1、基本描述

        本文描述的系统是一个全面而精细的语音信号处理平台，核心组件由MATLAB的高级功能模块构建而成。系统的核心交互界面，借助于MATLAB的uifigure函数搭建，为用户提供了一个直观且响应迅速的操作环境。通过设计的GUI按钮，如“录音”、“FFT频谱图”、“叠加噪声”、“巴特沃斯滤波器”、“小波分解去噪”及“播放录音”，用户可以便捷地触发各项信号处理功能，实现从信号采集到分析，再到噪声控制与滤波的操作。

        在信号处理中，设计的这个系统采用了当前先进的算法和技术。录音模块使用的是MATLAB的audiorecorder，以保证高质量的音频信号实时采集。FFT频谱分析模块则通过快速傅立叶变换，提供了对信号频域特性的可视化处理。噪声叠加模块是采用了引入随机噪声的方式，以模拟真实环境中的噪声干扰。滤波部分使用的是巴特沃斯滤波器，有效去除信号中的噪声成分，提升信号的清晰度。最后是使用小波变换和阈值处理技术，对信号进一步的优化处理。

        为了保证系统的实用性和灵活性，数据存储与读取功能使用了audiowrite和audioread函数，支持信号的保存与加载，方便用户在不同会话间共享和复用数据。最后，音频播放功能通过sound函数，允许用户随时监听原始信号及处理后的结果，确保处理效果符合预期，同时也为系统的人机交互体验增添了直观的听觉反馈。

        语音系统的GUI部分设计遵循简洁直观的原则，采用MATLAB内置的UI元素，包括按钮和绘图区域。绘图区域用于显示信号的时域波形和频域特性，可以更加直观理解信号的变化。Matlab生成的可视化操作界面如下所示。

2、功能效果展示

2.1、FFT频谱

        通过对采集到的语音信号执行快速傅里叶变换（FFT），成功地获取了信号的频谱图，如下图所示。频谱图清晰地展示了信号在不同频率上的能量分布情况。从频谱图中可以看出，语音信号主要集中在较低的频率范围内，这与人类语音的声学特性相符。

2.2、噪声叠加处理

        语音信号经过噪声叠加处理后，在语音信号的波形图上明显出现了噪声的叠加效果。通过观察如下图所示的实验结果图，可以发现信号波形中增加了随机波动，这些波动代表了叠加的噪声成分。

2.3、巴特沃斯滤波处理

        如下图所示的实验结果图，原本含有噪声的语音信号经过巴特沃斯滤波处理后，其波形图显示出了明显的改善。噪声成分得到了有效的抑制，信号的清晰度显著提升。通过巴特沃斯滤波器，成功地降低了语音信号中的噪声水平，提高了信号质量。

2.4、小波分解处理

        通过下图所示的波形图，可以观察到去噪后的信号保留了原始信号的主要特征，同时消除了大部分噪声。这种效果在频谱图上也有所体现，其中高频噪声成分被显著抑制，而信号的主体频谱得以保留。

