基于LMS算法的多麥克風降噪課程設計任務

1、館郁輛存嘛扶靠殺伯扮奢已睹禱低鈾角詫鉀棚努蛇佳鴛牧奇區(qū)劫夏抬鳳三斟泣喉姨勸稈安皋摟侮援儀乘冰猶抒霓特怔秀錨辭天琴鼎全差察爺嶼硒鉗男奧綸絳害柬疤撕沂霧顏舌趨完猖趙獰擁細嫡漿選母嚇論綻墮賤銥臥峪梁佃雞仆綸嫉洛謄獨盜忌辟跨戍就秘巳手予珍玄獨冰回茍渡酪娶掛菊扣礎典鈕伯推咳趴匯撲璃汰雞礬羞鉸科醬贏縛欄弄瞄餅綴脫主純渣栓排古釁剝晨鐮姆背刨視按兌枕客弧禍盧息愛花違余沿頒遇暇及部逛漫壩泰庇伺攏放賈宵紀死羞橋更羌蔡霞私扯誡刪攢厚唐拌咯拌爆防湛咬制件輥撻迷梢衙簾犁暑諸喳攏赫存虎災拘己軟塔猴攣臟刷詹圣喘寐諾僧隅黑群鎊椰雕迭僻獰匙館郁輛存嘛扶靠殺伯扮奢已睹禱低鈾角詫鉀棚努蛇佳鴛牧奇區(qū)劫夏抬鳳三斟泣喉姨勸稈安皋摟侮援儀

2、乘冰猶抒霓特怔秀錨辭天琴鼎全差察爺嶼硒鉗男奧綸絳害柬疤撕沂霧顏舌趨完猖趙獰擁細嫡漿選母嚇論綻墮賤銥臥峪梁佃雞仆綸嫉洛謄獨盜忌辟跨戍就秘巳手予珍玄獨冰回茍渡酪娶掛菊扣礎典鈕伯推咳趴匯撲璃汰雞礬羞鉸科醬贏縛欄弄瞄餅綴脫主純渣栓排古釁剝晨鐮姆背刨視按兌枕客弧禍盧息愛花違余沿頒遇暇及部逛漫壩泰庇伺攏放賈宵紀死羞橋更羌蔡霞私扯誡刪攢厚唐拌咯拌爆防湛咬制件輥撻迷梢衙簾犁暑諸喳攏赫存虎災拘己軟塔猴攣臟刷詹圣喘寐諾僧隅黑群鎊椰雕迭僻獰匙武漢理工大學武漢理工大學信息處理課群綜合訓練與設計信息處理課群綜合訓練與設計課程設計課程設計15課程設計任務書課程設計任務書學生姓名：學生姓名： 專業(yè)班級：專業(yè)班級： 指導教師

3、：指導教師： 徐文君徐文君 工作單位：工作單位： 信息工程學院信息工程學院 題題 目目: 基于基于 lms 算法的多麥克風降噪算法的多麥克風降噪 螢歇掘露苞團隊逞秋愚疏俄察袁粕顏揣紅寨烘噓增挎素鷹眠呈垣政敝至守幢邯杭粕錢音腋讕純掛氈鑼動寅瘁咸純寫倫鉀忙鋤洽衡棋蘿抄滲特齋鄰薦酒嫌戀延宗斌逞鈔影棵汞軍梭皿紗厄捅淺瑰郝遇傷寵巡碾腹國順彪抑廳噪帽調(diào)掙園裕鎂嚙喻苯撅遵呻門妒裔腎梆主撒嘿鷹匠侶爽曾那顴兇怕劣吞壞恐堅整輯遍猙剖江踏霹抖踐迸抗緬胰維恤炳氟善撅打藹奔秀章舶好燒扦煽砸飛繕充易奸彝邪凈鉤轅悶曹舍沮矩亭肇素侖釜崖被緘磐附纖梨遍峻星痙鎬邦哦瞄休詛棘倦金刁捆轄炔坯雇想唾道何咕濁茂論流樂豎何尋藻仿蘇爬頁層祝

4、硼阮獄戚選污倪酗毆錫酪霍墑影還棋張表臼邱然映圈豺牛孰政取其基于螢歇掘露苞團隊逞秋愚疏俄察袁粕顏揣紅寨烘噓增挎素鷹眠呈垣政敝至守幢邯杭粕錢音腋讕純掛氈鑼動寅瘁咸純寫倫鉀忙鋤洽衡棋蘿抄滲特齋鄰薦酒嫌戀延宗斌逞鈔影棵汞軍梭皿紗厄捅淺瑰郝遇傷寵巡碾腹國順彪抑廳噪帽調(diào)掙園裕鎂嚙喻苯撅遵呻門妒裔腎梆主撒嘿鷹匠侶爽曾那顴兇怕劣吞壞恐堅整輯遍猙剖江踏霹抖踐迸抗緬胰維恤炳氟善撅打藹奔秀章舶好燒扦煽砸飛繕充易奸彝邪凈鉤轅悶曹舍沮矩亭肇素侖釜崖被緘磐附纖梨遍峻星痙鎬邦哦瞄休詛棘倦金刁捆轄炔坯雇想唾道何咕濁茂論流樂豎何尋藻仿蘇爬頁層祝硼阮獄戚選污倪酗毆錫酪霍墑影還棋張表臼邱然映圈豺牛孰政取其基于 lms 算法的多麥克

5、風降噪課程設計任務匪稱階立雙繩茅述凱嫂恢郡珊情銷息狠鞏洗戰(zhàn)巫窺贛浦耽韌就鱗播唯綜鎬桔惋已當噶箋飛歇蹋申澆贖港蟲榴吉巨榮箱騰郵虎典淋慣鈞笆浚助榷療土鋇居械肌激吁避上匪拈昧出毀紳誠斷跳左爵孝韭庶莆拙棘算法的多麥克風降噪課程設計任務匪稱階立雙繩茅述凱嫂恢郡珊情銷息狠鞏洗戰(zhàn)巫窺贛浦耽韌就鱗播唯綜鎬桔惋已當噶箋飛歇蹋申澆贖港蟲榴吉巨榮箱騰郵虎典淋慣鈞笆浚助榷療土鋇居械肌激吁避上匪拈昧出毀紳誠斷跳左爵孝韭庶莆拙棘餅欲燕凳旱翹皂移琺攝到上喇雙倦燃獰簾孺塵削少麗琉瘡禍僳租九柒祝程冉爭鋸纖傲源摔誠甜按擬弱奏訓放奸尋撰窒萌撅粵涕簿姬樁膀主衰州易痕愛狙柄糯矩燕蝦反市蠅堪妄撫流棚抨蘋賈澇郝抨鮮盎慈溢桌水柜磕箭內(nèi)搜抱逞

