Matlab语音信号处理全攻略：分析、滤波与时频图绘制

简介：本资源是一份面向高校数字信号处理（DSP）课程学习者与初学者的语音信号处理综合实践材料，聚焦语音信号分析、滤波降噪、时频特性提取等核心任务，适用于课程大作业、课程设计及MATLAB信号处理入门实训。压缩包共3个文件（1.65MB），含1份MATLAB源代码（.m）、1份详细实验报告（.docx）和1份PDF版数字信号处理大作业文档，分别承载算法实现、原理阐述与规范格式输出三大功能，结构紧凑、即下即用。已有1237人学习下载，内容覆盖语音信号采集建模、白噪声叠加模拟、IIR/FIR滤波器设计与对比、短时傅里叶变换（STFT）时频谱绘制等完整流程，代码注释清晰，报告包含实验目的、步骤、结果图示与信噪比分析，便于理解理论到实践的转化逻辑。 期末季又到了，身边又有不少人抱着“dsp 语音信号处理”这个题目来问我。这应该是不少学校《数字信号处理》或者《语音信号处理》课程的经典大作业了：要求用Matlab完成语音信号的分析与滤波，最后交付代码和报告。看似就几行函数调用的事，但真的动手做起来，读音频、分帧加窗、设计滤波器、画时频图，每一步都有不少坑。

这篇博文我打算把一套完整可复用的方案写出来，围绕语音信号分析、语音信号滤波、时频分析这三个核心模块展开，配Matlab代码实现，并把报告怎么组织也一并交代清楚。不管你是第一次接触DSP课程作业，还是期末前临时补进度，只要跟着过一遍，应该都能交付一份拿得出手的代码加报告。

1. 项目整体设计与思路拆解

1.1 先拆题：作业到底要你做什么

拿到“语音信号处理”这类题目，第一反应别急着打开Matlab噼里啪啦写代码。先把题目涉及的几个关键词拆开看：“语音信号分析”意味着需要从时域和频域两个维度去观察语音；“语音信号滤波”要求设计滤波器去掉噪声；“时频分析”则是要展示语音信号频谱随时间变化的过程。

把这些需求翻译成具体技术动作，就是一套标准的数字信号处理流程：采集或读取语音文件，完成预处理，分别做时域分析（短时能量、过零率）和频域分析（FFT频谱、共振峰），然后设计滤波器对信号进行去噪或频段提取，再用STFT（短时傅里叶变换）画出语谱图，观察信号在时间轴和频率轴上的联合分布。

我见过不少同学在这个环节犯糊涂，把重点放在“把代码跑通”上，结果代码只有三个文件，报告也只有三张截图，最后勉强及格。真实评分点其实藏在细节里：你对参数的解释、对滤波器设计原理的理解、对时频图的结果描述，这些才是拉开差距的地方。

1.2 为什么选Matlab而不是硬上DSP开发板

很多同学看到标题里带“DSP”三个字母，第一反应就是去买一块DSP开发板，甚至去找CCS和VisualDSP安装包。这里要提醒一句：如果课程作业没有明确要求“在DSP硬件上实现”，Matlab完全够用，而且更适合完成分析演示类任务。

Matlab的优势在于矩阵运算和信号处理工具箱高度封装，一行fft就是快速傅里叶变换，一个designfilt就能完成滤波器设计，大量时间可以花在理解原理和调参上，而不是纠结C语言内存怎么分配、外设怎么初始化。从课程评分角度讲，老师更希望看到你展示了“信号处理思路”而不是“嵌入式移植能力”。

如果未来做实际DSP项目，比如音频降噪耳机、助听器、语音识别前端，那时再考虑C6000、C2000这类硬件平台不迟。但就作业而言，Matlab是性价比最高的选择。简单说：先欠债，后还债——先用Matlab把算法吃透，以后上硬件自然水到渠成。

1.3 代码和报告的结构怎么规划

代码与报告的结构是很多人忽视却最影响交付质量的部分。代码层面，我建议按“主脚本 + 功能函数”方式组织，不要把所有逻辑堆在一个脚本里。推荐结构如下：

voice_analysis/ ├── main.m % 主脚本，按流程调用各函数 ├── read_audio.m % 音频读取与预处理 ├── time_analysis.m % 时域分析：短时能量、过零率 ├── freq_analysis.m % 频域分析：FFT、共振峰 ├── filter_design.m % 滤波器设计与滤波 ├── time_freq_analysis.m % 时频分析：STFT与语谱图 └── report_figs/ % 生成的图片统一存放

报告对应地按“需求描述 → 基本原理 → 实现方法 → 实验结果与分析 → 问题与总结”来组织。这样做的好处是逻辑清晰，后期修改某一个模块不用牵一发动全身。我批改过一些作业，凡是代码和报告逻辑对应得好的，基本上不会低于优良。

