给我详细设计一个基于matlab的，语音信号和图像信号的随机噪声抑制实验，给出完整的代码

在MATLAB中，设计一个随机噪声抑制实验涉及到信号处理的基本步骤，如信号采集、噪声添加、噪声估计和降噪处理。下面是一个简单的例子，假设我们有语音信号和图像信号，以及一些随机噪声：

首先，我们需要安装并导入必要的工具箱，如Audio Toolbox和Image Processing Toolbox。

% 安装所需工具箱
if ~isToolboxInstalled('SignalProcessing')
    addpath(genpath(fullfile(matlabroot, 'toolbox', 'signal')));
end
if ~isToolboxInstalled('Image Processing Toolbox')
    addpath(genpath(fullfile(matlabroot, 'toolbox', 'image')));
end

**步骤1：获取语音和图像信号**

对于语音信号，你可以使用`audioread`函数加载音频文件；对于图像，可以使用`imread`函数读取图片。

% 语音信号
[speech, fs] = audioread('your_voice.wav');
% 图像信号
image = imread('your_image.jpg');

**步骤2：添加随机噪声**

为了模拟真实环境中的噪声，我们可以创建一个等概率分布的随机矩阵，然后与信号相加。

% 创建噪声
noise_power = 0.1; % 噪声功率相对信号的百分比
random_noise = sqrt(noise_power) * randn(size(speech)); % 对语音，如果是图像则为对应尺寸的噪声矩阵

noisy_speech = speech + random_noise;
noisy_image = image + randn(size(image), 'single'); % 单精度浮点数避免溢出

**步骤3：噪声估计**

语音信号通常使用谱减法，可以计算短时傅立叶变换（STFT）后，利用平均幅度作为噪声模型。图像信号可能采用自适应滤波或统计模型。

这里以语音为例，做简单噪声估计：

% 短时傅立叶变换
win_size = round(fs / 10); % 窗口大小
overlap = win_size / 2;
[STFT_speech, freqs] = stft(speech, win_size, overlap);
[SNR_estimation] = estimateSNR(STFT_speech, mean(abs(STFT_speech).^2)); % 简单的能量估计SNR

**步骤4：降噪**

针对语音，使用谱减法去除噪声（使用噪声估计的SNR值调整）：

denoised_speech = istft(STFT_speech ./ (SNR_estimation + eps));

对图像，可以使用滤波算法如Wiener滤波或非局部均值去噪：

% 对于图像，选择适当的降噪方法
% denoised_image = wiener2(noisy_image, SNR_estimation, 'FrequencyWt', true);
denoised_image = medfilt2(noisy_image); % 使用中值滤波器去除噪声

**完整代码示例：**

% ... (以上步骤)

function [denoised_signal, SNR_estimation] = noise_reduction(signal, snr_power)
    % 添加噪声
    noisy_signal = signal + sqrt(snr_power) * randn(size(signal));

    % STFT for speech
    if isvector(signal)
        win_size = round(length(signal) / 10);
        overlap = win_size / 2;
        [STFT, freqs] = stft(signal, win_size, overlap);

        % 噪声估计
        SNR_estimation = estimateSNR(STFT, mean(abs(STFT).^2));

        % 谱减法
        denoised_signal = istft(STFT ./ (SNR_estimation + eps));
    else % 对于图像，使用滤波方法
        denoised_signal = medfilt2(noisy_signal);
    end
end

% 主程序
speech_denoised = noise_reduction(speech, noise_power);
image_denoised = noise_reduction(image, noise_power);

% 输出结果
sound(denoised_speech, fs);
imshowpair(image, noisy_image, 'montage', []);
figure, imshowpair(image_denoised, noisy_image, 'montage', '');

**相关问题--:**
1. 针对图像信号，如何更准确地估计噪声？
2. 这个例子是否适用于其他类型的信号？如果需要修改，应如何改动？
3. 除了谱减法，还有哪些常见的语音信号降噪技术？