切比雪夫（kaiser窗）滤波器.doc

语音信号的数字滤波处理(十) 目 录1 绪论.1 1.1 课题背景.11.2 课题目的.22 课程设计预习与原理.32.1 课程设计预习.32.1.1 卷积运算的演示.32.2.2 采样定理的演示.92.2 课程设计原理.112.2.1 频谱分析原理.11 2.2.2 IIR设计原理.12 2.2.3 FIR设计原理.123 课程设计步骤和过程.153.1 IIR设计步骤和过程.153.2 FIR设计步骤和过程.154 设计程序的调试和运行结果.174.1 切比雪夫低通滤波器程序的调试和运行结果.174.2 切比雪夫高通滤波器程序的调试和运行结果.194.3 切比雪夫带通滤波器程序的调试和运行结果.214.4 Kaiser低通滤波器程序的调试和运行结果.234.5 Kaiser高通滤波器程序的调试和运行结果.254.6 Kaiser带通滤波器程序的调试和运行结果.275 总结.29参考文献.32附录.33附录 A.33附录 B.45第 50 页 共 56 页1 绪论1.1 课题背景数字滤波器是数字信号处理的基础，用来对信号进行过滤、检测与参数估计等处理，在通信、图像、语音、雷达等许多领域都有着十分广泛的应用。尤其在图像处理、数据压缩等方面取得了令人瞩目的进展和成就。数字滤波器的设计有许多现成的高级语言设计程序，但他们都存在设计效率较低，不具有可视图形，不便于修改参数等缺点，而Matlab为数字滤波的研究和应用提供了一个直观、高效、便捷的利器。他以矩阵运算为基础，把计算、可视化、程序设计融合到了一个交互式的工作环境中。尤其是Matlab工具箱使各个领域的研究人员可以直观方便地进行科学研究与工程应用。其中的信号处理工具箱、图像处理工具箱、小波工具箱等更是为数字滤波研究的蓬勃发展提供了可能。MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB应用非常之广泛！ 本次课程设计本次设计的内容为利用MATLAB平台进行设计切比雪夫及Kaiser低通、高通、带通滤波器。主要介绍基于Matlab环境的IIR数字滤波器和FIR数字滤波器的设计，然后将设计结果应用于语音信号的处理，针对处理结果进一步分析了滤波器性能的。1.2 课题目的1. 掌握数字信号处理的基本概念，基本理论和基本方法。2. 熟悉离散信号和系统的时域特性。3. 掌握序列快速傅里叶变换方法。4. 学会MATLAB的使用，掌握MATLAB的程序设计方法。5. 掌握利用MATLAB对语音信号进行频谱分析。掌握滤波器的网络结构。2 课程设计预习2.1 课程设计预习2.1.1 卷积运算的演示(1) 线性卷积序列x1(n)=2 0 1 1 5 7 0 5 0 2 1 8，序列x2(n)= 1, 2.43, 32.25, 22.17, 12.93, 6.17, 2.43,1.0000。动态演示两个序列进行线性卷积x1(n)x2(n)的翻转、移位、乘积、求和的过程。其中翻转采用fliplr1，程序如下：n=-7:18; M=17;yn=zeros(1,19);figure(1)stem(yn);xlabel(n)ylabel(y(n)xn1=2 0 1 1 5 7 0 5 0 2 1 8;xm1=zeros(1,7) xn1 zeros(1,7);figure(2)stem(n,xm1)xlabel(m)ylabel(x1(m)xn2=1, 2.43, 32.25, 22.17, 12.93, 6.17, 2.43,1.0000;xm2=fliplr(xn2) zeros(1,18);figure(3)stem(n,xm2)xlabel(m)ylabel(x2(N-m)title(n=0)yn(1)=sum(xm1.*xm2);figure(4)stem(yn)xlabel(n)ylabel(y(n)title(n=N)for N=1:17xm3=zeros(1,N) fliplr(xn2) zeros(1,M);figure()stem(n,xm3)xlabel(m)ylabel(x2(N-m)title(n=N)M=M-1;yn(N+1)=sum(xm1.