基于低通滤波器的语音降噪Matlab模型：FIR与IIR滤波器设计探索

最新推荐文章于 2026-08-18 19:27:13 发布

原创最新推荐文章于 2026-08-18 19:27:13 发布 · 1.3k 阅读

55 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

基于低通滤波器的语音降噪matlab模型，相关fir，iir滤波器设计

在语音处理领域，降噪是一项关键任务，而低通滤波器常常是实现这一目标的得力工具。在Matlab环境下，我们可以利用FIR（有限脉冲响应）和IIR（无限脉冲响应）滤波器设计出高效的语音降噪模型。

FIR滤波器设计

FIR滤波器具有线性相位的特性，这在语音处理中十分重要，因为它不会改变信号中各频率成分的相对相位关系，从而避免引入相位失真。

设计原理

FIR滤波器的设计通常基于窗函数法。其基本思想是，先设计一个理想低通滤波器的频率响应 \( Hd(e^{j\omega}) \)，然后通过傅里叶逆变换得到其单位脉冲响应 \( hd(n) \)。但 \( hd(n) \) 是无限长的，我们需要用一个有限长的窗函数 \( w(n) \) 对其进行截取，得到实际的FIR滤波器单位脉冲响应 \( h(n) = hd(n)w(n) \)。

Matlab代码实现

% 采样频率
fs = 8000; 
% 截止频率
fc = 1000; 
% 滤波器阶数
order = 50; 

% 归一化截止频率
wc = 2*fc/fs; 

% 利用窗函数法设计FIR低通滤波器
b = fir1(order, wc, 'low', hamming(order + 1));

% 频率响应分析
freqz(b, 1, 512, fs);

代码分析

首先设定了采样频率 fs 为8000Hz，这是常见的语音采样频率。截止频率 fc 设置为1000Hz，意味着我们希望保留低于1000Hz的频率成分，滤除高频噪声。
定义滤波器阶数 order 为50。阶数的选择会影响滤波器的性能，一般来说，阶数越高，滤波器的过渡带越窄，但计算量也会相应增加。
计算归一化截止频率 wc，它是截止频率与采样频率的比值的两倍，这是 fir1 函数所要求的输入格式。
使用 fir1 函数结合汉明窗（hamming 函数）设计FIR低通滤波器。fir1 函数是Matlab中常用的基于窗函数法设计FIR滤波器的函数。
最后通过 freqz 函数分析滤波器的频率响应，它可以绘制出滤波器的幅度响应和相位响应，帮助我们直观地了解滤波器的性能。

IIR滤波器设计

IIR滤波器与FIR滤波器不同，它利用了反馈结构，因此可以用较低的阶数实现较好的滤波效果，但其相位特性通常是非线性的。

设计原理

常见的IIR滤波器设计方法是借助模拟滤波器的设计成果，通过某种变换将模拟滤波器转换为数字滤波器。例如，我们可以先设计一个巴特沃斯（Butterworth）模拟低通滤波器，然后通过双线性变换法将其转换为数字IIR低通滤波器。

Matlab代码实现

% 采样频率
fs = 8000; 
% 截止频率
fc = 1000; 

% 归一化截止频率
wc = 2*fc/fs; 

% 设计巴特沃斯模拟低通滤波器
[n, Wn] = buttord(wc, 0.5*wc, 3, 40);
[z, p, k] = butter(n, Wn,'s');

% 双线性变换法转换为数字IIR滤波器
[b, a] = bilinear(z, p, k, fs);

% 频率响应分析
freqz(b, a, 512, fs);

代码分析

同样先设定采样频率 fs 和截止频率 fc。
计算归一化截止频率 wc。
使用 buttord 函数确定巴特沃斯模拟低通滤波器的阶数 n 和归一化截止频率 Wn。这里的 buttord 函数会根据给定的通带最大衰减（3dB）和阻带最小衰减（40dB）来确定合适的阶数。
利用 butter 函数设计巴特沃斯模拟低通滤波器，得到零极点 z、p 和增益 k。
通过 bilinear 函数将模拟滤波器转换为数字IIR滤波器，得到数字滤波器的分子系数 b 和分母系数 a。双线性变换法保证了模拟频率和数字频率之间的一对一映射关系。
最后还是通过 freqz 函数分析数字IIR滤波器的频率响应，以观察其性能。

语音降噪应用

在实际的语音降噪中，我们可以读取一段带噪语音信号，然后分别用设计好的FIR和IIR低通滤波器对其进行滤波，观察降噪效果。

% 读取带噪语音信号
[x, fs] = audioread('noisy_speech.wav');

% 应用FIR滤波器降噪
y_fir = filter(b, 1, x);

% 应用IIR滤波器降噪
y_iir = filter(b, a, x);

% 播放原始带噪语音
sound(x, fs);
pause(length(x)/fs);

% 播放FIR滤波后的语音
sound(y_fir, fs);
pause(length(y_fir)/fs);

% 播放IIR滤波后的语音
sound(y_iir, fs);

在这段代码中，首先使用 audioread 函数读取带噪语音文件。然后分别使用 filter 函数将FIR和IIR滤波器应用到带噪语音信号上。最后通过 sound 函数依次播放原始带噪语音、FIR滤波后的语音和IIR滤波后的语音，方便我们从听觉上感受降噪效果。