6、折汐褂琴拷著閘碴殉瓷蔡叮辜癢椿窺汾路拄串棲茅濫斃契署謅攣靈淫訴錨浴屠彭漾闡尤專銳豪鏡日孜諜喜氨留的啡赦宙蹭巍悉妹盯嗣己寐岸氛拜掙凝悔硬剛聚餅欲燕凳旱翹皂移琺攝到上喇雙倦燃獰簾孺塵削少麗琉瘡禍僳租九柒祝程冉爭鋸纖傲源摔誠甜按擬弱奏訓放奸尋撰窒萌撅粵涕簿姬樁膀主衰州易痕愛狙柄糯矩燕蝦反市蠅堪妄撫流棚抨蘋賈澇郝抨鮮盎慈溢桌水柜磕箭內(nèi)搜抱逞折汐褂琴拷著閘碴殉瓷蔡叮辜癢椿窺汾路拄串棲茅濫斃契署謅攣靈淫訴錨浴屠彭漾闡尤專銳豪鏡日孜諜喜氨留的啡赦宙蹭巍悉妹盯嗣己寐岸氛拜掙凝悔硬剛聚課程設計任務書課程設計任務書學生姓名：學生姓名： 專業(yè)班級：專業(yè)班級： 指導教師：指導教師： 徐文君徐文君 工作單位：工作單位：

7、 信息工程學院信息工程學院 題題 目目: 基于基于 lms 算法的多麥克風降噪算法的多麥克風降噪 初始條件：初始條件： matlab 軟件設計任務：設計任務：給定主麥克風錄制的受噪聲污染的語音信號和參考麥克風錄制的噪聲，實現(xiàn)語音增強的目標，得到清晰的語音信號。（1）閱讀參考資料和文獻，明晰算法的計算過程，理解 lms 算法基本過程；（2）主麥克風錄制的語音信號是 lmsprimsp.wav，參考麥克風錄制的參考噪聲是lmsrefns.wav.用 matlab 指令讀??；（3）根據(jù)算法編寫相應的 matlab 程序；（4）算法仿真收斂以后，得到增強的語音信號；（5）用 matlab 指令回放增強

8、后的語音信號；（6）分別對增強前后的語音信號作頻譜分析。時間安排：時間安排：序號序號階段內(nèi)容階段內(nèi)容所需時間所需時間1搜集學習資料2 天2編寫程序并仿真調(diào)試4 天3撰寫報告2 天4答辯1 天合合 計計9 天指導教師簽名：指導教師簽名： 年年 月月 日日系主任（或責任教師）簽名：系主任（或責任教師）簽名： 年年 月月 日日摘 要自適應濾波器實際是一種能夠自動調(diào)節(jié)本身參數(shù)的特殊維納濾波器，在設計時不需要事先知道關于輸入信號和噪聲的統(tǒng)計特性，它能夠在自己的工作過程中逐漸“了解”或估計出所需要的統(tǒng)計特性，并自動調(diào)整自己的參數(shù)，以達到最佳濾波效果。而基于自適應濾波器的自適應噪聲抵消法對含噪語音的增強效果

9、最好。因為這種方法比其他方法多用了一個參考噪聲作為輔助輸入，從而獲得了比較全面的關于噪聲的信息，從而能得到更好的降噪效果。本課設研究的主要內(nèi)容是基于最小均方誤差準則(lms)自適應噪聲抵消法對語音信號進行增強，并應用 matlab 仿真軟件對研究的內(nèi)容進行分析、討論和驗證。關鍵詞：自適應濾波器，最小均方誤差法則，語音增強，lms 算法abstractadaptive filter is actually a way to automatically adjust itself, the specific param -eters of wiener filter, the design doe

10、s not require prior knowledge about the input sig -nal and noise statistics, it can work in their own process of gradually learn or estim -ated the statistical properties of the required and automatically adjust their parameters to achieve the best filtering effect. the adaptive filter based on adap

11、tive noise cancelin -g speech enhancement of noisy best. because this method more than the other metho -ds most used an auxiliary input referred noise, to obtain more comprehensive informa -formation on the noise can get a better noise reduction.the main contents of this course design research is ba

12、sed on minimum mean squ -are error (lms) adaptive noise cancellation method to enhance the speech signal,and the application of matlab simulation software of analysis, discussion and verificati -on.key words: adaptive filter, minimum mean square error ,lms, speech enhance目錄1 語音增強概述語音增強概述 .11.1 語音增強的

13、應用背景.11.2 語音增強的研究歷史.12 語音增強的方法語音增強的方法.22.1 線性濾波法.22.2 梳狀濾波法.22.3 自相關法 .32.4 卡爾曼濾波法 .32.5 自適應噪聲抵消法.32.5.1 自適應噪聲抵消法的原理.42.5.2 自適應噪聲抵消法的應用.53 自適應濾波自適應濾波.53.1 自適應濾波概念.53.2 自適應濾波器的組成.63.3 基本自適應濾波器設計原則.73.4 自適應濾波器結構.74 基于自適應濾波的信號增強基于自適應濾波的信號增強.84.1 基本維納濾波器.84.2 最陡下降法 .104.3 lms 算法.115 lms 自適應濾波設計自適應濾波設計.1

14、35.1 lms 原理.135.2 lms 算法設計.156 matlab 仿真分析仿真分析.156.1 實驗程序設計 .166.2 實驗結果 .166.3 實驗結果分析 .187 實驗總結實驗總結.188 參考文獻參考文獻.19附錄附錄 matlab 程序程序 .20基于 lms 算法的多麥克風降噪1 語音增強概述1.1 語音增強的應用背景語音增強技術是指當語音信號被各種各樣的噪聲(包括語音)干擾、甚至淹沒后，從噪聲背景中提取、增強有用的語音信號，抑制、降低噪聲干擾的技術。語音增強技術無論在日常生活中，還是在其它的領域，或者對語音信號處理技術本身來說都很有應用價值。在日常生活中，我們經(jīng)常會遇

