基于数字滤波与自适应算法的语音降噪系统

资 源 简 介

本系统旨在实现对含有复杂环境噪声的音频信号进行高质量的提取与净化处理。 首先，系统具备音频信号采集与多维分析功能，能够读取各种格式的含噪语音文件，并通过时域波形分析和快速傅里叶变换（FFT）生成频域频谱，从而准确识别噪声的分布特征（如高频白噪声、50Hz工频干扰或环境低频背景音）。 其次，项目核心在于高性能数字滤波器的交互式设计与实现。系统内置了巴特沃斯、切比雪夫等多种窗函数的IIR和FIR数字滤波器，用户可以根据频谱分析结果灵活设定通带截断频率、阻带衰减等参数。对于常见的固定频率干扰，系统可设计陷波器（

详 情 说 明

基于MATLAB的噪声语音信号提取与自适应滤波去噪系统

项目介绍

本项目是一个集成了多种数字信号处理技术的综合实验系统，旨在通过MATLAB平台实现对含噪语音信号的精准提取与净化。系统涵盖了从信号合成、噪声模拟、频谱分析到传统滤波器设计、以及高级自适应滤波和谱减算法的完整流程。通过定量的性能指标和直观的可视化图表，展示了不同去噪技术在处理工频干扰、宽带白噪声等复杂环境下的实际效果。

功能特性

• 信号模拟与合成：系统能够自主生成模拟语音信号（由多频段正弦波组合并添加幅度包络），并叠加50Hz工频干扰和高斯白噪声，构建复杂的测试环境。
• 时频多维分析：通过快速傅里叶变换（FFT）计算单侧幅度谱，支持在处理前后对信号进行时域波形对比和频域分布观察。
• 阶梯式滤波处理：内置了针对特定频率干扰的陷波器（Notch Filter）、巴特沃斯IIR低通滤波器以及等波纹FIR数字滤波器。
• 非平稳去噪算法：实现了基于短时傅里叶变换（STFT）的谱减法，通过估计噪声功率谱实现频域减法。
• 自适应净化技术：采用最小均方算法（LMS）进行实时在线滤波，通过权重迭代自动抵消环境噪声。
• 性能量化评价：系统自动计算处理前后的信噪比（SNR）和均方误差（MSE），提供客观的音质评估数据。

使用方法

1. 确保您的计算机中已安装MATLAB软件及信号处理工具箱（Signal Processing Toolbox）。
2. 将系统主程序代码复制到MATLAB编辑器中。
3. 运行主函数。
4. 程序将自动执行信号生成、去噪处理、性能计算，并弹出三个可视化窗口（时域对比、频谱分析、滤波器特性）。
5. 在MATLAB命令行窗口查看处理前后的SNR和MSE数值报告。

系统要求

• 软件版本：MATLAB R2016b 或更高版本。
• 必备工具箱：Signal Processing Toolbox（用于调用iirnotch, butter, firpm, buffer, freqz等关键函数）。
• 硬件配置：标准PC环境，建议内存4GB以上。

实现逻辑与步骤

系统通过主函数驱动，按照以下逻辑执行：

1. 环境初始化：清理工作空间、命令行和图形窗口。
2. 信号生成：以8kHz采样率生成2秒的合成语音，通过多频叠加模拟共振峰特征，并施加低频正弦包络模拟真实的语音起伏。
3. 叠加噪声：在纯净信号中注入0.2幅值的50Hz余弦模拟工业环境噪声，以及15%强度的随机高斯白噪声。
4. 陷波处理：针对50Hz干扰设计IIR陷波器，计算中心频率和3dB带宽，初步剥离窄带干扰。
5. 传统滤波应用：

- IIR设计：使用6阶巴特沃斯低通滤波器，截止频率设为2kHz，在保留主要语音能量的前提下过滤高频噪声。 - FIR设计：通过Parks-McClellan算法设计60阶等波纹FIR滤波器，严格定义通带和阻带范围。

1. 谱减法实现：将含噪信号进行分帧（256点）和加窗处理，以前10帧作为背景噪声基准，在频域执行幅度减法，利用重叠相加法还原时域信号。
2. LMS自适应滤波：利用参考噪声传感器获取的信号，通过权重向量更新公式进行迭代迭代，不断调整滤波器系数直到捕获噪声趋势，并从含噪信号中减去噪声成分，从而提取出纯净语音。
3. 数据可视化：生成三个维度的独立分析图，分别展示处理路径上的波形变化、频谱净化过程以及滤波器的幅频响应曲线。

关键算法说明

• iirnotch（陷波器）：用于消除极窄频带内的干扰，对50Hz工频干扰具有极强的针对性，且对有用信号损伤极小。
• firpm（等波纹设计）：提供比普通窗函数法更均匀的阻带衰减，保证了滤波后的频率响应在预设误差范围内。
• 谱减法（Spectral Subtraction）：一种经典的语音增强算法，在处理稳态噪声时效果显著，核心在于从含噪功率谱中减去估计出的噪声功率谱。
• LMS自适应更新：利用步长因子（mu）控制收敛速度，通过误差反馈（e_n）实时调整权值向量（w），能够有效处理噪声特性随时间缓慢变化的情况。
• SNR/MSE评价指标：通过对数能量比（SNR）衡量信号质量的提升幅度，通过误差均方根（MSE）评估处理后的信号与原始纯净信号的贴合度。