%%
%读入原始语音信号
%x:录音序列(左右声道)
%fs：采样率
%Nbits：采样深度
[x,fs,Nbits] =wavread('F:\work\Passive sonar\PASSIV_Algrothm\ddd.wav');
t=(0:length(x(:,1))-1)*(1/fs);
figure(1);
plot(t,x(:,1)); %做原始语音信号的时域图形
title('原始语音信号');
xlabel('time n');
ylabel('fuzhi n');
%%
%取出音频中的某一段做广义互相关,取1-1.5S间的数据
t1=find(t<=1.5 & t>=1.0);%find返回的是位置
x1 = x(min(t1):max(t1),1);
%t1=t1./fs;
%%
%再增加0.1s的延迟时间
t1_=(1:floor(0.1*fs));
x1_=zeros(1,length(t1_));
x1_=[x1_ x1'];
t1=(0:length(t1)-1)*(1/fs);
t1_ = (0:length(t1_)+length(t1)-1)*(1/fs);
figure(2);
subplot(3,1,1)
plot(t1,x1);
title('不加噪声时普通互相关');
subplot(3,1,2)
plot(t1_,x1_);
%%
%到此，得到的(t1,x1)和(t1_,x1_)分别模拟一段0.5秒的录音，其中(t1_,x1_)延迟了0.1ms
%%
%1.使用普通求互相关，不加噪声
cross1 = xcorr(x1_,x1);
N=max(length(x1),length(x1_))
t_cross1=(-(N-1):(N-1))*(1/fs);
subplot(3,1,3);
plot(t_cross1,cross1);
%%
%2.使用普通求互相关，信号加噪声
Noise_x1 = awgn(x1,40);
Noise_x1_ = awgn(x1_,20);
figure(3);
subplot(3,1,1)
plot(t1,Noise_x1);
title('SNR=20dB时普通互相关');
subplot(3,1,2)
plot(t1_,Noise_x1_);
Noise_cross1 = xcorr(Noise_x1_,Noise_x1);
subplot(3,1,3);
plot(t_cross1,Noise_cross1);
%%
%2.使用广义互相关，信号加噪声
G12=fft(Noise_cross1);
ff=(0:length(Noise_cross1)-1)*fs/length(Noise_cross1);
%使用PHAT加权
G12 = G12./abs(G12);
%取正半频谱做傅里叶反变换
%G12 = G12(1:floor(length(G12)/2)-1);
R12=ifft(G12);
figure(4);
plot(t_cross1,R12);
title('SNR=20dB时广义互相关');
评论0