基于rls算法的多麥克風(fēng)降噪_課程設(shè)計(jì)任務(wù)書-全文預(yù)覽
【正文】 《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》 24 附錄：程序清單 source=wavread(39。 source = source+noise。 %輸出模擬噪聲文件 wavwrite(source,22050,39。RLSprimsp39。)。 % 設(shè)置遺忘因子 Delta= 。 %主語音輸出 loopsize=max(size(primary))。 《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》 25 k=(1/lambda)*p*n2。 p0=K*n239。 figure。primary input39。)。title(39。plot(fref)。 [y2,fs,bits]=wavread(39。subplot(2,3,5)。)。output39。)。 Y=fft(y)。降噪后語音輸出頻譜 39。 sound(output,fs,bits)。 10 能夠及時(shí)正確地回答教師所提出的問題。 20 方案設(shè)計(jì)合理，有一定創(chuàng)新，計(jì)算正確，論證充分。 sound(y1,fs,bits)。plot(abs(Y))。39。 wavwrite(output,fs,39。 plot(output)。title(39。)。fref noise39。)。 subplot(2,3,4)。 [y1,fs,bits]=wavread(39。plot(primary)。 output(iWorder)=z。*k)。*(fref(iWorder+1:i))39。 w=zeros(Worder,1)。 Worder=32。 fref=wavread(39。)。RLSrefns39。)。 當(dāng)然，經(jīng)過此次 RLS 算法多麥克風(fēng)語音降噪課程設(shè)計(jì)，我也發(fā)現(xiàn)了自己的很多不足。 由于對(duì)于理論知識(shí) 學(xué)習(xí) 不夠扎實(shí)，我深感 “ 書到用時(shí)方恨少 ” ，于是想起圣人之言 “ 溫故而知新 ” ，便重拾教材與實(shí)驗(yàn)手冊(cè)，對(duì)知識(shí)系統(tǒng)而全面進(jìn)行了梳理，遇到難處先是苦思冥想再向同學(xué)請(qǐng)教，終于熟練掌握了基本理論知識(shí)，而且領(lǐng)悟諸多平時(shí)學(xué)習(xí)難以理解掌握的較難知識(shí)，學(xué)會(huì)了如何思考的思維方式，找到了設(shè)計(jì)的方向。 傅里葉變換 ，即 將滿足一定條件的某個(gè)函 數(shù) 表示成三角函數(shù)（正弦和 /或余弦函數(shù)）或者它們的積分的線性組合。這樣，噪聲信號(hào)就和語音信號(hào)中噪聲有很大相似度。 %生成降噪后的語音波形 sound(output,fs,bits)。)。 subplot(2,3,3)。 plot(fref)。 %畫主麥克風(fēng)語音波形 title(39。 《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》 13 提取語音信號(hào) 用 MATLAB 中的 wavread 指令分別讀取被噪聲污染后的語音文件 和噪聲文件 后，進(jìn)行 RLS 算法處理，濾除噪聲后，得到語音文件，先由 plot 指令繪出語音文件波形，再通過 MATLAB 中的sound 命令播放語音文 件。 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。 直接調(diào)用庫的 RLS 算法函數(shù)的設(shè) 計(jì)方法比較簡(jiǎn)單，直接用 Hadapt 函數(shù)調(diào)用 RLS 數(shù)字濾波器就可以濾波輸出。 disp(i)。 w = w + K*z。 n2=fref(iWorder+1:i)39。 output=primary。 %濾波器階數(shù) lambda=1 。 RLS 算法的關(guān)鍵是用二乘方的時(shí)間平均的最小化準(zhǔn)則取代最小均方準(zhǔn)則，并按時(shí)間迭代計(jì)算。它的主要優(yōu)點(diǎn)是收斂速度快，因此，首先在快速信道均衡，實(shí)時(shí)系統(tǒng)辨識(shí)和時(shí)間序列分析中得到廣泛應(yīng)用。噪聲 ()Nn就得到了一定程度的抵消 ( ) ( )x n y n? ()dn ? ()en 39。期望響應(yīng) ()dn是信號(hào)和噪聲之和，即 ( ) ( ) ( )d n x n N n??，自適應(yīng)處理器的輸入是與()Nn相 關(guān)的另一個(gè)噪聲 39。旨在培養(yǎng)我們使用計(jì)算機(jī)處理龐大的數(shù)據(jù)的能力和熟悉 MATLAB 在信息技術(shù)中的應(yīng)用。在實(shí)際應(yīng)用中，由于沒有充足的信息來設(shè)計(jì)固定系數(shù)的數(shù)字濾波器，或者設(shè)計(jì)規(guī)則會(huì)在濾波器正常運(yùn)行時(shí)改變，因此我們需要研究自適應(yīng)濾波器?！缎畔⑻幚碚n群綜合訓(xùn)練與設(shè)計(jì)》 1 課程設(shè)計(jì)任務(wù)書 題 目 : 基于 RLS 算法的多麥克風(fēng)降噪 初始條件： pc 機(jī)， 軟件 要 求完成的主要任務(wù) : （ 1）閱讀參考資料和文獻(xiàn)，明晰算法的計(jì)算過程，理解 RLS 算法基本過程； （ 2）主麥克風(fēng)錄制的語音信號(hào)是 ，參考麥克風(fēng)錄制的參考噪聲是 ，用 matlab 指令讀取； （ 3）根據(jù)算法編寫相應(yīng)的 matlab 程序； （ 4）算法仿真收斂以后，得到增強(qiáng)的語音信號(hào)； （ 5）用 matlab 指令回放增強(qiáng)后的語音信號(hào)； （ 6）分別對(duì)增強(qiáng)前后的語音信號(hào)作頻 譜分析 。 自適應(yīng)濾波器是統(tǒng)計(jì)信號(hào)處理的一個(gè)重要組成部分。 本次課程設(shè)計(jì)正是要求使用具有強(qiáng)大運(yùn)算能力的 MATLAB 軟件，運(yùn)用自適應(yīng)濾波中的 RLS 算法實(shí)現(xiàn)麥克風(fēng)降噪。 《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》 7 + 3 基本原理 自適應(yīng)干擾抵消原理 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。這樣， ()en 將逼近信號(hào) ()xn，且其均方值 2()E e n????為最小。這種算法實(shí)際上是 FIR 維納濾波器的一種時(shí)間遞歸算法，它是嚴(yán)格以最小二乘方準(zhǔn)則為依據(jù)的算法。在生物醫(yī)學(xué)應(yīng)用中，這種算法的自適應(yīng)濾波器很容易在小型計(jì)算機(jī)上
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1