【正文】 ?2法累加的算術(shù)操作，這就使 LMS 算法更具吸引力。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)176 基于 LMS 自適應(yīng)濾波器的噪聲抵消法 自適應(yīng)噪聲抵消法的原理一個(gè)最簡單的自適應(yīng)噪聲抵消原理示意圖如圖 43 所示： 原始輸入 輸出信號(hào)源 ? 0ns? e y1n噪聲源 自適應(yīng)濾波器 e圖 6 自適應(yīng)噪聲抵消原理武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》課程設(shè)計(jì)18圖 43 中抵消器的“ 原始輸入 ’’為 ，其中 s 為沿信道傳遞到傳感器的0ns?信號(hào)， 為一個(gè)與信號(hào) 不相關(guān)的噪聲，抵消器的 “參考輸入’’ 為噪聲 ， 與0ns 1n信號(hào) s 不相關(guān)，卻以某種未知的方式與噪聲 相關(guān)，由圖可以看出噪聲 經(jīng)自0適應(yīng)濾波器輸出 ，再從原始輸入 中減去該輸出，產(chǎn)生了系統(tǒng)的輸出yns?。nse???如果可以知道噪聲傳輸?shù)皆驾斎攵撕蛥⒖驾斎攵说耐ǖ捞匦裕瑒t一般而言，就可以設(shè)計(jì)出能夠?qū)?變成 的固定濾波器。然后，從原始輸入1n0y?減去濾波器的輸出 y，則系統(tǒng)的輸出就應(yīng)當(dāng)只有信號(hào) ，然而，一般地，0ns? s傳輸通道均是未知的，則使用固定參數(shù)濾波器就行不通。在圖 43 的系統(tǒng)中，參考輸入 經(jīng)過了一個(gè)自適應(yīng)濾波器的處理，此自適1n應(yīng)濾波器通過某種由與輸出有關(guān)的誤差 e 所控制的最小均方算法自動(dòng)調(diào)節(jié)自身的沖激響應(yīng)，當(dāng)采用了適應(yīng)的算法，濾波器可以在變化的條件下進(jìn)行工作，并且不斷的調(diào)節(jié)自身，使誤差信號(hào) e 達(dá)到最小。在這個(gè)系統(tǒng)中，我們的目的是在最小均方意義下，產(chǎn)生對(duì)信號(hào) 最佳擬合的輸出信)(ts號(hào) 。我們將系統(tǒng)輸出反饋回自適應(yīng)濾波器，并按照某種自適應(yīng)算法調(diào)節(jié))()(0tynts??此濾波器，使系統(tǒng)輸出的功率達(dá)到極小，即可實(shí)現(xiàn)這一目標(biāo)。在這個(gè)自適應(yīng)噪聲抵消(ACN)系統(tǒng)中，系統(tǒng)輸出被用做自適應(yīng)過程的誤差信號(hào)。 自適應(yīng)噪聲抵消法的應(yīng)用自適應(yīng)噪聲抵消技術(shù)是通信、雷達(dá)、聲納、生物醫(yī)學(xué)工程等研究領(lǐng)域受到重視的問題之一，如在語音通信系統(tǒng)中，必須抑制由于傳輸誤差所引入的接收語音波形的沖激式失真干擾。利用由自適應(yīng)濾波器所構(gòu)成的自適應(yīng)噪聲干擾抵消系統(tǒng)，可以獲得自動(dòng)跟蹤捕捉噪聲干擾源和高信噪比的優(yōu)異性能。在航空戰(zhàn)斗環(huán)境中使用自適應(yīng)噪聲抵消器，可以大大改善航空通信質(zhì)量。在標(biāo)準(zhǔn)計(jì)量信號(hào)發(fā)生器中使用自適應(yīng)濾波器，可以將電源頻率的干擾降低到 100dB 以下。利用自適應(yīng)濾波器還可以有效地降低酒會(huì)宴會(huì)廳內(nèi)的噪聲。Matlab 仿真實(shí)現(xiàn)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)197. MATLAB 仿真結(jié)果分析語音增強(qiáng)的目的就是消除噪聲以加強(qiáng)語音的通信質(zhì)量。最常見的是基于自適應(yīng)的噪聲抵消法對(duì)語音進(jìn)行增強(qiáng)。本節(jié)應(yīng)用 LMS 自適應(yīng)濾波算法并結(jié)合MATLAB 仿真軟件對(duì)語音增強(qiáng)模型進(jìn)行討論和分析。 實(shí)驗(yàn)程序%%基于 LMS 算法的多麥克風(fēng)降噪[primary,Fs,Nbits] = wavread(39。39。)。fref = wavread(39。39。)。primary = primary39。 fref = fref39。wavplay(primary)。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)20subplot(311)。plot(primary)。title(39。原始信號(hào)39。)。subplot(312)。plot(fref)。title(39。噪聲信號(hào)39。)。[a1,N] = size(primary)。worder = 10。w = zeros(1,worder)。mu = 。 %初始化學(xué)習(xí)算法的步長 %initilize the output%Zero pad so we can start filter at 0 and not throw of the indexfrefpad = [zeros(1,worder 1) fref]。for n = 1:N。 %offset n so we can reference the correct value in zeropadded fref m = n + worder 1。 frefblock = frefpad(mworder+1:1:m)39。 