【正文】 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。grid on。)。噪聲信號信號頻譜39。Y3=fft(fref)。ylabel(39。)。w2=2/n1*(0:n11)。幅度39。xlabel(39。%設置角頻率figuresubplot(312)plot(w1,abs(Y1))。)。subplot(313)。%d percent pleted \n39。 w = w + mu.*frefblock39。 %offset n so we can reference the correct value in zeropadded fref m = n + worder 1。w = zeros(1,worder)。噪聲信號39。)。武漢理工大學《信息處理課群綜合訓練與設計》課程設計20subplot(311)。)。39。Matlab 仿真實現(xiàn)武漢理工大學《信息處理課群綜合訓練與設計》課程設計197. MATLAB 仿真結果分析語音增強的目的就是消除噪聲以加強語音的通信質量。利用由自適應濾波器所構成的自適應噪聲干擾抵消系統(tǒng)，可以獲得自動跟蹤捕捉噪聲干擾源和高信噪比的優(yōu)異性能。在這個系統(tǒng)中，我們的目的是在最小均方意義下，產(chǎn)生對信號 最佳擬合的輸出信)(ts號 。武漢理工大學《信息處理課群綜合訓練與設計》課程設計176 基于 LMS 自適應濾波器的噪聲抵消法 自適應噪聲抵消法的原理一個最簡單的自適應噪聲抵消原理示意圖如圖 43 所示： 原始輸入 輸出信號源 ? 0ns? e y1n噪聲源 自適應濾波器 e圖 6 自適應噪聲抵消原理武漢理工大學《信息處理課群綜合訓練與設計》課程設計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， 為一個與信號 不相關的噪聲，抵消器的 “參考輸入’’ 為噪聲 ， 與0ns 1n信號 s 不相關，卻以某種未知的方式與噪聲 相關，由圖可以看出噪聲 經(jīng)自0適應濾波器輸出 ，再從原始輸入 中減去該輸出，產(chǎn)生了系統(tǒng)的輸出yns?。 值對 的收斂過)]([i ?)]([nwEi程有很大影響。1． 算法加權矢量平均值的收斂條件為LMS當且僅當 （519）max10???時 （520）optnWE???)]([li因為實用時很少能夠知道 的各個特征值，實際上，我們有xR （521）xrT?ma?其中 為 的跡，且xrRTx （522） ?????ii imxr MPinxET112)]1([式中 為輸入信號 的功率。在最陡下降法的式中，用梯度的估計代替梯度 即得：? （512(1)(Wn???????）LMS 算法采用如下的梯度估計值： （522[()][()]WWEene????13）即它用瞬時輸出誤差功率的梯度 作為均方誤差梯度 的估計)]([2 )]([2neEW?值。但當上述條件不具備時，我們只能把隨機的平方誤差 當成是均optW )(2ne方誤差 。為了減小誤差，一個顯然的方法是找出該工作點處使均optW方誤差 減小速率最大的方向，亦即梯度 的負方向，然后令權矢量 W(n)沿? ?W?著梯度的負方向修正。 最陡下降法最陡下降法構成了不少算法，是 LMS 算法的基礎。自適應濾波的任務是采用合適的算法來調節(jié)濾波權重 ，從而找到性能曲面地最優(yōu)點 。維納濾波器則產(chǎn)生 y(k)中與 x(k)相關分量地最優(yōu)估計，再從 y(k)中減去它就得到 e(k)。它的解是以均方誤差最小條件下所得到的系統(tǒng)的傳遞函數(shù) 或單位樣本響應)(zH的形式給出的，因此更常稱這種系統(tǒng)為最佳線性過濾器或濾波器。0)(?kdhJ把 J(k)的表達式代入，得： (42)12[()()]0kTiyhkxi???