如何使用matlab中的allpassfilter消除声音中的噪音?

时间:2017-03-12 18:53:19

标签: matlab audio filter fft noise

大家好我有声音有噪音。我想删掉那个噪音怎么能把它删除?

原声:Zamfir-EinsamerHirte

嘈杂的声音:Zamfir-EinsamerHirte_noisy

[y4,Fs]=audioread('Zamfir-EinsamerHirte_noisy.ogg');
ffty4=fft(y4);

首先我分析了信号

shiftedffty4=fftshift(ffty4);
spectrumy41=abs(shiftedffty4);
phaseffty41 = angle(shiftedffty4);

N4=length(spectrumy41);
t4=-Fs/2:Fs/N4:Fs/2-Fs/N4;
spectrumy42=abs(fftshift(ffty4))/N4;
phaseffty42=angle(fftshift(ffty4));

其次,我制作了一个全通滤波器,它具有相同长度的频谱和产品,具有嘈杂的声音,并且反向fft并移除了虚部并播放声音。声音还有噪音

allpassfilter=ones([N4,2]);
allpassfilter(spectrumy42>1e+06)=0;
filteredy4=allpassfilter.*ffty4;
filteredyeni4=ifft(filteredy4);
filteredyy4=real(filteredyeni4);
sound(filteredyy4,Fs);

但是我无法消除噪音。问题是我不知道如何在全通滤波器中将零值,噪声值(噪声的位置)如下所示:

allpassfilter(spectrumy42>1e+06)=0;

我该怎么做? !!!任何帮助将不胜感激!!!!提前谢谢。

1 个答案:

答案 0 :(得分:1)

我下载了干净而嘈杂的音频文件。 首先让我们分析一小部分音频。

n=1024*8; % a small portion of data
w1=1e5;
w2=w1+n-1;

sig_noisy=data_n(w1:w2,1); % noisy audio
sig_clean=data_c(w1:w2,1); % clean audio

figure; hold all
plot(sig_noisy,'b')
plot(sig_clean,'r','LineWidth',2)
ylim([-1.5 1.5])
legend('Noisy','Clean')

enter image description here

正如在这里看到的那样,嘈杂的音频在某种程度上已经饱和了 截断版本的干净信号。截断信号会引起谐波 在更大的频率。让我们来看看功率谱 密度信号。

n=1024*1; % a smaller portion of data
w1=1e5;
w2=w1+n-1;

sig_noisy=data_n(w1:w2,1); % noisy 
sig_clean=data_c(w1:w2,1); % clean  

[psd_noisy, f] = pwelch(sig_noisy);
[psd_clean, ~] = pwelch(sig_clean);

figure; hold all
plot(f/pi,db(psd_noisy),'b')
plot(f/pi,db(psd_clean),'r')
xlabel('Normalized Freq.')
legend('Noisy','Clean')

enter image description here

您会看到嘈杂的音频在高频时具有谐波和噪音。那么,现在如果你假设噪声的特性没有在音频结束时发生变化,那么你可以设计一个过滤器来查看音频的这一小部分。既然你已经有了嘈杂和干净的信号,为什么不使用去卷积方法。

例如,如果用干扰信号去卷积干净信号,那么 您获得系统的反向响应(h_inv),它也是可用于过滤噪声信号的滤波器系数

(sig_noisy = sig_clean * h)。

这里我使用Wiener反卷积方法。另请注意,此功能不仅适用于图像,您也可以使用Matlab中的解卷积方法和1D信号。

h_inv=deconvwnr(sig_clean,sig_noisy);

figure,plot(h_inv)
legend('h^-^1')

enter image description here

正如我所说,这是你需要的滤波器系数。例如,如果我用h_inv过滤噪声信号:

sig_filtered=conv(sig_noisy,h_inv,'same');
[psd_filtered, ~] = pwelch(sig_filtered);

figure; hold all
plot(f/pi,db(psd_noisy),'b')
plot(f/pi,db(psd_clean),'r')
plot(f/pi,db(psd_filtered),'k')
xlabel('Normalized Freq.')
legend('Noisy','Clean','Filtered')

enter image description here

滤波后的信号频谱非常接近干净的信号频谱。现在你有了滤波器系数,只需用h_inv过滤整个有噪声的音频并听取结果。

filtered_all=conv(data_n(:,1),h_inv,'same');
sound(filtered_all,48000)

您可以尝试其他反卷积方法并查看结果。您还可以将傅立叶域中不需要的频谱归零,并采用反傅立叶来获得干净的信号。但是,由于信号太长,您必须在滑动窗口中进行。或者,您可以设计级联陷波滤波器以分别过滤每个谐波。

我看到有四个强度谐波。因此,为每个滤波器设计四个陷波滤波器,并设置低通滤波器以滤除高频噪声。

% First notch
fc1=0.0001; bw1=0.05; N=4;
f = fdesign.notch('N,F0,BW',N,fc1,bw1); h = design(f);

% Second notch
fc2=0.21; bw2=0.2;
f = fdesign.notch('N,F0,BW',N,fc2,bw2); h2 = design(f);

% Third notch
fc3=0.41; bw3=0.2;
f = fdesign.notch('N,F0,BW',N,fc3,bw3); h3 = design(f);

% Fourth notch
fc4=0.58; bw4=0.2;
f = fdesign.notch('N,F0,BW',N,fc4,bw4); h4 = design(f);

% A Final lowpass filter
f = fdesign.lowpass('Fp,Fst,Ap,Ast',0.6,0.65,1,30);  h5 = design(f);

% Cascade the filters
hd = dfilt.cascade(h, h2, h3, h4, h5);

% See the filter characterisctic
ff=fvtool(hd,'Color','white');

% Now we can filter our 
sig_filtered2 = filter(hd,sig_noisy);
[psd_filtered2,f] = pwelch(sig_filtered2);

figure; hold all
plot(f/pi,db(psd_noisy),'b');
plot(f/pi,db(psd_clean),'r');
plot(f/pi,db(psd_filtered2),'k');
xlabel('Normalized Freq.')
legend('Noisy','Clean','Filtered')

enter image description here

enter image description here

现在您可以过滤整个音频

filtered_all2 = filter(hd,data_n(:,1));
sound(filtered_all2,48000)

希望我帮助过。