【正文】 )。武漢理工大學(xué)《信息群處理課程設(shè)計》報告33title(39。plot(abs(Y))。 Y=fft(yn,n)。)。title(39。時間39。)。ylabel(39。plot(t,yn)。 %收斂因子 0 mu 1/rho[yn,W,en] = LMS(xn,dn,M,mu)。))。 % 預(yù)期結(jié)果序列M = 20 。 % 輸入信號序列dn = xs.39。xn =primary.39。grid。bold39。fontweight39。噪聲信號頻譜39。plot(abs(F))。)。,39。,39。title(39。時間39。)。武漢理工大學(xué)《信息群處理課程設(shè)計》報告32ylabel(39。plot(fref)。 figure。n=length(fref) 。39。grid。bold39。fontweight39。主麥克風(fēng)語音信號頻譜39。plot(abs(P))。grid。bold39。fontweight39。主麥克風(fēng)錄制的受噪聲污染的語音信號39。)。xlabel(39。幅值39。plot(primary)。 %快速傅里葉變換figure。 %語音信號的播放n=length(primary) 。)。武漢理工大學(xué)《信息群處理課程設(shè)計》報告29武漢理工大學(xué)《信息群處理課程設(shè)計》報告30參考文獻[1] [M].電子工業(yè)出版社，1995[2] 馬超 , MATLAB的噪聲信號采集與分析系統(tǒng)研究[J]. 華中科技大學(xué)能源與動力工程學(xué)院院報 2022(5)[3] 數(shù)字信號處理與應(yīng)用[M].北京:清華大學(xué)出版社，2022[4] 徐明遠， 仿真在信號處理中的應(yīng)用[M].西安:電子科技大學(xué)出版社，2022 [5] [M]，2022[6] 鐘麟， 仿真技術(shù)與應(yīng)用教程[M].國防工業(yè)出版社，2022[7] Sen Bob [M].北京：中國鐵道出版社，2022武漢理工大學(xué)《信息群處理課程設(shè)計》報告31附錄：源程序%LMS Noise Cancellation for speech signalclose all% 主麥克風(fēng)錄制的語音信號的讀取[primary,fs,nbits]=wavread(39。課堂上老師教的知識是很有限的，課外學(xué)習(xí)很重要，要充分利用圖書館和互聯(lián)網(wǎng)上的資源，多請教同學(xué)老師，和他人交流，使自己學(xué)到更多的知識，提高自己的學(xué)習(xí)能力和獨立思考的能力。最終圓滿的完成了這次課程設(shè)計，也較好的完成了對主麥克風(fēng)錄制的受噪聲干擾的語音信號的降噪處理，實現(xiàn)了預(yù)期的濾波效果。在這次課程設(shè)計過程中，我遇到了不少困難，首先是 LMS算法復(fù)雜、難懂，很多的公式難以理解；其次是用 MATLAB編程實現(xiàn) LMS自適應(yīng)濾波，有些程序語句不會寫也看不懂。然后閱讀了基于 MATLAB的語音信號處理方面的書籍，查閱了常用的語音信號處理函數(shù)的格式，如：語音信號讀取 wavread函數(shù)，語音回放 wavplay函數(shù)，聲音回放 sound函數(shù)，生成語音信號 wavwrite函數(shù)等。我首先上網(wǎng)搜集資料，去圖書館借閱有關(guān)語音信號處理方面的書籍，查閱 LMS算法，自適應(yīng)濾波器的原理等。運用數(shù)字信號處理理論，基于 LMS算法設(shè)計自適應(yīng)濾波器，并對被噪聲污染的語音信號進行濾波，分析濾波前后信號的時域和頻域特征，回放語音信號。對主麥克風(fēng)輸入的受噪聲干擾的語音信號，進行基于 LMS自適應(yīng)濾波的源程序代碼見附錄。其調(diào)用格式：sound(y,Fs)，sound(y)和 sound(y,Fs,bits)。2） 通過對濾波前后主麥克風(fēng)語音信號頻譜的觀察分析可知，濾波前后頻譜分量明顯減弱，濾波后頻譜分量較集中，有明顯改善。)。,39。,39。title(39。plot(abs(Y))。 Y=fft(yn,n)。grid。bold39。fontweight39。濾波前語音信號頻譜39。plot(abs(P))。 %快速傅里葉變換figure。運行結(jié)果：圖 45 LMS 自適應(yīng)濾波結(jié)果 1 2 3 4 5x 1040主主主主主主主主 1 2 3 4 5x 104101LMS主主主主主主主主主主武漢理工大學(xué)《信息群處理課程設(shè)計》報告266) 分別對增強前后的語音信號作頻譜分析%繪制輸入帶噪信號頻譜n=length(primary) 。LMS自適應(yīng)濾波器輸出信號39。)。xlabel(39。幅值39。grid。subplot(2,1,2)。輸入主麥克風(fēng)信號39。axis([1 length(primary) min(primary) max(primary)])。