车载免提系统降噪算法的研究及硬件实现

《车载免提系统降噪算法的研究及硬件实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、车载免提系统降噪算法的研究及硬件实现ResearchonNoiseCancellationAlgorithmsForVehicleHand-freeSystemAndHardwareImplementation领域：电子与通信工程作者姓名：张雪指导教师：郭继昌教授企业导师：蔡颖昭高工天津大学电子信息工程学院2015年12月摘要使用车载蓝牙免提系统进行语音通信时不可避免的会出现噪声和回声，当噪声或回声信号较强时会严重影响通话质量。随着技术的发展，噪声的控制理论和算法研究都取得了很大的进步。在实验阶段降噪效果很明显的自适应滤波算法随着工业技术发展逐

2、步应用到生活中。但是硬件平台资源、处理速度和价格都受到一定的限制，因此寻求一种计算复杂度低、稳定性好且快速收敛的滤波算法对于实际应用具有很重要的意义。最小均方算法(LeastMeanSquare,LMS)具有结构简单、运算复杂度低的优点，因此得到了广泛应用。很多学者针对LMS算法收敛速度慢这一缺点对滤波器的更新进行了理论研究并提出很多改进算法，如变步长最小均方算法(VariableStepSizeLMS,VSS-LMS)。本文采用位运算的方式进行滤波器系数更新，降低算法的复杂度。计算机仿真结果表明，该算法在保证收敛速度的前提下，具有较低的算法复

3、杂度。比例归一化最小均方算法(ProportionateNormalizedLMS，PNLMS)引入了步长控制矩阵，为滤波器的不同系数赋予不同的步长，保证算法在收敛初期获得较快的收敛速度。本文针对PNLMS算法后期收敛速度慢的缺点进行了改进，在滤波器更新过程中建立了步长与之当前系数幅值之间的非线性函数关系——倒数关系。计算机仿真结果表明，该算法的收敛速度优于PNLMS算法及其改进算法MPNLMS，并且算法的计算复杂度远低于MPNLMS算法。因车载蓝牙系统对噪声、回声消除的需求，本文将自适应滤波算法进行软件的实现和STM32硬件平台的移植。实验结

4、果表明自适应滤波算法在STM32平台上可以满足噪声消除的实际应用。关键词：噪声消除；回声消除；自适应滤波器；LMS算法；比例归一化LMSABSTRACTNoiseandechoinevitablyexitinthevoicecommunicationofvehiclehand-freesystem,whichaffectthevoicequalityinthereal-timeaudiocommunication.Withthedevelopmentoftechnology,thetheorysofnoisecontrollinghavemad

5、eagreatprogress.Intheexperimentalphasenoisetheeffectofnoisecancellationisobviousbyadaptivefilteringalgorithms,whichareoftenusedinpracticalapplications.However,theyarerestrictedbythehardwareplatformresources,processingspeedandprice.Thereforeitisveryimportanttoseekafilteringal

6、gorithmwithlowcomputationalcomplexity,goodstabilityandfastspeedofconvergence.TheLeastMeanSquare(LMS)algorithmisapopularadaptivefilteringalgorithmforitssimplestructureandlowcomputationalcomplexity.Butitsspeedofconvergenceisveryslow.Thestepcanbefixedtosolvethisshortcoming.Soma

7、nyvariablestepsizeLMSalgorithmshavebeenimproved.Toreducethecomplexityanimprovedalgorithmisproposedbybitcomputingtoupdatefiltercoefficient.Theexperimentalresultsshowthatthealgorithmhaslowercomputationalcomplexitywithsimlarconvergencespeed.AstepcontrolmatrixisintroducedinPropo

8、rtionateNormalizedLeastMeanSquare(PNLMS)algorithm.Thisconsiderablyimprovest