MATLAB卡尔曼音频降噪代码示例，并绘制时域图 频域图

以下是一个基于 Kalman 滤波的 MATLAB 音频降噪示例代码，同时绘制了原始音频信号、降噪后的音频信号以及它们的时域图和频域图：

% 读取音频文件并进行预处理
[x, fs] = audioread('noisy_audio.wav');
x = x(:, 1); % 取左声道
x = x / max(abs(x)); % 归一化处理

% 定义卡尔曼滤波模型
A = 1;
H = 1;
Q = 0.0001;
R = 0.1;
P = 1;
x0 = 0;

% 对音频信号进行卡尔曼滤波处理
y = zeros(size(x));
for k = 2:length(x)
    [x0, P] = kalman_filter(x(k), x0, P, A, H, Q, R);
    y(k) = x0;
end

% 绘制原始音频信号和降噪后的音频信号的时域图和频域图
t = (0:length(x)-1) / fs;
f = (0:length(x)-1) / length(x) * fs;
X = abs(fft(x));
Y = abs(fft(y));
subplot(2, 2, 1), plot(t, x), xlabel('Time (s)'), ylabel('Amplitude'), title('Original Audio Signal (Time Domain)');
subplot(2, 2, 2), plot(f, X), xlabel('Frequency (Hz)'), ylabel('Magnitude'), title('Original Audio Signal (Frequency Domain)');
subplot(2, 2, 3), plot(t, y), xlabel('Time (s)'), ylabel('Amplitude'), title('Denoised Audio Signal (Time Domain)');
subplot(2, 2, 4), plot(f, Y), xlabel('Frequency (Hz)'), ylabel('Magnitude'), title('Denoised Audio Signal (Frequency Domain)');

% 反归一化和反向量化处理，并保存结果到新的音频文件中
y = y * max(abs(x));
audiowrite('denoised_audio.wav', y, fs);

% 定义 Kalman 滤波函数
function [xk, Pk] = kalman_filter(zk, xk_1, Pk_1, A, H, Q, R)
    xk_ = A * xk_1;
    Pk_ = A * Pk_1 * A' + Q;
    Kk = Pk_ * H' / (H * Pk_ * H' + R);
    xk = xk_ + Kk * (zk - H * xk_);
    Pk = (eye(size(Kk, 1)) - Kk * H) * Pk_;
end

这段代码实现了对一个名为 `noisy_audio.wav` 的音频文件进行降噪处理，并绘制了原始音频信号和降噪后的音频信号的时域图和频域图。其中，时域图表示信号在时间轴上的变化情况，频域图表示信号在频率轴上的变化情况，可以用于观察信号的频率成分和噪声的频谱特征等信息。

需要注意的是，本示例代码中绘制的时域图和频域图仅限于演示用途，实际应用中可能需要更加精细的绘图方式和参数设置，以得到更准确的结果。