subplot(2,1,1)。 %收斂因子 0 mu 1/rho[yn,W,en] = LMS(xn,dn,M,mu)。))。 % 預(yù)期結(jié)果序列M = 20 。 % 輸入信號序列dn = xs.39。0 1 2 3 4 5 6x 104101主主主主主主主主主主主主主主主主0 1 2 3 4 5 6x 104050100150200 主主主主主主武漢理工大學(xué)《信息群處理課程設(shè)計》報告25xn =primary.39。運行結(jié)果：圖44 參考麥克風(fēng)錄制的噪聲信號4）調(diào)用LMS 自適應(yīng)濾波函數(shù)對主麥克風(fēng)錄制的語音信號進行濾波，得到增強后的語音信號。)。,39。,39。title(39。subplot(2,1,2)。bold39。fontweight39。參考麥克風(fēng)錄制的噪聲信號39。)。xlabel(39。幅值39。grid。subplot(2,1,1)。 F=fft(fref,n)。)。運行結(jié)果： 圖43 主麥克風(fēng)錄制的語音信號3）參考麥克風(fēng)錄制的噪聲信號的讀取，并繪制其波形及頻譜fref=wavread(39。)。,39。,39。title(39。subplot(2,1,2)。)。,39。,39。title(39。時間39。)。ylabel(39。subplot(2,1,1)。 P=fft(primary,n)。開始用 wavread 讀取主麥克風(fēng)錄制的受噪聲干擾的語音信號，并進行采樣，建立數(shù)據(jù)文件，并用 plot 畫出數(shù)據(jù)文件時域波形圖和頻譜圖用 wavread 讀取參考麥克風(fēng)錄制的噪聲信號，并用 plot 畫出時域波形圖和頻譜圖并對其進行頻譜分析回放語音信號得出所設(shè)計濾波器在語音處理中的優(yōu)劣結(jié)束運用 LMS 算法設(shè)計自適應(yīng)濾波器， 并對被噪聲污染的語音信號進行濾波，分析濾波后信號的時域和頻域特征武漢理工大學(xué)《信息群處理課程設(shè)計》報告23sound(primary,fs,nbits)。39。 對主麥克風(fēng)音頻信號濾波 程序流程圖圖 42 程序流程圖 LMS 自適應(yīng)濾波用自己設(shè)計的濾波器對加噪的主麥克風(fēng)語音信號進行濾波，主麥克風(fēng)錄制的帶噪聲的語音信號為 ，參考麥克風(fēng)錄制的噪聲語音信號為。)。title(39。時間39。)。ylabel(39。誤差39。 預(yù)期輸出39。自適應(yīng)濾波器輸出39。grid。r39。g39。b39。)。title(39。時間39。)。ylabel(39。plot(t,yn)。)。title(39。時間39。)。ylabel(39。plot(t,xn)。% 繪制濾波器輸入信號figure。 % 輸入信號相關(guān)矩陣的最大特征值mu = rand()*(1/rho_max) 。 % 濾波器的階數(shù)rho_max = max(eig(xn*xn.39。 。 。% 信號濾波xn = xs+xn。it{隨機噪聲信號}39。)。xlabel(39。幅值39。grid。subplot(2,1,2)。,sum(100*clock))。% 噪聲信號的產(chǎn)生randn(39。it{輸入周期性信號}39。)。ylabel(39。plot(t,xs)。figure。其具體程序及運行結(jié)果如下：調(diào)用 LMS算法：%function main()close all% 周期信號的產(chǎn)生 t=0:99。* x。for k = M:length(xn) x = xn(k:1:kM+1)。 % 第 k 次迭代的誤差 % 濾波器權(quán)值計算的迭代式 W(:,k) = W(:,k1) + 2*mu*en(k)*x。 * x。 % 每一行代表一個加權(quán)參量,每一列代表次迭代,初始為 0% 迭代計算for k = M:itr % 第 k 次迭代 x = xn(k:1:kM+1)。end% 初始化參數(shù)en = zeros(itr,1)。請檢查輸入?yún)?shù)的個數(shù) !39。)。elseif nargin == 5 % 5 個時滿足 Mitrlength(xn) if itrlength(xn) | itrM error(39?；谧钚【秸`差準則(LMS)的自適應(yīng)噪0聲抵消算法的程序見下節(jié)。若 μ取值小，能保證收斂，但需要注意的是，如果取得過小，收斂速度將非常慢；相反，若 μ取值大，可以提高收斂速度，卻是以噪聲收斂為代價的。?收斂參數(shù) μ必須是正數(shù)，并且滿足： 0 μ （式 33R15） 0 μ （式 33max?6） 其中，λmax 表示自相關(guān)矩陣 R 的最大特征值。第三步：估計當前時刻 n 的誤差 e(n),武漢理工大學(xué)《信息群處理課程設(shè)計》報告16e(n)=x(n) (n)≈ (n) （式 33^vs3） 第四步：用最速下降 LMS 算法更新濾波器