*xm3);figure()stem(yn)xlabel(n)ylabel(y(n)title(n=N)endxm3=zeros(1,18) fliplr(xn2)figure()stem(xm3);xlabel(m)ylabel(x2(N-m)title(n=N)yn(19)=sum(xm1.*xm3);figure()stem(yn)xlabel(n)ylabel(y(n)title(n=N)线性卷积动态演示过程见：附录A。(2) 循环卷积序列x1(n)= 2 0 1 1 5 7 0 5 0 2 1 8，序列x2(n)= 1, 2.43, 32.25, 22.17, 12.93, 6.17, 2.43,1.0000，N=12。动态演示两个序列进行圆周卷积2, 3x1(n)x2(n)的翻转、移位、乘积、求和的过程。程序如下：n=0:11; yn=zeros(1,12);figure(1)stem(yn);xlabel(n)ylabel(y(n)xn1=2 0 1 1 5 7 0 5 0 2 1 8;figure(2)stem(n,xn1)xlabel(m)ylabel(x1(m)xn2=1, 2.43, 32.25, 22.17, 12.93, 6.17, 2.43,1.0000;xm2=xn2 zeros(1,length(xn1)-length(xn2);figure(3)stem(n,xm2)xlabel(m)ylabel(x2(m)title(n=0);yn(1)=sum(xn1.*xm2);figure(4)stem(yn)xlabel(n)ylabel(y(n)title(n=N)for N=1:11xm1=fliplr(xn1(1:N) fliplr(xn1(N+1:12);figure()stem(n,xm1)xlabel(m)ylabel(x1(N-m)title(n=N)yn(N)=sum(xm1.*xm2);figure()stem(n,yn)xlabel(n)ylabel(y(n)title(n=N)endfigure()xm1=fliplr(xn1);stem(n,xm1)xlabel(m)ylabel(x1(N-m)title(n=N)yn(12)=sum(xm1.*xm2);figure()stem(n,yn)xlabel(n)ylabel(y(n)title(n=N)当N12时，圆周卷积发生混叠；当N20时，圆周卷积等于线性卷积。圆周卷积动态演示过程见：附录A。(3) 声音文件线性卷积序列x1(n)=2 0 0 7 4 7 0 3,读取一段声音数据（Windows XP 菜单命令），当循环卷积长度大于或等于两序列长度之和时，循环卷积等于线性卷积。因为直接用FFT进行1024点卷积大于两序列长度，所以可用线性卷积替代圆周卷积，其程序如下：n=-7:686; M=685;yn=zeros(1,687);xn1,fs,nbits=wavread(E:sj课程设计Windows XP 菜单命令);xm1=zeros(1,7) xn1 zeros(1,7);xn2=1, 2.43, 32.25, 22.17, 12.93, 6.17, 2.43,1.0000;xm2=fliplr(xn2) zeros(1,686);yn(1)=sum(xm1.*xm2);for N=1:685xm3=zeros(1,N) fliplr(xn2) zeros(1,M);M=M-1;yn(N+1)=sum(xm1.*xm3)endxm3=zeros(1,686) fliplr(xn2);yn(687)=sum(xm1.*xm3);figure(1)stem(yn)xlabel(m)ylabel(y(n)title(n=N)线性卷积结果如图2.1所示。 图2.1 线性卷积结果(4) FFT 由循环卷积定理可知：对于时域序列循环卷积，可先进行FFT变换，然后频率相乘，最后对结果进行IFFT变换，即可得到时域循环卷积结果。其程序如下：y,fs,nbits=wavread(E:sj课程设计Windows XP 菜单命令);Y=fft(y,1024);xn2=1, 2.43, 32.25, 22.17, 12.93, 6.17, 2.43,1.0000;X=fft(xn2,1024);X1=rot90(X,3);Z=X1.