电子教材-一种基于lms改进算法的语音增强方法

《电子教材-一种基于lms改进算法的语音增强方法》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、一种基于LMS改进算法的语音增强方法索忠伟王建英魏阳吕雪（西南交通大学信息科学与技术学院，四川成都610031）摘要：LMS算法在自适应滤波器中得到广泛应用，但这种方法具有收敛速度慢，步长需要谨慎选择才能达到收敛和失调的折中等缺点。文章把一种变步长的LMS算法应用到语音增强中，此算法通过建立步长因子μ与迭代次数n之间的一种函数关系提出一种新的变步长LMS算法,在迭代过程中在开始时采用大步长参数进行迭代，达到稳态后减小步长参数。仿真结果证明该方法对带噪语音有明显的去噪效果，有效地提高了语音的清晰度和可懂度。该算

2、法明显优于传统LMS算法，较之提高了收敛速度并减小了稳态误差。关键词：变步长；语音增强；LMS算法；自适应滤波器中图分类号：TN912.3文献标识码：AANewSpeechEnhancementMethodBasedonImprovedLMSAlgorithmSuoZhong-weiWangJian-yingWeiYangLvXue(SchoolofInformationScience&Technology,SouthwestJiaotongUniversity,Chengdu610031,China)【Ab

3、stract】ThispaperpresentsaimprovedLMSalgorithmforremovingnoisefromnoise-corruptedspeech.Theconvergentspeedandsteady-stateerrorareaffectedbythefixedstepsizeandcan’tbeimprovedsimultaneouslyinclassicalLMSalgorithm.TheimprovedalgorithmofLMSthroughafunctionrelati

4、onshipbetweenμandn.ItisbetterthanclassicalLMS.Thesimulationresultsshowtheimprovedalgorithmcanremovealotofnoise.【Keywords】variablestepsize;speechenhancement;LMS;adaptivefilter１引言在实际环境下，语音会不可避免的受到周围环境的影响。影响语音信号的质量。语音通[1]信系统中一个重要的工作就是从含有噪声的语音信号中提取纯净的语音。语音的增强算法

5、[2]已经被广泛应用。Widrow等人1967年提出的LMS（LeastMeanSquare）算法因其计算简单、易于实现等优点，30多年来发展极为迅速，目前已广泛地应用于通信、系统辨识、信号处理和自适应控制等领域。但这种方法具有收敛速度慢，对非平稳环境敏感性强，步长需要谨慎选择才能达到收敛和失调的折中等缺点。如果为加快收敛速度而增大步长因子，则会导致稳态误差大，甚至引起算法发散；如果步长取得太小，尽管可获得较小的稳态失调误差，但会使收敛速度变慢,算法的跟踪能力降低。为了改善非平稳条件下FIR自适应滤波器的性能

6、，文章介绍了一种变步长的LMS算法，在不同的迭代时间使用不同的学习速率参数，即采用时变的学习速率，将其应用到语音增强中。２算法基本原理常用的线性自适应滤波器如图1所示：图1自适应横向滤波器结构框图[2]传统的LMS滤波算法，对于一个横向滤波器，滤波器的阶数为M，滤波器的期望输出d()n为。其抽头输入向量为：()[]()()()Txn=Λxn,xn−1,,xn−M+1(1)对应的抽头权向量为：Twˆ()n=Λ[]wˆ0(n),wˆ1(n),,wˆM−1(n)(2)公式(1)(2)中“T”表示转置。通过LMS算法

7、计算这个向量所得的值表示一个估计，当迭代次数趋于无穷时，该估计的期望值可能接近维纳解。LMS算法的梯度估计值∇J()n=−2p+2Rw(n)p，由相关矩阵R和抽头输入与期望相应之间的互相关向量得到。估p计器的最简单选择是使用基于抽头输入向量和期望响应的R和的瞬态估计，分别定义为：()()H()Rˆn=xnxn(3)pˆ()n=x(n)d*(n)(4)公式(3)(4)中“H”表示共轭转置，“*”表示复数共轭，因此梯度的瞬态估计为：()()()()H()()∇ˆJn=−2xnd*n+2xnxnwˆn(5)因此，L

8、MS算法的递归关系式为:()H()()yn=wˆnxn(6)()()H()()en=dn−wˆnxn(7)wˆ()n+1=wˆ(n)+2µx(n)e*(n)(8)y()ne()nµ是滤波器的输出值，为自适应滤波器的输出误差调节信号(简称失调信号)；µ是控制自适应速度与稳定性的增益常数,又叫收敛因子或步长因子。该算法中步长因子对µµ算法的性能有决定性的影响。较小时,算法收敛慢,但稳态失调误差小。(假设