基于lms_算法的多麥克風降噪(編輯修改稿)

　

【文章內容簡介】 別問題，當信噪比很低時判別非常困難。(2)噪聲必然會對語音參數的估計產生影響，特別是在信噪比較低時，語音估計參數就難以保證有足夠的精確度。(3)整個過程的計算復雜性也較大，難以實時實現。 自適應噪聲抵消法自適應噪聲抵消法比其它方法多用了一個參考噪聲作為輔助輸入，從而獲得了比較全面的關于噪聲的信息，因而能得到更好的降噪效果。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。其工作原理實質上以均方誤差 或方差 為最小準則，對噪聲 進行最優估計??)(2neE)(2ne)(n,然后從含噪聲的語音中減去噪聲 達到降噪，提高信噪比，增強)(ny?? )(語音。本文主要采用自適應噪聲抵消法對含噪語音信號去噪。3 自適應濾波概念 自適應濾波從連續的（或離散的）輸入信號中濾除噪聲和干擾以提取有用信號的過程稱為濾波。相應的裝置稱為濾波器。當濾波器的輸出為輸入的線性函數時，該濾波器稱為線性濾波器，否則就稱為非線性濾波器。根據濾波器的參數是隨時間變化的，又可以將濾波器分為時變和非時變濾波器兩種。濾波器研究的一個基本課題就是：如何設計和制造最佳的或者是最優的濾波器。所謂最佳濾波器是指能夠根據某一最佳準則進行濾波的濾波器。假定線性濾波器的輸入為有用信號和噪聲之和，兩者均為廣義平穩隨機過程。維納根據最小均方誤差準則（濾波器的輸出信號與需要信號之差的均方值最小） ，求得了最佳線性濾波器的參數，這種濾波器被成為維納濾波器。要實現維納濾波，就要求：輸入過程是廣義平穩的；輸入過程的統計特性是已知的。然而，由于輸入過程取決于外界的信號、干擾環境，這種環境的統計特性常常是未知的、變化的，因而不能滿足上述兩個要求。這就促使人們研究自適應濾波器。自適應濾波器在輸入過程的統計特性位置時，或輸入過程的統計特性變化時，能夠調整自己的參數，以滿足某種最佳準則的要求。當輸入過程的統計特性未知時，自適應濾波器調整自己參數的過程稱為“ 學習過程” 。而當輸入過程的統計特性變化時，自適應濾波器調整自己參數的過程為“跟蹤過程” 。自適應濾波器包括自適應時域濾波器和自適應空域濾波器，它和信息論、檢測與估計理論等密切相關，是近二十多年來發展起來的信息科學的一個重要分支。 自適應濾波器的組成武漢理工大學《信息處理課群綜合訓練與設計》課程設計6自適應濾波器的組成如圖 31 所示。它可分為可編程濾波器（濾波部分）及自適應算法（控制部分）兩部分。可編程濾波器即參數可變的濾波器，自適應算法對其參數進行控制以實現最佳工作。輸入 可編程 輸出 輸入 可編程 輸出濾波器 濾波器自適應算法 自適應算法其他數據 其他數據（a ）開環算法 (b)閉環算法圖 1 自適應濾波器的組成自適應算法主要根據濾波器輸入統計特性進行處理。它可能還與濾波器輸出和其他參數有關。根據自適應算法是否與濾波器輸出有關，可以將其分為開環算法和閉環算法兩類。開環算法的控制輸出僅取決于濾波器的輸入和某些其他數據，但是不取決于濾波器的輸出，如圖 31（a ）所示。閉環算法的控制輸出則是濾波器輸入、濾波器輸出以及某些其他輸入的函數，如圖 31（b）所示。閉環算法利用了輸出反饋，它不但能在濾波器輸入變化時保持最佳的輸出，而且還能在某種程度上補償濾波器元件參數的變化和誤差以及運算誤差。它的缺點是存在穩定性問題以及收斂速度不高。開環算法的優點是調整速度快，一般不存在穩定性問題。但是通常要求的計算量大且不能補償元件參數誤差及運算誤差。因此，多數采用閉環算法。 基本自適應濾波器的模塊結構自適應濾波器通常由兩部分構成，其一是濾波子系統，根據它所要處理的功能而往往有不同的結構形式。另一是自適應算法部分，用來調整濾波子系統武漢理工大學《信息處理課群綜合訓練與設計》課程設計7結構的參數，或濾波系數。在自適應調整濾波系數的過程中，有不同的準則和算法。自適應濾波器含有兩個過程，即自適應過程和濾波過程。前一過程的基本目標是調節濾波系數 ，使得有意義的目標函數或代價函數 最小化，)(kwi (.)?濾波器輸出信號 逐步逼近所期望的參考信號 ，由兩者之間的誤差信號y )(kd驅動某種算法對濾波系數進行調整，使得濾波器處于最佳工作狀態以實現)(ke濾波過程。所以自適應過程是一個閉合的反饋環，算法決定了這個閉合環路的自適應過程所需要的時間。但是，由于目標函數 是輸入信號 ,參考信號(.)?)(kx及輸出信號 的函數，即 ,因此目標函數必須具有)(kd)(ky(.)[xk ,dy] ??以下兩個性質：非負性 (31) y(k)d,x(), 0y(k)]d,[x(). ????最佳性 (32) () , ()]k,[().) ?when?在自適應過程中，自適應算法逐步使目標函數 最小化，最終使 逼近.?)(ky于 ，濾波參數或權系數 收斂于 ，這里 是自適應濾波系數的最)(kd)(i optopt優解即維納解。因此，自適應過程也是自適應濾波器的最佳線性估計的過程，既要估計濾波器能實現期望信號 的整個過程，又要估計濾波權系數以進行)(kd有利于主要目標方向的調整。這些估計過程是以連續的時變形式進行的，這就是自適應濾波器需要有的自適應收斂過程。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。武漢理工大學《信息處理課群綜合訓練與設計》課程設計84 自適應濾波原理 自適應濾波概述自適應濾波器是指利用前一時刻的結果，自動調節當前時刻的濾波器參數，以適應信號和噪聲未知或隨機變化的特性，得到有效的輸出，主要由參數可調的數字濾波器和自適應算法兩部分組成，如圖 2 所示圖 2 自適應濾波器原理圖x(n)稱為輸入信號，y(n)稱為輸出信號，d(n)稱為期望信號或者訓練信號，e(n)為誤差僖號，其中，e(n)=d(n)y(n).自適應濾波器的系數(權值)根據誤差信號 e(n)，通過一定的自適應算法不斷的進行改變，以達到使輸出信號 y(n)最接近期望信號 圖中參數可調的數字濾波器和自適應算法組成自適應濾波器。自適應濾波算法是濾波器系數權值更新的控制算法，根據輸入信號與期望信號以及它們之間的誤差信號，自適應濾波算法依據算法準則對濾波器的系數權值進行更新，使其能夠使濾波器的輸出趨向于期望信號。武漢理工大學《信息處理課群綜合訓練與設計》課程設計9 原理記數字濾波器脈沖響應為： h(k)=[h0(k) h1(k) … hn1(k)]T 輸入采樣信號為： x(k)=[x(k) x(k1) … x(kn1)]誤差信號為： )()(^kyke?? Thx優化過程就是最小化性能指標 J(k),它是誤差的平方和： (41)21()[()()]kTiJyi???求使 J(k)最小的系數向量 h(k),即使 J(k)對 h(k)的導數為零，也就是 。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的最優向量： (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，維數都為（n,n）:()yxck 1()()kTxii? yicy系數最優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