*Y;z=ifft(Z,1024)figure(2)stem(z)axis(0,1000,-3,2.5);FFT求得结果如图2.2所示。 图2.2 1024点FFT求得结果由图2.1和图2.2可得：直接用卷积求得结果与间接用FFT求得结果相同。同时可观察到间接用FFT求得速度要比直接用卷积求得速率要快，效率要高。2.1.2采样定理的演示信号进行采样，A为幅度因子，a为衰减因子，为模拟角频率，调试结果如Error! Reference source not found.所示，程序如下：t=0:0.0005:0.3;xa=18*exp(-8*sqrt(2)*pi*t).*sin(18*sqrt(2)*pi*t);subplot(611);plot(t,xa);ylabel(origin xa);t=0.015;n=0:t:0.3;pt=ones(0.3/t+1);subplot(612);stem(n,pt);ylabel(sample signal);xaa=29*exp(-29*sqrt(2)*pi*n).*sin(29*sqrt(2)*pi*n);subplot(613);stem(n,xaa);ylabel(sampled signal);y1=fft(xa,4096);subplot(614);plot(abs(y1);ylabel(sample signal);y2=fft(xaa,4096);subplot(615);plot(abs(y2);ylabel(sample signal);t=0.005;n=0:t:0.3;xaa=29*exp(-29*sqrt(2)*pi*n).*sin(29*sqrt(2)*pi*n);y2=fft(xaa,4096);subplot(616);plot(abs(y2);ylabel(sample signal);其结果如图2.3所示。 图2.3 采样定理演示3 课程设计预习3.1 频谱分析原理时域分析只能反映信号的幅值随时间的变化情况，除单频率分量的简单波形外，很难明确提示信号的频率组成和各频率分量大小，而频谱分析能很好的解决此问题。(1) DFT与FFT对于给定的时域信号y，可以通过Fourier变换得到频域信息Y。Y可按下式计算 （2-1）式中，N为样本容量，为采样间隔。采样信号的频谱是一个连续的频谱，不可能计算出所有的点的值，故采用离散Fourier变换(DFT)，即 （2-2）式中，。但上式的计算效率很低，因为有大量的指数(等价于三角函数)运算，故实际中多采用快速Fourier变换(FFT)。其原理即是将重复的三角函数算计的中间结果保存起来，以减少重复三角函数计算带来的时间浪费。由于三角函数计算的重复量相当大，故FFT能极大地提高运算效率。(2) 频谱图为了直观地表示信号的频率特性，工程上常常将Fourier变换的结果用图形的方式表示，即频谱图。以频率f为横坐标，为纵坐标，可以得到幅值谱；以频率f为横坐标，为纵坐标，可以得到相位谱；以频率f为横坐标，为纵坐标，可以得到实频谱；以频率f为横坐标，为纵坐标，可以得到虚频谱。根据采样定理，只有频率不超过的信号才能被正确采集，即Fourier变换的结果中频率大于的部分是不正确的部分，故不在频谱图中显示。即横坐标。3.2 IIR设计原理(1) 切比雪夫滤波器原理切比雪夫滤波器的幅频特性具有等波纹特性。切比雪夫滤波器等波纹特性有两种形式：振幅特性在通带内是等波纹的，在阻带内是单调下降的切比雪夫I型；振幅特性在阻带内是等波纹的，在通带内是单调下降的切比雪夫II型。(2) 脉冲响应不变法4工作原理 冲激响应不变法遵循的准则是使数字滤波器的单位取样响应与参照的模拟滤波器的脉冲响应的取样值完全一样，即h(n)=ha(nT),其中T为取样周期。实际是由模拟滤波器转换成为数字滤波器，就是要建立模拟系统函数Ha（S）与数字系统函数H（z）之间的关系。脉冲响应不变法是从S平面映射到z平面，这种映射不是简单的代数映射，而是S平面的每一条宽为2/T的横带重复地映射到整个z平面。(3) 双线性变换法4工作原理 双线性变换中数字域频率和模拟频率之间的非线性关系限制了它的应用范围，只有当非线性失真是允许的或能被忽略时，才能采用双线性变换法，通常低通、高通、带通和带阻等滤波器等具有分段恒定的频率特性，可以采用预畸变的方法来补偿频率畸变，因此可以采用双线性变换设计方法。