信息處理課設(shè)(絕對(duì)正確)

1、 武漢理工大學(xué)信息處理課群綜合訓(xùn)練與設(shè)計(jì)課程設(shè)計(jì)說(shuō)明書(shū)信息處理課群綜合訓(xùn)練與設(shè)計(jì)任務(wù)書(shū)學(xué)生姓名： 專業(yè)班級(jí)： 通信1304 指導(dǎo)教師： 工作單位： 信息學(xué)院 題 目: 基于RLS 算法的多麥克風(fēng)降噪 初始條件：Matlab軟件、信號(hào)與系統(tǒng)、通信處理等要求完成的主要任務(wù): （包括課程設(shè)計(jì)工作量及其技術(shù)要求，以及說(shuō)明書(shū)撰寫(xiě)等具體要求）設(shè)計(jì)任務(wù)：給定主麥克風(fēng)錄制的受噪聲污染的語(yǔ)音信號(hào)和參考麥克風(fēng)錄制的噪聲，實(shí)現(xiàn)語(yǔ)音增強(qiáng)的目標(biāo)，得到清晰的語(yǔ)音信號(hào)。設(shè)計(jì)的要求：（1）閱讀參考資料和文獻(xiàn)，明晰算法的計(jì)算過(guò)程，理解RLS算法基本過(guò)程；（2）主麥克風(fēng)錄制的語(yǔ)音信號(hào)是RLSprimsp.wav，參考麥克風(fēng)錄制的

2、參考噪聲是RLSrefns.wav，用matlab指令讀取；（3）根據(jù)算法編寫(xiě)相應(yīng)的MATLAB程序；（4）算法仿真收斂以后，得到增強(qiáng)的語(yǔ)音信號(hào)；（5）用matlab指令回放增強(qiáng)后的語(yǔ)音信號(hào)；（6）分別對(duì)增強(qiáng)前后的語(yǔ)音信號(hào)作頻譜分析。參考書(shū)：1 劉泉,信號(hào)與系統(tǒng), 高等教育出版社, 2006年。2 劉泉,數(shù)字信號(hào)處理,電子工業(yè)出版社,2008年。3 Edward W. Kamen, Bonnie S.Heck 編,信號(hào)與系統(tǒng)基礎(chǔ)應(yīng)用Web 和MATLAB（第二版），科學(xué)出版社，2002 年。時(shí)間安排:序號(hào)設(shè) 計(jì) 內(nèi) 容所用時(shí)間1根據(jù)設(shè)計(jì)任務(wù)，分析電路原理，確定實(shí)驗(yàn)方案2天2根據(jù)實(shí)驗(yàn)條件進(jìn)行電路

3、的測(cè)試，并對(duì)結(jié)果進(jìn)行分析7天3撰寫(xiě)課程設(shè)計(jì)報(bào)告1天合 計(jì)2周指導(dǎo)教師簽名： 年 月 日系主任（或責(zé)任教師）簽名： 年 月 日目 錄 摘要IAbstractII1 緒論12 信號(hào)處理基本原理22.1自適應(yīng)濾波器組成22.2自適應(yīng)濾波原理22.3RLS算法基本原理33 方案設(shè)計(jì)63.1最小二乘算法RLS算法實(shí)現(xiàn)63.2 RLS算法程序程序設(shè)計(jì)84 RLS算法濾波方案實(shí)現(xiàn)94.1信號(hào)的獲取94.2讀取語(yǔ)音文件94.3RLS算法實(shí)現(xiàn)94.4提取語(yǔ)音信號(hào)105仿真結(jié)果與分析135.1原始音頻信號(hào)135.2麥克風(fēng)主語(yǔ)音信號(hào)145.3噪聲語(yǔ)音信號(hào)155.4降噪后語(yǔ)音信號(hào)165.5信號(hào)處理分析175.5.1原

