基于rls算法的多麥克風降噪課程設(shè)計(文件)
【正文】 ***************f=1。plot(abs(Y))。39。wavwrite(output,fs,39。plot(output)。 %畫出噪聲語音頻譜title(39。)。噪聲語音波形39。)。subplot(2,4,6)。[y2,Fs2,bits2]=wavread(39。plot(primary)。 %畫出原始語音頻譜title(39。)。原始語音波形39。end%************************************************************************figure。w=w+K*z。n2=fref(iWorder+1:i)39。output=primary。Worder=32。fref=wavread(39。 %輸出模擬主語音信號primary=wavread(39。)。source=source(:,1)。[source,fs,bits]=wavread(39。但是通過自己的動手動腦和努力，既增加了知識，又給了我專業(yè)知識以及專業(yè)技能上的提升。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。圖59原始語音與主語音波形對比圖510原始語音與主語音頻譜對比由于噪聲信號波形的幅值相對主語音信號幅值較小，因此主語音信號降噪前后的波形差異并不十分明顯，如圖511，但通過對比頻譜（如圖512）可以看出降噪后的語音信號波形剛好濾除了噪聲波形，得到的波形圖也更清晰。endf=input(39。switch flag case 1 sound(source,fs,bits)。%************************************************************************f=1。plot(abs(Y))。39。wavwrite(output,fs,39。plot(output)。 %畫出噪聲語音頻譜title(39。)。噪聲語音波形39。)。subplot(2,4,6)。[y2,Fs2,bits2]=wavread(39。plot(primary)。 %畫出原始語音頻譜title(39。)。原始語音波形39。代碼如下所示：%************************************************************************figure。 p = (pp0*p)。 K=k/(1+n239。 for i=1+Worder:loopsize %寫RLS算法公式 z=primary(i)w39。 p=(1/Delta) * eye ( Worder,Worder ) 。另外，顯然距離n最近的量與Y（n）最接近，引入遺忘因子使得從n1到0，相關(guān)程度逐漸減小。39。39。 4 RLS算法濾波方案實現(xiàn)本次課程設(shè)計對我們自行處理和靈活運用的能力提出了很高的要求。p= (pp0*p)/lambda。 n2=fref(iWorder+1:i)39。 z=primary(i)w39。w=zeros(Worder,1)。 算法實現(xiàn)模塊代碼如下所示：Worder=32。 ①誤差信號為，由此得到自適應(yīng)橫向濾波器按最小平方準則設(shè)計的代價函數(shù)： ②將①代入式②中，展開得：式中，M≤N。另一為期望信號序列為{d(n)}，含有樣本{d(1)，d(2)，……d(N)}如圖2所示。將誤差代入代價函數(shù)得到加權(quán)誤差平方和的完整表達式： （公式5） 抽頭權(quán)向量取的是n時刻的w(n)而不是i時刻的w(i)。RLS算法：（Recursive LeastSquares），遞歸最小二乘算法。這樣完成一次去噪濾波，可以減少噪聲對信道的影響，更有利于進行信道估計。將所需端口的信號必須具有相同的數(shù)據(jù)類型、幀狀態(tài)、復(fù)雜性，才能作為所需的信號作為輸入信號，輸出端口輸出濾波后的輸入信號，它可以是基于樣品或幀輸入信號。噪聲就得到了一定程度的抵消。如圖所示的是自適應(yīng)干擾抵消器的基本結(jié)構(gòu)，它有著很廣泛的應(yīng)用。)=F[x(k),d(k),y(k)]，因此目標函數(shù)必須具有以下兩個性質(zhì):（1）非負性（2）最佳性圖21自適應(yīng)干擾抵消原理圖自適應(yīng)濾波器在實際應(yīng)用中，由于沒有充足的信息來設(shè)計固定系數(shù)的數(shù)字濾波器，或者設(shè)計規(guī)則會在濾波器正常運行時改變，因此我們需要研究自適應(yīng)濾波器。前一過程的基本目標是調(diào)節(jié)濾波系數(shù)θ(k)，使有意義的目標函數(shù)或代價函數(shù)F(另一是自適應(yīng)算法部分，用來調(diào)整濾波子系統(tǒng)結(jié)構(gòu)的參數(shù)，或濾波系數(shù)。本次課程設(shè)計的題目為基于RLS的多麥克風語音降噪，主要是對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。再如水下偵察系統(tǒng)中發(fā)射器與接收器靠得很近，但為了探測水下遠程潛艇等目標，發(fā)射信號的功率很強，就會串擾到接收器中，因此所接收的遠程目標的反射波就淹沒在串擾信號中，大大妨礙了對目標定位距離的測量，這時也必須采用干擾抵消措施。271 緒論自適應(yīng)噪聲濾波是指從信號被噪聲干擾所淹沒的環(huán)境中檢測和提取有用信號，而自適應(yīng)抵消是以噪聲干擾為處理對象，將它們抑制掉或進行非常大的衰減，以提高信號傳遞和接收的信噪比質(zhì)量。MATLAB即矩陣實驗室，是一個可視化的計算程序，被廣泛的運用在科學計算領(lǐng)域，包括數(shù)值計算、數(shù)據(jù)擬合圖形圖像處理、系統(tǒng)模擬仿真功能。[3] Edward W. Kamen, Bonnie 編,《信號與系統(tǒng)基礎(chǔ)——應(yīng)用Web 和MATLAB（第二版）》，科學出版社，2002 年。課 程 設(shè) 計題 目基于RLS 算法的多麥克風降噪學 院專 業(yè)班 級姓 名指導(dǎo)教師 《信息處理課群綜合訓練與
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1