数字信号处理课程设计基于 MATLAB 的音乐信号处理和分析.doc

数字信号处理课程设计设计题目：基于 MATLAB 的音乐信号处理和分析一、课程设计的目的 本课程设计通过对音乐信号的采样、抽取、调制、解调等多种处理过程的理论分析和MATLAB实现，使学生进一步巩固数字信号处理的基本概念、理论、分析方法和实现方法；使学生掌握的基本理论和分析方法知识得到进一步扩展；使学生能有效地将理论和实际紧密结合；增强学生软件编程实现能力和解决实际问题的能力。二、课程设计基本要求1 学会 MATLAB 的使用， 掌握MATLAB的基本编程语句。2 掌握在 Windows 环境下音乐信号采集的方法。3 掌握数字信号处理的基本概念、基本理论和基本方法。4 掌握 MATLAB 设计 FIR 和 IIR 数字滤波器的方法。 5 掌握使用MATLAB处理数字信号、进行频谱分析、设计数字滤波器的编程方法。三、课程设计内容1、音乐信号的音谱和频谱观察使用windows下的录音机录制一段音乐信号或采用其它软件截取一段音乐信号（要求：时间不超过5s、文件格式为wav文件） 使用wavread语句读取音乐信号，获取抽样率；（注意：读取的信号是双声道信号，即为双列向量，需要分列处理）； 输出音乐信号的波形和频谱，观察现象； 使用sound语句播放音乐信号，注意不同抽样率下的音调变化，解释现象。Wavread格式说明：w,fs,b=wavread(语音信号)，采样值放在向量w中，fs表示采样频率（hz），b表示采样位数。上机程序：y,fs,bit=wavread('I do片段')%读取音乐片段，fs是采样率size(y)%求矩阵的行数和列数y1=y( : ,1);%对信号进行分列处理n1=length(y1);%取y的长度t1=(0:n1-1)/fs;%设置波形图横坐标figuresubplot(2,1,1);plot(t1,y1); %画出时域波形图ylabel('幅值');xlabel('时间（s）');title('信号波形');subplot(2,1,2);Y1=fft(y1);w1=2/n1*(0:n1-1);%设置角频率plot(w1,abs(Y1);%画频谱图title('信号频谱');xlabel('数字角频率');ylabel('幅度');grid on;sound(y,fs); 实验结果：1、通过观察频谱知，选取音乐信号的频谱集中在00.7*pi之间，抽样点数fs=44100;2、当采样频率问原来0.5（0.5*fs）倍时：音乐片段音调变得非常低沉，无法辨认原声，播放时间变长；抽样频率减小，抽样点数不变时，其分辨力增大，记录长度变长，声音失真。 3、当采样频率问原来2(2*fs)倍时：音乐片段音调变得尖而细，语速变快，播放时间变短；抽样频率增加，抽样点数不变时，其分辨力下降，记录长度变短，声音失真。2、 音乐信号的抽取（减抽样） 观察音乐信号频率上限，选择适当的抽取间隔对信号进行减抽样（给出两种抽取间隔，代表混叠与非混叠）； 输出减抽样音乐信号的波形和频谱，观察现象，给出理论解释； 播放减抽样音乐信号，注意抽样率的改变，比较不同抽取间隔下的声音，解释现象。上机程序：y,fs,bit=wavread('I do片段')y1=y( : ,1);n1=length(y1);tn1=(0:n1-1)/fs;figure subplot(2,1,1);plot(tn1,y1); ylabel('幅度');xlabel('时间（s）');title('原信号波形');wn1=2/n1*0:n1-1;Y1=fft(y1); subplot(2,1,2);plot(wn1,abs(Y1);title('原信号频谱');xlabel('数字角频率w');ylabel('幅度');grid on;D=2;%设置抽样间隔 y2=y1(1:D:n1);%减抽样n2=length(y2);%减抽样后信号长度t2=(0:n2-1)/fs;%设置横坐标figure subplot(2,1,1);plot(t2,y2); %绘制减抽样信号波形图ylabel('幅度');xlabel('时间（s）');title('2:1减抽样信号波形');Y2=fft(y2); %对y2进行n2点fft谱分析w2=2/n2*0:n2-1;subplot(2,1,2);plot(w2,abs(Y2);%绘制减抽样信号频谱图title('2:1减抽样信号频谱');xlabel('数字角频率w');ylabel('幅度');grid on;sound(y2,fs/D);实验结果与分析：1、程序中指标D表示抽样间隔，其值越大，相邻两抽样点之间的距离越远，抽样后漏掉的信息越多，相应的时域信号长度越短；2、 抽样间隔D=1.1时的信号波形及频谱图，抽样频率大于信号最高频率的两倍，满足抽样定理，不会发生混叠。