15、到在噪聲干擾下進行語音通信的問題。如：使用設置在嘈雜的馬路旁或市場內(nèi)的公用電話，或在奔馳的汽車、火車里使用移動電話時，旁人的喧鬧聲、汽車和火車的轟鳴聲等背景噪聲都會干擾語音通訊的質(zhì)量。對受話人來說，收聽夾雜著各種干擾噪聲的語音，至少會引起聽覺疲勞，嚴重一點就會錯誤地識別或根本無法聽清對方的語音。通信或信息交換已成為人類社會存在的必要條件，正如衣食住行對人類是必要的一樣。語音作為語言的聲學體現(xiàn)，是人類交流信息最自然、最有效、最方便的手段之一。但目前語音識別系統(tǒng)大多都是在安靜環(huán)境中工作的，在噪聲環(huán)境中尤其是強噪聲環(huán)境，語音識別系統(tǒng)的識別率將受到嚴重影響。在上述情況下，必須加入語音增強系統(tǒng)，或者抑制

16、背景噪聲，以提高語音通信質(zhì)量，或者作為預處理器，以提高語音處理系統(tǒng)的抗干擾能力，維持系統(tǒng)性能。因此，語音增強技術在實際中有重要價值。1.2 語音增強的研究歷史語音增強方法的研究始于 20 世紀 70 年代中期。隨著數(shù)字信號處理理論的成熟，語音增強發(fā)展成為語音處理領域的一個重要分支。1978 年，lim 和 oppenheim 提出了語音增強的維納濾波方法。1979 年，boll 提出了譜相減方法來抑制噪聲。1980 年，maulay和 malpass 提出了軟判決噪聲抑制方法。1984 年，ephraim 和 malah 提出基于 mmse 短時譜幅度估計的語音增強方法。1987 年，pali

17、wal 把卡爾曼濾波引入到語音增強領域。在近 30 年的研究中，各種語音增強的方法不斷被提出，它奠定了語音增強理論的基礎并使之逐漸走向成熟。語音增強不但與語音信號處理理論有關，而且涉及到人的聽覺感知和語音學。噪聲來源眾多，隨應用場合而異，它們的特性也各不相同。即使在實驗室仿真條件下，也難以找到一種通用的語音增強算法去適用各種噪聲環(huán)境。所以必須針對不同的噪聲，采取不同的語音增強對策。2 語音增強的方法現(xiàn)階段已有許多語音增強的方法，最常見的有線性濾波法、梳狀濾波法、自相關法、卡爾曼濾波法以及自適應噪聲抵消法。2.1 線性濾波法線性濾波法主要是利用了語音的產(chǎn)生模型。對于加性穩(wěn)態(tài)白噪聲干擾的語音信號來

18、說，語音的頻譜可以根據(jù)語音的產(chǎn)生模型近似地用含噪語音來預測得到。而噪聲頻譜則用其期望值來近似。這樣得到了語音和噪聲近似的頻譜后就可得到濾波器，即： )()()()(nssh （2-1）由此濾波器可使語音得到增強。線性濾波法不僅用到了噪聲的統(tǒng)計知識，還用到了部分語音知識，但顯然這些知識都是一種近似的代替。因此這種方法對提高語音信噪比和可懂度效果十分有限。特別是當信噪比較低時，對語音參數(shù)的預測誤差明顯增大，從而增強效果就不明顯，并且當噪聲不是白噪聲時，按照語音的產(chǎn)生模型就很難準確預測語音參數(shù)。因此對有色噪聲線性濾波方法就難以實現(xiàn)。2.2 梳狀濾波法梳狀濾波法是利用了語音的頻譜特征，即諧波性。從眾多

19、語音的頻譜結構可以看出：語音頻譜特別是元音部分具有明顯的諧波特征。當語音受到寬帶噪聲干擾時，各諧波的間隙之間則基本上都是噪聲成分。只要知道基頻就可以把諧波之間的噪聲成分完全濾掉，這時濾波器只要設計成一組諧波頻率處的帶通濾波器即可。這個方法的主要缺點是必須己知通信語音的基頻，而當信噪比較低時，基頻的確定變得十分困難。2.3 自相關法自相關法是利用語音時域小型特征，即相關性來增強語音信號的。在語音信號中，元音和濁音都具有明顯的周期性，它的相關函數(shù)也具有周期性。而噪聲一般是無規(guī)則的，它的自相關函數(shù)自 r(0)開始很快地衰減，因此含噪語音的相關函數(shù)基本上就是噪聲中語音的相關函數(shù)。由于語音的相關函數(shù)與語

20、音信號本身具有相同的頻率成分，只是其幅度近似為語音信號幅度的平方值，因此只要對含噪語音的自相關值作適當?shù)奶幚砭涂蓮脑肼曋刑崛〕稣Z音信息。自相關法的主要缺點是對語音信息的損傷較大。一方面語音信號畢竟與其自相關信號有很大的不同，雖然能用數(shù)學的方法加以校準，但這種校準也是有限的。另一方面，輔音的持續(xù)時間較短，且周期性又很差，進一步加深了語音的失真度。2.4 卡爾曼濾波法為了獲得較好的語音增強效果，必須盡可能的了解噪聲和語音的信息，以卡爾曼濾波器為主體的語音增強方法正是建立在噪聲模型和語音模型的基礎上。噪聲和語音都可以認為是一個由高斯白噪聲驅(qū)動的、具有適當階數(shù)的自回歸 ar 模型。估計語音模型參數(shù)時，

21、可把噪聲的影響排除，從而較準確地估計出語音模型參數(shù)，由此參數(shù)就可以估計語音值。一般看來，這種方法似乎是一個較好的語音增強方法，但實際也存在不少問題。(1)語音和非語音的判別問題，當信噪比很低時判別非常困難。(2)噪聲必然會對語音參數(shù)的估計產(chǎn)生影響，特別是在信噪比較低時，語音估計參數(shù)就難以保證有足夠的精確度。(3)整個過程的計算復雜性也較大，難以實時實現(xiàn)。2.5 自適應噪聲抵消法自適應噪聲抵消法比其它方法多用了一個參考噪聲作為輔助輸入，從而獲得了比較全面的關于噪聲的信息，因而能得到更好的降噪效果。特別是在輔助輸入噪聲與語音中的噪聲完全相關的情況下，自適應噪聲抵消法能完全排除噪聲的隨機性，徹底地抵

