数的方法，但这种情况下会增加不必要的开支，所以在选定滤波器的时候要权衡各方面的条件，力争达到一个各方都满意的结果。分析4：播放iir滤波器和fir滤波器滤波后的音乐信号，我们可以听到音乐信号的音调变低了，这是因为高频部分被滤掉了。同时还可以听到iir滤波器滤波后的音乐信号没有fir滤波器滤波后的音乐信号效果好，这是因为fir滤波器是线性相位的，而iir滤波器是非线性相位；矩形窗没有布莱克曼窗的滤波效果好。5、音乐信号的滤波去噪给原始音乐信号叠加幅度为0.05，频率为3khz、 5khz、8khz的三余弦混合噪声，观察噪声频谱以及加噪后音乐信号的音谱和频谱，并播放音乐，感受噪声对音乐信号的影响；给原始音乐信号叠加幅度为0.5的随机白噪声（可用rand语句产生），观察噪声频谱以及加噪后音乐信号的音谱和频谱，并播放音乐，感受噪声对音乐信号的影响；根据步骤、观察到的频谱，选择合适指标设计滤波器进行滤波去噪，观察去噪后信号音谱和频谱，并播放音乐，解释现象。 理论基础： rand函数介绍：rand函数产生由在（0，1）之间均匀分布的随机数组组成的 数组。y = rand(n) 返回一个n x n的随机矩阵。如果n不是数量，则返回错误信息。【matlab程序如下】：clcclose allclear ally,fs=wavread(一生有你);y1=y(:,1);f1=fft(y1);n0=length(y);n=0:(n0-1);w=2*n/n0;t=n/fs;y2=0.05*cos(2*pi*3000*t)+0.05*cos(2*pi*5000*t)+0.05*cos(2*pi*8000*t);%三余弦函数f2=fft(y2);y3=y1+y2;f3=fft(y3);figuresubplot(3,2,1),plot(t(1:1000),y1(1:1000)title(原信号时域图)xlabel(t)ylabel(y1)subplot(3,2,2),plot(w,abs(f1)*2/n0)title(原信号频谱)xlabel(w)ylabel(y1(w)subplot(3,2,3),plot(t(1:200),y2(1:200)title(三余弦信号时域图)xlabel(t)ylabel(y2)subplot(3,2,4),plot(w,abs(f2)*2/n0)title(三余弦信号频谱)xlabel(w)ylabel(y2(w)subplot(3,2,5),plot(t(1:1000),y3(1:1000)title(加噪后信号的时域)xlabel(t)ylabel(y2)subplot(3,2,6),plot(w,abs(f3)*2/n0)title(加噪后信号的的频谱)xlabel(w)ylabel(y3(w)y4=rand(n0,1)-0.5;%白噪声的产生算法y5=y1+y4;f4=fft(y4);f5=fft(y5);figuresubplot(2,2,1),plot(t(1:1000),y4(1:1000)title(随机白噪声时域图)xlabel(t)ylabel(y4)subplot(2,2,3),plot(t(1:1000),y5(1:1000)title(带有随机白噪声的信号时域)xlabel(t)ylabel(y5)subplot(2,2,2),plot(w,abs(f4)*2/n0)title(随机白噪声频谱)xlabel(w)ylabel(y4(w)subplot(2,2,4),plot(w,abs(f5)*2/n0)title(带有随机白噪声的信号频谱)xlabel(w)ylabel(y5(w)%巴特沃斯滤波器的设计wp=0.08;ws=0.12;%不宜过狭窄 不然会出错rp=1;rs=30 ; %指标输入n,wc=buttord(wp,ws,rp,rs);b,a=butter(n,wc);h,w=freqz(b,a);figureplot(w/pi,abs(h)title(低巴特沃斯滤波器的频域图)xlabel(w)ylabel(h(w)y6=filter(b,a,y3);y7=filter(b,a,y5);f6=fft(y6);f7=fft(y7);figuresubplot(3,1,1),plot(w,abs(f1)*2/n0)title(原信号频谱)xlabel(w)ylabel(y1(w)subplot(3,1,2),plot(w,abs(f6)*2/n0)title(滤除三余弦信号后的频谱)xlabel(w)ylabel(y6(w)subplot(3,1,3),plot(w,abs(f7)*2/n0)title(滤除白噪声信号后的频谱)xlabel(w)ylabel(y7(w)%wavplay(y3,fs) 加三余弦后 一直有个比较尖锐刺耳的声音存在 像蜂鸣声%wavplay(y6,fs) 滤除后跟原音乐旋律一样 只是声调低沉些%wavplay(y5,fs) 加白噪声后 就像电视机有雪花收不到台时的那种嘈噪声 %wavplay(y7,fs) 滤除后噪声仍存在但声音低了些【程序运行结果如下图】：分析1：上图为三余弦信号的时域图和频谱图以及加三余弦噪声后的音乐信号时域图和频谱图。通过计算可知：三余弦混合噪声信号的三条频谱线分别加在频率为3kz，5kz和8kz处。而且通过播放加三余弦噪声的音乐信号可知，同原音乐信号相比增加了尖锐的刺耳声，这同预想的信号一致。