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、加噪建模与时频分析等核心环节，适用于课程大作业、课程设计及MATLAB实践训练。压缩包共3个文件（1.65MB），包含一份结构清晰的Word格式实验报告（.docx）、一份完整可运行的MATLAB主程序代码（.m）以及一份PDF版课程作业说明文档，分别承担原理阐述、算法实现与任务要求说明功能。已有1237人下载学习，内容覆盖语音信号采集预处理、时域波形与频谱可视化、IIR/FIR滤波器设计与应用、白噪声叠加与SNR计算、短时傅里叶变换（STFT）时频图绘制等关键步骤，代码注释详尽、变量命名规范，报告中含实验结果截图、参数设置依据与现象分析，便于读者理解算法逻辑并复现全流程。 这个题目我太熟了。本科那会儿，室友拿下“dsp语音信号处理 代码+报告”这个课程大作业的时候，第一反应都是“这玩意儿到底要我干嘛”。等真正做完了回头看，其实核心就一句话：把一段干净语音变成带噪声的脏信号，再用滤波器把噪声干掉，最后用时频分析把整个过程可视化，串成一份能讲清原理的报告。它是数字信号处理课程的集大成作业，覆盖采样定理、傅里叶变换、滤波器设计、频谱分析这些最硬核的知识点，也是Matlab能力的一次集中锻炼。
网上关于这个题的版本很多，有的给你一堆现成代码但讲不清为什么，有的只谈滤波器原理跟实操完全脱节，还有的直接丢一份报告让你换数据交差，真答辩一下就会被问住。这篇博文我会按自己当年实际做课设的完整流程来写——从需求拆解、语音读取、加噪滤波，到STFT语谱图、SNR/MSE量化评估，再到报告排版思路和排查避坑，每一段都是实测跑过的方案，尽量让零基础的同学也能照着走通，让想拿高分的同学也能做出有区分度的结果。
1. 先拆解作业需求：这题到底考什么
1.1 用户标题里藏着哪些关键信息
先看标题：“dsp语音信号处理 代码+报告_语音信号分析_语音信号滤波_matlab语音_时频分析作业_语音信号处理”。外行看是一堆关键词堆叠，内行看其实已经给了三个硬性要求：第一，必须有“代码+报告”双交付，代码要能复现结果，报告要能解释原理；第二，核心任务包含“语音信号分析”和“语音信号滤波”，也就是既要做分析又要做处理；第三，要用到“时频分析”，而且指明Matlab环境。
这三个要求对应到课程能力点，分别是：用audioread读入wav并分析信号基本属性、构造噪声并设计数字滤波器消除干扰、用FFT/STFT/语谱图观察信号在频域和时频联合域的分布。很多同学拿到题目第一件事就问“有现成代码吗”，我反而建议先花半小时把需求拆成一张表，明确自己要做哪几步，因为所有零散代码都能在网上找到，真正拉开差距的是你有没有理解每一步在干什么。
1.2 为什么选Matlab而不是Python
这个题目指定Matlab是有原因的。首先是信号处理工具箱非常成熟，filter、butter、designfilt、spectrogram这些函数开箱即用，不像Python还要装scipy、librosa，版本之间还容易打架。其次是Matlab的矩阵运算语义和信号处理教材高度吻合，x = mean(x,2)这种转单声道的写法，比Python里np.mean(x, axis=1)更接近自然语言，调试时心智负担小很多。
当然Python不是不行，但考虑到交作业时老师大概率用Matlab打开你的.m文件和.fig图窗，而且很多学校实验室的正版Matlab都预装了DSP System Toolbox，你代码里用的每个函数在实验室都能原样跑通，这是Python生态很难替代的。我的建议是：别在这个环节纠结工具选型，哪个能用通哪个，核心是信号处理的思路。
1.3 整体流程怎么规划才不容易翻车