4、始語(yǔ)音信號(hào)與主語(yǔ)音信號(hào)分析175.5.2主語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)分析185.5.3原始語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)分析196心得體會(huì)20參考文獻(xiàn)21附錄 源程序22摘要本次課程設(shè)計(jì)要求使用MATLAB軟件，運(yùn)用自適應(yīng)濾波中的RLS算法實(shí)現(xiàn)麥克風(fēng)降噪。旨在培養(yǎng)我們使用計(jì)算機(jī)處理龐大的數(shù)據(jù)的能力和熟悉MATLAB在信息技術(shù)中的應(yīng)用。自適應(yīng)濾波器是統(tǒng)計(jì)信號(hào)處理的一個(gè)重要組成部分。在實(shí)際應(yīng)用中，有可能沒(méi)有足夠的信息來(lái)設(shè)計(jì)濾波器，而RLS算法可以通過(guò)前一時(shí)刻的濾波器參數(shù)，根據(jù)估計(jì)誤差自動(dòng)調(diào)節(jié)現(xiàn)時(shí)刻的參數(shù)，使某代價(jià)函數(shù)最小，達(dá)到濾波最佳。本文著重介紹RLS算法原理以及它的編程實(shí)現(xiàn)，最后利用RLS算法實(shí)現(xiàn)了單

5、通道的自適應(yīng)噪聲消除。經(jīng)調(diào)試編譯，得到降噪后的語(yǔ)音信號(hào)以及增強(qiáng)前后語(yǔ)音信號(hào)波形及頻譜，最終成功實(shí)現(xiàn)基于RLS的語(yǔ)音降噪。關(guān)鍵詞：MATLAB，自適應(yīng)濾波，RLS算法，麥克風(fēng)降噪AbstractThis course design requires the use of MATLAB software, and using the RLS adaptive filter algorithm to realize the microphone noise reduction. Aims to cultivate the ability to deal with huge data we use t

6、he computer and familiar with MATLAB in the application of information technology.Adaptive filter is an important component of statistical signal processing. In practice, there may not have enough information to design filter, and a moment before the adoption of the RLS algorithm can filter paramete

7、rs, according to the estimation error automatically adjust the parameters of the moment, make a cost function minimum, to obtain good filtering. This paper introduces the principle of RLS algorithm and its programming, finally using RLS algorithm has realized the single channel adaptive noise cancel

8、lation.The debug compilation, after get noise speech signal and enhance speech signal waveform and spectrum before and after, finally to achieve voice noise reduction based on RLS.Keywords: MATLAB, adaptive filter, RLS algorithm, microphone noise reduction III1 緒論在數(shù)字信號(hào)處理中除噪是一個(gè)非常重要的問(wèn)題,對(duì)噪聲環(huán)境中系統(tǒng)工作

9、的穩(wěn)定性有著很大的影響。隱藏在有用信號(hào)中的背景噪聲往往是非平穩(wěn)且隨時(shí)間變化的,信號(hào)和噪聲的統(tǒng)計(jì)特性往往無(wú)法知曉,而且背景噪聲中的有用信號(hào)往往微弱而不穩(wěn)定,此時(shí)采用傳統(tǒng)方法很難解決噪聲環(huán)境中的信號(hào)提取問(wèn)題。近年來(lái)自適應(yīng)噪聲消除系統(tǒng)成為消除噪聲的研究熱點(diǎn),利用自適應(yīng)濾波器具有在未知環(huán)境下良好運(yùn)行并跟蹤輸入統(tǒng)計(jì)量隨時(shí)間變化的能力,通過(guò)不斷調(diào)整抽頭權(quán)系數(shù)來(lái)適應(yīng)發(fā)生變化的信號(hào)和噪聲的統(tǒng)計(jì)特性,達(dá)到消除噪聲干擾的目的。自適應(yīng)濾波技術(shù)技術(shù)可以用來(lái)檢測(cè)平穩(wěn)的和非平穩(wěn)的隨機(jī)信號(hào)。自適應(yīng)數(shù)字系統(tǒng)具有很強(qiáng)的自學(xué)習(xí)，自跟蹤能力和算法的簡(jiǎn)單易實(shí)現(xiàn)性，它在噪聲信號(hào)的檢測(cè)增強(qiáng)，噪聲干擾的抵消，波形編碼的線性預(yù)測(cè)，雷達(dá)聲納系