refP(n) = w*(frefblock)。 output(n) = primary(n) refP(n)。 w = w + mu.*frefblock39。.*output(n)。 %調(diào)整濾波器系數(shù)的 LMS算法 if (mod(n,100) == 0) || (n == N) per = floor(100*n/N)。 fprintf(39。%d percent pleted \n39。,per)。 %迭代一次顯示運(yùn)行百分比 endend。%wavplay(output,Fs)。subplot(313)。plot(output)。title(39。濾波后輸出信號(hào)39。)。n1=length(output)。%取 output 的長度Y1=fft(output)。w1=2/n1*(0:n11)。%設(shè)置角頻率figuresubplot(312)plot(w1,abs(Y1))。%畫頻譜圖title(39。輸出信號(hào)信號(hào)頻譜39。)。xlabel(39。數(shù)字角頻率 39。)。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)21ylabel(39。幅度39。)。grid on。Y2=fft(primary)。w2=2/n1*(0:n11)。%設(shè)置角頻率subplot(311)plot(w2,abs(Y2))。%畫頻譜圖title(39。原始信號(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(fref)。w3=2/n1*(0:n11)。%設(shè)置角頻率subplot(313)plot(w3,abs(Y3))。%畫頻譜圖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。wavplay(output)。 實(shí)驗(yàn)結(jié)果武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》課程設(shè)計(jì)22 圖 7 信號(hào)仿真圖武漢理工大學(xué)《信息處理課群綜合訓(xùn)練與設(shè)計(jì)》課程設(shè)計(jì)23 圖 8 頻譜分析圖 實(shí)驗(yàn)結(jié)果分析在程序運(yùn)行的開始播放了原始的語音信號(hào)，聽不到任何語音聲音，只有噪音，在程序結(jié)束的時(shí)候，播放濾波后的輸出信號(hào)，可以清楚的聽到 1 刀 9 這九個(gè)數(shù)字的英語發(fā)音，在讀音的開始有一段噪音以及第一數(shù)字的發(fā)音不太清楚，但是還是可明確的分辨出語音信號(hào)所包含的信息，說明達(dá)到了預(yù)期的目的從圖 8 的頻譜分析圖上來看，輸出信號(hào)的頻譜輪廓與原始信號(hào)的皮普輪廓相似，只是幅度平均值不一樣，從圖上來看，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。通過輸出信號(hào)的試聽和頻譜的分析，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)24在課程設(shè)計(jì)的過程中，通過查閱我明白了基于 LSM 多麥克風(fēng)語音信號(hào)降噪的過程以及 LSM 的原理及實(shí)現(xiàn)方法，通過 MATLAB 編程及仿真，實(shí)現(xiàn)了語音信號(hào)的降噪，并且從不清楚的語音信號(hào)中通過 LSM 降噪得到了清晰的語音信號(hào)，充分體會(huì)了基于 LSM 多麥克風(fēng)語音信號(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 的使用過程，加深了 對(duì)這一軟件的了解，提高了自己動(dòng)手的能力。但是由于在實(shí)驗(yàn)過程中使用的原始信號(hào)和噪聲信號(hào)不是自己錄制的，是通過網(wǎng)絡(luò)下載的，所以對(duì)于輸出信號(hào)播放中開始的那一段噪音不能確定是語音信號(hào)在本來就有的還是由于程序設(shè)計(jì)的不足造成的降噪效果不理想在，在試驗(yàn)過程中還是不能理解如何同時(shí)錄制語音信號(hào)和噪聲信號(hào)，于是只能從網(wǎng)上下載，同時(shí)也造成了對(duì)試驗(yàn)結(jié)果的分析還存在不明白的地方。但是試驗(yàn)的目的還是達(dá)到了，就是從一段有噪音的語音信號(hào)中得到了清晰的語音信號(hào)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)25[1]姚天任，數(shù)字語音處理，武漢華中科技大學(xué)出版社，2022． [2]鄒國良，自適應(yīng)濾波理論及應(yīng)用[M]，河北大學(xué)出版社，2022.[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，2022． [4]葛良、陶智，基于自適應(yīng)濾波的語音增強(qiáng)算法．江蘇：蘇州大學(xué)學(xué)報(bào)，2022． [5]袁俊泉，MATLAB 信號(hào)處理 .清華大學(xué)出版社， .[6]趙力，語音信號(hào)處理，北京機(jī)械工業(yè)出版社，2022．[7]韓利竹，王華．MATLAB 電子仿真與應(yīng)用．北京國防工業(yè)出版社， 2022． 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)26