【導讀】語音增強的目標，得到清晰的語音信號。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；是，用matlab指令讀??；根據(jù)算法編寫相應(yīng)的MATLAB程序；分別對增強前后的語音信號作頻譜分析。[2]劉泉,《數(shù)字信號處理》,電子工業(yè)出版社,2020年。MATLAB（第二版）》，科學出版社，2020年。理解相關(guān)技術(shù)原理，確定技術(shù)方案，時間2天；選擇仿真工具，進行仿真設(shè)計與分析，時間6天；軟件，運用自適應(yīng)濾波中的RLS算法實現(xiàn)麥克風降噪。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。建模仿真和實時控制等功能。在了解RLS算法的原理后，選擇了一段音頻文件，并利用它產(chǎn)生隨機噪聲，

　　

【正文】 21 原始語音信號與降噪后語音信號分析 原始語音信號與降噪后語音信號幾乎相同，如圖 513，對比頻譜可以看出兩信號頻譜也幾乎相同，如圖 514。說明主語音信號經(jīng)過 RLS 算法降噪的效果很好，主語音信號得到增強。 圖 513原始語音信號與降噪后語音信號波形對比 圖 514原始語音信號與降噪后語音信號頻譜對比 武漢理工大學《信息處理課群綜合訓練與設(shè)計》報告 22 6 總結(jié) 在課程設(shè)計的過程中，首先查閱資料了解了基于 RLS 多麥克風語音信號降噪的過程以及 RLS 的原理及實現(xiàn)方法，通過 MATLAB 編程及仿真，實現(xiàn)了語音信號的降噪，并且從不清楚的語音信號中通過 RLS 降噪得到了清晰的語音信號，充分體會了基于 RLS 多麥克風語音信號降噪這一技術(shù)的作用。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。 通過此次學科課程設(shè)計，我掌握了 自適應(yīng)算法 的一些基本 知識 ，加強了我對MATLAB 軟件的應(yīng)用能力 ，提高了運用 RLS 算法進行濾波器設(shè)計的基本能力 。提高自己的基礎(chǔ)理論知識、基本動手能力，并幫助我掌握基本的文獻檢索和文獻閱讀的方法，同時提高 自己 正確地撰寫論文的基本能力。 當然，經(jīng)過此次 RLS 算法多麥克風語音降噪課程設(shè)計，我也發(fā)現(xiàn)了自己的很多不足。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 。這個過程也讓我明白了學無止盡的道理，而且理論只有與實際聯(lián)系起來才能更好地去學習與理解。 我也會更加努力，認真學習，爭取在以后的課程中做得更好。 武漢理工大學《信息處理課群綜合訓練與設(shè)計》報告 23 參考文獻 [1]陳懷琛 .《 MATLAB 及在電子信息課程中的應(yīng)用》 . 西安電子科技大學出版社，2020 [2]胡廣書 .《 數(shù)字信號處理 —理論、算法與實現(xiàn) 》 . 清華大學出版社， 2020 [3]何振亞 .《 自適應(yīng)信號處理 》 .科學出版社， 2020 [4]安穎 、 侯國強 .《 自適應(yīng)濾波算法研究與 DSP 實現(xiàn) 》 .現(xiàn)代電子技術(shù) 出版社 ， 2020 [5]王洪元主編 .《 MATLAB 語言以及在電子信息工程中的應(yīng)用 》 .清華大學出版社，2020 [6] 鄭寶玉 .自適應(yīng)濾波器原理 [M].北京： 電子工業(yè)出版社 ， 2020 武漢理工大學《信息處理課群綜合訓練與設(shè)計》報告 24 附錄 源程序 clc。 [source,fs,bits]=wavread(39。39。)。 noise=*randn(length(source),1)。 source=source(:,1)。 source1=source+noise。 wavwrite(noise,fs,39。RLSrefns39。)。 %輸出模擬噪聲信號 wavwrite(source1,fs,39。RLSprimsp39。)。 %輸出模擬主語音信號 primary=wavread(39。39。)。 %讀入麥克風語音信號 primary=primary39。 fref=wavread(39。39。)。 fref=fref39。 Worder=32。 %濾波器階數(shù) Delta=。 p=(1/Delta)*eye(Worder,Worder)。 w=zeros(Worder,1)。 output=primary。 %主語音輸出 loopsize=max(size(primary))。 for i=1+Worder:loopsize %寫 RLS 算法公式 z=primary(i)w39。*(fref(iWorder+1:i))39。 n2=fref(iWorder+1:i)39。 k=p*n2。 K=k/(1+n239。*k)。 w=w+K*z。 p0=K*n239。 p=(pp0*p)。 output(iWorder)=z。 end %************************************************************************ figure。 %作圖 %************************************************************************ subplot(2,4,1)。 武漢理工大學《信息處理課群綜合訓練與設(shè)計》報告 25 plot(source)。 %畫出原始語音波形 title(39。原始語音波形 39。)。 [y1,Fs1,bits1]=wavread(39。39。)。 Y1=fft(y1,4096)。 subplot(2,4,5)。 plot(abs(Y1))。 %畫出原始語音頻譜 title(39。原始語音頻譜 39。)。 %************************************************************************ subplot(2,4,2)。 plot(primary)。 %畫出麥克風主語音波形 title(39。麥克風主語音波形 39。)。 [y2,Fs2,bits2]=wavread(39。39。)。 Y2=fft(y2,4096)。 subplot(2,4,6)。 plot(abs(Y2))。 %畫出麥克風主語音頻譜 title(39。麥克風主語音輸入頻譜 39。)。 %************************************************************************ subplot(2,4,3)。 plot(fref)。 %畫出噪聲語音波形 title(39。噪聲語音波形 39。)。 [y3,Fs3,bits3]=wavread(39。39。)。 Y3=fft(y3,4096)。 subplot(2,4,7)。 plot(abs(Y3))。 %畫出噪聲語音頻譜 title(39。噪聲輸入頻譜 39。)。 %************************************************************************ subplot(2,4,4)。 plot(output)。 %畫降噪后的語音波形 title(39。降噪后語音波形 39。)。 wavwrite(output,fs,39。asd39。)。 %生成降噪后的語音 [y,Fs4,bits4]=wavread(39。39。)。 Y=fft(y,4096)。 武漢理工大學《信息處理課群綜合訓練與設(shè)計》報告 26 subplot(2,4,8)。 plot(abs(Y))。 %畫 出降噪后語音頻譜 title(39。降噪后語音輸出頻譜 39。)。 %************************************************************************ f=1。 while f==1 flag=input(39。請選擇輸出語音； 1原始語音 2加噪主語音 3噪聲語音 4降噪后語音 : 39。)。 switch flag case 1 sound(source,fs,bits)。 case 2 sound(y2,Fs2,bits2)。 case 3 sound(y3,Fs3,bits3)。 case 4 sound(output,Fs4,bits4)。 end f=input(39。是否重新選擇？ 是 輸入 1 否 輸入 0 :39。)。 end武漢理工大學《信息處理課群綜合訓練與設(shè)計》報告 本科生綜合訓練成績評定表 姓 名 性 別 男 專業(yè)、班級 通信 1201 班 綜合訓練題目： 基于 RLS 算法的多麥克風降噪 綜合訓練答辯或質(zhì)疑記錄： 成績評定依據(jù)： 最終評定成績（以優(yōu)、良、中、及格、不及格評定） 指導教師簽字： 年 月 日