10、統(tǒng)的陣列處理和波束形成，通信系統(tǒng)的自適應(yīng)分割，以及未知系統(tǒng)的自適應(yīng)參數(shù)辨識(shí)等方面獲得了廣泛的應(yīng)用。本次課程設(shè)計(jì)的題目為基于RLS的多麥克風(fēng)語(yǔ)音降噪，主要是對(duì)給定主麥克風(fēng)錄制的受噪聲污染的語(yǔ)音信號(hào)和參考麥克風(fēng)錄制的噪聲，實(shí)現(xiàn)語(yǔ)音增強(qiáng)的目標(biāo)，得到清晰的語(yǔ)音信號(hào)。2 信號(hào)處理基本原理2.1自適應(yīng)濾波器組成自適應(yīng)濾波器通常由兩部分組成，其一是濾波子系統(tǒng)，根據(jù)它所要處理的功能而往往有不同的結(jié)構(gòu)形式。另一是自適應(yīng)算法部分，用來(lái)調(diào)整濾波子系統(tǒng)結(jié)構(gòu)的參數(shù)，或?yàn)V波系數(shù)。在自適應(yīng)調(diào)整濾波系數(shù)的過(guò)程中，有不同的準(zhǔn)則和算法。算法是指調(diào)節(jié)自適應(yīng)濾波系數(shù)的步驟，以達(dá)到在所描述準(zhǔn)則下的誤差最小化。自適應(yīng)濾波器含有兩個(gè)過(guò)程，

11、即自適應(yīng)過(guò)程與濾波過(guò)程。前一過(guò)程的基本目標(biāo)是調(diào)節(jié)濾波系數(shù)(k)，使有意義的目標(biāo)函數(shù)或代價(jià)函數(shù)F(·)最小化，濾波器輸出信號(hào)y(n)逐步逼近所期望的參考信號(hào)d(n)，由兩者之間的估計(jì)誤差e(n)驅(qū)動(dòng)某種算法對(duì)濾波(權(quán))系數(shù)進(jìn)行調(diào)整，使濾波器處于最佳工作狀態(tài)以實(shí)現(xiàn)濾波過(guò)程。但是，由于目標(biāo)函數(shù)F(·)是輸入信號(hào)x(k)、參考信號(hào)d(k)及輸出信號(hào)y(k)的函數(shù)，即F(·)=Fx(k),d(k),y(k)，因此目標(biāo)函數(shù)必須具有以下兩個(gè)性質(zhì):（1）非負(fù)性（2）最佳性2.2自適應(yīng)濾波原理 自適應(yīng)濾波器與普通濾波器有兩個(gè)重要區(qū)別：(1)自適應(yīng)濾波器的濾波參數(shù)是可變的，它能夠隨著

12、外界信號(hào)特性的變化而動(dòng)態(tài)地改變參數(shù)，保持最佳濾波狀態(tài)。自適應(yīng)濾波器除了普通濾波器的硬件設(shè)備以外還有軟件部分，即自適應(yīng)算法。(2)自適應(yīng)算法決定了自適應(yīng)濾波器如何根據(jù)外界信號(hào)的變化來(lái)調(diào)整參數(shù)。自適應(yīng)算法的好壞直接影響濾波的效果。 所謂的自適應(yīng)濾波，就是利用前一時(shí)刻以獲得的濾波器參數(shù)的結(jié)果，自動(dòng)的調(diào)節(jié)現(xiàn)時(shí)刻的濾波器參數(shù)，以適應(yīng)信號(hào)和噪聲未知的或隨時(shí)間變化的統(tǒng)計(jì)特性，從而實(shí)現(xiàn)最優(yōu)濾波。自適應(yīng)濾波器實(shí)質(zhì)上就是一種能調(diào)節(jié)其自身傳輸特性以達(dá)到最優(yōu)的維納濾波器。自適應(yīng)濾波器不需要關(guān)于輸入信號(hào)的先驗(yàn)知識(shí)，計(jì)算量小，特別適用于實(shí)時(shí)處理。 自適應(yīng)濾波器的特性變化是由自適應(yīng)算法通過(guò)調(diào)整濾波器系數(shù)來(lái)實(shí)現(xiàn)的。一般而言，

