基于lms_算法的多麥克風降噪-資料下載頁

　　

【正文】 ?2法累加的算術操作，這就使 LMS 算法更具吸引力。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 經自0適應濾波器輸出 ，再從原始輸入 中減去該輸出，產生了系統的輸出yns?。nse???如果可以知道噪聲傳輸到原始輸入端和參考輸入端的通道特性，則一般而言，就可以設計出能夠將 變成 的固定濾波器。然后，從原始輸入1n0y?減去濾波器的輸出 y，則系統的輸出就應當只有信號 ，然而，一般地，0ns? s傳輸通道均是未知的，則使用固定參數濾波器就行不通。在圖 43 的系統中，參考輸入 經過了一個自適應濾波器的處理，此自適1n應濾波器通過某種由與輸出有關的誤差 e 所控制的最小均方算法自動調節自身的沖激響應，當采用了適應的算法，濾波器可以在變化的條件下進行工作，并且不斷的調節自身，使誤差信號 e 達到最小。在這個系統中，我們的目的是在最小均方意義下，產生對信號 最佳擬合的輸出信)(ts號 。我們將系統輸出反饋回自適應濾波器，并按照某種自適應算法調節)()(0tynts??此濾波器，使系統輸出的功率達到極小，即可實現這一目標。在這個自適應噪聲抵消(ACN)系統中，系統輸出被用做自適應過程的誤差信號。 自適應噪聲抵消法的應用自適應噪聲抵消技術是通信、雷達、聲納、生物醫學工程等研究領域受到重視的問題之一，如在語音通信系統中，必須抑制由于傳輸誤差所引入的接收語音波形的沖激式失真干擾。利用由自適應濾波器所構成的自適應噪聲干擾抵消系統，可以獲得自動跟蹤捕捉噪聲干擾源和高信噪比的優異性能。在航空戰斗環境中使用自適應噪聲抵消器，可以大大改善航空通信質量。在標準計量信號發生器中使用自適應濾波器，可以將電源頻率的干擾降低到 100dB 以下。利用自適應濾波器還可以有效地降低酒會宴會廳內的噪聲。Matlab 仿真實現武漢理工大學《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。最常見的是基于自適應的噪聲抵消法對語音進行增強。本節應用 LMS 自適應濾波算法并結合MATLAB 仿真軟件對語音增強模型進行討論和分析。 實驗程序%%基于 LMS 算法的多麥克風降噪[primary,Fs,Nbits] = wavread(39。39。)。fref = wavread(39。39。)。primary = primary39。 fref = fref39。wavplay(primary)。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)。plot(primary)。title(39。原始信號39。)。subplot(312)。plot(fref)。title(39。噪聲信號39。)。[a1,N] = size(primary)。worder = 10。w = zeros(1,worder)。mu = 。 %初始化學習算法的步長 %initilize the output%Zero pad so we can start filter at 0 and not throw of the indexfrefpad = [zeros(1,worder 1) fref]。for n = 1:N。 %offset n so we can reference the correct value in zeropadded fref m = n + worder 1。 frefblock = frefpad(mworder+1:1:m)39。 refP(n) = w*(frefblock)。 output(n) = primary(n) refP(n)。 w = w + mu.*frefblock39。.*output(n)。 %調整濾波器系數的 LMS算法 if (mod(n,100) == 0) || (n == N) per = floor(100*n/N)。 fprintf(39。%d percent pleted \n39。,per)。 %迭代一次顯示運行百分比 endend。%wavplay(output,Fs)。subplot(313)。plot(output)。title(39。濾波后輸出信號39。)。n1=length(output)。%取 output 的長度Y1=fft(output)。w1=2/n1*(0:n11)。%設置角頻率figuresubplot(312)plot(w1,abs(Y1))。%畫頻譜圖title(39。輸出信號信號頻譜39。)。xlabel(39。數字角頻率 39。)。武漢理工大學《信息處理課群綜合訓練與設計》課程設計21ylabel(39。幅度39。)。grid on。Y2=fft(primary)。w2=2/n1*(0:n11)。%設置角頻率subplot(311)plot(w2,abs(Y2))。%畫頻譜圖title(39。原始信號信號頻譜39。)。xlabel(39。數字角頻率 39。)。ylabel(39。幅度39。)。grid on。Y3=fft(fref)。w3=2/n1*(0:n11)。%設置角頻率subplot(313)plot(w3,abs(Y3))。%畫頻譜圖title(39。噪聲信號信號頻譜39。)。xlabel(39。數字角頻率 39。)。ylabel(39。幅度39。)。grid on。wavplay(output)。 實驗結果武漢理工大學《信息處理課群綜合訓練與設計》課程設計22 圖 7 信號仿真圖武漢理工大學《信息處理課群綜合訓練與設計》課程設計23 圖 8 頻譜分析圖 實驗結果分析在程序運行的開始播放了原始的語音信號，聽不到任何語音聲音，只有噪音，在程序結束的時候，播放濾波后的輸出信號，可以清楚的聽到 1 刀 9 這九個數字的英語發音，在讀音的開始有一段噪音以及第一數字的發音不太清楚，但是還是可明確的分辨出語音信號所包含的信息，說明達到了預期的目的從圖 8 的頻譜分析圖上來看，輸出信號的頻譜輪廓與原始信號的皮普輪廓相似，只是幅度平均值不一樣，從圖上來看，噪聲信號的幅度值變化不大，主要集中在 100 左右，原始信號的幅度平均值大概等于噪聲信號的平均幅度加上輸出信號的平均幅度。通過輸出信號的試聽和頻譜的分析，可以發現利用 LMS 算法的多麥克風降噪的目的達到了武漢理工大學《信息處理課群綜合訓練與設計》課程設計24在課程設計的過程中，通過查閱我明白了基于 LSM 多麥克風語音信號降噪的過程以及 LSM 的原理及實現方法，通過 MATLAB 編程及仿真，實現了語音信號的降噪，并且從不清楚的語音信號中通過 LSM 降噪得到了清晰的語音信號，充分體會了基于 LSM 多麥克風語音信號降噪這一技術的作用。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。但是由于在實驗過程中使用的原始信號和噪聲信號不是自己錄制的，是通過網絡下載的，所以對于輸出信號播放中開始的那一段噪音不能確定是語音信號在本來就有的還是由于程序設計的不足造成的降噪效果不理想在，在試驗過程中還是不能理解如何同時錄制語音信號和噪聲信號，于是只能從網上下載，同時也造成了對試驗結果的分析還存在不明白的地方。但是試驗的目的還是達到了，就是從一段有噪音的語音信號中得到了清晰的語音信號武漢理工大學《信息處理課群綜合訓練與設計》課程設計25[1]姚天任，數字語音處理，武漢華中科技大學出版社，2022． [2]鄒國良，自適應濾波理論及應用[M]，河北大學出版社，2022.[3]胡廣傳，數字信號處理理論、算法與實現，北京清華大學出版社，2022． [4]葛良、陶智，基于自適應濾波的語音增強算法．江蘇：蘇州大學學報，2022． [5]袁俊泉，MATLAB 信號處理 .清華大學出版社， .[6]趙力，語音信號處理，北京機械工業出版社，2022．[7]韓利竹，王華．MATLAB 電子仿真與應用．北京國防工業出版社， 2022． 武漢理工大學《信息處理課群綜合訓練與設計》課程設計26