3.3 FIR设计原理由于IIR数字滤波器能够保留一些模拟滤波器的优良特性，因此应用很广。但是这些特性是以牺牲线性相位频率特性为代价的，即用Butterworth、切比雪夫和椭圆法设计的数字滤波器逼近理想的滤波器的幅度频率特性，得到的滤波器往往是非线性的。在许多电子系统中，对幅度频率特性和线性相位特性都有较高的要求，所以IIR滤波器在这些系统中往往难以胜任。有限长单位冲激响应(FIR)数字滤波器具有以下优良的特点：(1) FIR数字滤波器的单位冲激响应h(n)是有限长的，可以用一个固定的系统来实现，因而FIR数字滤波器可以做成因果稳定系统。(2) 可在设计任意幅度频率特性滤波器的同时，保证精确、严格的线性相位特性。 (3) 允许设计多通带(多阻带)系统。 窗函数法就是设计FIR数字滤波器的最简单的方法。它在设计FIR数字滤波器中有很重要的作用，正确地选择窗函数可以提高设计数字滤波器的性能，或者在满足设计要求的情况下，减小FIR数字滤波器的阶次。常用的窗函数4有以下几种：矩形窗(Rectangular window)、三角窗(Triangular window)、汉宁窗(Hanning window)、海明窗(Hamming window)、布拉克曼窗(Blackman window)、切比雪夫窗(Chebyshev window)、巴特里特窗(Bartlett window)及凯塞窗(Kaiser window)。在MATLAB中，实现矩形窗的函数为boxcar和rectwin，其调用格式如下： w=boxcar(N)w=rectwin(N)其中N是窗函数的长度，返回值w是一个N阶的向量，它的元素由窗函数的值组成。实际上，w=boxcar(N)等价于w=ones(N,1)。在MATLAB中，实现三角窗的函数为triang，调用格式为： w=triang(N) 在MATLAB中，实现汉宁窗的函数为hann，调用格式如下： w=hann(N)w=hann(N,sflag)Hann函数中的参数sflag为采样方式，其值可取symmetric(默认值)或periodic。当sflagsymmetric时，为对称采样；当sflagperiodic时，为周期采样，此时hann函数计算N+1个点的窗，但是仅返回前N个点。在MATLAB中，实现海明窗的函数为hamming，调用格式分别如下： w=hamming (N)w=hamming (N,sflag)其中sflag的用法同上。在MATLAB中，实现布拉克曼窗的函数为blackman，调用格式如下： w=blackman (N)w=blackman (N,sflag)在MATLAB中，实现切比雪夫窗的函数为chebwin，调用格式为： w=chebwin (N,r)其中r 表示切比雪夫窗函数的傅里叶变换旁瓣幅度比主瓣低rdB(其默认值为100dB)，且旁瓣是等纹波的。在MATLAB中，实现巴特里特窗的函数为bartlett，调用格式为： w=bartlett (N)在MATLAB中，实现凯塞窗的函数为kaiser，调用格式为： w=kaiser (N,beta)其中beta为窗函数的参数。各种窗函数的性能比较可见表2-1，在设计FIR滤波器的过程中可以根据要求选择合适的窗函数：表2-1 各种窗函数的性能比较窗 函 数第一旁瓣相对于主瓣衰减/dB主 瓣 宽阻带最小衰减/dB矩形窗134/N21三角窗258/N25汉宁窗318/N44海明窗418/N53布拉克曼窗5712/N74凯塞窗可调可调可调切比雪夫窗可调可调可调4 设计程序的调试和运行结果4.1 IIR滤波器的设计(1)选择来自于E盘的“wu.wav”声音作为语音信号(2)根据不同的滤波器选择不同的噪声信号加到语音信号中，得到被污染的语音信号。(3)分别设计切比雪夫滤波器（低通、带通、高通）以及Kaiser窗滤波器（低通、带通、高通）对被污染的语音信号滤波，滤掉相应的噪音信号，得到符合要求的语音信号4.1.1切比雪夫低通滤波器的设计如图4.5所示为原语音信号的时域图和频谱图。在MATLAB中通过wavplay(filename)读取语音信号数据。