dsp綜合實驗lms的自適應(yīng)濾波器

1、實 驗 報 告課程名稱：數(shù)字信號處理實驗任課教師： 周浩 實驗名稱：濾除音頻信號中的高斯噪聲信號 年級、專業(yè)： 08級通信工程 學(xué) 號： 20081 姓 名： 日期： 2010 年 月日云南大學(xué) 信息學(xué)院一、實驗?zāi)康?. 了解MATLAB在設(shè)計濾波器中強大的功能，無論在程序，還是仿真。2. 了解高斯白噪聲的濾除以及算法，設(shè)計出自適應(yīng)濾波器。二、實驗內(nèi)容1. 濾除含有高斯噪聲的音頻信號的噪聲信號，并達到一定的效果。設(shè)計出自適應(yīng)濾波器。三、主要算法與程序高斯噪聲的頻譜是無限長的，因此用低通濾波器濾出來的效果并不好，因此我們必須使用另外一種濾波器自適應(yīng)濾波器。自適應(yīng)濾波器與普通濾波器的區(qū)別是它能夠隨

2、著外界信號特性動態(tài)的改變單數(shù)，保持最佳濾波狀態(tài)，如何根據(jù)外界信號的變化來調(diào)整參數(shù)是由自適應(yīng)算法決定的，因此自適應(yīng)算法的好壞直接影響濾波的效果。自適應(yīng)濾波器中有使用lms算法的，LMS算法是利用梯度估計值來代替帝都向量的一種快速搜索算法，具有量小、易實現(xiàn)的優(yōu)點；其基本思想是通過調(diào)整濾波器的權(quán)值參數(shù)，是濾波器的輸出信號與期望信號之間的均方誤差最小。 自適應(yīng)濾波一般包括2個基本過程：濾波過程和濾波器參數(shù)調(diào)整過程。這2個過程組成1個反饋環(huán)。在設(shè)計的過程中，雖然FIR和IIR都可以用于自適應(yīng)濾波器，由于IIR的穩(wěn)定性問題，所以設(shè)計時采用自適應(yīng)橫向FIR濾波器。其結(jié)構(gòu)下圖所示。這個算法對于濾除高斯噪聲是很

3、適合的。LMS算法步驟： 1,、設(shè)置變量和參量： X(n)為輸入向量，或稱為訓(xùn)練樣本 W(n)為權(quán)值向量 b(n)為偏差 d(n)為期望(均值)輸出 y(n)為實際輸出 為學(xué)習(xí)速率 n為迭代次數(shù) 2、初始化，賦給w(0)各一個較小的隨機非零值，令n=0 3、對于一組輸入樣本x(n)和對應(yīng)的期望輸出d，計算 e(n)=d(n)-XT(n)W(n) W(n+1)=W(n)+X(n)e(n) 4、判斷是否滿足條件，若滿足算法結(jié)束，若否n增加1，轉(zhuǎn)入第3步繼續(xù)執(zhí)行。程序：clear allclc N=2048;s,fs,bits=wavread('original.wav'); %用于

4、讀取語音，采樣值放在向量y中，fs表示采樣頻率(Hz)，bits表示采樣位數(shù)。采用的是雙通道，因此向量y的維數(shù)為n*2維f=0:fs/N:fs/2-1/N;t=(0:length(s)-1)/fs; snr=15; %信噪比20（dB）s_power=var(s); %var函數(shù): 返回方差值。每一列的方差linear_snr=10(snr/10);factor=sqrt(s_power/linear_snr);noise1=randn(1,length(s)*factor(1); %由SNR計算隨機噪聲s1=s(:,1)+noise1' x1=noise1; %噪聲源輸入x2=noi

5、se1;w1=0.02; %權(quán)系數(shù)初值w2=0.02;e=zeros(1,length(s);y=0;u=0.05; %步長因子for i=1:length(s) %s1通道LMS算法 y=w1*x1(i)+w2*x2(i); e(i)=s1(i)-y; w1=w1+u*e(i)*x1(i); w2=w2+u*e(i)*x2(i); endnoise2=randn(1,length(s)*factor(2)*1.2;s2=s(:,2)+noise2' %由SNR計算隨機噪聲z1=noise2; %噪聲源輸入z2=noise2;w1=0.02; %權(quán)系數(shù)初值w2=0.02;er=zero

6、s(1,length(s);y=0;u=0.05; for i=1:length(s) %s2通道LMS算法 y=w1*x1(i)+w2*z2(i); er(i)=s2(i)-y; w1=w1+u*er(i)*z1(i); w2=w2+u*er(i)*z2(i); endss=zeros(length(s1),2);ss(:,1)=s1;ss(:,2)=s2;SS=fft(ss,N); %未濾波音頻信號ss快速傅里葉變換SS=log(abs(SS);ee=e;er'EE=fft(ee,N); %濾波之后音頻信號ss快速傅里葉變換EE=log(abs(EE);wavwrite(ss,fs

7、,'orig_noise.wav'); %把數(shù)據(jù)ss以音頻格式wav文件存起來wavwrite(ee,fs,'after_lms.wav'); %把數(shù)據(jù)ee以音頻格式wav文件存起來sound(ss,fs,bits); %回放聲音sound(ee,fs,bits);figure(1)subplot(2,2,1)plot(t,ss);grid ontitle('帶高斯噪聲音頻信號')xlabel('time(s)');ylabel('幅度');axis(0 10 -1.2 1.2);subplot(2,2,2)plo

8、t(f,SS(1:1024,:);grid ontitle('未濾波音頻信號的頻譜');xlabel('Hz');ylabel('幅度');subplot(2,2,3)plot(t,ee);grid ontitle('自適應(yīng)噪聲濾波對消之后')xlabel('time(s)');ylabel('幅度');axis(0 10 -1.2 1.2);subplot(2,2,4)plot(f,EE(1:1024,:);grid ontitle('自適應(yīng)濾波之后音頻信號的頻譜')xlabel('Hz');ylabel('幅度');四、實驗結(jié)果與分析濾波之后的音頻信號的頻譜會平緩一下，沒有那么多的“刺”。疊加了噪聲信號的音頻在經(jīng)過自適應(yīng)濾波器之后，濾波效果比較好，沒有了明顯的沙沙的聲音。五、實驗小結(jié)首先認(rèn)識到MATLAB強大的功能，以及在自適應(yīng)濾波之后效果相當(dāng)明顯。在學(xué)習(xí)通信過程中濾波器的設(shè)計是非常重要的，應(yīng)該學(xué)習(xí)更多的算法設(shè)