【正文】 a) * eye ( Worder,Worder ) 。39。 直接調用庫的RLS算法函數(shù)的設計方法比較簡單，直接用Hadapt函數(shù)調用RLS數(shù)字濾波器就可以濾波輸出。 w = w + K*z。%寫RLS算法公式for i=1+Worder:loopsize 具體來說，是要對初始時刻到當前時刻所有誤差的平方進行平均并使其最小化，在按照這一準則確定FIR濾波器的權系數(shù)矢量，即所依據(jù)的準則是 （1）其中 式中，是期望響應，是L階FIR濾波器的輸出相應，即 （2） RLS的算法所采用的是最小二乘準則，其代價函數(shù)為： （3） 式中稱為遺忘因子，且有01。噪聲就得到了一定程度的抵消 + i 自適應處理器 圖31自適應干擾抵消原理圖 RLS算法基本原理RLS算法是FIR維納濾波器的一種遞歸算法，它是嚴格以最小二乘方準則為依據(jù)的算法。旨在培養(yǎng)我們使用計算機處理龐大的數(shù)據(jù)的能力和熟悉MATLAB在信息技術中的應用。《信息處理課群綜合訓練與設計》課程設計任務書題 目: 基于RLS 算法的多麥克風降噪 初始條件：pc機，要求完成的主要任務:（1）閱讀參考資料和文獻，明晰算法的計算過程，理解RLS算法基本過程；（2），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指令回放增強后的語音信號；（6）分別對增強前后的語音信號作頻譜分析。本次課程設計正是要求使用具有強大運算能力的MATLAB軟件，運用自適應濾波中的RLS算法實現(xiàn)麥克風降噪。這樣，將逼近信號，且其均方值為最小。RLS算法的關鍵是用二乘方的時間平均的最小化準則取代最小均方準則，并按時間迭代計算。該方案運用現(xiàn)成的RLS算法函數(shù)，操作簡單，易實現(xiàn)，但不能深入了解RLS算法的根本原理，不利于RLS算法的掌握。ref = wavread(39。 %濾波器階數(shù)Delta= 。 k=p*n2。end。subplot(2,3,2)。output39。然而直接去購買一個專用的麥克風又不劃算，最后在我確定了獲取被噪聲污染的信號和噪聲信號的方法：本次設計我算選用的噪聲信號由MATLAB中隨機函數(shù)randn產生的聲音信號來模擬的，而語音信號則用酷狗音樂盒登錄“hello kugou（）”和randn函數(shù)產生的噪聲混合的聲音信號來模擬。 （1）： 頻譜圖如下：圖74麥克風主語音輸入頻譜（2） 信號進行頻譜分析： 頻譜圖如下：圖75參考麥克風語音輸入頻譜（3） 頻譜圖如下：圖76降噪后語音輸出頻譜圖附：MATLAB軟件輸出窗口如下圖：8心得體會這次的課程設計結束了，雖然開始的時候不知道從何入手，該怎么樣達到要求，完成設計，但是經過一步步的摸索和總結，最后總算完成了這次任務。39。RLSprimsp39。 %讀入?yún)⒖颊Z音信號fref= fref39。 for i=1+Worder:loopsize %寫RLS算法公式 z=primary(i)w39。 p = (pp0*p)/lambda。)。麥克風主語音輸入頻譜39。39。subplot(2,3,3)。 %生成降噪后的語音[y,fs,bits]=wavread(39。)。40仿真設計及其運行情況10最終評定成績（以優(yōu)、良、中、及格、不及格評定）指導教師簽字： 2013年 7月 3日 27