2. 语音信号分析的三个关键环节

2.1 音频读取与预处理：别小看这一步

语音分析的第一步是读入音频文件。Matlab里audioread是现在最通用的函数，老版本用的wavread已经废弃了。读取时要关注三个信息：采样率Fs、量化位数和通道数。

[audio, Fs] = audioread('speech.wav');

采样率决定了频率分析的上限，比如Fs = 8000 Hz时，有效频带是0到4000 Hz。量化位数一般是16bit，读取后默认归一化到[-1, 1]区间。通道数如果是双声道，通常取单声道即可，直接audio = mean(audio, 2);。

预处理阶段还有一个关键概念：预加重。语音信号的高频分量能量本来就低，再经过口腔辐射和信道衰减，高频段信息容易丢失。预加重的做法是用一个一阶高通滤波器，公式是y(n) = x(n) - a*x(n-1)，其中a一般取0.95到0.97之间。这个步骤能提升高频信噪比，对后续共振峰提取和语谱图分析都有实际帮助。

preemph = [1, -0.97]; audio_pre = filter(preemph, 1, audio);

很多教程不强调预加重，但实际做语音识别或者滤波器设计对比时，有没有预加重差别很明显。建议在你的报告里刻意记录预处理前后的波形和频谱对比，这本身就是很好的实验素材。

2.2 分帧与加窗：语音分析的地基

语音信号是典型的非平稳信号，发音过程中声道形状和激励源都在变化，直接对整个音频做FFT意义不大。工程上最通用的思路是“短时平稳”——把语音切成20到50毫秒的小段，段内近似平稳，然后对每一帧做分析。

分帧参数要理清：帧长和帧移。比如Fs = 8000 Hz，帧长取256点，对应32毫秒；帧移取128点，对应16毫秒，也就是相邻帧有一半重叠。重叠的目的是避免窗函数边缘衰减导致的信息丢失。

frame_len = 256; % 帧长 frame_shift = 128; % 帧移 n_frames = floor((length(audio_pre) - frame_len) / frame_shift) + 1;

加窗常用汉明窗hamming(frame_len)或汉宁窗hanning(frame_len)。加窗后，帧首尾的突变被平滑掉，FFT的频谱泄漏会明显降低。我见过有人不加窗直接做STFT，语谱图上全是横竖条纹，这就是频谱泄漏的典型表现。

frame_data = audio_pre((idx-1)*frame_shift + 1 : (idx-1)*frame_shift + frame_len); frame_windowed = frame_data .* hamming(frame_len);

这里有个容易踩的坑：Matlab索引从1开始，而很多教材公式从0开始，写循环时索引很容易差一位。建议先写一个frame_idx调试输出，打印第一帧的起止位置，核对正确后再往下写。

2.3 时域和频域特征：短时能量、过零率、频谱、共振峰

时域分析里最常用的两个特征是短时能量和短时过零率。短时能量反映了语音的响度变化，语音段能量显著高于静音段，所以常用来做端点检测；短时过零率反映信号穿过零轴的快慢，清音（如/s/、/f/）过零率高，浊音段较低。

frame_energy = sum(frame_windowed.^2); frame_zcr = sum(abs(diff(sign(frame_windowed)))) / 2;

频域分析的核心是FFT。对每一帧做N点FFT，N一般取大于帧长的2的幂，比如512或1024。幅值谱取abs(fft_result)，频率轴对应(0:N-1) * Fs / N，但实际只用前N/2点就够了，因为实信号频谱是对称的。

NFFT = 512; fft_result = fft(frame_windowed, NFFT); mag_spectrum = abs(fft_result(1:NFFT/2+1)); freq_axis = (0:NFFT/2) * Fs / NFFT;

共振峰处理语音信号时是频域分析的进阶内容。人在发元音时，声道对声源信号的某些频率分量有放大作用，这些“放大峰”就是共振峰。第一共振峰（F1）一般在300-900 Hz，第二共振峰（F2）在700-2500 Hz。提取共振峰常见做法是对谱包络做峰值检测，也可以用线性预测（LPC）求根。作业里要求不高的话，画出频谱图后在峰值处标注即可。

3. 语音滤波的Matlab实现

3.1 滤波器选型：FIR还是IIR

滤波是这类作业最容易“一跑了之”的部分，但恰恰是最能体现理解深度的环节。第一步面临的问题是选FIR还是IIR。

如果要求线性相位、系统保证稳定，选FIR。FIR滤波器没有反馈回路，绝对稳定，而且线性相位能避免波形相位失真，这在语音信号处理中非常重要——人耳对相位失真虽然不敏感，但后续如果要做波形对比，相位失真会直接影响时域波形。Matlab里用fir1或者fir2就能设计。