13、自適應(yīng)濾波器由兩部分組成，一是濾波器結(jié)構(gòu)，二是調(diào)整濾波器系數(shù)的自適應(yīng)算法。圖 2-2 給出了自適應(yīng)濾波器的一般結(jié)構(gòu)，圖中為期望響應(yīng)，為自適應(yīng)濾波器的輸入，為自適應(yīng)濾波器的輸出，e(n)為估計(jì)誤差。自適應(yīng)濾波器的濾波器系數(shù)受誤差信號(hào)控制，根據(jù)的值和自適應(yīng)算法自動(dòng)調(diào)整。由于自適應(yīng)濾波器在未知或時(shí)變系統(tǒng)中的明顯優(yōu)勢(shì)，它在眾多領(lǐng)域得到廣泛應(yīng)用。 圖2-2 自適應(yīng)濾波原理圖2.3 RLS算法基本原理所謂自適應(yīng)實(shí)現(xiàn)是指利用前一時(shí)刻獲得的濾波器參數(shù)，根據(jù)估計(jì)誤差自動(dòng)調(diào)節(jié)現(xiàn)時(shí)刻的參數(shù)，使得某個(gè)代價(jià)函數(shù)達(dá)到最小，從而實(shí)現(xiàn)最優(yōu)濾波。 （公式1） 下降算法：最廣泛使用的自適應(yīng)算法包括自適應(yīng)梯度算法(LMS)、自適應(yīng)

14、高斯-牛頓算法(RLS)。RLS算法：（Recursive Least-Squares），遞歸最小二乘算法。它是利用在已知n-1時(shí)濾波器抽頭權(quán)系數(shù)的情況下，通過(guò)簡(jiǎn)單的更新，求出n時(shí)刻的濾波器抽頭權(quán)系數(shù)。代價(jià)函數(shù)：使用指數(shù)加權(quán)的誤差平方和 （公式2） （0<<1,稱為遺忘因子）引入遺忘因子作用是離n時(shí)刻近的誤差附較大權(quán)重， 離n時(shí)刻遠(yuǎn)的誤差賦較小權(quán)重，確保在過(guò)去某一段時(shí)間的觀測(cè)數(shù)據(jù)被“遺忘”，從而使濾波器可以工作在非平穩(wěn)狀態(tài)下。估計(jì)誤差定義： （公式3） （公式4）可取濾波器的實(shí)際輸入d*(i)作為期望響應(yīng)d(i)。將誤差代入代價(jià)函數(shù)得到加權(quán)誤差平方和的完整表達(dá)式： （公式5） 抽頭

15、權(quán)向量取的是n時(shí)刻的w(n)而不是i時(shí)刻的w(i)。i<=n時(shí)刻， （公式6） （公式7）故代價(jià)函數(shù)比更合理。為了使代價(jià)函數(shù)取得最小值,可通過(guò)對(duì)權(quán)向量求導(dǎo)： （公式8） 解得 其中 （公式9） （公式10） 由此可見(jiàn)指數(shù)加權(quán)最小二乘法的解轉(zhuǎn)化為Wiener濾波器的形式：下面研究它的自適應(yīng)更新過(guò)程：由公式9可得 令、原式可化為 由矩陣求逆引理得 令，則，其中k(n)為增益向量。 （公式11）又由式中 3 方案設(shè)計(jì)3.1最小二乘算法RLS算法實(shí)現(xiàn)圖3-1自適應(yīng)橫向?yàn)V波器結(jié)構(gòu)框圖自適應(yīng)橫向?yàn)V波器有兩路輸入，一為輸入信號(hào)x(n)，含有樣本x(1)，x(2)，x(N);另一為期望信號(hào)序列為d(n)