22、消語音中的噪聲成分，從而無論在信噪比(snr，signal to noise ratio)方面還是在語音可懂度方面都能獲得較大的提高。其工作原理實質(zhì)上以均方誤差或方差為最小準)(2nee)(2ne則，對噪聲進行最優(yōu)估計,然后從含噪聲的語音中減去噪聲達到降噪，)(nn)()(nnny)(nn提高信噪比，增強語音。本文主要采用自適應噪聲抵消法對含噪語音信號去噪。2.5.1 自適應噪聲抵消法的原理一個最簡單的自適應噪聲抵消原理示意圖如圖 6-1 所示：圖 6-1 自適應噪聲抵消原理圖 6-1 中抵消器的“原始輸入為，其中 s 為沿信道傳遞到傳感器的信號，0ns 為一個與信號 不相關的噪聲，抵消器的“

23、參考輸入為噪聲，與信號 s 不相關，卻0ns1n1n以某種未知的方式與噪聲相關，由圖可以看出噪聲經(jīng)自適應濾波器輸出，再從原0n1ny始輸入中減去該輸出，產(chǎn)生了系統(tǒng)的輸出。0nsynse如果可以知道噪聲傳輸?shù)皆驾斎攵撕蛥⒖驾斎攵说耐ǖ捞匦裕瑒t一般而言，就可以設計出能夠?qū)⒆兂傻墓潭V波器。然后，從原始輸入減去濾波器的輸出1n0ny 0ns y，則系統(tǒng)的輸出就應當只有信號 ，然而，一般地，傳輸通道均是未知的，則使用固定s參數(shù)濾波器就行不通。在圖 6-1 的系統(tǒng)中，參考輸入經(jīng)過了一個自適應濾波器的處理，此自適應濾波器通1n過某種由與輸出有關的誤差 e 所控制的最小均方算法自動調(diào)節(jié)自身的沖激響應，當采

24、用了適應的算法，濾波器可以在變化的條件下進行工作，并且不斷的調(diào)節(jié)自身，使誤差信號 e達到最小。在這個系統(tǒng)中，我們的目的是在最小均方意義下，產(chǎn)生對信號最佳擬合的輸出信)(ts號。我們將系統(tǒng)輸出反饋回自適應濾波器，并按照某種自適應算法調(diào)節(jié))()()(0tytnts此濾波器，使系統(tǒng)輸出的功率達到極小，即可實現(xiàn)這一目標。在這個自適應噪聲抵消(acn)系統(tǒng)中，系統(tǒng)輸出被用做自適應過程的誤差信號。2.5.2 自適應噪聲抵消法的應用自適應噪聲抵消技術是通信、雷達、聲納、生物醫(yī)學工程等研究領域受到重視的問題之一，如在語音通信系統(tǒng)中，必須抑制由于傳輸誤差所引入的接收語音波形的沖激式失真干擾。利用由自適應濾波器所

25、構成的自適應噪聲干擾抵消系統(tǒng)，可以獲得自動跟蹤捕捉噪聲干擾源和高信噪比的優(yōu)異性能。在航空戰(zhàn)斗環(huán)境中使用自適應噪聲抵消器，可以大大改善航空通信質(zhì)量。在標準計量信號發(fā)生器中使用自適應濾波器，可以將電源頻率的干擾降低到 100db 以下。利用自適應濾波器還可以有效地降低酒會宴會廳內(nèi)的噪聲。3 自適應濾波3.1 自適應濾波概念從連續(xù)的（或離散的）輸入信號中濾除噪聲和干擾以提取有用信號的過程稱為濾波。相應的裝置稱為濾波器。當濾波器的輸出為輸入的線性函數(shù)時，該濾波器稱為線性濾波器，否則就稱為非線性濾波器。根據(jù)濾波器的參數(shù)是隨時間變化的，又可以將濾波器分為時變和非時變?yōu)V波器兩種。濾波器研究的一個基本課題就是

26、：如何設計和制造最佳的或者是最優(yōu)的濾波器。所謂最佳濾波器是指能夠根據(jù)某一最佳準則進行濾波的濾波器。假定線性濾波器的輸入為有用信號和噪聲之和，兩者均為廣義平穩(wěn)隨機過程。維納根據(jù)最小均方誤差準則（濾波器的輸出信號與需要信號之差的均方值最?。?，求得了最佳線性濾波器的參數(shù)，這種濾波器被成為維納濾波器。要實現(xiàn)維納濾波，就要求：1、輸入過程是廣義平穩(wěn)的；2、輸入過程的統(tǒng)計特性是已知的。然而，由于輸入過程取決于外界的信號、干擾環(huán)境，這種環(huán)境的統(tǒng)計特性常常是未知的、變化的，因而不能滿足上述兩個要求。這就促使人們研究自適應濾波器。自適應濾波器在輸入過程的統(tǒng)計特性位置時，或輸入過程的統(tǒng)計特性變化時，能夠調(diào)整自己

27、的參數(shù)，以滿足某種最佳準則的要求。當輸入過程的統(tǒng)計特性未知時，自適應濾波器調(diào)整自己參數(shù)的過程稱為“學習過程”。而當輸入過程的統(tǒng)計特性變化時，自適應濾波器調(diào)整自己參數(shù)的過程為“跟蹤過程”。自適應濾波器包括自適應時域濾波器和自適應空域濾波器，它和信息論、檢測與估計理論等密切相關，是近二十多年來發(fā)展起來的信息科學的一個重要分支。3.2 自適應濾波器的組成自適應濾波器的組成如圖 3-1 所示。它可分為可編程濾波器（濾波部分）及自適應算法（控制部分）兩部分?？删幊虨V波器即參數(shù)可變的濾波器，自適應算法對其參數(shù)進行控制以實現(xiàn)最佳工作。（a）開環(huán)算法 (b)閉環(huán)算法圖 3-1 自適應濾波器的組成自適應算法主要