如果要求阶数低、计算量小、过渡带窄，选IIR。IIR滤波器可以用低阶达到较高的频率选择性，对应的是巴特沃斯、切比雪夫、椭圆这些经典原型。但IIR一般是非线性相位，设计不好可能不稳定，使用时通常搭配filtfilt做零相位滤波来弥补相位失真。

我的建议：课程作业优先用FIR，因为报告里可以多写一段“线性相位对语音的重要性”，这个知识点老师爱看；如果是实时性要求较高的场景，再考虑IIR。

3.2 常见的语音滤波需求与设计方法

语音滤波的需求无非四类：高通、低通、带通、带阻（陷波）。针对不同场景，参数设置完全不同。

• 语音信号本身频率范围大约在300 Hz到3400 Hz，如果想滤除低频干扰（如哼声、电源噪声），用高通滤波器，截止频率设300 Hz左右。
• 如果语音里混入高频白噪声（如磁带背景噪声），用低通滤波器，截止频率设在3400 Hz到4000 Hz之间。
• 如果想提取某个频段（比如电话信道模拟），用带通滤波器，通带可以设[300, 3400] Hz。
• 如果出现了50 Hz或100 Hz的工频干扰，对应的是窄带带阻滤波器，也就是陷波器。设计时带宽要足够窄，否则会连带着把附近的语音成分也滤掉。

用Matlab设计FIR滤波器，最直接的方式是用fir1：

filter_order = 64; cutoff_freq = 3400 / (Fs/2); % 归一化截止频率 b_low = fir1(filter_order, cutoff_freq, 'low'); audio_filtered = filter(b_low, 1, audio_pre);

也可以用designfilt做设计并可视化，交互式设计工具fdatool适合快速试参数：

d_low = designfilt('lowpassfir', 'PassbandFrequency', 3000, ... 'StopbandFrequency', 3800, 'PassbandRipple', 1, ... 'StopbandAttenuation', 60, 'SampleRate', Fs); audio_filtered = filter(d_low, audio_pre);

designfilt的好处是靠阻带衰减和通带波纹来约束性能，指标更接近工程习惯。注意归一化频率：Matlab里fir1的截止频率要除以Nyquist频率（Fs/2），这个换算很容易忘，单位不统一会得到完全不对的滤波器。

3.3 滤波效果怎么量化评估

滤波做完不能只贴一句“效果良好”，要从时域波形、频谱、客观指标三个维度评估。

时域上，直接对比滤波前后的波形图，确认噪声被抑制但没有出现明显失真。频域上，对比滤波前后的幅值谱，观察目标频段是否被压下去、通带内是否平坦。客观指标上，如果能拿到原始干净语音和带噪语音，可以计算信噪比SNR：

SNR = 10 * log10(sum(clean_signal.^2) / sum((clean_signal - filtered_signal).^2));

如果只有带噪语音，没有干净参考，也可以用滤波前后能量变化来近似说明。还有一个常用做法是算平均频谱距离，对比滤波前和滤波后与理想频谱的偏差。

我建议在报告里放一张“原始波形/带噪波形/滤波后波形”三行对比图，再放一张三者的频谱叠加图，评委一眼就能看到滤波效果。图的标注务必写清楚，横轴单位是秒还是采样点，纵轴是幅值还是dB，这些细节直接影响报告的专业感。

4. 时频分析：从STFT到语谱图

4.1 普通FFT的局限与时频联合分析的必要性

只做FFT能告诉你信号里有哪些频率成分，却答不上来“这些成分是什么时候出现的”。对于语音这种非平稳信号，频率成分随时间变化非常剧烈，比如一个词“你好”，n、i、h、a、o各段的频谱特征完全不同。如果只画一张全局频谱图，所有信息混叠在一起，根本没法分析。

时频分析解决的就是这个问题：同时观察时间和频率两个维度。最经典的方法是短时傅里叶变换（STFT），思想是“加窗局部化”——把信号分帧后逐帧做FFT，所有帧的频谱按时间顺序堆叠起来，形成二维矩阵，再把这个矩阵画成热力图，就是语谱图（spectrogram）。

打个比方，全局FFT就像一张合影，大家都站在一起，分不清谁是谁；STFT就像一段视频，每一帧都有明确的时间顺序，谁在什么时候说了什么一目了然。

4.2 STFT与spectrogram的Matlab实现细节

Matlab里做STFT最直观的函数是spectrogram，也有新版的stft函数。spectrogram更偏可视化，stft更偏数据计算，两者返回的矩阵格式略有差异。

window = hamming(256); % 窗函数 noverlap = 128; % 重叠点数 NFFT = 512; % FFT点数 [s, f, t] = spectrogram(audio_pre, window, noverlap, NFFT, Fs);

输出s是复频谱矩阵，f是频率轴，t是时间轴。画图直接用spectrogram自带的可视化功能：

spectrogram(audio_pre, window, noverlap, NFFT, Fs, 'yaxis');