抽样间隔D越大，抽样率fs越小，抽样后时域信号长度越短3 、抽样间隔D=2时的信号波形及频谱图 抽样间隔D=2的信号波形及频谱图，抽样频率小于信号最高频率的两倍，即<2，不满足抽样定理，其频谱图发生混叠，且D越大，混叠越严重，高频成分增加越多，音乐片段音调听起来很沙哑， 音调变得很高。4、抽样间隔D=5的信号波形及频谱图，抽样频率小于信号最高频率的两倍，即<2，不满足抽样定理，其频谱图发生混叠，音乐片段音调听起来很尖锐。 3、音乐信号的AM调制 观察音乐信号频率上限，选择适当调制频率对信号进行调制（给出高、低两种调制频率）； 输出调制信号的波形和频谱，观察现象，给出理论解释； 播放调制音乐信号，注意不同调制频率下的声音，解释现象。上机程序：y,fs,bit=wavread('I do片段')y1=y( : ,1);n1=length(y1);n3=0:(n1-1);b1=cos(0.75*pi*n3);%设置调制信号 c1=b1'.*y1;%对原信号进行调制lc1=length(c1);t=(0:lc1-1)/fs;figure %用载波对信号进行调制，并对其做fft变换subplot(2,1,1) %获取频谱，从图中可以观察到，调制后的plot(t,c1); %信号频谱发生搬移xlabel('时间(s)');ylabel('幅度');title('调制后信号');w1=2/lc1*0:lc1-1;%设置角频率WC1=fft(c1);subplot(2,1,2)plot(w1,abs(C1);xlabel('数字角频率w');ylabel('幅度');title('调制后信号的频谱(高频率调制)');grid on;%sound(c1,fs); 实验结果与分析：信号的调制过程就是将信号频谱搬移到任何所需的较高频率范围。调制的实质是把各种信号的频谱搬移，使它们互不重叠的占据不同的频率范围，也即信号分别托付于不同频率的载波上。具体的调制原理推导在此不再叙述，仅将结论列出：f(t)=g(t)*cos(w0*t)。由此将信号g(t)的频谱搬移到（2*n+1）w附近，同时音乐信号的频谱幅度变为原来的1/2。如果信号的最高频谱wh超过了ws/2，则各周期延括分量产生频谱的交叠，称为是频谱的混叠现象。根据奈奎斯特定律可知，若希望频谱不会发生混叠，则fs>=fh。 调制后信号波形及频谱（低频率调制）b1=cos(0.25*pi*n3); 调制后信号波形及频谱（高频率调制）b1=cos(0.75*pi*n3);1、由频谱图知信号频率上限约在0.7*pi处，取高调制频率为0.75*pi，取高调制频率为0.25*pi；观察调制后的频谱知，高频率调制后频谱混叠，而低频率调制后频谱未发生混叠；2、用载波对信号进行调制，其实质过程为在时域用载波函数b1=cos(0.25*pi*n3)乘上原信号函数，在频域既表现为信号频谱的搬移，且载波函数角频率越大，调制后信号频谱搬移越大；3、调制后信号高频成分增加，且调制频率越高，高频成分越大，声音变得越低沉，失真程度越大。4、 AM调制音乐信号的同步解调 设计巴特沃斯IIR滤波器完成同步解调；观察滤波器频率响应曲线； 用窗函数法设计FIR滤波器完成同步解调，观察滤波器频率响应曲线；（要求：分别使用矩形窗和布莱克曼窗，进行比较）； 输出解调信号的波形和频谱，观察现象，给出理论解释； 播放解调音乐信号，比较不同滤波器下的声音，解释现象。上机程序：clear all;cla;close alla,fs,bit=wavread('I do片段');y1=a( : ,1);%去单列数据进行分析f1=fft(y1);n=length(f1);tn=(0:n-1)/fs;w=2/n*0:n-1;%sound(y1,fs);figure(1)subplot(2,2,1);plot(tn,y1);%绘制音乐信号时域波形图grid on;title('原信号音频');xlabel('时间');ylabel('幅度');subplot(2,2,2);plot(w,abs(f1);%绘制音乐信号频谱图grid on;title('原信号频谱');xlabel('频率/pi');ylabel('幅度');t=0:n-1;y2=cos(pi*1/2*t);%载波函数y3=y1.