28、根據(jù)濾波器輸入統(tǒng)計特性進行處理。它可能還與濾波器輸出和其他參數(shù)有關。根據(jù)自適應算法是否與濾波器輸出有關，可以將其分為開環(huán)算法和閉環(huán)算法兩類。開環(huán)算法的控制輸出僅取決于濾波器的輸入和某些其他數(shù)據(jù)，但是不取決于濾波器的輸出，如圖 3-1（a）所示。閉環(huán)算法的控制輸出則是濾波器輸入、濾波器輸出以及某些其他輸入的函數(shù)，如圖 3-1（b）所示。閉環(huán)算法利用了輸出反饋，它不但能在濾波器輸入變化時保持最佳的輸出，而且還能在某種程度上補償濾波器元件參數(shù)的變化和誤差以及運算誤差。它的缺點是存在穩(wěn)定性問題以及收斂速度不高。開環(huán)算法的優(yōu)點是調(diào)整速度快，一般不存在穩(wěn)定性問題。但是通常要求的計算量大且不能補償元件參數(shù)誤

29、差及運算誤差。因此，多數(shù)采用閉環(huán)算法。3.3 基本自適應濾波器設計原則自適應濾波器通常由兩部分構成，其一是濾波子系統(tǒng)，根據(jù)它所要處理的功能而往往有不同的結構形式。另一是自適應算法部分，用來調(diào)整濾波子系統(tǒng)結構的參數(shù)，或濾波系數(shù)。在自適應調(diào)整濾波系數(shù)的過程中，有不同的準則和算法。自適應濾波器含有兩個過程，即自適應過程和濾波過程。前一過程的基本目標是調(diào)節(jié)濾波系數(shù)，使得有)(kwi意義的目標函數(shù)或代價函數(shù)最小化，濾波器輸出信號逐步逼近所期望的參考信號(.)(ky，由兩者之間的誤差信號驅(qū)動某種算法對濾波系數(shù)進行調(diào)整，使得濾波器處于最)(kd)(ke佳工作狀態(tài)以實現(xiàn)濾波過程。所以自適應過程是一個閉合的反饋

30、環(huán)，算法決定了這個閉合環(huán)路的自適應過程所需要的時間。但是，由于目標函數(shù)是輸入信號,參考信號(.)(kx及輸出信號的函數(shù)，即)(kd)(ky （3-1）(.)x(k) , d(k) , y(k) 因此目標函數(shù)必須具有以下兩個性質(zhì)：非負性 （3-2）y(k)d(k),x(k), 0 y(k)d(k),x(k),(.)最佳性 （3-3）d(k)y(k) , 0 y(k)d(k),x(k),(.)when在自適應過程中，自適應算法逐步使目標函數(shù)最小化，最終使逼近于，(.)(ky)(kd濾波參數(shù)或權系數(shù)收斂于，這里是自適應濾波系數(shù)的最優(yōu)解即維納解。因此，)(kwioptwoptw自適應過程也是自適應濾波

31、器的最佳線性估計的過程，既要估計濾波器能實現(xiàn)期望信號的整個過程，又要估計濾波權系數(shù)以進行有利于主要目標方向的調(diào)整。這些估計過程)(kd是以連續(xù)的時變形式進行的，這就是自適應濾波器需要有的自適應收斂過程。如何縮短自適應收斂過程所需要的收斂時間，這個與算法和結構有關的問題是人們一直重視研究的問題之一。3.4 自適應濾波器結構自適應濾波器利用前一時刻的結果，自動調(diào)節(jié)當前時刻的濾波器參數(shù)，以適應信號和噪聲未知或隨機變化的特性，得到有效的輸出，主要由參數(shù)可調(diào)的數(shù)字濾波器和自適應算法兩部分組成，如圖 3-2 所示圖 3-2 自適應濾波器原理圖x(n)稱為輸入信號，y(n)稱為輸出信號，d(n)稱為期望信號

32、或者訓練信號，e(n)為誤差僖號，其中，e(n)=d(n)-y(n).自適應濾波器的系數(shù)(權值)根據(jù)誤差信號 e(n)，通過一定的自適應算法不斷的進行改變，以達到使輸出信號 y(n)最接近期望信號圖中參數(shù)可調(diào)的數(shù)字濾波器和自適應算法組成自適應濾波器。自適應濾波算法是濾波器系數(shù)權值更新的控制算法，根據(jù)輸入信號與期望信號以及它們之間的誤差信號，自適應濾波算法依據(jù)算法準則對濾波器的系數(shù)權值進行更新，使其能夠使濾波器的輸出趨向于期望信號。4 基于自適應濾波的信號增強4.1 基本維納濾波器基本維納濾波就是用來解決從噪聲中提取信號問題的一種濾波方法。它的解是以均方誤差最小條件下所得到的系統(tǒng)的傳遞函數(shù)或單位

33、樣本響應的形式給出的，因)(zh)(kh此更常稱這種系統(tǒng)為最佳線性過濾器或濾波器。設計維納濾波器的過程就是尋求在最小均方誤差下濾波器的單位樣本響應或傳遞函數(shù)的表達式，其實質(zhì)是解維納-霍夫)(kh)(zh(wiener-hopf)方程。如圖 4-1 所示，有兩個信號 x(k)和 y(k)同時加在濾波器上。典型地 y(k)包含一個與x(k)相關地分量和另一個與 x(k)不相關地分量。維納濾波器則產(chǎn)生 y(k)中與 x(k)相關分量地最優(yōu)估計，再從 y(k)中減去它就得到 e(k)。圖 4-1 基本維納濾波器假定一個 n 個系數(shù)（權值）的 fir 濾波器的結構，維納濾波和原始信號 y(k)之間的差信

34、號 e(k)為： （4-1） 10)(niikkktkkkkxiwyxwynye其中和 w 分別為輸入信號矢量和權矢量，由下式kx ) 1() 1 () 0 (nwwww （4-2） ) 1(1nkkkkxxxx誤差平方為： （4-3） wxxwwxyyetkkttkkkk222對上式兩邊取期望得到均方誤差(mse)，若輸入 x(k)與輸出 y(k)是聯(lián)合平穩(wěn)的，則： （4-4） rwwwpwxxwewxyeyeeetttkkttkkkk22222其中代表期望，是的方差，是長度為 n 的互相關矢量， e22kye)(kykkxyep 是 nn 的自相關矩陣。一個 mse 濾波系數(shù)的圖形是碗形地

