kalman滤波的语音降噪matlab程序

clearclc;

[wave Fs]=audioread（‘cheese.wav‘）; 
%播放读入的数据
sound_1=wave（:1）;
%p = audioplayer（sound_1Fs）;
%play（p）;

figure（1）;
subplot（321）;
plot（wave）;
title（‘原始语音信号‘）;
xlabel（‘时间（s）‘）;
ylim（[-0.4 0.4]）;
subplot（322）;
y1=fft（wavelength（wave））;
plot（abs（y1））;
xlim（[0length（wave）/2]）;
ylim（[0 400]）;
title（‘原始语音信号频谱‘）;
xlabel（‘频率（Hz）‘）;
%————————————————加噪声后的信号————————————————
% a=0.08;%系数越小噪声越小，滤波效果越好
% noise=a*randn（size（sound_1））;
% wave_noise（:1）=sound_1+noise;%w;%声道1加入噪声信号
  
wave_noise（:1）=awgn（sound_1400）;      % 过高斯白噪声信道，snr（a）来衡量信道的信噪比

audiowrite（‘C:\Users\Administrator\Desktop\kalman\Gnoise.wav‘wave_noiseFs）;

figure（1）;
subplot（323）;
plot（wave_noise‘Color‘[1 0 0]）;
title（‘加高斯白噪声语音信号‘）;
xlabel（‘时间（s）‘）;
ylim（[-0.4 0.4]）;
subplot（324）;
y2=fft（wave_noiselength（wave_noise））;
plot（abs（y2）‘Color‘[1 0 0]）;
title（‘加高斯噪语音信号频谱‘）;
xlabel（‘频率（Hz）‘）;
xlim（[0length（wave）/2]）;
%————————卡尔曼滤波————————
N = length（wave_noise）;
sz = [N1];
z = wave_noise（:1）;    %测量中含有噪声

Q = 0.01;        		%过程激励噪声方差     
						%注意Q值得改变，修改代码不要改变z的值  
R = 22;         		%测量方差估计，可以改变它来看不