结合我自己的经验，一个稳妥的流程大致是六步：采集/选取语音样本、读取并分析原始信号、人为叠加噪声、设计滤波器去噪、时频分析前后对比、计算量化指标并写入报告。这个流程看起来简单，但每一步都有坑，比如选wav文件时没注意采样率导致滤波截止频率算错，加噪声时没固定随机种子导致结果不能复现，滤波器阶数选太高导致语音本身也被削掉。
我习惯在动手写代码之前，先在草稿纸上把“输入-处理-输出”画出来，输入是原始wav和噪声参数，处理是滤波器和STFT，输出是波形图、频谱图、语谱图和指标表。画完你就知道先写哪个脚本，后写哪个脚本，最后报告里哪些图放哪里，整个结构自然就出来了，也不会写到一半发现缺这个步骤缺那个数据。
2. Matlab环境准备与语音读取：基础打牢
2.1 工具版本和函数兼容性要注意什么
Matlab版本建议用R2019b之后，因为audioread替代旧版wavread已经非常稳定，老版本跑新函数会报Undefined function，新版本跑老代码也可能因为wavread被移除而直接红字。如果你装的版本比较新，比如R2022b或者更新，请优先使用audioread、audiowrite这套接口，不要照搬网上老代码里的wavread。
如果你在实验室机器上跑，版本可能比较老，那就老老实实先查一下当前版本支持哪些函数。我给一个万能方法：在命令窗口输入help audioread，如果返回帮助文档，说明这个版本支持；如果提示找不到，就用wavread。这一步虽然只有十秒钟，但能避免你后面所有代码连环报错。
2.2 读取wav语音并做基本预处理
假设你已经有一份speech.wav，正常情况下是采样率8000或16000或44100的语音文件。第一步就是读进来并探明采样率：
[x, fs] = audioread('speech.wav'); % 如果文件是双声道，合并为单声道 if size(x, 2) > 1 x = mean(x, 2); end % 查看语音时长和数据信息 duration = length(x) / fs; fprintf('采样率: %d Hz, 时长: %.2f s\n', fs, duration); plot((0:length(x)-1)/fs, x); xlabel('时间 (s)'); ylabel('幅值'); title('原始语音信号波形');很多同学会忽略双声道合并这一步。如果你用手机录的音频，大概率是双声道，不合并的话后面做FFT时虽然不影响幅度谱的模值，但做STFT时语谱图会显得很“脏”，因为左右声道轻微延迟叠加后会形成梳状滤波效应。合并成单声道后在语义上也更符合“语音信号分析”这个主题。
采样率这个概念我多解释一句：它决定你能分析的最高频率。采样率8000对应最高4000Hz，采样率44100对应最高22050Hz。做完FFT后你画频谱图时横轴必须画到fs/2，不是画到fs，否则会在报告里闹笑话。这个问题我在批改学弟作业时见过太多次，属于高频翻车点。
2.3 加噪声之前先观察原始信号的频率结构
不要急着加噪声，先对原始信号做一次快速频谱观察，这能让你后面写报告时更有底气。最简单的做法就是FFT加fftshift，在看频谱之前先确认一点：语音信号的能量主要集中在低频段，通常100Hz到4000Hz之间，高频段能量迅速衰减。
N = length(x); X = fft(x, N); f = (0:N-1) * fs / N; plot(f, abs(X(1:N))); xlabel('频率 (Hz)'); ylabel('幅度'); title('原始语音信号频谱');这段代码里有个小陷阱：直接用fft(x, N)得到的是双边谱，右侧一半是镜像，画图时只画前一半即可。如果你想让频谱以0为中心对称显示，用fftshift，横轴频率也要对应改成从-fs/2到fs/2。这些都是报告中能体现专业度的细节。
我建议你在加噪声前先保存一张原始波形图和一张原始频谱图，后面滤波前后对比会非常直观。很多同学一上来就加噪声，最后报告里全是噪声信号，没有原始干净信号的图，老师一看就是没做对比，印象分会大打折扣。