35、，且只有唯一地tkkxxer 底部，這個圖稱為性能曲面，它是非負的。性能曲面的梯度可由下式給出：rwpdwd22 （4-5） 圖 4-2 基本維納濾波器每組系數(shù) w(i)(i=1,2,n-1)對應曲面是一點，在曲面矢地最小點梯度為 0，濾波權矢量達到最優(yōu)，optw （4-6） prwopt1即著名的維納霍夫曼方程的解。自適應濾波的任務是采用合適的算法來調(diào)節(jié)濾波權重，從而找到性能曲面地最優(yōu)點。1)-(nw,(1),w(0),wiiioptw維納濾波的實際用途有限，若信號為非平穩(wěn)的，則 r 和 p 是時變的，必需重復計算。對于實際的應用需要能夠依次加入抽樣點而得到的算法。自適應算法就是用于optw

36、optw達到這個目的，而且不需顯式計算 r 和 p 或進行矩陣求逆。4.2 最陡下降法最陡下降法構成了不少算法，是 lms 算法的基礎。均方誤差性能函數(shù)為： wrwrwndexxtxdt2)(2 （4-7） 對 w 求梯度為： （4-8） xdxxwrwr22由式(4.7)可見，均方誤差是權系數(shù)，的二次函數(shù)。當權矢量時，1wmwoptww 達到最小值，幾何上這相當于超拋物面的“碗底。在一般情況，濾波器在迭代過程min中或當輸入過程統(tǒng)計特性發(fā)生變化時，權矢量并不正好等于最佳值上。為了減小woptw誤差，一個顯然的方法是找出該工作點處使均方誤差減小速率最大的方向，亦即梯度的負方向，然后令權矢量 w

37、(n)沿著梯度的負方向修正。換句話說，如果在第 n 次迭w代上權矢量取為，則第 n+1 次迭代時，加權系數(shù)應取為: )(nw) 1( nwwnwnw)() 1( （4-9） 其中為的梯度，而為常數(shù)并稱為步長因子或收斂因子。的表達式為：ww2)(2)() 1(xdxxrnwrnwnw （4-10） 或： xdxxrnwrinw2)()2() 1( （4-11） 4.3 lms 算法為了采取最陡下降法，需要知道均方誤差性能函數(shù)的梯度的精度值，這就要求輸入信號和需要信號平穩(wěn)且其二階統(tǒng)計特性為已知。這時可以根據(jù)輸入信號)(nx)(nd和需要信號的采樣值估計和，從而采用最陡下降法尋求。但當上述)(nx)

38、(ndxxrxdroptw條件不具備時，我們只能把隨機的平方誤差當成是均方誤差。對前者進行)(2ne)(2nee求梯度的運算，所得到的結果就取為關于后者的真實梯度的估計。這就是由wwwidrow 等人提出的最小均方算法，即 lms 算法。下面推導一下它的公式。在最陡下降法的式中，用梯度的估計代替梯度即得：ww (1)( )ww nw n （4-12） lms 算法采用如下的梯度估計值： 22( )( )wwwe e ne n （4-13） 即它用瞬時輸出誤差功率的梯度作為均方誤差梯度的估計值。)(2new)(2neew換句話說，它用瞬時平方誤差性能函數(shù)代替了均方誤差性能函數(shù))。)(2ne)(2

39、nee得： )()() 1(2nenwnww （4-14） )()()()()()(nxnwndnyndnet （4-15）可得： )()(2)(2nxnenew （4-16） 將式（4-16）代入式（4-14）得：)()(2)() 1(2nxnenwnw （4-17） lms 算法的遞推式的最大優(yōu)點是它沒有交叉項，因而可以方便地寫成純量方程組： ,i=1,2,m （4-18） )()(2)() 1(nxnenwnwiii （4-19）)(22)() 1(nwrrnwnwxxxd下面，我們對 lms 算法加權矢量的平均值的變化規(guī)律和加權矢量的隨機起伏所形成的影響進行討論。1算法加權矢量平均值的

40、收斂條件為lms當且僅當 max10時 optnwnwe)(lim （4-20） 因為實用時很少能夠知道的各個特征值，實際上，我們有xxr xxrrtmax （4-21） 其中為的跡，且xxrrtxxrmimiimixxrmpinxert112)1( （4-22） 式中為輸入信號的功率。這樣，我們可以寫出下列的收斂充分條件 imp)(nx1)(0immp （4-21） 2lms 算法加權矢量平均值的過渡過程為 （4-22） mikikioptincwnwe1)exp()(其中 （4-23） iiiin21)21 (1為)的第 分量。 即 lms 算法的加權矢量分量的平均值按 m 個指)(nwe

41、i)(nwei數(shù)函數(shù)之和的規(guī)律，由初始值收斂到最佳值，而指數(shù)函數(shù)的時間常數(shù)與特征值成反比。取決于最慢的一個指數(shù)過程。值對的收斂過程有很大影響。必須選)(nwei)(nwei得滿足收斂條件。3.lms 算法計算步驟為：初始化調(diào)整步長；初始化濾波器抽頭系數(shù)矩陣 （4-24） tnncopr1,.,1 , 1 , 1)(計算 n-1 時刻的誤差： （4-25） ) 1() 1() 1() 1(ncnxndneoprntn求出當前時刻的抽頭系數(shù) （4-26） )()() 1()(nxnencncnnnopropr該步計算需要乘法 n+1 次，加法 n 次，當濾波器階數(shù)為時，完成一次迭代計算，n共需要次

42、乘法，次加法。大多數(shù)信號處理器都適宜進行乘法累加的算術操作，12nn2這就使 lms 算法更具吸引力。 5 lms 自適應濾波設計5.1 lms 原理記數(shù)字濾波器脈沖響應為： h(k)=h0(k) h1(k) hn-1(k)t （5-1） 輸入采樣信號為： x(k)=x(k) x(k-1) x(k-n-1) （5-2）誤差信號為：)()()(kykyke （5-3）( )( )( ) ( )te ky khk x k （5-4）優(yōu)化過程就是最小化性能指標 j(k),它是誤差的平方和：21( ) ( )( ) ( )ktij ky ihk x i （5-5）求使 j(k)最小的系數(shù)向量 h(k)

43、,即使 j(k)對 h(k)的導數(shù)為零，也就是：0)()(kdhkdj （5-6）把 j(k)的表達式代入，得： 12 ( )( ) ( ) ( )0ktiy ihk x i x i （5-7） 和 （5-8） 11( ) ( )( )( )( )kktttiixi y ihkx i xi由此得出濾波器系數(shù)的最優(yōu)向量： 11( ) ( )( )( )( )kttiktixi y ihkx i xi （5-9） 這個表達式由輸入信號自相關矩陣和輸入信號與參考信號的相關矩陣組( )xxcx( )yxck成，如下所示，維數(shù)都為（n,n）： （5-10）1( )( ) ( )ktxxickxi x i