其程序如下：x,FS,bits=wavread(E:sj课程设计wu);x=x(:,1);figure(1);subplot(2,1,1);plot(x);sound(x,FS,bits); title(语音信号时域波形图)y=fft(x,3260);f=(FS/1630)*1:1630; subplot(2,1,2);plot(f(1:1630),abs(y(1:1630);title(语音信号频谱图); 图4.5 原语音信号的时域图和频谱图如图4.6所示为噪声信号的波形图图和频谱图。其加噪信号程序如下：t=0:length(x)-1;zs0=0.08*cos(2*pi*200*t/30000);zs=zeros(0,100),zs0;figure(2);subplot(211);plot(zs)title(噪声信号波形);zs1=fft(zs,1200);sound(zs,FS,bits);subplot(212)plot(f(1:300),abs(zs1(1:300);title(噪声信号频谱);图4.6 被污染语音信号的时域图和频谱图如图4.7所示为加入噪声后的信号波形和信号频谱。其设计程序如下：x1=x+zs;%sound(x1,FS,bits);y1=fft(x1,600);figure(3);subplot(211);plot(x1);title(加入噪声后的信号波形);subplot(212);plot(f(1:300),abs(y1(1:300);title(加入噪声后的信号频谱);图4.7 加入噪声信号波形和信号频谱图如图4.8所示为切比雪夫低通滤波器频谱图。其设计程序如下：%低通滤波fp=3000;fs=4000;Fs=22050;rp=1;rs=10;wp=2*pi*fp/Fs;ws=2*pi*fs/Fs;Fs=Fs/Fs;wap=2*tan(wp/2);was=2*tan(ws/2);N,wc=cheb1ord(wap,was,rp,rs,s);B,A=cheby1(N,rp,wc,s);Bz,Az=bilinear(B,A,Fs);figure(4);h,w=freqz(Bz,Az,512,Fs*22050);plot(w,abs(h);title(切比雪夫低通滤波器); 图4.8 滤波后语音信号的时域图和频谱图如图4.9所示为滤波后时域波形图。其设计程序如下：xlabel(频率（HZ）);ylabel(耗损（dB）);grid on;yd=filter(Bz,Az,x1);figure(5);subplot(2,1,1);plot(yd);title(滤波后的时域波形图);ydd=fft(yd,1024);subplot(2,1,2);plot(f(1:600),abs(ydd(1:600);title(滤波后的频域波形图);%sound(yd,FS,bits) 图4.9 滤波后时域波形图4.1.2 切比雪夫高通程序的调试和运行结果如图4.5所示为原语音信号的时域图和频谱图。在MATLAB中通过wavplay(filename)读取语音信号数据。其程序如下：x,FS,bits=wavread(E:sj课程设计wu);x=x(:,1);figure(1);subplot(2,1,1);plot(x);sound(x,FS,bits); title(语音信号时域波形图)y=fft(x,3260);f=(FS/1630)*1:1630; subplot(2,1,2);plot(f(1:1630),abs(y(1:1630);title(语音信号频谱图); 图4.5 原语音信号的时域图和频谱图如图4.6所示为噪声信号的波形图图和频谱图。其加噪信号程序如下：t=0:length(x)-1;zs0=0.08*cos(2*pi*200*t/30000);zs=zeros(0,100),zs0;figure(2);subplot(211);plot(zs)title(噪声信号波形);zs1=fft(zs,1200);sound(zs,FS,bits);subplot(212)plot(f(1:300),abs(zs1(1:300);title(噪声信号频谱);图4.6 被污染语音信号的时域图和频谱图如图4.7所示为加入噪声后的信号波形和信号频谱。