3. 滤波器设计：从加噪到去噪的关键一公里
3.1 加噪声怎么做才规范且可复现
加噪声之前先固定随机种子，这是很多教程不会强调但特别重要的点。如果你不固定随机种子，每次运行生成的噪声序列都不同，滤波前后前后对比的结果就每次都不一样，报告里的截图和实际运行结果对不上，答辩时容易被问住。固定随机种子的写法如下：
rng(42); % 任意整数都可，目的是让噪声可复现 noise = 0.1 * randn(size(x)); % 高斯白噪声，幅度系数0.1 xn = x + noise;噪声幅度系数0.1是我比较常用的取值。如果信号本身幅值在正负1之间，0.1倍高斯白噪声的信噪比大约在20dB左右，听感上是“有底噪但语音清晰”，滤波效果也能比较明显地看出来。如果噪声系数设太大比如1.0，语音彻底淹没在噪声里，滤波器怎么设计都救不回来；设太小比如0.01，滤波前后对比又看不出区别。你也可以根据SNR需求反推噪声系数，这取决于你报告的侧重点。
另外在报告中建议写一句“本文采用加性高斯白噪声(AWGN)模拟环境干扰”，然后在代码里用randn实现，这是最标准的教学做法。如果你想让实验更有层次，还可以对比不同噪声强度，比如噪声系数分别取0.1、0.2、0.5，对应低、中、高三种干扰，最后用一张表列出不同强度下的滤波后SNR，这个设计会让你的报告明显高于“能跑就行”的水平。
3.2 低通滤波器设计：从Butterworth到FIR
语音信号加噪声后，大部分噪声分布在整个频带，但语音本身主要集中在中低频，所以经典做法是设计低通滤波器。Matlab里最常用的就是butter设计巴特沃斯IIR滤波器：
fc = 3000; % 截止频率，根据语音内容和采样率调整 [b, a] = butter(6, fc/(fs/2), 'low'); y_iir = filter(b, a, xn);这里阶数6是一个很微妙的平衡点。阶数低了，过渡带太宽，滤波不干净，噪声残留多；阶数高了，比如10阶以上，虽然阻带衰减更快，但MATLAB语音处理过程中会出现明显的相位失真，波形看起来“扭曲了”，听感也不自然。IIR滤波器的优点是计算效率高、幅度特性好，缺点是相位非线性，这在语音信号分析中往往可以容忍，因为人耳对相位不敏感。
如果你想让报告更有技术含量，可以同时设计一个FIR等波纹滤波器做对比。FIR用designfilt比较好用：
firFilter = designfilt('lowpassfir', ... 'PassbandFrequency', 2800, ... 'StopbandFrequency', 3200, ... 'PassbandRipple', 0.5, ... 'StopbandAttenuation', 60, ... 'SampleRate', fs); y_fir = filter(firFilter, xn);FIR的优点是严格线性相位，缺点是同等性能下阶数远高于IIR，滤波计算量大。报告中把两种滤波器放在一起对比，说明IIR适合资源受限但语音可容忍相位失真的场景，FIR适合对相位敏感的应用，这就是一个非常漂亮的加分点。
3.3 滤波参数怎么选才科学
滤波截止频率的选取不能拍脑袋，建议先看原始语音的频谱，找到语音能量明显下降的频率点。如果语音内容是普通说话声，采样率8000，截止频率选3000Hz左右比较合理；如果是音乐类的素材，高频成分丰富，选4000Hz以上才不破坏音质。这个过程体现的就是“先分析后处理”的工程思维。
一个非常关键的实操点是butter的截止频率参数必须是归一化频率，也就是fc/(fs/2)。很多同学直接写butter(6, 3000)，结果滤波结果完全是乱的，因为Matlab把3000当成了0到1之间的归一化值，相当于把Nyquist频率变成了6000Hz，完全不对劲。这个坑我在帮人debug时遇到过不下十次。
