1、随机信号实验报告班 级： 姓 名： 学 号： 指导老师： 时 间： 一、 信号基本参数1. 均值及方差由上图可以看出，该语音信号的能量不是很大，因其均值在0.12左右，方差在0.02左右，故波动不是很大；当加入信噪比为5的白噪声后，其均值明显增大，在0.48左右，说明噪声的能量远大于信号的能量，其方差在0.13左右，故波动很大。由此看出，白噪声携带能量加大，且波动加大。2. 正态概率分布函数上图为语音信号各点的幅度的概率分布，它与语音信号分布差不多，它放映的是语音信号在各点的能量大小。当语音信号在某时刻幅值越大，则其概率越大，反之，则越小。3. 自相关上图可以看出，该语音信号的自相关不是很大，
2、因此该语音信号前后相关性不是很大，因此，在信号处理及通信中对信号处理要求不是很高；当加入噪声后，可以看出自相关有明显减小的痕迹，所以白噪声的自相关不大。4. 互相关上图为两个不同的语音信号的互相关，可以看出在前半段完全没有相关性，而在后半段有一定的相关性；当加入白噪声后，互相关增强，且前半段也没有相关性，说明有一语音信号前半段没有信号。由两图比较可得，高斯白噪声的互相关较大。二、 信号加噪及提取5.信号加入确定噪声后加入确定噪声sin(17500*t)后，时域图上可以看出，振幅较小的语音信号完全被噪声淹没，从回放的声音中可以听到刺耳的噪声信号，从频谱图中也可以看出，在1800Hz左右，有明显的
3、高峰，所含的能量远大于语音信号。因此，可以用带阻滤波器滤除该噪声信号。6.去除确定噪声信号sin()从上面两图可以看出，去噪后的频谱中没有高峰突起，确实去掉了噪声信号，从回放的声音中，也听不到刺耳的声音，是比较清晰地声音。从频谱图中可以明显看到有凹下去的部分，是因为不是理想滤波器，必定会滤掉临近的很小的一部分信号，但并不会语音信号造成太大的影响。采用的是巴特沃斯带阻滤波器，fp=1700Hz,fs=100Hz,当增大fs后，可以明显看到凹下去的部分增大；而改变fp后，就不能滤掉噪声信号。所以，在选取滤波器的参数时，应仔细选取，否则，滤不掉噪声信号。7.加入白噪声后从上图可以看出，但加入信噪比为
4、10的白噪声后，语音信号已经完全被白噪声淹没掉，已经完全辨认不出语音信号的变化情况，从回放的声音中也基本辨认不出语音信号的内容。从频谱图中也可以明显看到，白噪声在所有频段都有，特别是在高频部分最为强烈。由于人的说话声音的频率在340Hz3000Hz之间，其大部分能量集中在基频部分，所以采用低通滤波器，滤除高频噪声。8.去除白噪声从频谱图可以看出，滤除了高频噪声，高频段没有了信号，但同时，也把语音信号的高频部分给滤除掉了；在基频段，语音信号被保留，但同时也可以明显看到，在低频部分，还混有噪声，从回放的声音中可以明显听出有噪声，同时语音信号变得低沉，是因为滤除了语音信号的高频部分的缘故。因此，对于
5、混有白噪声的去噪，用经典的滤波器没法完全滤除噪声，只能采用现代滤波器来去噪。采用的是巴特沃斯低通滤波器，通带截止频率为800Hz，阻带截止频率为1000Hz。三、 信号的限带变换9.巴特沃思滤波器从频谱图可以看出，完全滤除了高频成分，从回放分声音中也可以听出，语音信号的低沉，保留低频成分。所用的低通滤波器通带截止频率为800Hz,阻带截止频率为1000Hz，从频谱图可以看出，在1000Hz时，并没有完全衰减掉，有一定的过度带。10、卡尔曼滤波器上图为通过卡尔曼低通滤波器后的频谱，可以看出完全滤除了语音信号的高频成分。另外，从幅度值可一看出，它对不同各个频段的高能量部分有衰减，并不完全是低通滤波
6、器，它不完全和巴特沃思低通滤波器等同，所以，常用于雷达跟踪信号的滤波。11、切比雪夫滤波器从频谱图中可以看出，它和巴特沃思滤波器没有太大的区别，但从它的幅频响应特性曲线可以看出，它对通带内的某些频率成分一定的衰减，从频谱图可以大致看出，有一定的衰减。从幅频响应特性曲线可以看出，设计的滤波器阶数越高，越逼近理想滤波器，对滤波越有利。12、高通滤波器从频谱图可以看出，只有3000Hz4000Hz的高频成分，从回放的声音中听出，声音很小，且不是很清晰。从频谱图中也可看出，在该频段所含能量较小，实现了高通滤波的功能。四、 语音信号估计13、读入语音信号14、语音帧估计通过输入要预测的帧数和预测滤波器的
7、阶数，就能生成原始语音帧（蓝）、预测语音帧（红）、误差语音帧（绿），通过测试发现，当滤波器的阶数越大，预测的越好，上图为在20帧时，阶数位4阶石的频谱图。从图中可以看出，预测的已经基本可以代替语音信号，所以，我们可以通过该算法，来压缩语音信号，减少传输的信息。15、功率谱估计从图中可以看出，P越大，LPC谱越能反映出语音短时谱的细节部分，但LPC谱的光滑度随之下降。由于我们的目的只是用LPC谱反映声道综合效应的谱的表示式，而具体的谐波形状是通过激励谱来控制的，因此LPC谱只要能够体现出语音的共振峰的结构和谱包络就可以，因此从计算复杂性的角度分析，预测阶数P应该适中。16、倒谱估计上图是原始语音
8、和预测误差的倒谱波形，我们可以从中计算出原始语音的基音周期。从图中看出两峰值之间的间隔为55点左右，基音周期为55/8000=6.8ms，频率为145Hz左右。五、 语音信号检测17、自相关基音检测上图1可以看出En 值大的对应于浊音段,而En值小的对应于清音段。由此可以大致判断浊音变为清音或清音变为浊音的时刻。上图2可以看出第一个峰值出现在30左右，1000/30*0.125=266Hz.18、能量谱从图中可以看出能量不是很强。19、对数谱从图中可以大致看出在各时刻能量分布情况，在低频部分分布较大。20、过零检测从图中可以看出，能有效地检测出端点，只要逐一检测该信号，就可以分离出孤立词，也有效地去除了一部分噪声，因此，是语音信号检测的重要的一步。
