【正文】 涉密論文按學(xué)校規(guī)定處理。對(duì)本研究提供過(guò)幫助和做出過(guò)貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說(shuō)明并表示了謝意。 end 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 本科生綜合訓(xùn)練成績(jī)?cè)u(píng)定表 姓 名 性 別 專(zhuān)業(yè)、班級(jí) 通信 1104 班 綜合訓(xùn)練題目： 基于 RLS 算法的多麥克風(fēng)降噪 綜合訓(xùn)練答辯或質(zhì)疑記錄： 什么是最小二乘法？ 答： 最小二乘 法 也叫 最小平方法 ， 是一種數(shù)學(xué)優(yōu)化技術(shù)。)。 subplot(2,3,6)。output39。 subplot(2,3,5)。 plot(fref)。 [y1,Fs1,bits1]=wavread(39。 disp(i)。 n2=fref(iWorder+1:i)39。 Worder=32。 %輸出模擬主語(yǔ)音信號(hào) primary = wavread(39。 source=source(:,1)。 之前在一些專(zhuān)業(yè)課程的實(shí)驗(yàn)課中我已經(jīng)對(duì) MATLAB 軟件編程有了一定的了解，也編寫(xiě)過(guò)一些簡(jiǎn)單的程序，所以我理所當(dāng)然地認(rèn)為這次課程設(shè)計(jì)應(yīng)該很輕松，等到我開(kāi)始動(dòng)手做的時(shí)候才發(fā)現(xiàn)我對(duì)它的了解還僅限于皮毛，對(duì)它的很多功能以及函數(shù)還不是很了解，所以在設(shè)計(jì)一開(kāi)始就遇到很大的問(wèn)題 。 end f=input(39。 f=1。39。 subplot(2,3,3)。39。 plot(abs(Y1))。 %畫(huà)出麥 克風(fēng)主語(yǔ)音波形 title(39。 p = (pp0*p)。 for i=1+Worder:loopsize %寫(xiě) RLS 算法公式 z=primary(i)w39。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。 disp(i)。 n2=fref(iWorder+1:i)39。 %濾波器階數(shù) lambda=1 。()(2)1。濾波器輸出信號(hào) y(n)等于輸入信號(hào) x(n)與沖激響應(yīng)序列 Wi (n)的卷積和，如式 ① 。 估計(jì)誤差定義： i ( ) y( )d i i? ??（ ） （公式 3） i ( ) ( n ) ( )Hd i w u i? ??（ ） （公式 4） 可取濾波器的實(shí)際輸入 d*(i)作為期望響應(yīng) d(i)。由于通過(guò)濾濾器的輸入信號(hào)進(jìn)行收斂，過(guò)濾的噪聲應(yīng)完全從“信號(hào)加噪聲”的信號(hào)中減去， 繼而使得輸出信號(hào)應(yīng)該只包含原始信號(hào)。這樣， ()en將逼近信號(hào) ()xn，且其均方值 2()E e n????為最小。)是輸入信號(hào) x(k)、參考信號(hào) d(k)及 輸出信號(hào) y(k)的函數(shù)，即F( 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 2 2 自適應(yīng)信號(hào)處理基本原理 自適應(yīng)濾波器組成 自適應(yīng)濾波器通常由兩部分組成，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(jié)構(gòu)形式。 自適應(yīng)濾波處理技術(shù)可以用來(lái)檢測(cè)平穩(wěn)的和非平穩(wěn)的隨機(jī)信號(hào)。 設(shè)計(jì)的要求： （ 1）閱讀參考資料和文獻(xiàn)，明晰算法的計(jì)算過(guò)程，理解 RLS 算法基本過(guò)程； （ 2）主麥克風(fēng)錄制的語(yǔ)音信號(hào)是 ，參考麥克風(fēng)錄制的參考噪聲是 ，用 matlab 指令讀?。? （ 3）根據(jù)算法編寫(xiě)相應(yīng)的 MATLAB 程序； （ 4）算法仿真收斂以后，得到增強(qiáng)的語(yǔ)音信號(hào)； （ 5）用 matlab 指令回放增強(qiáng)后的語(yǔ)音信號(hào)； （ 6）分別對(duì)增強(qiáng)前后的語(yǔ)音信號(hào)作頻譜分析。 在了解 RLS 算法的原理后，我選擇了一段音頻文件，并利用它產(chǎn)生隨機(jī)噪聲，將噪聲和源文件疊加作為受噪聲污染的語(yǔ)音信號(hào)，而隨機(jī)噪聲則作為參考麥克風(fēng)語(yǔ)音信號(hào) ，通過(guò) MATLAB 編程實(shí)現(xiàn)語(yǔ)音增強(qiáng)的目標(biāo)，利用 RLS 算法對(duì)語(yǔ)音信號(hào)進(jìn)行降噪，得到清晰的語(yǔ)音信號(hào)。 通過(guò)本次課程設(shè)計(jì)，我們可以加強(qiáng)對(duì)信號(hào)處理的 理解，學(xué)會(huì)查尋資料﹑方案比較，以及設(shè)計(jì)算法等。前一過(guò)程的基本目標(biāo)是調(diào)節(jié)濾波系數(shù) θ(k)，使有意義的目標(biāo)函數(shù)或代價(jià)函數(shù) F(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。將所需端口的信號(hào)必須具有相同的數(shù)據(jù)類(lèi)型、幀狀態(tài)、復(fù)雜性，才能作為所需的信號(hào)作為輸入信號(hào)，輸出端口輸出濾波后的輸入信號(hào)，它可以是基于樣品或幀輸入信號(hào)。 