*y2'%信号调制ty3=(0:length(y3)-1)/fs;subplot(2,2,3);plot(ty3,y3);%绘制调制后信号波形图grid on;title('AM调制音频信号');xlabel('时间');ylabel('幅度');f3=fft(y3);n2=length(f3);w2=2/n2*0:n2-1;subplot(2,2,4);plot(w2,abs(f3);%绘制调制后信号频谱图grid on;title('AM调制频谱');xlabel('频率/pi');ylabel('幅度');%解调后信号y4=y3.*y2'%信号解调ly4=length(y4);ty4=(0:(ly4-1)/fs;wy4=2/ly4*0:ly4-1;Y4=fft(y4);figure(2)subplot(3,1,1);plot(ty4,y4);grid on;title('解调后的波形');xlabel('t');ylabel('幅度');subplot(3,1,2);plot(wy4,abs(Y4);title('解调后波形频谱');xlabel('w/pi');ylabel('幅度');grid on;%设计巴特沃斯滤波器进行滤波去噪N1,wc1=buttord(0.05,0.50,1,15);%确定低通滤波器的阶数和截止频率；b,a=butter(N1,wc1); %确定低通滤波器分子分母系数H,W=freqz(b,a);subplot(3,1,3);plot(W,abs(H);title('IIR滤波器频谱');xlabel('w/pi');ylabel('幅度');grid on;m=filter(b,a,y4);sound(m,fs);lm=length(m);%滤波后信号长度tm=(0:lm-1)/fs;%设置横坐标wm=2/lm*0:lm-1;M=fft(m);figure(3)subplot(2,1,1);plot(tm,m);grid on;title('IIR滤波器滤波后波形');xlabel('t');ylabel('幅度');subplot(2,1,2);plot(wm,abs(M);title('IIR滤波器滤波后频谱');xlabel('w/pi');ylabel('幅度');%矩形窗和布莱克曼窗N=33;wc=0.3*pi;%基于经验的指标，其中N为理想低通滤波器阶数，wc为截止频率hd=ideal(N,wc);%调用理想低通滤波器函数w1=boxcar(N);%产生各种窗函数w2=blackman(N);h1=hd.*w1'%加窗设计各种FIR滤波器h2=hd.*w2'th1=(0:32)/fs;th2=(0:32)/fs;M=21184;fh1=fft(h1,M);%矩形窗频谱函数w=2/M*0:M-1;fh2=fft(h2,M);%布莱克曼窗频谱函数figure(4)subplot(2,2,1);plot(th1,h1)title('矩形窗时域');subplot(2,2,2);plot(w,abs(fh1);title('矩形窗频域');subplot(2,2,3);plot(th2,h2);title('布莱克曼窗时域');subplot(2,2,4);plot(w,abs(fh2);title('布莱克曼窗频域')%滤波处理y6=conv(h1,y4);%用矩形窗对调制后信号进行滤波f6=fft(y6);n4=length(f6);ty6=(0:n4-1)/fs;w3=2/n4*0:n4-1;%sound(y6,fs);figure(5)subplot(2,2,1);plot(ty6,y6);title('矩形窗滤波后音频')subplot(2,2,2);plot(w3,abs(f6);title('矩形窗滤波后频谱')y7=conv(h2,y4);%用布莱克曼窗对调制后的信号进行滤波f7=fft(y7);n5=length(f7);ty7=(0:n5-1)/fs;w4=2/n5*0:n5-1;%sound(y7,fs);subplot(2,2,3);plot(ty7,y7);title('布莱克曼窗滤波后音频')subplot(2,2,4);plot(w4,abs(f7);title('布莱克曼窗滤波后频谱') 实验结果与分析：由调制信号f(t)恢复原始信号g(t)的过程称为解调。这里，cos(w0*t)信号是接收端的本地载波信号，它与发送端的载波同频同相。