16、，含有樣本d(1)，d(2)，d(N)如圖2所示。濾波器濾波系數(shù)是對(duì)延遲線抽頭信號(hào)加權(quán)的系數(shù)w1(n)，w2(n)，w3(n)，Wm (n)，實(shí)質(zhì)上，這也是濾波器的沖激響應(yīng)序列。這里濾波器長(zhǎng)度M必須低于或等于信號(hào)數(shù)據(jù)長(zhǎng)度n。濾波器輸出信號(hào)y(n)等于輸入信號(hào)x(n)與沖激響應(yīng)序列Wi (n)的卷積和，如式。 誤差信號(hào)為，由此得到自適應(yīng)橫向?yàn)V波器按最小平方準(zhǔn)則設(shè)計(jì)的代價(jià)函數(shù)： 將代入式中，展開(kāi)得： 式中，MN。簡(jiǎn)短的表示濾波器的代價(jià)函數(shù)，將上式有關(guān)項(xiàng)定義為以下參數(shù)：（1）確定性相關(guān)函數(shù)表示輸入信號(hào)在抽頭k與抽頭m之間兩信號(hào)的相關(guān)性， （2）確定性互相關(guān)函數(shù)表示期望響應(yīng)與在抽頭k輸入型號(hào)之間的互相

17、關(guān)性： （3）期望響應(yīng)序列的能量為： 將上述定義的三個(gè)參數(shù)代入式中，得： 為了估算濾波器的最佳濾波系數(shù)，把式對(duì)濾波系數(shù)（權(quán)系數(shù)）微分一次，并令其導(dǎo)數(shù)等于0： 得： 這是最小二乘法自適應(yīng)濾波的正則方程。RLS遞推計(jì)算公式為：式中為增益矢量，它等于相關(guān)矩陣的逆矩陣與延遲線抽頭輸入陣的乘積。是真正的估計(jì)誤差，它等于：自適應(yīng)遞歸最小二乘算法的信號(hào)流程圖如圖3-2： 圖3-2 RLS算法信號(hào)流程圖3.2 RLS算法程序程序設(shè)計(jì)在理解RLS算法的基本原理后，我決定自行編寫(xiě)RLS算法程序塊，RLS算法可以理解為將輸出反饋給濾波器來(lái)調(diào)整相關(guān)參數(shù)，達(dá)到校正誤差的目的。算法實(shí)現(xiàn)模塊代碼如下所示：Worder=32

18、;                           %濾波器階數(shù)lambda=1 ;                     

19、       % 設(shè)置遺忘因子Delta=0.001 ;                          p=(1/Delta) * eye ( Worder,Worder ) ;      w=zeros(Worder,1);

20、output=primary;                        %主語(yǔ)音輸出loopsize=max(size(primary);             for i=1+Worder:loopsize   

21、;              %寫(xiě)RLS算法公式   z=primary(i)-w'*(fref(i-Worder+1:i)'   n2=fref(i-Worder+1:i)'   k=(1/lambda)*p*n2;   K=k/(1+n2'*k);   w = w + K*z;   p0=K*n2'

22、60;  p= (p-p0*p)/lambda;   output(i-Worder)=z;   disp(i);end; 4 RLS算法濾波方案實(shí)現(xiàn)4.1信號(hào)的獲取本次課程設(shè)計(jì)對(duì)我們自行處理和靈活運(yùn)用的能力提出了很高的要求。首先，老師沒(méi)有給我們提供設(shè)計(jì)中所需要用到的語(yǔ)音信號(hào)；其次，怎樣錄制噪聲和被噪聲污染的語(yǔ)音信號(hào)也是一個(gè)很現(xiàn)實(shí)的問(wèn)題。所以我選擇自己從網(wǎng)上下載了一段簡(jiǎn)短的wav格式的音頻，然后用randn(length(source),1)函數(shù)將其打亂作為噪聲，記做RLSrefns.wav。將這兩段語(yǔ)音信號(hào)疊加并保存下來(lái)記做RLSprimsp