滤波后建议用fvtool(b,a)打开滤波器可视化工具，看一眼幅频响应曲线，确认截止频率位置是否合理、阻带衰减是否够大。这个过程虽然不直接出现在报告里，但能把你对滤波结果的判断从“凭感觉”变成“看数据”，非常重要。
4. 时频分析：别只会画频谱图
4.1 FFT频谱只能告诉你“有什么频率”，不能告诉你“频率什么时候出现”
很多同学交上去的“时频分析”就是一张FFT频谱图，严格来说这只能叫频域分析，不能叫时频分析。FFT把整个时间段的频率信息平均到了一起，它回答的问题是“这段语音包含哪些频率成分”，但回答不了“某个频率出现在哪一秒”。
语音信号最大的特点是非平稳：同一句话里，元音段能量集中在低频，辅音段会有明显的瞬态高频，这些时间信息对语音识别和语音增强非常重要。要观察这种“频率随时间变化”的规律，就得用短时傅里叶变换STFT。把这个区别想明白，你报告里的“时频分析”章节就高出平均水平一大截。
4.2 用STFT做出语谱图
Matlab里最方便的STFT实现是spectrogram函数，一行代码就能出图：
[S, f, t] = spectrogram(xn, hann(256), 128, 1024, fs); % 画出语谱图 figure; imagesc(t, f, abs(S)); axis xy; xlabel('时间 (s)'); ylabel('频率 (Hz)'); title('加噪语音信号的语谱图'); colorbar;这里面几个参数值得仔细解释。hann(256)是窗函数和窗口长度，窗口越短时间分辨率越高、频率分辨率越低，窗口越长频率分辨率越高、时间分辨率越低，这是海森堡测不准原理在信号处理中的体现。取256点对应约32ms的窗口，比较符合语音信号短时平稳的假设。128是hop size，也就是窗每次移动128个样本，一般取窗口长度的一半，保证相邻帧有50%重叠，平滑度更好。1024是FFT点数，一般大于窗口长度，等效于在频域插值，让语谱图看起来更细腻。
这行代码做完，你已经有了“时频分析”核心图。建议把原始语音、加噪语音、IIR滤波后语音、FIR滤波后语音四张语谱图放在同一张大图里subplot(2,2,x)，这种对比图是整份报告里最有视觉冲击力的部分，老师一眼就能看出你的滤波设计真的有效果。
4.3 频谱质心和能量分布也可以算
如果想在时频分析部分再加一点量化维度，可以计算频谱质心：
spectrum = abs(S); freq_bins = repmat(f', 1, size(spectrum, 2)); centroid = sum(freq_bins .* spectrum) ./ sum(spectrum); plot(t, centroid); xlabel('时间 (s)'); ylabel('频谱质心 (Hz)'); title('语音信号的频谱质心随时间变化');频谱质心描述的是信号“重心”所在频率，元音段质心低，辅音段质心高。加噪声后质心会被抬高，滤波后质心会回落，这个变化趋势可以作为一个客观指标写进报告，说明滤波器不只是“听起来干净了”，而是从数据上证实了高频噪声被有效压制。这种多维度的分析会让你的报告内容更扎实，而不是只有三张图。
5. 量化评估与图表呈现：让结果可解释
5.1 用SNR评价滤波效果的完整思路
信噪比SNR是语音增强最常用的评价指标，定义为信号功率与噪声功率的比值，单位dB。关键点在于，真实场景中你拿不到“纯净噪声”，但在作业里你有原始干净信号，所以可以这么算：