RLS 算法 ：（ Recursive LeastSquares），遞歸最小二乘算法。 另一為期望信號(hào)序列為 {d(n)}，含有樣本 {d(1)， d(2)， ……d(N)}如圖 2 所示。()()()1。 RLS 遞推計(jì)算公式為： )()()1(?)]1(?)()()[()1(?)(? nnKnwnwnxndnKnwnw T ????????? 式中 )(nK 為增益矢量，它等于相關(guān)矩陣 )(n? 的逆矩陣與延遲線抽頭 輸入 陣)(nX 的乘積。 %主語(yǔ)音輸出 loopsize=max(size(primary))。 p0=K*n239。由于這些信號(hào)特別容易受到外界環(huán)境的影響，最后可能影響主語(yǔ)音信號(hào)的去噪提取，最后在老師的指導(dǎo)下，我決定使用電腦自帶的一段 .wav格式的音樂(lè)作為主語(yǔ)音，然后用 randn(length(source),1)函數(shù)將其打亂作為噪聲，記做。)。 w=zeros(Worder,1)。*k)。代碼如下所示： figure。)。fref noise39。 %畫(huà)出噪聲語(yǔ)音頻譜 title(39。 wavwrite(output,fs,39。 %畫(huà)出降噪后語(yǔ)音頻譜 title(39。 case 2 sound(y1,Fs1,bits1)。 （ 1）麥克風(fēng)主語(yǔ)音信號(hào)輸入頻譜 圖 44 麥克風(fēng)主語(yǔ)音輸入頻譜 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 15 （ 2）麥克風(fēng)噪聲語(yǔ)音輸入頻譜 圖 45 麥克風(fēng)噪聲語(yǔ)音輸入頻譜 （ 3）降噪后語(yǔ)音輸出頻譜 圖 46 降噪后語(yǔ)音輸出頻譜 頻譜分析：觀察降噪前后語(yǔ)音的頻譜圖以及噪聲語(yǔ)音頻譜可得，降噪后頻譜的中心頻率不變，由于噪聲信號(hào)的濾除，頻譜圖變得更加清晰，說(shuō)明經(jīng)過(guò) RLS降噪后，主語(yǔ)音信號(hào)得到增強(qiáng)。39。 %輸出模擬噪聲信號(hào) wavwrite(source1,fs,39。39。 %主語(yǔ)音輸出 loopsize=max(size(primary))。 p0=K*n239。 %畫(huà)出麥克風(fēng)主語(yǔ)音波形 title(39。 plot(abs(Y1))。39。 subplot(2,3,3)。39。 f=1。 end f=input(39。 自適應(yīng)濾波器有哪些種類(lèi)？ 答： 自適應(yīng)濾波器的結(jié)構(gòu)和算法有梯度矢量法自適應(yīng)橫向?yàn)V波器，遞歸最小平方法自適應(yīng)橫向?yàn)V波器，自適 應(yīng)格型濾波器以及自適應(yīng)遞歸濾波器等類(lèi)型。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。 、圖表要求： 1）文字通順，語(yǔ)言流暢，書(shū)寫(xiě)字 跡工整，打印字體及大小符合要求，無(wú)錯(cuò)別字，不準(zhǔn)請(qǐng)他人代寫(xiě) 2）工程設(shè)計(jì)類(lèi)題目的圖紙，要求部分用尺規(guī)繪制，部分用計(jì)算機(jī)繪制，所有圖紙應(yīng)符合國(guó)家技術(shù)標(biāo)準(zhǔn)規(guī)范。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的成果作品。 怎么判斷該時(shí)刻誤差最?。? 答： 為了估算濾波器的最佳濾波系數(shù)，把 代價(jià)函數(shù) 對(duì)濾波系數(shù) Wk (n)微分一次，并令其導(dǎo)數(shù)等于 0， 解方程解得 RLS 遞推計(jì)算公式。 case 3 sound(y2,Fs2,bits2)。降噪后語(yǔ)音輸出頻譜 39。asd39。噪聲輸入頻譜 39。)。 Y1=fft(y1,4096)。 %作圖 subplot(2,3,1)。*k)。 w=zeros(Worder,1)。 %讀入麥克風(fēng)語(yǔ)音信號(hào) primary = primary39。RLSrefns39。 當(dāng)然，經(jīng)過(guò)此次 RLS 算法多麥克風(fēng)語(yǔ)音降噪課程設(shè)計(jì)，我也發(fā)現(xiàn)了自己的很多不足，專(zhuān)業(yè)知識(shí)和專(zhuān)業(yè)技能不夠扎實(shí)，一開(kāi)始我是想用 MATLAB 自帶的庫(kù)函數(shù)進(jìn)行算法設(shè)計(jì)，但是在調(diào)試過(guò)程中遇到問(wèn)題，向同學(xué)請(qǐng)教無(wú)果后只好放棄，但是這個(gè)過(guò)程中我收獲很多， 通過(guò)自己親身實(shí)踐，進(jìn)行程序設(shè)計(jì)，既增加了知識(shí)，又讓我專(zhuān)業(yè)知識(shí)以及專(zhuān)業(yè)技能上有一定的提升，今后我會(huì)更加努力認(rèn)真學(xué)習(xí)，把我每個(gè)學(xué)習(xí)機(jī)會(huì)來(lái)充實(shí)自己。 end 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 13 仿真結(jié)果分析 增強(qiáng)前后語(yǔ)音信號(hào)波形分析 （ 1）麥克風(fēng)主語(yǔ) 音信號(hào)波形圖 圖 41麥克風(fēng)主語(yǔ)音波形圖 （ 2）噪聲信號(hào)波形 圖 42噪聲波形圖 武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》報(bào)告 14 （ 3）增強(qiáng)的語(yǔ)音信號(hào)波形 圖 43增強(qiáng)的語(yǔ)音信號(hào)波