【導(dǎo)讀】的目標(biāo)，得到清晰的語(yǔ)音信號(hào)。閱讀參考資料和文獻(xiàn)，明晰算法的計(jì)算過(guò)程，理解LMS算法基本過(guò)程；根據(jù)算法編寫(xiě)相應(yīng)的MATLAB程序；用matlab指令回放增強(qiáng)后的語(yǔ)音信號(hào)；分別對(duì)增強(qiáng)前后的語(yǔ)音信號(hào)作頻譜分析。而基于自適應(yīng)濾波器的自適應(yīng)噪聲抵消法對(duì)含噪語(yǔ)音的增強(qiáng)效果最好。面的關(guān)于噪聲的信息，從而能得到更好的降噪效果。

　　

【正文】 與頻譜 實(shí)驗(yàn)結(jié)果分析 在程序運(yùn)行的開(kāi)始播放了加噪的語(yǔ)音信號(hào)， 噪音 的聲音很大 ，在程序結(jié)束的時(shí)候，播放濾波后的輸出信號(hào)，可以清楚的聽(tīng)到 人聲 ， 噪音減小了好多。 達(dá)到了預(yù)期的目的 從圖 62 的頻譜分析圖上來(lái)看，輸出信號(hào)的頻譜輪廓與原始信號(hào)的頻譜 輪廓相似，只是幅度平均值不一樣，從圖上來(lái)看，噪聲信號(hào)的幅度值變化不大，主要集中在 100 左右，原始信號(hào)的幅度平均值大概等于噪聲信號(hào)的平均幅度加上輸出信號(hào)的平均幅度 。通過(guò)輸出信號(hào)的試聽(tīng)和頻譜的分析，可以發(fā)現(xiàn) 利用 LMS 算法的多麥克風(fēng)降噪 的目的達(dá)到了 。 從調(diào)試過(guò)程中獲得 了 改善 LMS 濾波器性能的方法：在滿足收斂速度要求的條件下，適當(dāng)?shù)慕档褪諗恳蜃?，提高濾波器的階數(shù)可以改善濾波器輸出波的平滑型，但減小收斂因子可能會(huì)在很長(zhǎng)一段時(shí)間產(chǎn)生一個(gè)較大的均方誤差，所以收斂速度和濾波效果有一個(gè)矛盾，二者必須折衷選擇。提高濾波器的階數(shù)也可以改善濾波效果，但需要提高存儲(chǔ)空間。 7 實(shí)驗(yàn)總結(jié) 在課程設(shè)計(jì)的過(guò)程中，通過(guò)查閱我明白了基于 LSM 多麥克風(fēng)語(yǔ)音信號(hào)降噪的過(guò)程以及 LSM 的原理及實(shí)現(xiàn)方法，通過(guò) MATLAB 編程及仿真，實(shí)現(xiàn)了語(yǔ)音信號(hào)的降噪 ，并且從不清楚的語(yǔ)音信號(hào)中通過(guò) LSM 降噪得到了清晰的語(yǔ)音信號(hào)，充分體會(huì)了基于 LSM 多麥克武漢理工大學(xué)《 信息處理課群綜合訓(xùn)練與設(shè)計(jì) 》課程設(shè)計(jì) 19 風(fēng)語(yǔ)音信號(hào)降噪這一技術(shù)的作用。同時(shí)，也學(xué)會(huì)了對(duì)語(yǔ)音信號(hào)進(jìn)行頻譜分析，以及進(jìn)一步熟悉了 MATLAB 的使用過(guò)程，加深了 對(duì)這一軟件的了解，提高了自己動(dòng)手的能力。 在弄懂了的 LMS 算法的基本原理后，我嘗試自己寫(xiě)程序，但寫(xiě)出的程序錯(cuò)誤百出，邏輯不夠嚴(yán)密，于是參考學(xué)習(xí)了其他的資料，對(duì)程序錯(cuò)誤的調(diào)試耗費(fèi)了我很長(zhǎng)時(shí)間 ，通過(guò)網(wǎng)絡(luò)資料和書(shū)本搜羅了不少細(xì)節(jié)的資料，使我對(duì) Matlab 編程的了解提高了一個(gè)新的層次。全部程序編完后，我已對(duì)算法掌握 的非常熟練，甚至覺(jué)得曾經(jīng)認(rèn)為很難的原理現(xiàn)在已經(jīng)變得很簡(jiǎn)單，這便是掌握知識(shí)的很高的境界了吧。有辛酸，有開(kāi)心，這次課設(shè)我真的受益匪淺。 不足之處是輸出的信號(hào)時(shí)域圖和頻域圖和期望的仍有差別，即少部分噪聲仍存在，原因是錄音文件長(zhǎng)度較短，采樣序列長(zhǎng)度較短導(dǎo)致迭代次數(shù)較少，沒(méi)有真正得到最佳的迭代結(jié)果。但是基本的輪廓還是擬合的很一致，錄音長(zhǎng)度再增加的話，結(jié)果會(huì)更好。 感謝老師的指導(dǎo)和同學(xué)們的幫助，我會(huì)在學(xué)習(xí)的道路上走得更遠(yuǎn)。 