% 滤波后残余噪声 residual_noise = y_iir - x; % 计算信噪比 SNR_after = 10 * log10(sum(x.^2) / sum(residual_noise.^2)); fprintf('IIR滤波后SNR = %.2f dB\n', SNR_after);同样的方法可以算加噪后的SNR。因为加噪是人为的，理论上加噪后SNR约等于10*log10(mean(x.^2)/mean(noise.^2))，滤波后SNR应该比加噪后高，这才说明滤波有效果。如果滤波后SNR反而更低了，说明滤波器参数有问题，可能是截止频率把太多语音成分也削掉了，也可能是滤波器不稳定。SNR提升幅度一般在5到15dB比较正常，如果提升太多比如30dB，要怀疑是不是信号本身被过度平滑了。这里有一个容易忽略的点：计算残差时，由于IIR滤波器有非线性相位，滤波后信号和原始信号之间有时间偏移或相位差，直接相减会出现很大的“假残差”。更稳妥的处理是用xcorr做对齐，或者在报告里说明“本文以幅度谱和语谱图对比为主，SNR计算作为辅助参考”。
5.2 用MSE和相关系数做多维印证
除了SNR，另外两个常见指标是均方误差MSE和相关系数。MSE描述滤波后信号与原始干净信号的误差大小，越小越好；相关系数描述两者线性相关程度，越接近1越好。Matlab里一行一个：
mse_value = mean((y_iir - x).^2); corr_value = corrcoef(y_iir, x); fprintf('MSE = %.6f, 相关系数 = %.4f\n', mse_value, corr_value(1,2));这三个指标放在报告中做成一张表格，比干巴巴写“滤波后效果良好”有说服力得多。我建议的表格长这样：
处理阶段 | SNR (dB) | MSE | 相关系数 原始语音 | 高（无噪声） | 0 | 1 加噪后语音 | 根据噪声强度计算 | 较大 | 较低（如0.7-0.9） IIR滤波后 | 提升 | 降低 | 升高 FIR滤波后 | 提升 | 降低 | 升高
注意原始语音的SNR理论上无穷大，表格里写“无穷”并不可取，可以写“参考值”或画横线，报告里简单说明即可。加噪后的SNR、MSE和相关系数都具体算出来，滤波后也具体算出来，这一表格就是你量化分析的全部证据链。
5.3 图表排版和报告结构怎么处理
报告结构我建议按这样一个逻辑走：摘要和关键词、引言（背景与任务）、原理方法（语音信号、噪声模型、滤波器原理、时频分析原理）、实验流程（读取、加噪、滤波、分析）、结果与讨论（波形图、频谱图、语谱图、量化指标表）、总结与体会、参考文献。
图表排版上有一个细节：每张图都要有编号和图题，坐标轴必须有中文或英文说明，字体调大，不要直接截一张Matlab默认窗口就贴上去。Matlab里可以用set(gcf,'Color','white')去掉灰色背景，用grid on加网格线，这些处理都会让报告看起来专业不少。我在第4节提到的对比图，四张语谱图并排放，建议统一坐标范围，颜色轴caxis设置相同的上下限，这样对比才公平，否则每张图色标范围不同，视觉上会误导读者。
6. 高频踩坑与报告撰写经验
6.1 我踩过的那些坑
第一次做这个作业时，我踩过一个特别隐蔽的坑。我用的音频是44.1kHz采样率，但我设计滤波器时习惯性地写了截止频率3000Hz，这个没错，问题出在我把fc/(fs/2)算错了，3000/(44100/2)约等于0.136，我写成了3000/44100约等于0.068，结果实际截止频率只有1500Hz，滤波后语音明显发闷，元音部分的高次谐波全被切掉了。后来我把语音频谱画出来才发现，这个素材的能量一直延伸到8000Hz，用1500Hz的截止频率等于把语音内容的“声调信息”也削掉了，听感像隔着被子说话。
另一个坑是滤波器的初始状态。直接filter(b,a,xn)时Matlab默认初始状态为零，这没问题。但如果你把信号分成一段一段处理再拼接，每一段开始时滤波器状态没有延续，就会在拼接处产生爆音和瞬间冲激。正确的做法是用[y, zf] = filter(b, a, xn, zi)，把上一段的终止状态传给下一段。虽然作业不太需要分段处理，但如果你做实时流式处理，这个问题完全绕不开。