23、.wav。4.2讀取語(yǔ)音文件主麥克風(fēng)錄制的語(yǔ)音信號(hào)是RLSprimsp.wav，參考麥克風(fēng)錄制的參考噪聲是RLSrefns.wav，都是.wav格式，用waveread指令讀取音頻信號(hào)；指令寫(xiě)為如下：primary = wavread('RLSprimsp.wav'); primary = primary'ref = wavread('RLSrefns.wav'); fref = fref'4.3RLS算法實(shí)現(xiàn)RLS算法的收斂特性較LMS算法優(yōu)越，但相應(yīng)的復(fù)雜度也要高許多，考慮到收斂時(shí)間的影響，從起始時(shí)間到收斂時(shí)間經(jīng)濾波器處理得到到輸出誤差依然很

24、大，故直接將前32項(xiàng)去掉，先通過(guò)兩輸入作差得到預(yù)期值，再將所有預(yù)期值與對(duì)應(yīng)時(shí)刻的實(shí)際輸出值作差求平方，將這些平方值相加可以得到一個(gè)變量為W的函數(shù)，取W是函數(shù)的值最小。另外，顯然距離n最近的量與Y（n）最接近，引入遺忘因子使得從n-1到0，相關(guān)程度逐漸減小。最后求得相關(guān)偏差，反饋給濾波器以矯正輸出，達(dá)到減小誤差的目的。% 初始化Worder=32;                     

25、      %濾波器階數(shù)lambda=1 ;                            % 設(shè)置遺忘因子Delta=0.001 ;            &#

26、160;             p=(1/Delta) * eye ( Worder,Worder ) ;      w=zeros(Worder,1);output=primary;                   

27、60;    %主語(yǔ)音輸出loopsize=max(size(primary);             for i=1+Worder:loopsize %RLS算法設(shè)計(jì) u=fref(i-Worder+1:i)' y= w'*u e=primary(i)-y; k=(p*u)/(lambda+u'*p*u); w = w + k*e; p= (p-k*u'*p)/lambda; output(i-Wor

28、der)=e; disp(i);end;4.4提取語(yǔ)音信號(hào)用MATLAB中的wavread指令分別讀取被噪聲污染后的語(yǔ)音文件RLSprimsp.wav和噪聲文件RLSrefns.wav后，進(jìn)行RLS算法處理，濾除噪聲后，得到語(yǔ)音文件，先由plot指令繪出語(yǔ)音文件波形，再用Y=fft()函數(shù)求出頻譜，由plot指令繪出語(yǔ)音文件頻譜圖，然后通過(guò)MATLAB中的sound命令播放語(yǔ)音文件。代碼如下所示：figure;source,fs,bits=wavread('Audio.wav'); %fs表示采樣頻率，bits表示采樣位數(shù)subplot(2,4,1)plot(source);

29、%畫(huà)出原音波形title('原音波形')source1=fft(source,length(source);subplot(2,4,5);plot(abs(source1); %畫(huà)出原音頻譜 title('原音頻譜')%axis(0 8000 0 80);y1,Fs1,bits1=wavread('RLSprimsp.wav');subplot(2,4,2)plot(y1) %畫(huà)出麥克風(fēng)主語(yǔ)音波形title('麥克風(fēng)主語(yǔ)音波形');Y1=fft(y1,length(y1);subplot(2,4,6); plot(abs(Y1);

30、 %畫(huà)出麥克風(fēng)主語(yǔ)音頻譜title('麥克風(fēng)主語(yǔ)音輸入頻譜');%axis(0 8000 0 80);subplot(2,4,3); plot(fref); %畫(huà)出噪聲語(yǔ)音波形title('噪聲語(yǔ)音波形');y2,Fs2,bits2=wavread('RLSrefns.wav');Y2=fft(y2,length(y2);subplot(2,4,7); plot(abs(Y2); %畫(huà)出噪聲語(yǔ)音頻譜title('噪聲語(yǔ)音頻譜');subplot(2,4,4); plot(output); %畫(huà)降噪后的語(yǔ)音波形title('