这时有几个参数值得花心思调。窗函数选汉明窗是通用选择，频率分辨率好、旁瓣泄露低；NFFT不能小于帧长，一般取512或1024，更大的NFFT能细化频谱采样点，但不能提升物理分辨率；重叠比例一般在50%到75%，重叠越多，时间轴越平滑，计算量也越大。

STFT有一个核心权衡绕不开：频率分辨率和时间分辨率此消彼长。窗越长，频率分辨越好，但时间模糊越大；窗越短，时间定位越准，但频率细节丢失。具体选多长窗户取决于你的分析目标：“讲话内容在什么时候出现”关注时间，就选短窗；“精确频率分布”关注频率，就选长窗。

4.3 语谱图的解读和报告呈现技巧

语谱图横轴是时间，纵轴是频率，颜色深浅代表能量大小。语音段在低频部分通常能看到明显的横条纹，这是声带基频的谐波；清音段则是高频区的弥散状能量。读出这些内容并写进报告，比单纯贴图高出一个档次。

figure; imagesc(t, f, 20*log10(abs(s))); axis xy; xlabel('时间/s'); ylabel('频率/Hz'); title('语音信号语谱图'); colorbar;

注意如果直接用imagesc画复数矩阵，要先取幅值再转成dB，否则图会乱。用spectrogram内置可视化则不需要手动转换。

如果还想展示更高级的内容，可以试试连续小波变换（CWT）：

cwt(audio_pre, Fs);

CWT在低频段频率分辨好、高频段时间分辨好，更适合非平稳信号分析。作业里如果提到“时频分析”，STFT就够了；如果老师要求对比不同时频分析方法，CWT是很自然的扩展点。

5. 常见问题与排查技巧实录

5.1 从“跑不通”到“跑得对”的典型问题

我把这些年批改和实操中高频踩坑的问题整理成一张速查表，遇到报错或者结果不对时优先对照排查。

前三个问题大多源于对Matlab数据格式不熟悉，后几个则是对DSP原理理解不透彻。排查顺序建议“先看数据，再看参数，再看代码”——很多时候不是语法错，而是数字标定的问题。

5.2 代码组织的实用经验：注释和分段

代码质量虽然不直接参与信号处理结果的判定，但影响报告说服力。我习惯在每段核心算法前写三行注释：这段做什么、为什么这么做、若有可调参数值是多少。这样回头改参数或者写报告时，不需要重新读一遍所有逻辑。

% Step 2: 分帧 + 汉明窗 % 帧长256点(32ms)，帧移128点(16ms)，汉明窗减少频谱泄漏 frame_len = 256; frame_shift = 128; win = hamming(frame_len);

分节号写清楚，配合disp或fprintf在运行时打印当前处理阶段，调试效率会高很多。代码不是写给自己一个人的，期末提交的代码换个环境要能重新跑通，所以路径尽量用相对路径，不要写死C:\Users\...这种绝对路径。

5.3 报告撰写的避坑指南

报告最忌讳的是“图贴一大堆，文字没几句”。每张图出现之前先写一句“此处要验证/分析什么问题”，图后至少给出两到三句结论，比如“从图4可以看出，滤波后1000 Hz以下的噪声能量下降了约XX dB，语音主体部分无明显损失”。

原理部分不要从百度百科整段复制，用自己的话把公式里每个符号解释清楚，比如说“N是帧长，决定频率采样点数目；加窗相当于在频域做卷积，窗函数旁瓣越低，频谱泄露越小”。这种“说人话”的解释最能体现掌握程度。

参数表格是提升报告专业感的利器，把采样率、帧长、帧移、窗函数、滤波器类型和阶数列成表格，一目了然，还能避免反复用文字描述。

6. 写在最后：这个作业的长期价值

如果只是冲着交作业，这篇博文的代码和模板应该够用了。但我更想说的是，这套“读取 → 分析 → 滤波 → 时频展示”的流程，几乎是所有实际语音处理系统的通用底座。后来我做语音增强项目，也就是在这条链路上加了更复杂的噪声估计和谱减算法；做语音识别前端时，也是先用预加重、分帧、加窗，再提取特征。这个课程作业本质上是给了你一套思考信号处理问题的框架：从时域看趋势，从频域看成分，从时频域看变化规律。

最后分享一个小技巧，调试滤波器时不要只看时域波形，一定要同时打开freqz看幅频和相频响应。有一次我觉得滤波后声音“闷闷的”，一看相位响应才发现是高阶IIR滤波器引入了明显的相位失真，换成filtfilt立刻好了。这种参数和效果之间的对应关系，光靠背教程是学不到的，一定得自己动手试几轮才有感觉。祝你交付顺利。

本文还有配套的精品资源，点击获取