matlab 输入语音信号，请你给出如何画它的时域图和频域图的代码

好的，以下是 MATLAB 画时域图和频域图的代码：

假设你已经有了一个名为 `audio` 的语音信号向量。

时域图：

% 画时域图
t = linspace(0, length(audio)/44100, length(audio)); % 生成时间坐标轴
plot(t, audio);
xlabel('时间 (s)');
ylabel('幅值');
title('语音信号时域图');

其中，`linspace` 函数用于生成时间坐标轴，`44100` 是语音信号的采样率。

频域图：

% 画频域图
N = length(audio);
f = (0:N-1)*(44100/N); % 生成频率坐标轴
audio_fft = fft(audio);
audio_fft = audio_fft(1:N/2);
plot(f, abs(audio_fft));
xlabel('频率 (Hz)');
ylabel('幅值');
title('语音信号频域图');

其中，`N` 是语音信号的长度，`f` 是频率坐标轴，`fft` 函数用于进行傅里叶变换，`abs` 函数用于取复数的绝对值，只画了频率为正的部分。

希望对你有所帮助！

相关问题

MATLAB卡尔曼语音降噪程序示例，并画时域图和频域图

以下是一个MATLAB卡尔曼语音降噪程序的示例，同时附有时域图和频域图的绘制代码。

%% Load noisy speech signal
[x, fs] = audioread('noisy_speech.wav');

%% Define Kalman filter parameters
A = 1; % State transition matrix
H = 1; % Observation matrix
Q = 0.01; % Process noise covariance
R = 0.1; % Measurement noise covariance
P = 1; % Estimate error covariance
xhat = 0; % Initial state estimate
K = P*H'/(H*P*H' + R); % Kalman gain

%% Apply Kalman filter to noisy speech signal
y = zeros(length(x), 1);
for n = 1:length(x)
    xhat = A*xhat;
    P = A*P*A' + Q;
    K = P*H'/(H*P*H' + R);
    xhat = xhat + K*(x(n) - H*xhat);
    P = (eye(1) - K*H)*P;
    y(n) = xhat;
end

%% Plot time domain and frequency domain of original and filtered signal
t = 0:1/fs:length(x)/fs-1/fs;
subplot(2,1,1);
plot(t, x, 'b', t, y, 'r');
ylim([-1 1]);
legend('Noisy signal', 'Filtered signal');
xlabel('Time (s)');
ylabel('Amplitude');
title('Time domain plot');
subplot(2,1,2);
NFFT = 2^nextpow2(length(x));
f = fs/2*linspace(0,1,NFFT/2+1);
X = fft(x, NFFT)/length(x);
Y = fft(y, NFFT)/length(y);
plot(f, 2*abs(X(1:NFFT/2+1)), 'b', f, 2*abs(Y(1:NFFT/2+1)), 'r');
xlim([0 4000]);
legend('Noisy signal', 'Filtered signal');
xlabel('Frequency (Hz)');
ylabel('Magnitude');
title('Frequency domain plot');

需要注意的是，这只是一个简单的示例程序，实际情况下可能需要更复杂的处理方法和参数调整来获得更好的降噪效果。

matlab代码导入原始语音和噪声两个音频文件，将之混合叠加，使用rls算法从混合音频中提取出原始语音信号，并画出原始语音、混合语音和提取出的原始语音的时域图和频域图共6个图

以下是一个基于 RLS 算法的 Matlab 代码，用于从混合音频中提取原始语音信号。代码中使用了两个音频文件，一个是原始语音文件，另一个是噪声文件。提取出的原始语音信号将与原始语音文件进行比较，以评估提取的性能。

clear all;
clc;

% 导入原始语音文件和噪声文件
[s,fs]=audioread('Original_Speech.wav');
[n,fs]=audioread('Noise.wav');

% 混合语音信号
x=s+n;

% RLS 参数设置
N = 64; % 滤波器长度
delta = 1; % 初始化增益因子
P = delta*eye(N); % 初始化协方差矩阵
w = zeros(N,1); % 初始化权重向量

% 计算 RLS 提取的输出信号
y = zeros(size(x));
for n = 1:length(x)
    u = flipud(x(max(1,n-N+1):n)); % 构造输入向量
    y(n) = w'*u; % RLS 输出
    e = s(n) - y(n); % 计算误差
    k = P*u/(1+u'*P*u); % 计算增益因子
    w = w + k*e; % 更新权重向量
    P = (P - k*u'*P)/delta; % 更新协方差矩阵
end

% 画出原始语音、混合语音和提取的原始语音的时域图和频域图
figure(1);
subplot(3,2,1);
plot(s);
title('Original Speech');
subplot(3,2,2);
spectrogram(s,hamming(256),128,[],fs,'yaxis');
title('Original Speech Spectrogram');
subplot(3,2,3);
plot(x);
title('Mixed Speech');
subplot(3,2,4);
spectrogram(x,hamming(256),128,[],fs,'yaxis');
title('Mixed Speech Spectrogram');
subplot(3,2,5);
plot(y);
title('Extracted Speech');
subplot(3,2,6);
spectrogram(y,hamming(256),128,[],fs,'yaxis');
title('Extracted Speech Spectrogram');

注：请将 "Original_Speech.wav" 和 "Noise.wav" 替换成自己的音频文件名。

代码执行后，将会显示 6 个图，分别是原始语音、混合语音和提取的原始语音的时域图和频域图。您可以通过时域图来比较原始语音与混合语音、提取的原始语音之间的相似性，通过频域图来观察信号的频谱分布。