31、降噪后的語(yǔ)音波形');wavwrite(output,fs,'asd') %生成降噪后的語(yǔ)音y,Fs3,bits3=wavread('asd.wav');Y=fft(y,length(y);subplot(2,4,8);plot(abs(Y); %畫(huà)出降噪后語(yǔ)音頻譜title('降噪后語(yǔ)音輸出頻譜');%axis(0 8000 0 80);f=1;while f=1flag=input('請(qǐng)選擇輸出語(yǔ)音；1：原式語(yǔ)音 2：加噪主語(yǔ)音 3：噪聲語(yǔ)音 4：降噪后語(yǔ)音');switch flag case 1 sound(sou

32、rce,fs,bits); case 2 sound(y1,Fs1,bits1); case 3 sound(y2,Fs2,bits2); case 4 sound(output,Fs3,bits3);endf=input('是否重新選擇？ 是 輸入1 否 輸入0');end5仿真結(jié)果與分析5.1原始音頻信號(hào)（1）原始語(yǔ)音波形圖5-1原始語(yǔ)音波形圖（2）原始語(yǔ)音頻譜 圖5-2原始語(yǔ)音頻譜5.2麥克風(fēng)主語(yǔ)音信號(hào)（1） 麥克風(fēng)主語(yǔ)音波形圖5-3增強(qiáng)的語(yǔ)音信號(hào)波形圖（2）麥克風(fēng)主語(yǔ)音頻譜圖5-4麥克風(fēng)主語(yǔ)音頻譜5.3噪聲語(yǔ)音信號(hào)（1） 噪聲語(yǔ)音波形圖5-5噪聲語(yǔ)音波形（2） 噪聲語(yǔ)音

33、頻譜圖5-6噪聲語(yǔ)音頻譜5.4降噪后語(yǔ)音信號(hào)（1）降噪后語(yǔ)音波形圖5-7降噪后語(yǔ)音波形（2） 降噪后語(yǔ)音頻譜 圖5-8降噪后語(yǔ)音頻譜5.5信號(hào)處理分析5.5.1原始語(yǔ)音信號(hào)與主語(yǔ)音信號(hào)分析主語(yǔ)音信號(hào)為原始語(yǔ)音信號(hào)加噪聲信號(hào)得到的合成信號(hào)，由于噪聲信號(hào)波形的幅值相對(duì)原始語(yǔ)音信號(hào)幅值較小，因此原始語(yǔ)音信號(hào)加噪前后的波形差異并不十分明顯，如圖5-9，但通過(guò)對(duì)比頻譜還是可以看出原始語(yǔ)音信號(hào)加噪前后有所不同，如圖5-10。圖5-9原始語(yǔ)音與主語(yǔ)音波形對(duì)比圖5-10原始語(yǔ)音與主語(yǔ)音頻譜對(duì)比5.5.2主語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)分析由于噪聲信號(hào)波形的幅值相對(duì)主語(yǔ)音信號(hào)幅值較小，因此主語(yǔ)音信號(hào)降噪前后的波形差異

34、并不十分明顯，如圖5-11，但通過(guò)對(duì)比頻譜（如圖5-12）可以看出降噪后的語(yǔ)音信號(hào)波形剛好濾除了噪聲波形，得到的波形圖也更清晰。圖5-11主語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)波形對(duì)比圖5-12主語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)頻譜對(duì)比5.5.3原始語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)分析原始語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)幾乎相同，如圖5-13，對(duì)比頻譜可以看出兩信號(hào)頻譜也幾乎相同，如圖5-14。說(shuō)明主語(yǔ)音信號(hào)經(jīng)過(guò)RLS算法降噪的效果很好，主語(yǔ)音信號(hào)得到增強(qiáng)。圖5-13原始語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)波形對(duì)比圖5-14原始語(yǔ)音信號(hào)與降噪后語(yǔ)音信號(hào)頻譜對(duì)比6心得體會(huì)在課程設(shè)計(jì)的過(guò)程中，通過(guò)查閱我明白了基于RLS多麥克風(fēng)語(yǔ)音信號(hào)降噪的過(guò)程