和 (43)11()()()kkTTTi ixii??由此得出濾波器系數(shù)的最優(yōu)向量： (44)1()()kTiTixyhi??這個表達式由輸入信號自相關矩陣 和輸入信號與參考信號的相關矩陣xc組成，如下所示，維數(shù)都為（n,n）:()yxck 1()()kTxii? yicy系數(shù)最優(yōu)向量也可以寫成如下形式： （45）1()()Toptyxhkck??自相關和互相關矩陣的遞歸表達式如下： ())()Txxc? 1yykkx?把 的遞歸表達式代入系數(shù)向量表達式，得：()yxck 1()()Tyxhc??武漢理工大學《信息處理課群綜合訓練與設計》課程設計10即 1()[(1)()](TTyx xhkckyc????考慮到 ()()Tyxx可以記 （46）1()[()1()]xxhkckhykx????用前面得到的表達式求出 ，并代入上式： 1(){[()()]()}Txx?或 1[ 1]Thkcykxkh?????則濾波器系數(shù)的遞歸關系式可以記作 1())([)()()]Tx?其中 ()()Tekykh?e(k)表示先驗誤差。如何縮短自適應收斂過程所需要的收斂時間，這個與算法和結構有關的問題是人們一直重視研究的問題之一。所以自適應過程是一個閉合的反饋環(huán)，算法決定了這個閉合環(huán)路的自適應過程所需要的時間。另一是自適應算法部分，用來調整濾波子系統(tǒng)武漢理工大學《信息處理課群綜合訓練與設計》課程設計7結構的參數(shù)，或濾波系數(shù)。開環(huán)算法的優(yōu)點是調整速度快，一般不存在穩(wěn)定性問題。開環(huán)算法的控制輸出僅取決于濾波器的輸入和某些其他數(shù)據(jù)，但是不取決于濾波器的輸出，如圖 31（a ）所示?？删幊虨V波器即參數(shù)可變的濾波器，自適應算法對其參數(shù)進行控制以實現(xiàn)最佳工作。而當輸入過程的統(tǒng)計特性變化時，自適應濾波器調整自己參數(shù)的過程為“跟蹤過程” 。然而，由于輸入過程取決于外界的信號、干擾環(huán)境，這種環(huán)境的統(tǒng)計特性常常是未知的、變化的，因而不能滿足上述兩個要求。所謂最佳濾波器是指能夠根據(jù)某一最佳準則進行濾波的濾波器。相應的裝置稱為濾波器。特別是在輔助輸入噪聲與語音中的噪聲完全相關的情況下，自適應噪聲抵消法能完全排除噪聲的隨機性，徹底地抵消語音中的噪聲成分，從而無論在信噪比(SNR，Signal 武漢理工大學《信息處理課群綜合訓練與設計》課程設計5to Noise Ratio)方面還是在語音可懂度方面都能獲得較大的提高。(1)語音和非語音的判別問題，當信噪比很低時判別非常困難。 卡爾曼濾波法為了獲得較好的語音增強效果，必須盡可能的了解噪聲和語音的信息，以卡爾曼濾波器為主體的語音增強方法正是建立在噪聲模型和語音模型的基礎上。由于語音的相關函數(shù)與語音信號本身具有相同的頻率成分，只是其幅度近似為語音信號幅度的平方值，因此只要對含噪語音的自相關值作適當?shù)奶幚砭涂蓮脑肼曋刑崛〕稣Z音信息。這個方法的主要缺點是必須己知通信語音的基頻，而當信噪比較低時，基頻的確定變得十分困難。 梳狀濾波法梳狀濾波法是利用了語音的頻譜特征，即諧波性。線性濾波法不僅用到了噪聲的統(tǒng)計知識，還用到了部分語音知識，但顯然這些知識都是一種近似的代替。2. 1 線性濾波法線性濾波法主要是利用了語音的產(chǎn)生模型。即使在實驗室仿真條件下，也難以找到一種通用的語音增強算法去適用各種噪聲環(huán)境。1987年，Paliwal 把卡爾曼濾波引入到語音增強領域。1978 年，Lim 和Oppenheim 提出了語音增強的維納濾波方法。在上述情況下，必須加入語音增強系統(tǒng)，或者抑制背景噪聲，以提高語音通信質量，或者作為預處