6.2 常见问题速查表
信号与系统里有个特别好的思维习惯：出现任何指标异常，先画图、先看波形，再判断是参数问题还是逻辑问题。这张表我按“症状-原因-解法”整理了一下：
症状 | 可能原因 | 解决方式 滤波后语音严重失真 | 截止频率过低或滤波器阶数过高 | 查看频谱后调整截止频率，降低阶数 滤波后仍有明显噪声 | 截止频率过高或噪声频带与信号重叠 | 降低截止频率或用带通/自适应滤波 SNR计算结果为负 | 残余噪声能量大于信号能量，或信号对齐问题 | 检查滤波参数，用xcorr对齐后再计算 语谱图全是竖条纹 | STFT参数不合理或信号太短 | 增大窗口重叠率，检查hop size 运行报错Undefined function | Matlab版本过老或函数名拼写错误 | 用help查函数是否存在，用audioread替代wavread 加了噪声后结果每次不同 | 没有固定随机种子 | 加rng(42)等固定种子
还要补充一个很多人忽略的点：如果audioread读取时返回的是double类型但幅度范围在正负1之间，而某些旧版代码用wavread返回的是int16类型，范围在正负32768之间，两种类型直接混用会导致幅度差异巨大，加噪声的系数就会完全失效。
6.3 报告怎么写才能拿高分
报告不是代码的堆砌，不是把所有函数说明复制一遍就完事，而是要把“我做了什么、为什么这么做、结果说明了什么”讲清楚。我常用的一个套路是：每个实验步骤先写“目的”，再写“方法”，再写“结果与讨论”。比如滤波这一节，目的就是“消除加性高斯白噪声，恢复语音清晰度”，方法就是“设计6阶巴特沃斯低通滤波器，截止频率3000Hz”，结果与讨论就是放滤波前后的波形图和频谱图，并解释为什么噪声被压制而语音主体得以保留。
一个比较容易被忽略的加分点是“体会与改进”。这一个小节可以写你在实验中发现的问题，比如IIR滤波器相位失真对语音可懂度的影响、固定截止频率无法适应不同噪声环境、未来可以考虑自适应滤波或小波去噪。这种自我批评式的内容反而会让报告显得真实且深刻，比无脑吹“本设计实现了良好去噪效果”有说服力得多。
另外，报告中一定要包含核心代码并逐段注释，但不需要把所有代码整段贴进去，只贴关键片段，比如加噪、滤波、STFT三块，每块不超过二十行，老师扫一眼就能看懂你的思路。完整代码作为附录放在最后，或者提供单独的.m文件，这样既保证报告可读性又保证可复现性。
6.4 答辩前的准备技巧
课程设计通常有五分钟到十分钟的答辩，老师大概率会问你三个问题：为什么选这个滤波器、截止频率怎么定的、滤波效果怎么评价的。这三个问题在报告中都有答案，但你最好能用一句话各回答清楚。比如“因为巴特沃斯滤波器通带最平坦，过渡带和阻带特性在IIR里最适合语音，6阶是兼顾过渡带陡峭度和相位失真的选择；截止频率3000Hz是根据语音频谱能量分布选的；效果用SNR从多少dB提升到多少dB、语谱图高频噪声明显减少来评价”。
我还建议你把所有图用saveas导出为png格式，统一放到Report/figures目录，在答辩PPT里直接引用。另外准备一份“原始语音-加噪语音-滤波后语音”的音频demo，放给老师听，体感冲击力比任何数据都强。这一招在课设答辩里几乎百试百灵。
最后再说一个我在多次帮人review代码后总结出来的习惯：所有脚本在交付前一定要从头到尾跑一遍，确认没有warning和error，生成的所有图片和指标都对得上。很多同学代码写得很漂亮，但交付前随手改了参数没重跑，结果报告里的截图是旧版本，现场演示时老师一运行数值对不上，非常尴尬。这种细节虽然看起来不起眼，但恰恰是区分一份作业是“认真完成”还是“草率了事”的关键指标。
本文还有配套的精品资源，点击获取
