数字信号处理：通过matlab实现录制一段语音信号并绘制时域图形

一.主要功能：

（1）使用 matlab 录制一段语音信号并绘制时域图形；

（2）用 fft 函数及其它相关函数绘制该信号的频谱；

（3）设计滤波器， 分别提取该信号的高频、 低频分量， 并用多种函数将不同频率分量恢复为语音信号， 播放并与原始信号作比较。 分析语 音信号中高、 低频分量的特点。

二. 主要代码：

% 录制语音
duration = 5; % 录音时长（秒）
fs = 44100;   % 采样率（Hz）

recObj = audiorecorder(fs, 16, 1); % 创建录音对象
disp('开始录音...');
recordblocking(recObj, duration);   % 录制指定时长的语音 
disp('录音结束.');

% 获取录制的语音数据
data = getaudiodata(recObj); % 获取录制的音频数据

% 生成时间轴
time = (0:length(data)-1) / fs; % 根据采样率计算时间轴

% 绘制时域图像
figure;
subplot(2, 1, 1);
plot(time, data);
xlabel('时间 (秒)');
ylabel('幅度');
title('录制的语音信号时域图像');

% 计算语音信号的频谱
n = length(data);
frequencies = (0:n-1) * (fs / n); % 计算频率轴
transformed_data = fft(data) / n; % 执行FFT

% 只取频谱的前一半（单边频谱）
half_n = floor(n / 2);
transformed_data = transformed_data(1:half_n);
frequencies = frequencies(1:half_n);

% 绘制频谱图
subplot(2, 1, 2);
plot(frequencies, abs(transformed_data));
xlabel('频率 (Hz)');
ylabel('幅度');
title('录制的语音信号频谱图');

% 设计低通和高通滤波器
cutoff_low = 2000; % 低通滤波器截止频率（Hz）
cutoff_high = 4000; % 高通滤波器截止频率（Hz）

[b_low, a_low] = butter(6, cutoff_low/(fs/2), 'low'); % 6阶巴特沃斯低通滤波器设计
[b_high, a_high] = butter(6, cutoff_high/(fs/2), 'high'); % 6阶巴特沃斯高通滤波器设计

% 应用低通和高通滤波器
filtered_low = filter(b_low, a_low, data); % 低频分量
filtered_high = filter(b_high, a_high, data); % 高频分量

% 使用逆变换将低频和高频分量还原为语音信号
reconstructed_low = ifft(fftshift(fft(filtered_low))); % 还原低频分量
reconstructed_high = ifft(fftshift(fft(filtered_high))); % 还原高频分量

% 播放低频和高频分量重建的语音信号并与原始信号进行比较
sound(data, fs); % 播放原始语音信号
pause(duration + 1); % 等待播放完成

sound(real(reconstructed_low), fs); % 播放低频分量
pause(duration + 1); % 等待播放完成

sound(real(reconstructed_high), fs); % 播放高频分量
pause(duration + 1); % 等待播放完成

% 绘制重建信号的时域图像
figure;
subplot(2, 1, 1);
plot(time, real(reconstructed_low));
xlabel('时间 (秒)');
ylabel('幅度');
title('重建的低频分量时域图像');

subplot(2, 1, 2);
plot(time, real(reconstructed_high));
xlabel('时间 (秒)');
ylabel('幅度');
title('重建的高频分量时域图像');

三. 功能实现：

首先进行一段10秒钟的录音（可自行更改时间）

声音信号由系统麦克风进行采集（本实验采用周杰伦青花瓷副歌部分第一句）

采集后首先记录录制语音信号的时域图像和录制的信号频谱图

如下图所示：

随后对采集到的声音信号进行高低频分析，分析后得到重建的低频和高频分量时域图像

如下图所示：

后续测试了几组以高频为主和以低频为主的声音信号

高频（2500Hz以上逐步增高）：

低频（600Hz以下）：

课程实验，完成的可能并不是很理想，欢迎各位大佬指正。