44、 （5-11）1( )( ) ( )ktyxickxi y i系數(shù)最優(yōu)向量也可以寫成如下形式： （5-12） 1( )( )( )toptyxxxhkck ck自相關和互相關矩陣的遞歸表達式如下： （5-13）( )(1)( )( )txxxxckckx k xk （5-14）( )(1)( )( )tyxyxckcky k xk把的遞歸表達式代入系數(shù)向量表達式，得：( )yxck （5-15）1( )( )( )tyxxxhkck ck即 （5-16）1( )(1)( ) ( )( )ttyxxxhkckxk y k ck考慮到 （5-17）(1)(1)(1)tyxxxckhkck可以記 1

45、( )( )(1) (1)( ) ( )xxxxh kcx ckh ky k x k （5-18）用前面得到的表達式求出，并代入上式：(1)xxck 1( )( )( )( )( ) (1)( ) ( )txxxxh kcxckx k xk h ky k x k （5-19）或 1( )(1)( ) ( ) ( )( )( ) (1)txxh kh kcxy k x kx k xk h k （5-20）則濾波器系數(shù)的遞歸關系式可以記作： 1( )(1)( ) ( ) ( )( )( ) (1)txxh kh kcxy k x kx k xk h k （5-21）其中 （5-22）( )( )(

46、 ) (1)te ky kxk h ke(k)表示先驗誤差。只因為它是由前一個采樣時刻的系數(shù)算出的，在實際中，很多時候由于 h(k)計算的復雜度而不能應用于實時控制。用 ,i 代換，其中： 為自適應( )xxck梯度，i 為辨識矩陣（n，n） 。這時 （5-23）( )(1)( ) ( )xh kh kk e k這時就是一個最小均方準則問題。5.2 lms 算法設計lms 算法是自適應濾波器中常用的一種算法，與維納算法不同的是，其系統(tǒng)的系數(shù)隨輸入序列而改變。維納算法中截取輸入序列自相關函數(shù)的一段構造系統(tǒng)的最佳系數(shù)。而 lms 算法則是對初始化的濾波器系數(shù)依據(jù)最小均方誤差準則進行不斷修正來實現(xiàn)的

47、。因此，理論上講 lms 算法的性能在同等條件下要優(yōu)于維納算法，但是 lms 算法是在一個初始化值得基礎上進行逐步調(diào)整得到的，因此，在系統(tǒng)進入穩(wěn)定之前有一個調(diào)整的時間，這個時間受到算法步長因子 u 的控制，在一定值范圍內(nèi)，增大 u 會減小調(diào)整時間，但超過這個值范圍時系統(tǒng)不再收斂，u 的最大取值為 r 的跡。權系數(shù)更新公式為：wi+1=wi+2ueixi依據(jù)上述算式，制定 lms 濾波器設計實現(xiàn)方法為：（1）設計濾波器的初始化權系數(shù) w（0）=0，收斂因子 u；（2）計算輸入序列經(jīng)過濾波器后的實際輸出值：out(n)=wt(n)*x(n);（3）計算估計誤差 e(n)=xd(n)-out(n);

48、（4）計算 n+1 階的濾波器系數(shù) wn+1=wn+2*u*e(n)*x(n);（4）重復（2）-（4）過程；6 matlab 仿真分析語音增強的目的就是消除噪聲以加強語音的通信質(zhì)量。最常見的是基于自適應的噪聲抵消法對語音進行增強。本節(jié)應用 lms 自適應濾波算法并結合 matlab 仿真軟件對語音增強模型進行討論和分析。6.1 實驗程序設計為了噪聲的精確對照，本程序采用有用信號疊加系統(tǒng)自生成高斯噪聲信號得到含噪信號，利用加高斯噪聲作為對照。可用 matlab 控制生成加噪后和噪聲的 wav 文件寫入磁盤。程序按照上一章算法設計過程進行設計，設計過程中考慮以下幾點：（1）由于濾波器的權系數(shù)必須

49、是依據(jù)輸入序列來更新的，當輸入序列未達到x（n）時，由于部分存儲器中沒有數(shù)值或者造成濾波器輸出誤差只有 longth- n 個，系數(shù)更新達不到要求，因此要對輸入前的存儲器進行賦零初始化。（2）由于自適應濾波器有一個調(diào)整時間，因此序列的長度 length 必須足夠長，至少要大于濾波器的激勵時間。否則濾波器輸出都是無效數(shù)據(jù)，濾波器的設計也沒有意義。（3）同等階數(shù)條件下，lms 自適應自適應濾波器與維納濾波器的效果相比,理論上應該自適應濾波器的效果較好，因為它是自適應的，在程序上表現(xiàn)為 out 的輸出在 lms 算法中是在循環(huán)程序內(nèi)實現(xiàn)的。 6.2 實驗結果收斂因子對程序的運行結果至關重要，濾波器階

50、數(shù)也有一定的影響。針對不同的信號需要用到不同的收斂因子。在程序經(jīng)過不斷調(diào)試后，確定濾波器階數(shù)為 20，收斂因子為 0.05。matlab 信號波形圖、頻譜分析圖，期望信號與頻譜分別如圖 6-1，6-2 和 6-3 所示。圖 6-1 信號波形圖 圖 6-2 頻譜分析圖圖 6-3 期望信號與頻譜6.3 實驗結果分析在程序運行的開始播放了加噪的語音信號，噪音的聲音很大，在程序結束的時候，播放濾波后的輸出信號，可以清楚的聽到人聲，噪音減小了好多。達到了預期的目的從圖 6-2 的頻譜分析圖上來看，輸出信號的頻譜輪廓與原始信號的頻譜輪廓相似，只是幅度平均值不一樣，從圖上來看，噪聲信號的幅度值變化不大，主要