f(t)与cos(w0*t)相乘的结果使频谱F(W)向左、右分别移动+w0、-w0（并乘以系数1/2），得到 g0(t)=1/2*g(t)+1/2*g(t)*cos(w0*t)G0(w)=1/2*G(w)+1/4*G(w-2*w0)+G(w+2*w0)再利用一个低通滤波器，滤除在频率为2*w0附近的分量，即可取出g(t),完成解调。窗函数法的设计步骤：a、给定所要求的频率响应函数Hd（w）；b、求出hd(n)；c、有过渡带宽及阻带最小衰减的要求，选定窗w(n)的形状以及N的大小，一般N要通过几次试探才能确定；d、求得所设计的FIR滤波器的单位抽样响应：h(n)=hd(n)*w(n)；e、求H(w),检验是否符合设计要求，如不满足，则需重新设计。函数格式说明：n,wn=buttord(wp,ws,rp,rs)：n为滤波器的阶数，wn为其截止频率，wp为通带截止频率，ws为阻带截止频率，rp为通带最大衰减,，rs为阻带最小衰减。a,b=butter(n,rp)：a，b为所设计的滤波器传输函数分子和分母的系数。h,w=freqz(a,b):求滤波器的频率响应h，w为频域坐标。1、由调制后的信号频谱知调制过程实质为信号频域的搬移，而解调则为调制的逆过程； 根据解调后信号的频谱，设置巴特沃斯IIR低通滤波器的通带截止频率为0.5，阻带截止 率为0.50，阻带和通带衰减分别为1db和15db;2、由滤波器滤波后波形频谱知，与原信号频谱相比原信号频谱中的一些高频成分也被滤除，但总体来说滤波器所选指标还是能够较好地还原信号信息，通过播放滤波后音频也可以说明这一点；3、对于窗函数的设计，其指标则是基于频谱图和过往经验的综合，为了便于比较两种窗函数滤波的效果，两种窗函数选用相同的指标；实验中设置窗函数的阶数N=33，其截止频率Wc=0.3*pi(比巴特沃斯IIR低通滤波器截止频率略大)；通过比较两窗函数的频谱和滤波后的频谱知，矩形窗通带与阻带的过渡部分比较陡，对于高频信息滤除的比较彻底；而布莱克曼窗的过渡部分则相对比较平缓，相应的其对于高频信息的滤除就没有矩形窗那么彻底（相对而言）；比较采用矩形窗和布莱克曼窗的频率特性图可以看出：最小阻带衰减只由窗形状决定，而不受阶数N的影响；而过渡带的宽度窗的形状有关；同时，布莱克曼窗的过滤带宽、旁瓣峰值和主瓣宽度均大于矩形窗的过滤带宽、旁瓣峰值和主瓣宽度；分别播放两种窗函数滤波后的声音，通过布莱克曼窗的声音比通过矩形窗的声音稍微响亮一些（不是很明显），这也印证了上面对于两种窗函数的分析。5、音乐信号的滤波去噪给原始音乐信号叠加幅度为0.05，频率为3kHz、 5kHz、8kHz的三余弦混合噪声，观察噪声频谱以及加噪后音乐信号的音谱和频谱，并播放音乐，感受噪声对音乐信号的影响；给原始音乐信号叠加幅度为0.5的随机白噪声（可用rand语句产生），观察噪声频谱以及加噪后音乐信号的音谱和频谱，并播放音乐，感受噪声对音乐信号的影响；根据步骤、观察到的频谱，选择合适指标设计滤波器进行滤波去噪，观察去噪后信号音谱和频谱，并播放音乐，解释现象。 源程序:clc;clear;close;y,fs,bit=wavread('I do片段');y0=y( : ,1);l=length(y0); %加三余弦混合噪声t0=(0:l-1)/fs;d0=0.05*cos(2*pi*3000*t0)'t1=(0:l-1)/fs;d1=0.05*cos(2*pi*5000*t1)'t2=(0:l-1)/fs;d2=0.05*cos(2*pi*8000*t2)'noise=d2+d1+d0;y1=y0+noise;%sound(y1,fs);a=length(noise);%绘制三余弦噪声音频图wa=2/a*0:a-1;Noise=fft(noise);figure(1)subplot(2,2,3);plot(noise(1:150); xlabel('时间（s）')ylabel('幅值')title('三余弦信号音谱')subplot(2,2,1);%绘制三余弦噪声频谱图plot(wa,abs(Noise);grid on; xlabel('W')title('噪声频谱')w0=2/l*0:l-1;%绘制加噪信号音频Y1=fft(y1);subplot(2,2,4)plot(w0,abs(Y1);grid