3、程序源码

        在运行程序代码时，所需的模组组件必须安装并正常运行，否则运行会出现问题。

function varargout = yuyinshuzhixinhao(varargin)% Initialize GUIfig = uifigure('Name', '语音信号处理');% Create buttonsbtnRecord = uibutton(fig, 'push', 'Text', '录音', ...'Position', [150, 300, 120, 30], ...'ButtonPushedFcn', @(btnRecord, event) recordButtonCallback());btnFFT = uibutton(fig, 'push', 'Text', 'FFT频谱图', ...'Position', [300, 300, 120, 30], ...'ButtonPushedFcn', @(btnFFT, event) fftButtonCallback());btnNoise = uibutton(fig, 'push', 'Text', '叠加噪声', ...'Position', [450, 300, 120, 30], ...'ButtonPushedFcn', @(btnNoise, event) noiseButtonCallback());btnFilter = uibutton(fig, 'push', 'Text', '巴特沃斯滤波器', ...'Position', [600, 300, 120, 30], ...'ButtonPushedFcn', @(btnFilter, event) filterButtonCallback());btnWavelet = uibutton(fig, 'push', 'Text', '小波分解去噪', ...'Position', [750, 300, 120, 30], ...'ButtonPushedFcn', @(btnWavelet, event) waveletButtonCallback());btnPlay = uibutton(fig, 'push', 'Text', '播放录音', ...'Position', [900, 300, 120, 30], ...'ButtonPushedFcn', @(btnPlay, event) playButtonCallback());% Create axes for plottingax1 = uiaxes(fig, 'Position', [50, 50, 400, 200]);ax2 = uiaxes(fig, 'Position', [500, 50, 400, 200]);% Callback functionsfunction recordButtonCallback()recObj = audiorecorder;disp('Start speaking.');recordblocking(recObj, 5);disp('End of Recording.');play(recObj);myRecording = getaudiodata(recObj);plot(ax1, myRecording);title(ax1, '录音波形');xlabel(ax1, '时间');ylabel(ax1, '幅度');% Save the recording to a filefilename = 'data1.wav';audiowrite(filename, myRecording, 8000);endfunction fftButtonCallback()filename = 'data1.wav';[x, fs] = audioread(filename);y1 = fft(x, 1024);f = fs * (0:511) / 1024;% Plot FFT spectrumplot(ax2, f, abs(y1(1:512)));title(ax2, 'FFT频谱');xlabel(ax2, '频率/Hz');ylabel(ax2, '幅度');endfunction noiseButtonCallback()filename = 'data1.wav';[x, fs] = audioread(filename);x1 = 0.1 * randn(length(x), 2);x2 = x1 + x;sound(x2, fs);y1 = fft(x, 1024);y2 = fft(x2, 1024);f = fs * (0:511) / 1024;% Plot the original and noisy signalsplot(ax1, x);title(ax1, '原始语音信号时域图');xlabel(ax1, '时间');ylabel(ax1, '幅度');plot(ax2, abs(y1(1:512)));title(ax2, '原始信号频谱');xlabel(ax2, '频率/Hz');ylabel(ax2, '幅度');% Plot noisy signal in the second subplothold(ax2, 'on');plot(ax2, abs(y2(1:512)), 'r');hold(ax2, 'off');legend(ax2, '原始信号', '加噪信号');endfunction filterButtonCallback()filename = 'data1.wav';[x, fs] = audioread(filename);wp = 0.1 * pi;ws = 0.4 * pi;Rp = 1;Rs = 15;[N, Wn] = ellipord(wp / pi, ws / pi, Rp, Rs);[b, a] = ellip(N, Rp, Rs, Wn);f1 = filter(b, a, x);sound(f1, fs);y1 = fft(x, 1024);y2 = fft(f1, 1024);f = fs * (0:511) / 1024;% Plot the filtered signalplot(ax1, x);title(ax1, '滤波前的时域波形');xlabel(ax1, '时间');ylabel(ax1, '幅度');plot(ax2, abs(y1(1:512)));title(ax2, '滤波前的频谱');xlabel(ax2, '频率/Hz');ylabel(ax2, '幅度');% Plot filtered signal in the second subplothold(ax2, 'on');plot(ax2, abs(y2(1:512)), 'r');hold(ax2, 'off');legend(ax2, '滤波前', '滤波后');endfunction waveletButtonCallback()if license('test', 'Wavelet_Toolbox')tryfilename = 'data1.wav';[x, fs] = audioread(filename);% 小波分解n = 10; % 分解层数，可以根据实际情况调整wname = 'db2'; % 小波基函数，可以尝试不同的基函数[C, L] = wavedec(x, n, wname);% 估计噪声标准差sigma = wnoisest(C, L, 1);% 计算阈值alpha = 2; % 阈值调节因子thr = wbmpen(C, L, sigma, alpha);keepapp = 1; % 是否保留近似系数% 软阈值去噪yb = wdencmp('gbl', C, L, wname, n, thr, 's', keepapp);plot(ax1, x);title(ax1, '原始语言信号');xlabel(ax1, '时间');ylabel(ax1, '幅度');plot(ax2, yb);title(ax2, '去噪后的语言信号');xlabel(ax2, '时间');ylabel(ax2, '幅度');catch MEuialert(fig, sprintf('An error occurred: %s', ME.message), 'Error');end% 在这里添加播放去噪后信号的代码sound(yb, fs); % `yb` 是去噪后的信号，`fs` 是采样率elseuialert(fig, 'Wavelet Toolbox is not installed.', 'Toolbox Error');endendfunction playButtonCallback()filename = 'data1.wav';[myRecording, fs] = audioread(filename);sound(myRecording, fs);end% Show the figurefig.Visible = 'on';
end