基于rls算法的多麥克風(fēng)降噪matlab實(shí)現(xiàn)課程設(shè)計(jì)-文庫(kù)吧資料
2025-07-03 19:38本頁面
【正文】 %畫出噪聲語音波形title(39。subplot(2,3,2)。plot(abs(Y1))。Y1=fft(y1,4096)。39。)。 %畫出麥克風(fēng)主語音波形title(39。 %作圖subplot(2,3,1)。，進(jìn)行RLS算法處理，濾除噪聲后，得到語音文件，先由plot指令繪出語音文件波形，再用Y=fft()函數(shù)求出頻譜，由plot指令繪出語音文件頻譜圖，然后通過MATLAB中的sound命令播放語音文件。 disp(i)。 p = (pp0*p)。 w = w + K*z。 K=k/(1+n239。 n2=fref(iWorder+1:i)39。 for i=1+Worder:loopsize %寫RLS算法公式 z=primary(i)w39。output=primary。 p=(1/Delta) * eye ( Worder,Worder ) 。% 初始化Worder=32。另外，顯然距離n最近的量與Y（n）最接近，引入遺忘因子使得從n1到0，相關(guān)程度逐漸減小。 fref = fref39。39。 primary = primary39。39。由于這些信號(hào)特別容易受到外界環(huán)境的影響，最后可能影響主語音信號(hào)的去噪提取，最后在老師的指導(dǎo)下，然后用randn(length(source),1)函數(shù)將其打亂作為噪聲。首先，老師沒有給我們提供設(shè)計(jì)中所需要用到的語音信號(hào)；其次，怎樣錄制噪聲和被噪聲污染的語音信號(hào)也是一個(gè)很現(xiàn)實(shí)的問題。end。 output(iWorder)=z。 p0=K*n239。*k)。 k=(1/lambda)*p*n2。*(fref(iWorder+1:i))39。 %主語音輸出loopsize=max(size(primary))。 output=primary。p=(1/Delta) * eye ( Worder,Worder ) 。% 設(shè)置遺忘因子Delta= 。 %濾波器階數(shù)lambda=1 。是真正的估計(jì)誤差，它等于：自適應(yīng)遞歸最小二乘算法的信號(hào)流程圖如圖3： 圖32 RLS算法信號(hào)流程圖RLS算法的計(jì)算步序如圖4：圖33 RLS算法步序 RLS算法程序程序設(shè)計(jì)在理解RLS算法的基本原理后，我決定自行編寫RLS算法程序塊，RLS算法可以理解為將輸出反饋給濾波器來調(diào)整相關(guān)參數(shù)，達(dá)到校正誤差的目的。簡(jiǎn)短的表示濾波器的代價(jià)函數(shù)，將上式有關(guān)項(xiàng)定義為以下參數(shù)：（1）確定性相關(guān)函數(shù)表示輸入信號(hào)在抽頭k與抽頭m之間兩信號(hào)的相關(guān)性， （2）確定性互相關(guān)函數(shù)表示期望響應(yīng)與在抽頭k輸入型號(hào)之間的互相關(guān)性： （3）期望響應(yīng)序列的能量為： 將上述定義的三個(gè)參數(shù)代入式③中，得： ④為了估算濾波器的最佳濾波系數(shù)，把式④對(duì)濾波系數(shù)（權(quán)系數(shù)）微分一次，并令其導(dǎo)數(shù)等于0： ⑤得： ⑥這是最小二乘法自適應(yīng)濾波的正則方程。濾波器輸出信號(hào)y(n)等于輸入信號(hào)x(n)與沖激響應(yīng)序列Wi (n)的卷積和，如式①。濾波器濾波系數(shù)是對(duì)延遲線抽頭信號(hào)加權(quán)的系數(shù){w1(n)，w2(n)，w3(n)，…Wm (n)}，實(shí)質(zhì)上，這也是濾波器的沖激響應(yīng)序列。 （公式11） 又由式中3 RLS算法方案設(shè)計(jì)圖31自適應(yīng)橫向?yàn)V波器結(jié)構(gòu)框圖自適應(yīng)橫向?yàn)V波器有兩路輸入，一為輸入信號(hào){x(n)}，含有樣本{x(1)，x(2)，……x(N)}。i=n時(shí)刻， （公式6） （公式7）故代價(jià)函數(shù)比更合理。估計(jì)誤差定義： （公式3） （公式4）可取濾波器的實(shí)際輸入d*(i)作為期望響應(yīng)d(i)。它是利用在已知n1時(shí)濾波器抽頭權(quán)系數(shù)的情況下，通過簡(jiǎn)單的更新，求出n時(shí)刻的濾波器抽頭權(quán)系數(shù)。 （公式1） 下降算法：最廣泛使用的自適應(yīng)算法包括自適應(yīng)梯度算法(LMS)、自適應(yīng)高斯牛頓算法(RLS)。通過上面的分析討論，將帶有噪聲的原始信號(hào)輸入到系統(tǒng)中，通過將線性自適應(yīng)濾波器與RLS算法相結(jié)合進(jìn)行信道估計(jì)，來改進(jìn)RLS估計(jì)算法，減小噪聲對(duì)信道的影響，這樣就能有效的較少信道干擾和載波間干擾，從而優(yōu)化信道的估計(jì)算法。由于通過濾濾器的輸入信號(hào)進(jìn)行收斂，過濾的噪聲應(yīng)完全從“信號(hào)加噪聲”的信號(hào)中減去，繼而使得輸出信號(hào)應(yīng)該只包含原始信號(hào)。使用遞歸最小二乘(RLS)算法，從輸入信號(hào)中減去噪聲得到輸出信號(hào)。該輸入信號(hào)可以是基于采樣的標(biāo)量或一個(gè)單位信道的基于幀的信號(hào)。 圖22 自適應(yīng)濾波原理圖自適應(yīng)濾波器由遞歸計(jì)算最小二乘估計(jì)(RLS)應(yīng)用自適應(yīng)權(quán)值控制機(jī)制來進(jìn)行(圖32)。這樣，將逼近信號(hào)，且其均方值為最小。期望響應(yīng)是信號(hào)和噪聲之和，即，自適應(yīng)處理器的輸入是與相關(guān)的另一個(gè)噪聲。自適應(yīng)噪聲抵消技術(shù)是自適應(yīng)信號(hào)處理的一個(gè)應(yīng)用分支，其主要理論和框架在1975年提出，經(jīng)過三十多年的豐富和擴(kuò)充，現(xiàn)在已經(jīng)應(yīng)用到了很多領(lǐng)域，比如車載免提通話設(shè)備，房間或無線通訊中的回聲抵消在母體上檢測(cè)胎兒心音，機(jī)載電子干擾機(jī)收發(fā)隔離等，都是用自適應(yīng)干擾抵消的辦法消除混入接收信號(hào)中的其他聲音信號(hào)。凡是需要處理未知統(tǒng)計(jì)環(huán)境下運(yùn)算結(jié)果所產(chǎn)生的信號(hào)或需要處理非平穩(wěn)信號(hào)時(shí)，自適應(yīng)濾波器可以提供一種吸引人的解決方法，而且其性能通常遠(yuǎn)優(yōu)于用常方法設(shè)計(jì)的固定濾波器。)是輸入信號(hào)x(k)、參考信號(hào)d(k)及輸出信號(hào)y(k)的函數(shù)，即F()最小化，濾波器輸出信號(hào)y(n)逐步逼近所期望的參考信號(hào)d(n)，由兩者之間的估計(jì)誤差e(n)驅(qū)動(dòng)某種算法對(duì)濾波(權(quán))系數(shù)進(jìn)行調(diào)整，使濾波器處于最佳工作狀態(tài)以實(shí)現(xiàn)濾波過程。自適應(yīng)濾波器含有兩個(gè)過程，即自適應(yīng)過程與濾波過程。在自適應(yīng)調(diào)整濾波系數(shù)的過程中，有不同的準(zhǔn)則和算法。
語文相關(guān)推薦
鄂ICP備17016276號(hào)-1