分析2：下图为随机白噪声信号的时域图和频谱图以及加随机白噪声信号后的音乐信号时域图和频谱图。而且通过播放加随即白噪声信号的音乐信号可知，同原音乐信号相比增加了嗞嗞的电波声，这同预想的信号一致。分析3：随机白噪声去噪：由于随即白噪声信号是加在了整个时域和频域内，为了滤波的更彻底，所以选取较小的通带截止频率和阻带截止频率，并选取较大的组带最小衰减。wp=0.08pi为通带截止频率，ws=0.12pi为其阻带截止频率，rp=1db为其通带最大衰减,，rs=30db为阻带最小衰减。分析4：观察下图三余弦噪声去噪后的时域图和频谱图，以及随机白噪声去噪后的时域图和频谱图可知：三余弦噪声被完全滤掉；随机白噪声由于是加在原因乐信号的整个时域和频域内，所以滤波后的音乐信号仍然残留有少量的噪声信号，这是避免不了的。把去噪后的音乐信号时域图和频谱图和原始信号相比发现并无大的差别，所以在此可以暂定为滤波成功。6、 音乐信号的幅频特性和相频分析设计低通滤波器，滤除原始信号高频信息；设计高通滤波器，滤除原始信号低频信息；选取两端不同的音乐信号，分别将其幅度谱与相位谱交叉组合构成新的音乐信号，播放并比较组合后的音乐与原始信号，感受相频信息对音乐信号的影响【matlab的程序】:clcclose allclear ally,fs=wavread(一生有你);y1=y(:,1);f1=fft(y1);n0=length(y);n=0:(n0-1);w=2*n/n0;t=n/fs;%低通巴特沃斯滤波器的设计wp1=0.1;ws1=0.2;rp=1;rs=20;w=0:0.001*pi:0.5*pi;n1,wc1=buttord(wp1,ws1,rp,rs);b1,a1=butter(n1,wc1);h1,w=freqz(b1,a1,w);y2=filter(b1,a1,y1);f2=fft(y2);%高通巴特沃斯滤波器的设计wc2=0.3;ws2=0.2;rc=1;rs=20;w=0:0.001*pi:0.5*pi;n2,wc2=buttord(wc2,ws2,rc,rs);b2,a2=butter(n2,wc2,high);h2,w=freqz(b2,a2,w);y3=filter(b2,a2,y1);f3=fft(y3);figuresubplot(4,2,1),plot(t(1:1000),y1(1:1000)title(原信号时域图)xlabel(t)ylabel(y1)subplot(4,2,2),plot(w,abs(f1)*2/n0)title(原信号频谱)xlabel(w)ylabel(y1(w)subplot(4,2,3),plot(w/pi,abs(h1)title(低通巴特沃斯滤波器的频域图)xlabel(w)ylabel(h(w)subplot(4,2,5),plot(t(1:1000),y2(1:1000)title(滤除高频后的时域图)xlabel(t)ylabel(y2)subplot(4,2,7),plot(w,abs(f2)*2/n0)title(滤除高频后的频谱)xlabel(w)ylabel(y2(w)subplot(4,2,4),plot(w/pi,abs(h2)title(高通巴特沃斯滤波器的频域图)xlabel(w)ylabel(h2(w)subplot(4,2,6),plot(t(1:1000),y3(1:1000)title(滤除低频后的时域图)xlabel(t)ylabel(y3)subplot(4,2,8),plot(w,abs(f3)*2/n0)title(滤除低频后的频谱)xlabel(w)ylabel(y3(w)%wavplay(y1,fs) %原信号声音%wavplay(y2,fs) %滤除高频后的信号声音 声音有点低沉%wavplay(y3,fs) %滤除低频后信号的声音 声音有点尖锐%交叉组合x1,fs=wavread(一生有你);x2,fs=wavread(天路);y1=x1(:,1);y2=x2(:,1);y3=y2(1:length(y1);%截取长度使得长度相等n=length(y1);f1=fft(y1);f2=fft(y3);fy1=abs(f1);%幅度ay1=angle(f1);fy3=abs(f2);ay3=angle(f2);%角度f1=fy1.*exp(j.*ay3);f2=fy3.*exp(j.*ay1);y11=ifft(f1);y22=ifft(f2);w=2/n*0:n-1;wavplay(x1,fs);wavplay(real(y11),fs);%声音大致能听到是第二个的声音 但背影很嘈杂wavplay(x2,fs);wavplay(real(y22),fs);%声音大致能听到是第一个的声音 但背影很嘈杂%结论 相位角决定不同的声音 可用来区分声音 音调即声音大小取决于幅度且成正相关matlab的运行结果：四、问题讨论1、iir数字滤波器和fir数字滤波器的比较答：iir滤波器：相位一般是非线性的，不一定稳定，不能使用fft做快速卷积，一定是递归结构，对频率分量的选择性好（零极点可同时起作用），相同性能下阶次较低，有噪声反馈，噪声大，运算误差大，有可能出现极限环振荡，设计时有大量图表可查，方便简单，主要用于设计分段常数的标准低通，带通，高通，带阻和全通滤波器。 fir滤波器：相位可以做到严格线性，一定是稳定的，信号通过系统可采用快速卷积，主要是非递归结构，也可含递归结构，选择性差，相同性能下阶次高，噪声小，运算误