基于MATLAB的声信号采集与频谱谱分析设计论文答辩.ppt

本文介绍了基于MATLAB的声信号采集与谱分析的设计过程，在阐述频率分析及功率谱估计原理的基础上，分析了经典功率谱估计和现代功率谱估计的两大类算法，主要采用了经典功率谱估计的周期法，间接法和改进的周期法及现代功率谱估计的AR模型参数法对声信号进行谱分析，并通过大量试验对各种算法进行验证对比。该设计利用串口将采集到的声信号上传，并在MATLAB环境下进行谱分析。
声
传
感
器本次设计采用的波特率是115200bps，无校验，8个
数据位，1个停止位。下图是显示串口调试的界面。在本次设计中要求对从串口接收的数据进行谱分析，由于MATLAB软件相对其他软件具有许多优点，例如：语言简洁紧凑，使用方便灵活，库函数极其丰富，拥有功能强劲的工具箱等，所以本设计选择MATLAB软件进行谱分析。
经典功率谱估计周期图法是把随机序列y（n）的N个观测数据视为一个能量有限的序列，直接计算y（n）的离散傅立叶变换得Y（k），然后再取其幅值的平方，并除以N，作为序列y（n）真实功率谱的估计。
间接法先由序列x（n）估计出自相关函数R（n），然后R（n）进行傅立叶变换，便得到x（n）的功率谱估计。
Bartlett平均周期图法将具有N个观测点的可用样本分成L=N/M个子样本，每个子样本有M个观测点，然后在每个w值上对所有子样本的周期图进行平均，一次来减小周期图中较大的波动
Welch平滑平均周期图法方法综合了Bartlett改进周期图法的优点，是通过先对数据分段加窗处理，然后再求平均的方法进行的。现代功率谱估计即参数谱估计方法是通过观测数据估计参数模型再按照求参数模型输出功率的方法估计信号功率谱。主要是针对经典谱估计的分辨率低和方差性能不好等问题提出的。主要方法有最大的谱分析法(AR模型法)、Pisarenko谐波分解法、Prony提取极点法、Prony谱线分解法以及Capon最大似然法等。其中AR模型由线性方程描述，而MA和ARMA模型则由非线性方程描述。由于MA和ARMA模型均可用高阶的AR模型来近似，本文使用的是AR参数模型。
AR模型的物理意义是认为序列y(n)是白噪声作用于线性时不变系统时的系统响应。本设计中采用AR模型的协方差算法，自相关算法，Burg算法。
几种现代功率谱估计的实验仿真仿真结果直观地说明了自相关算法、Burg算法和改进协方差算法各自的优缺点。对相隔仅有5HZ的2个混合信号进行谱估计时，自相关法不容易看出其频率成份，而Burg算法和改进协方差算法提高了参数估计的精度和频率分辨率。而Burg方法，用其进行功率谱估计时令前后向预测误差功率之和最小，即对，前后都不加窗，Burg算法是建立在数据基础之上的，避免了先计算自相关函数从而提高计算速度，计算不太复杂，分辨率优于自相关法。

MATLAB提供了一套可视化的创建图形窗口的工具，使用用户界面开发环境可方便的创建GUI应用程序，它可以根据用户设计的GUI布局，自动生成M文件的框架，用户使用这一框架编制自己的应用程序。图形用户界面就是通过窗口、选单、按钮、文字说明等对象构成一个美观的界面，用户利用鼠标或键盘可以方便地实现操作。本设计中用户界面，大体分为信号输入模块，原始信号显示模块，频谱分析模块，经典谱分析模块和现代谱分析模块四部分。经典谱分析模块包含直接法、间接法、Welch法和Bartlett法四个小模块。现代谱分析模块则包括Burg法和自相关法两个小模块。
根据不同的信号来源，界面主要采用两种不同输入方式。一种信号来源是由串口实时采集到的信号，把该信号作为一种输入方式。然后点击打开串口，其次点击频谱分析按钮，坐标轴会显示信号的幅度谱。最后就是功率谱分析部分，串口开始读取数据同时把数据保存在D盘下的一个文件中。接着关闭串口，点击打开按钮，即可读回由串口实时采集到的声信号数据。打开文件的同时首先在坐标轴中会显示原始信号波形。其次点击频谱分析按钮，坐标轴会显示信号的幅度谱。最后就是功率谱分析部分。
另一种信号来源是打开mat文件中已存的两个不同频率叠加的声音信号，把该信号作为一种输入方式。然后点打开按钮，在打开文件名的同时首先会在坐标轴中显示原始信号波形。其他的操作如上第一种方式。输入信号为串口接收的数据界面输入信号为mat文件已存的数据通过实验仿真可以直观地看出以下特性：
（1）经典功率谱估计中的周期图法所得到的结果特点是离散性大，曲线粗糙，方差较大，但是分辨率较高。
（2）Bartlett平均周期图法和Welch平滑平均周期图法的收敛性较好，曲线平滑，估计的结果方差较小，但是功率谱主瓣较宽，分辨率低。这是由于对随机序列的分段处理引起了长度有限所带来的Gibbs现象而造成的。
（3）与Bartlett法相比，Welch法的估计曲线比较粗糙，但是分辨率较好，原因是Welch法中对数