on; xlabel('W')title('加噪信号频谱')ly1=length(y1);ty1=(0:ly1-1)/fs;subplot(2,2,2);plot(ty1,y1);xlabel('时间（s）')ylabel('幅值')title('加噪信号音谱')m=rand(l,1)-0.5; %产生幅度为0.5的随机信号lm=length(m);y2=m+y0;%将噪声信号与原声音信号叠加%sound(y2,fs);wm=2/lm*0:lm-1;M=fft(m);figure(2)subplot(2,2,3);plot(m(1:150)xlabel('时间（s）')ylabel('幅值')title('白噪信号音谱')subplot(2,2,1);plot(wm,abs(M);grid on; xlabel('W')title('噪声频谱')l=length(y2);ty2=(0:l-1)/fs;w=2/l*0:l-1;Y2=fft(y2);subplot(2,2,4)plot(w,abs(Y2);grid on; xlabel('W')title('加噪信号频谱')subplot(2,2,2);plot(ty2,y2);xlabel('时间（s）')ylabel('加噪信号幅值')title('加噪信号音谱'); %设计滤波器进行滤波去噪N1,wc1=buttord(0.04,0.13,1,24);%确定低通滤波器的阶数和截止频率；%N1,wc1=buttord(0.04,0.20,1,18);（针对随机白噪声的指标）b,a=butter(N1,wc1); %确定低通滤波器分子分母系数H,W=freqz(b,a);figure(3);subplot(3,1,1);plot(W,abs(H);%滤波器频谱xlabel('w/pi')ylabel('幅度k')title('IIR滤波器滤波波形'); grid on;m=filter(b,a,y1);%用滤波器滤除三余弦噪声%sound(m,fs);lm=length(m);%滤波后信号长度tm=(0:lm-1)/fs;%设置横坐标subplot(3,1,2);plot(tm,m);%绘制滤波后的波形xlabel('t(s)')ylabel('信号幅值')title('去噪后信号波形'); k=fft(m); %滤波后的波形做离散傅里叶变换w=2*0:length(k)-1/length(k);subplot(3,1,3)plot(w,abs(k);xlabel('w/pi')ylabel('幅度k')title('IIR滤波器滤波后信号频谱'); 实验结果与分析：信号的去噪即根据信号噪声频谱的分布范围，从而采用不同的滤波器对其进行滤波。常用的滤波器有IIR巴特沃斯低通滤波器，FIR窗函数滤波器。Rand函数介绍：rand函数产生由在（0，1）之间均匀分布的随机数组组成的数组。Y = rand(n) 返回一个n x n的随机矩阵。如果n不是数量，则返回错误信息。Y = rand(m,n) 或 Y = rand(m n) 返回一个m x n的随机矩阵。Y = rand(m,n,p,.) 或 Y = rand(m n p.) 产生随机数组。Y = rand(size(A) 返回一个和A有相同尺寸的随机矩阵。1、rand(3)*-2 ：rand（3）是一个3*3的随机矩阵（数值范围在01之间）然后就是每个数乘上-2； 2、 用matlab随机产生60个1到365之间的正数  ：1+fix（365*rand（1，60）；3、用rand函数随机取100个从-1到1的数x1，x2，.：x = rand(1,100) * 2 - 11、通过观察三余弦噪声和随机白噪声的频谱知，三余弦噪声的频谱为三条平行于y轴的线段；而随机白噪声则为连续的不规则的波形；加三余弦噪声后的音乐片段听着带有连续的蜂鸣声，而加随机白噪声的音乐片段听起来则是那种典型的噪声，并且也是不间断的；2、由于对巴特沃斯滤波器有更深入的了解，且掌握的比较熟练，故在此处均采用巴特沃斯滤波器进行滤波去噪。参数选择如下：三余弦去噪：由分析其频谱可知，三余弦混合噪声信号的三条频谱线分别加在频率为w1=0.136，w2=0.227和w3=0.363处，所以选取wp=0.04*pi为通带截止频率，ws=0.13pi为其阻带截止频率，rp=1db为其通带最大衰减,，rs=24db为阻带最小衰减。.随机白噪声去噪：由于随即白噪声信号是加在了整个时域和频域内，为了滤波的更彻底，所以选取较小的通带截止频率和阻带截止频率，并选取较大的组带最小衰减。wp=0.04pi为通带截止频率，ws=0.20pi为其阻带截止频率，rp=1db为其通带最大衰减,，rs=18db为阻带最小衰减。