基于lms算法自适应滤波器的设计

《基于lms算法自适应滤波器的设计》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第17卷第6期2009年11月河南机电高等专科学校学报JournalofHenanMechanicalandElectricalEngineeringCdlegeV01．17№．6Nov．2009基于LMS算法自适应滤波器的设计+李艳丽(荆楚理工学院电子信息工程学院，湖北荆门448000)摘要：对语音信号及噪声信号的特点进行了分析研究，提出了基于LMS算法自适应滤波噪声抵消模型，能够根据背景噪声的能量分布特征，将被污粢的语音信号降噪提出，并且不发生信息丢失现象。采用Matlab软件完成数字滤波去噪声的功能。实验数据表明，该算法简单，可靠性高，能在受坦克、卡车噪声污染且较低的信噪比情况下

2、。对语音信号起到去噪增强作用。关键词：LMS算法；自适应滤波；Matlab中图分类号：TP273．2文献标识码：A文章编号：1008—2093(2009)06—0083—02近年来，随着语音通讯技术应用范围的拓广，高噪声环境下的语音通讯越来越受到人们的重视，尤其是在坦克、装甲车内高噪声环境下的语音通讯显得越来越重要。¨。因此，在高噪声环境下，如何从被噪声污染的信号中尽量提取出语音信号，并保持其清晰度，成为当前语音研究中的一个重要内容。l基于LMS算法的自适应滤波器设计在消除干扰系统中，自适应滤波算法要求满足下列几方面的要求：必须有较好的稳定性能，算法必须收敛；要有较陕的收敛速度，满足实时跟踪要

3、求；易于实现，利于推广应用：2

4、。本论文中选用噪声对消系统基于LM_S算法的FIR自适应滤波器来对噪声信号进行滤除。圈1自适应干扰抵消原理图自适应干扰抵消器的基本结构，期望响应d(凡)是信号与噪声之和，即d(n)=菇(n)+Ⅳ(n)，自适应处理器的输入是与Ⅳ(n)相关的另一个噪声Ⅳ7(n)。当菇(n)与N(n)不相关时，自适应处理器将调整自己的参数，以力图使Y(n)成为Ⅳ(n)的最佳估计。这样，e(／7,)将逼近信号z(／-t)，且其均方值E[e2(n)]为最小。噪声Ⅳ(n)就得到了一定程度的抵消一1。LMS算法的基本关系式为：埘(n+1)=埘(n)一肛V(rt)=埘(n)+2“启(n)戈(n

5、)步骤一：初始化：步骤二：更新：n=l，2，3⋯⋯滤波：y(，I)=Wr(，1)x(，1)；．误差估计：e(n)=d(rt)一Y(n)；权向量更新：形(，l+1)=形(n+1)=W(n)+轨+(凡)X(n)；其中p是用来控制稳定性和收敛速度的步长因子H1。为确保自适应过程的稳定性泓必须满足0

6、国际通用的NOISEX一92噪声库中噪声信号。用Matlab软件分析可以得出：1)音频信号的能量主要分布在O一2000Hz范围内，有一条明显的谱线，其峰值点频率为294Hz，幅度为2．7×10～；2)坦克噪声的能量主要分布在0—500Hz范围内，有两条明显的谱线，第一条谱线的峰值点在频率为89Hz，幅度为5．6×10一，第二条谱线的峰值点在频率为179Hz，幅度为6．6×10一；3)卡车的能量主要分布在0—1000Hz范围内，有一条明显的谱线峰值最频率为130Hz，幅度为6．4×10～。受噪声污染的语音信号经过滤波器后应是坦克或卡车的频率分量得到有效的抑制和语音信号频谱得到增强。+器萋晷霁i攀

7、盟嚣哿19881．)．女，湖北黄闪人，助教，硕士，主要从事数字信号处理研究。作者简介：擎匏丽(·)．女，湖北黄I司人，助教，坝tt主赞从事数罕信号处理研究。83万方数据河南机电高等专科学校学报2009年6期2．2滤波结果分析图6滤波后语音信号波形1)受坦克噪声污染的语音信号在信噪比为3．5dB时，经过滤波器得到的结果如图2一图4所示：图2受噪声污染的语音信号波形图3滤波后语音信号波形图4滤波后语音信号频谱图经过滤波之后坦克噪声能量主要分布谱线频率点的幅值下降很多，而谱线出现在频率为294Hz处，与原始语音信号的谱线重合，且幅度值从原始语音信号的2．7×10。增加到1．1×10～。2)受卡车噪声

8、污染的语音信号在信噪比为一3dB时，语音信号滤波前后对比如图5一图7所示：图5受卡车噪声污染的语音信号波形图7滤波后语音信号频谱图受卡车噪声污染后的语音信号频谱图比较，原本频率为130Hz处有明显的卡车噪声谱线，而经过滤波之后130Hz频率点上幅值下降很多，其谱线出现在频率为294Hz处，正好和原始语音信号的谱线重合，且幅值有所增加。3仿真结果分析I)对不同频率段的噪声，都可以很好地完成滤波和语音