语音信号处理实验报告 - 崔俞崧 赵奕帆

"崔俞崧和赵奕帆的Lab5语音处理报告" 在本次实验"Lab5: speech process"中，作者崔俞崧和赵奕帆深入学习了语音信号的处理技术。他们通过三个任务逐步探索了语音信号的本质和特征。 在任务I中，他们生成了一种称为语音形状噪声（Speech-Shaped Noise, SNN）的信号。SNN通常用于模拟语音的基本频谱特性，是研究和分析语音信号时常用的一种工具。生成SNN的目的是为了理解和比较语音信号与纯噪声之间的频谱差异。 任务II涉及向原始语音信号中添加噪声。这是为了研究噪声对语音清晰度和可理解性的影响，以及如何通过后续处理来减少或消除这些噪声。在实际应用中，这一过程称为噪声抑制或降噪，是语音信号处理中的重要环节。 在任务III，他们提取了语音信号的包络。语音信号的包络包含了语音的重要语调和强度信息，它能反映声波的形状变化，对于语音识别和情感分析等应用至关重要。通过提取包络，可以更直观地理解语音信号的动态变化。 实验结果和分析部分，作者展示了语音信号和SNN的功率谱密度图。功率谱密度是描述信号在频率域内能量分布的函数。从图中可以看出，随着截止频率的增加，更多的高频细节被显示出来，这表明语音信号包含了大量的高频成分。同时，随着滤波器阶数的增加，更多的高频信号被过滤，这可能意味着噪声的减少或者语音特征的进一步突出。 在代码段中，他们使用`audioread`函数读取音频文件，然后使用`pwelch`函数计算功率谱密度，并用`fir2`函数设计了一个高通滤波器，以保留高频信号。`freqz`函数用于计算滤波器的频率响应，`filter`函数则用于应用滤波器到噪声信号上，生成SNN。最后，使用`pwelch`再次计算新信号的功率谱密度。 这个实验涵盖了语音信号处理的基础概念，包括信号的频谱分析、噪声添加与降噪处理，以及包络提取等关键步骤，对于理解语音信号的特性和处理方法具有重要意义。