基于rls算法的多麥克風降噪課程設計-在線瀏覽
2024-08-07 18:25本頁面
【正文】 ，繼而使得輸出信號應該只包含原始信號。通過上面的分析討論，將帶有噪聲的原始信號輸入到系統(tǒng)中，通過將線性自適應濾波器與RLS算法相結(jié)合進行信道估計，來改進RLS估計算法，減小噪聲對信道的影響，這樣就能有效的較少信道干擾和載波間干擾，從而優(yōu)化信道的估計算法。 （公式1） 下降算法：最廣泛使用的自適應算法包括自適應梯度算法(LMS)、自適應高斯牛頓算法(RLS)。它是利用在已知n1時濾波器抽頭權系數(shù)的情況下，通過簡單的更新，求出n時刻的濾波器抽頭權系數(shù)。估計誤差定義： （公式3） （公式4）可取濾波器的實際輸入d*(i)作為期望響應d(i)。i=n時刻， （公式6） （公式7）故代價函數(shù)比更合理。 （公式11） 又由式中3 方案設計圖31自適應橫向濾波器結(jié)構框圖自適應橫向濾波器有兩路輸入，一為輸入信號{x(n)}，含有樣本{x(1)，x(2)，……x(N)}。濾波器濾波系數(shù)是對延遲線抽頭信號加權的系數(shù){w1(n)，w2(n)，w3(n)，…Wm (n)}，實質(zhì)上，這也是濾波器的沖激響應序列。濾波器輸出信號y(n)等于輸入信號x(n)與沖激響應序列Wi (n)的卷積和，如式①。簡短的表示濾波器的代價函數(shù)，將上式有關項定義為以下參數(shù)：（1）確定性相關函數(shù)表示輸入信號在抽頭k與抽頭m之間兩信號的相關性， （2）確定性互相關函數(shù)表示期望響應與在抽頭k輸入型號之間的互相關性： （3）期望響應序列的能量為： 將上述定義的三個參數(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對濾波系數(shù)（權系數(shù)）微分一次，并令其導數(shù)等于0： ⑤得： ⑥這是最小二乘法自適應濾波的正則方程。是真正的估計誤差，它等于：自適應遞歸最小二乘算法的信號流程圖如圖3： 圖32 RLS算法信號流程圖RLS算法的計算步序如圖4：圖33 RLS算法步序 RLS算法程序程序設計在理解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)整相關參數(shù)，達到校正誤差的目的。 %濾波器階數(shù)lambda=1 。% 設置遺忘因子Delta= 。p=(1/Delta) * eye ( Worder,Worder ) 。output=primary。 %主語音輸出loopsize=max(size(primary))。 *(fref(iWorder+1:i))39。 k=(1/lambda)*p*n2。*k)。 p0=K*n239。 output(iWorder)=z。end。首先，設計中未要求所需要用到的語音信號；其次，錄制噪聲和被噪聲污染的語音信號也是一個的問題。，用waveread指令讀取音頻信號；指令寫為如下：primary = wavread(39。)。ref = wavread(39。)。RLS算法的收斂特性較LMS算法優(yōu)越，但相應的復雜度也要高許多，考慮到收斂時間的影響，從起始時間到收斂時間經(jīng)濾波器處理得到到輸出誤差依然很大，故直接將前32項去掉，先通過兩輸入作差得到預期值，再將所有預期值與對應時刻的實際輸出值作差求平方，將這些平方值相加可以得到一個變量為W的函數(shù)，取W是函數(shù)的值最小。最后求得相關偏差，反饋給濾波器以矯正輸出，達到減小誤差的目的。 %濾波器階數(shù)Delta= 。 w=zeros(Worder,1)。 %主語音輸出loopsize=max(size(primary))。*(fref(iWorder+1:i))39。 k=p*n2。*k)。 p0=K*n239。 output(iWorder)=z。，進行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。 %作圖%************************************************************************subplot(2,4,1)。 %畫出原始語音波形title(39。)。39。Y1=fft(y1,4096)。plot(abs(Y1))。原始語音頻譜39。%************************************************************************subplot(2,4,2)。 %畫出麥克風主語音波形title(39。)。39。Y2=fft(y2,4096)。plot(abs(Y2))。麥克風主語音輸入頻譜39。%************************************************************************subplot(2,4,3)。 %畫出噪聲語音波形title(39。)。39。Y3=fft(y3,4096)。plot(abs(Y3))。噪聲輸入頻譜39。%************************************************************************subplot(2,4,4)。 %畫降噪后的語音波形title(39。)。asd39。 %生成降噪后的語音[y,Fs4,bits4]=wavread(39。)。subplot(2,4,8)。 %畫出降噪后語音頻譜title(39。)。while f==1f
職業(yè)教育相關推薦
鄂ICP備17016276號-1