其设计程序如下：x1=x+zs;%sound(x1,FS,bits);y1=fft(x1,600);figure(3);subplot(211);plot(x1);title(加入噪声后的信号波形);subplot(212);plot(f(1:300),abs(y1(1:300);title(加入噪声后的信号频谱);图4.7 加入噪声信号波形和信号频谱图如图4.8所示为切比雪夫高通滤波器频谱图。其设计程序如下：%高通滤波器fp=1200;fs=800;Fs=22050;rp=1;rs=10;wp=2*pi*fp/Fs;ws=2*pi*fs/Fs;Fs=Fs/Fs;wap=2*tan(wp/2);was=2*tan(ws/2);N,wc=cheb1ord(wap,was,rp,rs,s);B,A=cheby1(N,rp,wc,high,s);Bz,Az=bilinear(B,A,Fs);figure(4);h,w=freqz(Bz,Az,512,Fs*22050);plot(w,abs(h);title(切比雪夫高通滤波器); 图4.8 滤波后语音信号的时域图和频谱图如图4.9所示为滤波后时域波形图。其设计程序如下：xlabel(频率（HZ）);ylabel(耗损（dB）);grid on;yd=filter(Bz,Az,x1);figure(5);subplot(2,1,1);plot(yd);title(滤波后的时域波形图);ydd=fft(yd,800);subplot(2,1,2);plot(f(1:600),abs(ydd(1:600);title(滤波后的频域波形图);%sound(yd,FS,bits)图4.9 滤波后时域波形图4.1.3 切比雪夫带通程序的调试和运行结果如图4.10所示为原语音信号的时域图和频谱图。在MATLAB中通过wavplay(filename)读取语音信号数据。其程序如下：x,FS,bits=wavread(E:sj课程设计wu);x=x(:,1);figure(1);subplot(2,1,1);plot(x);sound(x,FS,bits); title(语音信号时域波形图)y=fft(x,3260);f=(FS/1630)*1:1630; subplot(2,1,2);plot(f(1:1630),abs(y(1:1630);title(语音信号频谱图); 图4.10 原语音信号的时域图和频谱图如图4.11所示为加入噪声后的信号波形和信号频谱。其设计程序如下：x1=x+zs;%sound(x1,FS,bits);y1=fft(x1,1000);figure(3);subplot(211);plot(x1);title(加入噪声后的信号波形);subplot(212);plot(f(1:300),abs(y1(1:300);title(加入噪声后的信号频谱);图4.7 加入噪声信号波形和信号频谱图如图4.8所示为切比雪夫带通滤波器频谱图。其设计程序如下：fsl=500;fpl=800;fpu=1500;fsu=2000;Fs=22050rp=1;rs=10;wp=2*pi*fpl,fpu/Fs;ws=2*pi*fsl,fsu/Fs;Fs=Fs/Fs;wap=2*tan(wp/2);was=2*tan(ws/2);N,wc=cheb1ord(wap,was,rp,rs,s);B,A=cheby1(N,rp,wc,s);Bz,Az=bilinear(B,A,Fs);h,w=freqz(Bz,Az,512,Fs*22050);figure(4);plot(w,abs(h);title(切比雪夫带通滤波器);图4.8 滤波后语音信号的时域图和频谱图如图4.9所示为滤波后时域波形图。其设计程序如下：xlabel(频率（HZ）);ylabel(耗损（dB）);grid on;yd=filter(Bz,Az,x1);figure(5);subplot(2,1,1);plot(yd);title(滤波后的时域波形图);ydd=fft(yd,1050);subplot(2,1,2);plot(f(1:300),abs(ydd(1:300);title(滤波后的频域波形图);sound(yd,FS,bits);图4.9 滤波后时域波形图4.2 FIR数字滤波器的设计4.2.1 Kaiser窗低通程序的设计技术指标：fr=1000。