用对应滤波器对加三余弦噪声的音频过滤后，原音乐片段的高频信息也被滤除了一部分，播放滤波后的音乐，音乐信号中仍然夹杂着少许蜂鸣声（当然比滤波前弱了许多）；用另一对应滤波器对加了随机白噪声音频过滤后，原音乐片段的频谱中也有相当一部分高频信息被滤除，并且播放滤波后的音乐片段时也夹杂着少许噪声；之所以无法完全滤除加在音乐片段上的噪声，一部分是因为仍有少量低频噪声叠加在音乐信号的低频部分，这是低通滤波器所无法滤出的，另一部分是因为所设计滤波器指标没有达到理想值；6音乐信号的幅频滤波及相频分析 设计低通滤波器，滤除原始音乐信号的高频信息，观察滤波前后的幅度频谱， 并比较滤波前后音乐效果，感受高频信息对音乐信号的影响；设计高通滤波器，滤除原始音乐信号的低频信息，观察滤波前后的幅度频谱， 并比较滤波前后音乐效果，感受低频信息对音乐信号的影响；选取两段不同的音乐信号，分别将其幅度谱和相位谱交叉组合构成新的音乐信号，播放并比较组合后音乐与原始音乐，感受相频信息对音乐信号的影响。源程序：6-1、2clear all;clcy,fs,bit=wavread('I do片段');size(y)%查看读取信号的声道类型y1=y(: ,1);%对信号进行分列处理n=length(y1);%求信号y1的的长度t1=(0:n-1)/fs;f1=fft(y1);%对y1进行fft谱分析w=2/n*0:n-1;%w为连续频谱的数字角频率横坐标%sound(y,fs);%播放音乐信号figure(1)subplot(2,1,1);plot(t1,y1);title('音乐信号的波形');xlabel('t');ylabel('y1');subplot(2,1,2);plot(w,abs(f1);title('音乐信号的频谱');xlabel('w');ylabel('f1');%用IIR滤波器滤波（低）n2,wc2=buttord(0.15,0.20,1,15);%确定低通滤波器的阶数和截止频率；B2,A2=butter(n2,wc2); %确定低通滤波器分子分母系数H,W=freqz(B2,A2);figure(2)subplot(3,1,1);plot(W,abs(H);%低通滤波器波形xlabel('w/pi')ylabel('幅度k')title('滤波器（低通）频谱'); grid on;m2=filter(B2,A2,y1);%滤波lm2=length(m2);tm2=(0:lm2-1)/fs;subplot(3,1,2)plot(tm2,m2);xlabel('n')ylabel('信号幅值')title('低通滤波器滤波后信号波形'); %sound(m2,fs);k2=fft(m2); %滤波后的波形做离散傅里叶变换l2=length(k2); w2=2*0:l2-1/l2;subplot(3,1,3);plot(w2,abs(k2);xlabel('数字角频率w')ylabel('幅度')title('低通滤波器滤波后信号频谱'); %解调滤波后的频谱%用IIR滤波器滤波（高）N,WC=buttord(0.15,0.20,1,15);%确定高通滤波器的阶数和截止频率；B,A=butter(N,WC,'high'); %确定高通滤波器分子分母系数H1,W1=freqz(B,A);figure(3)subplot(3,1,1);plot(W1,abs(H1);%高通滤波器频谱xlabel('w/pi')ylabel('幅度k')title('滤波器（高通）频谱'); grid on;m=filter(B,A,y1); %滤波lm=length(m);tm=(0:lm-1)/fs;subplot(3,1,2);plot(tm,m);xlabel('n')ylabel('信号幅值m')title('高通滤波器滤波后信号波形'); %sound(m,fs);k=fft(m); %滤波后的波形做离散傅里叶变换l2=length(k); w2=2*0:l2-1/l2;subplot(3,1,3);plot(w2,abs(k);xlabel('数字角频率w')ylabel('幅度k')title('IIR高通滤波器滤波后信号频谱'); 实验结果与分析：1、用低通滤波器滤波后，声音变小了，但听起来很刺耳，失真很严重，无法辨别歌声；2、用高通滤波器滤波后，声音听起来很低沉，听起来就好像有杂音一样，但基本还能辨别原歌曲音调；6-3选取两段音乐信号，分别将其幅度谱和相位谱交叉组合构成新的音乐信号clear