8 參考文獻(xiàn) [1]姚天任，數(shù)字語(yǔ)音處理，武漢華中科技大學(xué)出版社， 2020． [2]鄒國(guó)良，自 適應(yīng)濾波理論及應(yīng)用 [M]，河北大學(xué)出版社， 2020. [3]胡廣傳，數(shù)字信號(hào)處理理論、算法與實(shí)現(xiàn)，北京清華大學(xué)出版社， 2020． [4]葛良、陶智，基 于 自適應(yīng)濾波的語(yǔ)音增強(qiáng)算法．江蘇：蘇州大學(xué)學(xué)報(bào)， 2020． [5]袁俊泉， MATLAB 信號(hào)處理 .清華大學(xué)出版社， . [6]趙力，語(yǔ)音信號(hào)處理，北京機(jī)械工業(yè)出版社， 2020． [7]韓利竹，王華． MATLAB 電子仿真與應(yīng)用．北京國(guó)防工業(yè)出版社， 2020． [8] 徐明遠(yuǎn)，劉增力 .MATLAB 仿真在信號(hào)處理中的應(yīng)用 [M].西安 :電子科技大學(xué)出版社 ， 2020 [9] 郭仕劍等 . 數(shù)字信號(hào)處理 .人民郵電出版社 [M]， 2020 [10] 鐘麟，王峰 .MATLAB 仿真技術(shù)與應(yīng)用教程 [M].國(guó)防工業(yè)出版社， 2020 武漢理工大學(xué)《 信息處理課群綜合訓(xùn)練與設(shè)計(jì) 》課程設(shè)計(jì) 20 附錄 Matlab 程序 clear all 。 close all。 [primary,Fs,nbits] = wavread(39。39。)。 %加噪聲前信號(hào) Noise=*randn(length(primary),1)。 %生成高斯白噪聲 s=primary+Noise。 %把噪聲添加進(jìn)原信號(hào) sound(s)。 %播放加噪信號(hào) wavwrite(s,Fs,39。D:\MATLAB7\work\39。) 。 %向磁盤(pán)中寫(xiě)入加噪后音頻文件 wavwrite(Noise,Fs,39。D:\MATLAB7\work\39。) 。 %寫(xiě)入噪聲音頻文件 Noise = Noise39。 s = s39。 [a1,N] = size(s)。 %使用的兩音頻文件不完全等長(zhǎng)時(shí)需要分別知道長(zhǎng)度 [a2,n2]=size(Noise)。 subplot(311)。 plot(s)。 title(39。含噪信號(hào) 39。)。 %繪制含噪信號(hào) subplot(312)。 plot(Noise)。 title(39。噪聲信號(hào) 39。)。 %繪制噪聲信號(hào) worder = 20。 %濾波器級(jí)數(shù) w = zeros(1,worder)。 %初始化抽頭系數(shù)序列 %initilize the output %Zero pad so we can start filter at 0 and not throw of the index frefpad = [zeros(1,worder 1) s]。 n3=min(n2,N)。 %取兩序列長(zhǎng)度的最小值作為迭代長(zhǎng)度 mu = 。 %初始化學(xué)習(xí)算法的收斂因子 output=zeros(1,n3)。 %初始化輸出序列 武漢理工大學(xué)《 信息處理課群綜合訓(xùn)練與設(shè)計(jì) 》課程設(shè)計(jì) 21 e=zeros(1,n3)。 %初始化誤差序列 for n = 1:n3。 %offset n so we can reference the correct value in zeropadded fref m = n + worder 1。 frefblock = frefpad(mworder+1:1:m)39。 output(n) = w*(frefblock)。 e(n) = primary(n) output(n)。 %調(diào)整濾波器系數(shù)的 LMS 算法 w = w + mu*e(n).*frefblock39。 if (mod(n,100) == 0) || (n == n3) per = floor(100*n/n3)。 fprintf(39。%d percent pleted \n39。,per)。 %迭代一次顯示運(yùn)行百分比 end end。 %wavplay(output,Fs)。 subplot(313)。 plot(output)。 title(39。