基于matlab写一段实现维纳滤波的代码

function output = wiener_filter(input, psf, noise_var)
% input: 输入图像
% psf: 模糊点扩散函数
% noise_var: 噪声方差

% 对输入图像进行快速傅里叶变换
input_fft = fft2(input);

% 对模糊点扩散函数进行快速傅里叶变换
psf_fft = fft2(psf, size(input, 1), size(input, 2));

% 计算维纳滤波器的频域表达式
wiener_filter_fft = conj(psf_fft) ./ (abs(psf_fft).^2 + noise_var./abs(input_fft).^2);

% 对输入图像进行维纳滤波
output_fft = wiener_filter_fft .* input_fft;

% 对输出图像进行反变换得到空域图像
output = ifft2(output_fft);

% 对结果进行归一化
output = output ./ max(output(:));
end

相关问题

基于MATLAB语音降噪算法 维纳滤波法

### MATLAB 实现维纳滤波语音降噪算法

#### 理论基础
维纳滤波器是一种线性滤波器，其设计目标是在均方误差意义下最优估计所需信号。对于语音降噪应用而言，该方法旨在通过预测并减去背景噪声成分从而提高语音清晰度和质量[^2]。

#### 函数定义与参数设置
为了实现这一过程，在MATLAB环境中编写如下函数用于加载含噪音频文件、计算频谱特性以及构建Wiener Filter模型：

function [cleanedAudio, fs] = wienerDenoise(noisyFilePath)
    % 加载带噪音的声音数据
    [noisySignal, fs] = audioread(noisyFilePath);
    
    NFFT = 1024; % FFT长度设定
    NOVERLAP = round(0.75 * NFFT); % 滑动窗口重叠率
    
    % 计算短时傅里叶变换 (STFT)，获取时间-频率表示形式下的输入序列
    spectrogramData = stft(noisySignal,'Window',hamming(NFFT),'OverlapLength',NOVERLAP);

    % 构建理想比例因子矩阵作为先验知识指导后续操作
    idealRatioMatrix = abs(spectrogramData).^2 ./ mean(abs(spectrogramData).^2, 'all');
end

上述代码片段展示了初步的数据预处理部分，包括读取待处理的有声文档，并利用`stft()`函数获得对应的频域特征向量集合；接着根据统计规律构造了一个理想的增益系数表——即所谓的“理想比率掩蔽”。

#### Wiener滤波核心逻辑
接下来的部分实现了实际意义上的Wiener Filtering机制，具体表现为对每一个子带上采样后的幅度谱施加特定权重调整，最终再逆转换回时域完成整个流程：

% 应用维纳滤波规则更新各通道内的振幅响应值
wienerGainFactors = max((idealRatioMatrix - 1), zeros(size(idealRatioMatrix))) ./ ...
                    (idealRatioMatrix + eps);

filteredSpectrum = spectrogramData .* sqrt(wienerGainFactors);

% 执行ISTFT重建净化过的新版声音样本流
cleanedAudioFrames = istft(filteredSpectrum,'Window',hamming(NFFT),'OverlapLength',NOVERLAP);

% 合成连续播放所需的完整输出数组
cleanedAudio = reshape(cleanedAudioFrames(:)', [], 1);

这段程序首先按照之前得到的理想比值重新校准了各个时刻点上的能量分布情况，随后借助`istft()`反演运算重构出较为纯净的目标语音片段。

#### 结果评估与保存
最后一步是对增强效果做出定量分析并将优化后的内容导出供进一步检验或分享交流之用：

% 可视化对比原音轨同修复版本间的差异程度
subplot(2,1,1); plot([noisySignal cleanedAudio]); title('Noisy vs Cleaned Audio')
legend({'Original Noisy','Enhanced'},'Location','Best')

% 输出至本地磁盘形成.wav格式资源包
audiowrite(['denoised_' fileparts(strrep(noisyFilePath,filesep,'_')) '.wav'], cleanedAudio, fs);

此段脚本不仅提供了直观图形界面让用户能够快速判断改进成效，同时也支持一键式存档功能方便日后查阅验证。

matlab维纳滤波实现语音增强

### 使用 MATLAB 实现维纳滤波进行语音增强

为了实现基于维纳滤波的语音增强，在 MATLAB 中通常会采用频域处理的方式。下面提供一段用于语音去噪并增强目标语音信号的示例代码：

% 加载原始带噪语音文件
[x, fs] = audioread('noisy_speech.wav');

% 设置帧长和重叠率
frame_length = round(0.03 * fs); % 30ms 帧长度
overlap_rate = 0.5;
hop_size = frame_length * (1 - overlap_rate);

% 初始化变量
num_frames = floor((length(x) - frame_length) / hop_size) + 1;
enhanced_signal = zeros(size(x));

for i = 1:num_frames
    start_idx = (i-1)*hop_size + 1;
    end_idx = min(start_idx + frame_length - 1, length(x));
    
    % 提取当前帧数据
    current_frame = x(start_idx:end_idx);
    
    % 计算短时傅里叶变换（STFT）
    Xk = fft(current_frame);
    
    % 构建功率谱密度估计
    Pxx_hat = abs(Xk).^2 ./ frame_length; 
    
    % 设定先验信噪比(SNR)，这里简化为固定值
    SNR_prior = 10^(10/10); % dB 转换成线性尺度
    
    % 计算增益因子 G(k)
    G = Pxx_hat ./ (Pxx_hat + 1/SNR_prior);
    
    % 应用维纳滤波器到 STFT 结果上
    Yk = G .* Xk;
    
    % 反向 FFT 得到时间序列
    y = real(ifft(Yk));
    
    % 将结果叠加回最终输出信号中
    enhanced_signal(start_idx:end_idx) = ...
        enhanced_signal(start_idx:end_idx) + y;
end

% 输出增强后的音频文件
audiowrite('enhanced_speech.mat', enhanced_signal/max(abs(enhanced_signal)), fs);

这段程序展示了如何利用维纳滤波技术来改善被加性白噪声污染过的语音质量[^1]。