35、以及RLS的原理及實(shí)現(xiàn)方法，通過(guò)MATLAB編程及仿真，實(shí)現(xiàn)了語(yǔ)音信號(hào)的降噪，知道了怎么獲得一個(gè)隨機(jī)噪聲以及濾除噪聲的過(guò)程，充分體會(huì)了基于RLS多麥克風(fēng)語(yǔ)音信號(hào)降噪這一技術(shù)的作用。同時(shí)，也學(xué)會(huì)了對(duì)語(yǔ)音信號(hào)進(jìn)行頻譜分析，進(jìn)一步熟悉了MATLAB的使用過(guò)程，加深了對(duì)這一軟件的了解，提高了自己動(dòng)手的能力。由于對(duì)理論知識(shí)學(xué)習(xí)不夠扎實(shí)，我深感書(shū)到用時(shí)方恨少，于是便重新拾起教材與實(shí)驗(yàn)手冊(cè)，對(duì)知識(shí)系統(tǒng)而全面進(jìn)行了梳理，遇到困難便向同學(xué)請(qǐng)教，終于熟練掌握了基本理論知識(shí)，而且領(lǐng)悟諸多平時(shí)學(xué)習(xí)難以理解掌握的較難的知識(shí)，掌握了解決問(wèn)題的思維方式而不是一味的具體的解決方法，找到了設(shè)計(jì)方向。正所謂實(shí)踐是檢驗(yàn)真理的唯一標(biāo)

36、準(zhǔn)，只有自己動(dòng)手做過(guò)了，才能更貼切更深刻的掌握所學(xué)的知識(shí)，使自己進(jìn)一步地提高。這個(gè)過(guò)程也讓我明白了學(xué)無(wú)止盡的道理，而且理論只有與實(shí)際聯(lián)系起來(lái)才能更好地去學(xué)習(xí)與理解。參考文獻(xiàn)1 劉泉,信號(hào)與系統(tǒng), 高等教育出版社, 2006年。2 劉泉,數(shù)字信號(hào)處理,電子工業(yè)出版社,2008年。3 Edward W. Kamen, Bonnie S.Heck 編,信號(hào)與系統(tǒng)基礎(chǔ)應(yīng)用Web 和MATLAB（第二版），科學(xué)出版社，2002 年。4曹斌芳.自適應(yīng)抵消技術(shù)的研究.湖南大學(xué)，20075胡廣書(shū).數(shù)字信號(hào)處理理論、算法與實(shí)現(xiàn). 清華大學(xué)出版社，20036安穎、侯國(guó)強(qiáng).自適應(yīng)濾波算法研究與DSP實(shí)現(xiàn).現(xiàn)代電子技

37、術(shù)出版社，20077劉泉 江雪梅 信號(hào)與系統(tǒng) 北京 高等教育出版社 2006附錄 源程序clc;source,fs,bits=wavread('Audio.wav');noise=0.07*randn(length(source),1);source=source(:,1);source1=source+noise;wavwrite(noise,fs,'RLSrefns'); %輸出模擬噪聲信號(hào)wavwrite(source1,fs,'RLSprimsp'); %輸出模擬主語(yǔ)音信號(hào)primary=wavread('RLSprimsp.wav'); %讀入麥克風(fēng)語(yǔ)音信號(hào)primary=primary'fref=wavread('RLSrefns.wav'); fref=fref'% 初始化Worder=32; %濾波器階數(shù)lambda=1 ; % 設(shè)置遺忘因子Delta=0.001 ; p=(1/Delta) * eye ( Worder,Worder ) ; w=zeros(Worder,1);output=primary; %主語(yǔ)音輸出loopsize=max(size(primary); for i=1+Worder:loopsize %寫(xiě)RLS算法公式 u=