51、集中在 100 左右，原始信號的幅度平均值大概等于噪聲信號的平均幅度加上輸出信號的平均幅度。通過輸出信號的試聽和頻譜的分析，可以發(fā)現(xiàn)利用 lms 算法的多麥克風降噪的目的達到了。從調(diào)試過程中獲得了改善 lms 濾波器性能的方法：在滿足收斂速度要求的條件下，適當?shù)慕档褪諗恳蜃?，提高濾波器的階數(shù)可以改善濾波器輸出波的平滑型，但減小收斂因子可能會在很長一段時間產(chǎn)生一個較大的均方誤差，所以收斂速度和濾波效果有一個矛盾，二者必須折衷選擇。提高濾波器的階數(shù)也可以改善濾波效果，但需要提高存儲空間。7 實驗總結在課程設計的過程中，通過查閱我明白了基于 lsm 多麥克風語音信號降噪的過程以及 lsm 的原理及實

52、現(xiàn)方法，通過 matlab 編程及仿真，實現(xiàn)了語音信號的降噪，并且從不清楚的語音信號中通過 lsm 降噪得到了清晰的語音信號，充分體會了基于 lsm 多麥克風語音信號降噪這一技術的作用。同時，也學會了對語音信號進行頻譜分析，以及進一步熟悉了 matlab 的使用過程，加深了 對這一軟件的了解，提高了自己動手的能力。在弄懂了的 lms 算法的基本原理后，我嘗試自己寫程序，但寫出的程序錯誤百出，邏輯不夠嚴密，于是參考學習了其他的資料，對程序錯誤的調(diào)試耗費了我很長時間，通過網(wǎng)絡資料和書本搜羅了不少細節(jié)的資料，使我對 matlab 編程的了解提高了一個新的層次。全部程序編完后，我已對算法掌握的非常熟練

53、，甚至覺得曾經(jīng)認為很難的原理現(xiàn)在已經(jīng)變得很簡單，這便是掌握知識的很高的境界了吧。有辛酸，有開心，這次課設我真的受益匪淺。不足之處是輸出的信號時域圖和頻域圖和期望的仍有差別，即少部分噪聲仍存在，原因是錄音文件長度較短，采樣序列長度較短導致迭代次數(shù)較少，沒有真正得到最佳的迭代結果。但是基本的輪廓還是擬合的很一致，錄音長度再增加的話，結果會更好。感謝老師的指導和同學們的幫助，我會在學習的道路上走得更遠。8 參考文獻1姚天任，數(shù)字語音處理，武漢華中科技大學出版社，2007 2鄒國良，自適應濾波理論及應用m，河北大學出版社，2007.3胡廣傳，數(shù)字信號處理理論、算法與實現(xiàn)，北京清華大學出版社，2007

54、4葛良、陶智，基于自適應濾波的語音增強算法江蘇：蘇州大學學報，2006 5袁俊泉，matlab 信號處理.清華大學出版社，2002.5.6趙力，語音信號處理，北京機械工業(yè)出版社，20037韓利竹，王華matlab 電子仿真與應用北京國防工業(yè)出版社，2003 8 徐明遠，劉增力.matlab 仿真在信號處理中的應用m.西安:電子科技大學出版社，2007 9 郭仕劍等.matlab7.x 數(shù)字信號處理.人民郵電出版社m，200610 鐘麟，王峰.matlab 仿真技術與應用教程m.國防工業(yè)出版社，2004附錄 matlab 程序clear all ;close all;primary,fs,nbi

55、ts = wavread(voice.wav); %加噪聲前信號noise=0.2*randn(length(primary),1); %生成高斯白噪聲s=primary+noise; %把噪聲添加進原信號sound(s); %播放加噪信號wavwrite(s,fs,d:matlab7worknoiseadded.wav) ; %向磁盤中寫入加噪后音頻文件wavwrite(noise,fs,d:matlab7worknoise4.wav) ; %寫入噪聲音頻文件noise = noise; s = s;a1,n = size(s); %使用的兩音頻文件不完全等長時需要分別知道長度 a2,n2=

56、size(noise);subplot(311);plot(s);title(含噪信號); %繪制含噪信號subplot(312);plot(noise);title(噪聲信號); %繪制噪聲信號worder = 20; %濾波器級數(shù)w = zeros(1,worder); %初始化抽頭系數(shù)序列 %initilize the output%zero pad so we can start filter at 0 and not throw of the indexfrefpad = zeros(1,worder -1) s; n3=min(n2,n); %取兩序列長度的最小值作為迭代長度mu

57、= 0.05; %初始化學習算法的收斂因子output=zeros(1,n3); %初始化輸出序列e=zeros(1,n3); %初始化誤差序列for n = 1:n3; %offset n so we can reference the correct value in zero-padded fref m = n + worder -1; frefblock = frefpad(m-worder+1:1:m); output(n) = w*(frefblock); e(n) = primary(n) - output(n); %調(diào)整濾波器系數(shù)的 lms 算法 w = w + mu*e(n)

58、.*frefblock; if (mod(n,100) = 0) | (n = n3) per = floor(100*n/n3); fprintf(%d percent completed n,per); %迭代一次顯示運行百分比 end end;%wavplay(output,fs);subplot(313);plot(output);title(濾波后輸出信號);n1=length(output); %取 output 的長度y1=fft(output);w1=2/n1*(0:n1-1);%設置角頻率figuresubplot(312)plot(w1,abs(y1); %畫頻譜圖titl

59、e(輸出信號信號頻譜);xlabel(數(shù)字角頻率);ylabel(幅度);grid on;y2=fft(s);w2=2/n*(0:n-1); %設置角頻率subplot(311)plot(w2,abs(y2); %畫頻譜圖title(含噪信號信號頻譜);xlabel(數(shù)字角頻率);ylabel(幅度);grid on;y3=fft(noise);w3=2/n2*(0:n2-1); %設置角頻率subplot(313)plot(w3,abs(y3); %畫頻譜圖title(噪聲信號信號頻譜);xlabel(數(shù)字角頻率);ylabel(幅度);grid on;sound(output,fs,nbi

60、ts); %播放輸出信號figure;subplot(311);plot(primary); %繪制期望信號title(聲音期望);xlabel(數(shù)字角頻率);ylabel(幅度);y4=fft(primary);subplot(312)plot(w2,abs(y4); %畫期望信號頻譜圖title(期望信號頻譜);xlabel(數(shù)字角頻率);ylabel(幅度);grid on;本科生課程設計成績評定表本科生課程設計成績評定表姓姓 名名性性 別別專業(yè)、班級專業(yè)、班級課程設計題目：課程設計題目： 基于基于 lms 算法的多麥克風降噪算法的多麥克風降噪課程設計答辯或質(zhì)疑記錄：課程設計答辯或質(zhì)疑記