源程序如下。仿真波形见图4.2.1。y,fs,bit=wavread(1);fr=1000;wr=2*pi*fr;Window=kaiser(8,beta);b=fir1(7,fr/(fs/2),Window);h,w=freqz(b,1);subplot(221);plot(w*fs/(2*pi),abs(h);title(低通滤波);y1=filter(b,1,y);y2=fftfilt(b,y);subplot(222);plot(y);title(原始语音信号);subplot(223);plot(y1);title(IIR滤波后语音信号);subplot(224);plot(y2);title(FIR滤波后语音信号);sound(y1,fs,bit); 图4.2.1 凯塞窗低通滤波器仿真图 4.2.2 Kaiser窗带通滤波器技术指标：fr=1000,fp=3000。源程序如下。仿真波形见图4.2.2。y,fs,bit=wavread(1);fr=1000;fp=3000wr=2*pi*fr;Window=kaiser(16,beta);b=fir1(15,fr/(fs/2),fp/(fs/2),Window);h,w=freqz(b,1);subplot(221);plot(w*fs/(2*pi),abs(h);title(带通滤波);y1=filter(b,1,y);y2=fftfilt(b,y);subplot(222);plot(y);title(原始语音信号);subplot(223);plot(y1);title(IIR滤波后语音信号);subplot(224);plot(y2);title(FIR滤波后语音信号);sound(y1,fs,bit);图4.2.2 凯塞窗带通滤波器仿真波形 4.2.3 Kaiser窗高通滤波器指标：fr=3000。源程序如下。仿真波形见图4.23。y,fs,bit=wavread(1);fr=3000;wr=2*pi*fr;Window=kaiser(8,beta);b=fir1(7,fr/(fs/2),high);h,w=freqz(b,1);subplot(221);plot(w*fs/(2*pi),abs(h);title(低通滤波);y1=filter(b,1,y);y2=fftfilt(b,y);subplot(222);plot(y);title(原始语音信号);subplot(223);plot(y1);title(IIR滤波后语音信号);subplot(224);plot(y2);title(FIR滤波后语音信号);sound(y1,fs,bit); 图4.2.3 凯塞窗高通滤波器仿真波形4.3 回放语音信号回放语音信号：在Matlab中, 函数sound 可以对声音进行回放，其调用格式: sound (x, fs, bits)；可以感觉滤波前后的声音变化。程序如下：x,fs,bits=wavread(H:sz课程设计ding.wav);sound(x,fs,bits); %回放语音信号c=0.2*sin(2*pi*5000*(1:size(x)/fs); sound(c,fs); %回放噪声信号z=x+c; sound(z,fs); %回放叠加的信号X=conv(f,x); sound(X,fs,bits); %回放经滤波器滤波后的语音信号5 总结这次的语音信号的数字滤波处理课程设计，由于刚开始对设计思路并不是很清晰而且对MATLAB的使用方法并不是很熟悉，以至于整个过程花了我不少时间，可当做完时才发现做数字滤波器并进行分析并不是很难，主要是在参数设置上和程序的理解花了不少时间。 通过这次课程设计让我体会到在实际的操作过程中，要把理论中所学的知识灵活地运用起来，会在调试中会遇到各种各样的问题，而耐心就是我们最好的帮手，遇事不能急、不能慌，慢慢分析并解决问题才是王道。这次课程设计提高了我解决问题的能力，使我学会了在设计中独立解决问题，也包括怎样去查找问题。似乎所有的事都得自己亲手去操作才会在脑