濾波后輸出信號(hào) 39。)。 n1=length(output)。 %取 output 的長(zhǎng)度 Y1=fft(output)。 w1=2/n1*(0:n11)。%設(shè)置角頻率 figure subplot(312) plot(w1,abs(Y1))。 %畫(huà)頻譜圖 title(39。輸出信號(hào)信號(hào)頻譜 39。)。 xlabel(39。數(shù)字 角頻率 39。)。 ylabel(39。幅度 39。)。 grid on。 Y2=fft(s)。 武漢理工大學(xué)《 信息處理課群綜合訓(xùn)練與設(shè)計(jì) 》課程設(shè)計(jì) 22 w2=2/N*(0:N1)。 %設(shè)置角頻率 subplot(311) plot(w2,abs(Y2))。 %畫(huà)頻譜圖 title(39。含噪信號(hào)信號(hào)頻譜 39。)。 xlabel(39。數(shù)字角頻率 39。)。 ylabel(39。幅度 39。)。 grid on。 Y3=fft(Noise)。 w3=2/n2*(0:n21)。 %設(shè)置角頻率 subplot(313) plot(w3,abs(Y3))。 %畫(huà)頻譜圖 title(39。噪聲信號(hào)信號(hào)頻譜 39。)。 xlabel(39。數(shù)字角頻率 39。)。 ylabel(39。幅度 39。)。 grid on。 sound(output,Fs,nbits)。 %播放輸出信號(hào) figure。 subplot(311)。 plot(primary)。 %繪制期望信號(hào) title(39。聲音期望 39。)。 xlabel(39。數(shù)字角頻率 39。)。 ylabel(39。幅度 39。)。 Y4=fft(primary)。 subplot(312) plot(w2,abs(Y4))。 %畫(huà)期望信號(hào)頻譜圖 title(39。期 望信號(hào)頻譜 39。)。 xlabel(39。數(shù)字角頻率 39。)。 ylabel(39。幅度 39。)。 grid on。 武漢理工大學(xué)《 信息處理課群綜合訓(xùn)練與設(shè)計(jì) 》課程設(shè)計(jì) 23 本科生課程設(shè)計(jì)成績(jī)?cè)u(píng)定表 姓 名 性 別 專業(yè)、班級(jí) 課程設(shè)計(jì)題目： 基于 LMS 算法的多麥克風(fēng)降噪 課程設(shè)計(jì)答辯或質(zhì)疑記錄： 問(wèn)：什么是自適應(yīng)濾波器？ 答：自適應(yīng)濾波器利用前一時(shí)刻的結(jié)果，自動(dòng)調(diào)節(jié)當(dāng)前時(shí)刻的濾波器參數(shù)，以適應(yīng)信號(hào)和噪聲未知或隨機(jī)變化的特性，得到有效的輸出，主要由參數(shù)可調(diào)的數(shù)字濾波器和自適應(yīng)算法兩部分組成。 問(wèn)： LMS 算法原理？ 答： 當(dāng) 輸入信號(hào) )(nX 和需要信號(hào) )(nd 平穩(wěn)且其二階統(tǒng)計(jì) 特 性為已知 時(shí)可以根據(jù)輸入信號(hào))(nX 和需要信號(hào) )(nd 的采樣值估計(jì) xxR 和 xdr ，從而采用最陡下降法尋求 optW 。但當(dāng)上述條件不具備時(shí)，我們只能把隨機(jī)的平方誤差 )(2ne 當(dāng)成是均方誤差 )]([ 2 neE 。對(duì)前者進(jìn)行求梯度的運(yùn)算，所得到的結(jié)果就取為關(guān)于后者的真實(shí)梯度 ?W? 的估計(jì) W??? 。 這就是 由 Widrow 等人提出的最小均方算法，即 LMS 算法。 問(wèn)： 怎樣改善 LMS 濾波器性能？ 答 ： 在滿足收斂速度要求的條件下，適當(dāng)?shù)慕档褪諗恳蜃?，提高濾波器的階數(shù)可以改善濾波器輸出波的平滑型，但減小收斂因子可能會(huì)在很長(zhǎng)一段時(shí)間產(chǎn)生一個(gè)較大的均方誤差，所以收斂速度和濾波效果有一個(gè)矛盾，二者必須折衷選擇。提高濾波器的 階數(shù)也可以改善濾波效果，但需要提高存儲(chǔ)空間。 成績(jī)?cè)u(píng)定依據(jù)： 最終評(píng)定成績(jī)（以優(yōu)、良、中、及格、不及格評(píng)定） 指導(dǎo)教師簽字： 年 月 日