all;clca,fs1,bit1=wavread('I do片段');b,fs2,bit2=wavread('风声片段');size(b)%查看读取信号的声道类型y2=b(: ,1);%对信号进行分列处理n2=length(y2);%求信号y2的的长度t2=(0:n2-1)/fs2;f2=fft(y2);w2=2/n2*0:n2-1;%wavplay(y2,fs2);size(a)%查看读取信号的声道类型y1=a(: ,1);%对信号进行分列处理n1=length(y1);t1=(0:n1-1)/fs1;f1=fft(y1);w1=2/n1*0:n1-1;%w为连续频谱的数字角频率横坐标%wavplay(y1,fs1);Fy1=abs(f1);%音乐1的幅度Ay1=angle(f1);%音乐1的相位Fy2=abs(f2);%音乐2的幅度Ay2=angle(f2);%音乐2相位F1=Fy1.*exp(j*Ay2);%音乐1的幅度与音乐2的相位交叉组合X1=ifft(F1);n3=length(X1);tx1=(0:(n3-1)/fs1;w3=2/n3*0:n3-1;%wavplay(real(X1),fs1);%播放交叉组合后的音乐F2=Fy2.*exp(j*Ay1);%音乐2的幅度与音乐1的相位交叉组合X2=ifft(F2);%音乐2的幅度与音乐1的相位交叉组合后的信号函数n4=length(X2);tx2=(0:(n4-1)/fs2;w4=2/n4*0:n4-1%wavplay(real(X2),fs2);%播放交叉组合后的音乐figure(1)subplot(2,1,1);plot(t1,y1);%绘制音乐信号1的波形title('音乐信号1的波形');xlabel('t');ylabel('y1');subplot(2,1,2);plot(w1,abs(f1);%绘制音乐信号1的频谱title('%音乐信号1的频谱');xlabel('w');ylabel('f1');figure(2)subplot(2,1,1);plot(t2,y2);%绘制音乐信号2的波形title('音乐信号2的波形');xlabel('t');ylabel('y2');subplot(2,1,2);plot(w2,abs(f2);title('音乐信号2的频谱');xlabel('w');ylabel('f2');figure(3)subplot(2,1,1);plot(tx1,X1);title('音乐1的幅度与音乐2的相位交叉组合后的波形');xlabel('t');ylabel('X1');subplot(2,1,2);plot(w3,abs(F1);title('音乐1的幅度与音乐2的相位交叉组合后的频谱');xlabel('w');ylabel('F1');figure(4)subplot(2,1,1);plot(tx2,X2);title('音乐2的幅度与音乐1的相位交叉组合后的波形');xlabel('t');ylabel('X2');subplot(2,1,2);plot(w4,abs(F2);title('音乐2的幅度与音乐1的相位交叉组合后的频谱');xlabel('w');ylabel('F2');实验结果与分析：1、音乐1的幅度和音乐2的相频交叉组合，播放产生的新的音乐信号，还能听得出音乐2的音调，并且与原音乐2的音调相比夹杂了一些噪音；2、音乐2的幅度和音乐1的相频交叉组合，播放产生的新的音乐信号，还能听得出音乐1的音调，并且与原音乐1的音调相比夹杂了一些噪音；3、音乐信号的相频决定了不同频率成分震动的初相位，而幅频决定了不同频率成分震动的幅度大小，综合1,2知相频在音乐信号起主要作用（就音乐信号的旋律而言）。四、学习matlab的心得体会：通过近两个月的学习，我觉以下几点对于学好matlab很重要：兴趣、悟性和坚持。 1多动手写程序、调试，先有量变后有质变下面是一些常见错误提示信息1.Subscript indices must either be real positive integers orlogicals中文解释：下标索引必须是正整数类型或者逻辑类型出错原因：在访问矩阵（包括向量、二维矩阵、多维数组，下同）的过程中，下标索引要么从 0 开始，要么出现了负数。注：matlab的语法规定矩阵的索引从 1 开始，这与 C 等编程语言的习惯不一样。解决办法：自己调试一下程序，把下标为 0 或者负数的地方修正。2.Undefined function or va