下载文档原格式
课程设计任务书学生姓名：专业班级：指导教师：工作单位：题目: 基于LMS 算法的多麦克风降噪初始条件：Matlab软件设计任务：给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
（1）阅读参考资料和文献，明晰算法的计算过程，理解LMS算法基本过程；（2）主麦克风录制的语音信号是，参考麦克风录制的参考噪声是.用matlab 指令读取；（3）根据算法编写相应的MATLAB程序；（4）算法仿真收敛以后，得到增强的语音信号；（5）用matlab指令回放增强后的语音信号；(6）分别对增强前后的语音信号作频谱分析。
时间安排：通过老师的讲解与指导，同学之间的讨论交流，以及在图书馆、网络上查阅资料，我们本次课程设计的时间安排是：6月20号到7月4号，完成程序设计，写好报告；在7月5号，完成（答辩，演示，提交报告）。
指导教师签名：年月日系主任（或责任教师）签名：年月日目录摘要 (I)ABSTRACT .......................................................................................................................................... I I 1.绪论 .. (1)1.1语音增强的应用背景 (1)1.2语音增强的研究历史 (2)1.3本课设的研究内容 (2)2 语音增强的方法 (3)2.1线性滤波法 (3)梳状滤波法 (3)自相关法 (3)卡尔曼滤波法 (4)自适应噪声抵消法 (4)3自适应滤波概念 (5)自适应滤波 (5)自适应滤波器的组成 (5)基本自适应滤波器的模块结构 (6)4自适应滤波原理 (8)自适应滤波概述 (8)原理 (8)5基于自适应滤波的信号增强 (11)基本维纳滤波器 (11)最陡下降法 (13)LMS算法 (13)6基于LMS自适应滤波器的噪声抵消法 (17)自适应噪声抵消法的原理 (17)7. MATLAB仿真结果分析 (19)实验程序 (19)实验结果 (20)实验结果分析 (22)8.实验小结 (23)摘要人们在语音通信过程中不可避免的会受到来自周围环境和传输媒介引入的噪声、通信设备内部电噪声、乃至其他讲话者的干扰。
课程设计任务书学生姓名：专业班级：指导教师：工作单位：题目: 基于RLS算法的多麦克风降噪设计任务:给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
设计要求：（1）阅读参考资料和文献，明晰算法的计算过程，理解RLS算法基本过程；（2）主麦克风录制的语音信号是RLSprimsp.wav，参考麦克风录制的参考噪声是RLSrefns.wav，用matlab指令读取；（3）根据算法编写相应的MATLAB程序；（4）算法仿真收敛以后，得到增强的语音信号；（5）用matlab指令回放增强后的语音信号；（6）分别对增强前后的语音信号作频谱分析。
指导教师签名：年月日系主任（或责任教师）签名：年月日摘要MATLAB功能强大、简单易学、编程效率高，可以很方便地进行信号分析、处理和设计。
自适应滤波器经过几十年的发展和完善，已逐渐成为人们常用的语音去噪技术，而MATLAB的出现又为其提供了更为方便快捷的方法来对语音信号进行去噪处理。
而递推最小二乘（RLS，Recusive Least-Squares）算法是其中一种常用的线性自适应滤波算法。
标准RLS算法是通过输入数据的相关矩阵来完成权向量的计算，矩阵来完成最小二乘向量的计算。
QR-RLS算法则是基于脉冲响应数字滤波器（FIR），其实现是通过直接处理经QR 分解的输入数据矩阵来完成权向量的计算，在数值上比标准的RLS算法更稳定。
MATLAB的工具箱中包含RLS自适应滤波器的两个应用函数。
关键词：MATLAB，自适应滤波，RLS算法AbstractMATLAB is powerful, easily learned, programming, and high-efficiency.It can be analyse, processed and design easily. After decades of development and perfection, adaptive filter has gradually commonly used for speech sound denoising technology, and the emergence of MATLAB has provided a more convenient way to deal with the noise speech signal. Meanwhile,the recursive Least Squares (RLS, Recusive further - Squares) algorithm is one of the commonly used linear adaptive filter algorithm.Through dealing with the input data, Standard matrix RLS algorithm can complete the calculation of weight vector,and the matrix is to complete the least squares vector calculation. QR - RLS algorithm is based on impulse response (FIR) digital filter, its implementation is through direct processing by the input data matrix QR decomposition to complete the calculation of weight vector, the RLS algorithm is more stable than the standard value. MATLAB toolbox contains two applications of RLS adaptive filter function.Key words: MATLAB, adaptive filtering, RLS algorithm,目录摘要0Abstract (1)目录21 基本原理31.1 基于RLS算法的自适应滤波器31.2 RLS算法原理41.3 RLS算法的步骤62 原始语音信号采集72.1 语音信号的采样理论依据72.2 语音信号的分析83、基于RLS算法的多麦克风降噪的方法论证103.1 自行编写BLS 算法程序块103.2 直调用的RLS 算法函数设计程序104 提取语音信号115 调试程序125.1环境噪声中的语音波形分析125.2 RLS 算法的滤波效果：135.3分别对增强前后的语音信号做频谱分析14心得体会15参考文献16附录：程序清单171 基本原理1.1 基于RLS 算法的自适应滤波器所谓自适应实现是指利用前一时刻获得的滤波器参数，根据估计误差自动调节现时刻的参数，使得某个代价函数达到最小，从而实现最优滤波。
课程设计题目基于RLS 算法的多麦克风降噪学院信息工程学院专业班级姓名指导教师《信息处理课群综合训练与设计》任务书题目: 基于RLS 算法的多麦克风降噪初始条件：Matlab软件、信号与系统、通信处理等要求完成的主要任务:（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求）设计任务：给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
设计的要求：（1）阅读参考资料和文献，明晰算法的计算过程，理解RLS算法基本过程；（2）主麦克风录制的语音信号是RLSprimsp.wav，参考麦克风录制的参考噪声是RLSrefns.wav，用matlab指令读取；（3）根据算法编写相应的MATLAB程序；（4）算法仿真收敛以后，得到增强的语音信号；（5）用matlab指令回放增强后的语音信号；（6）分别对增强前后的语音信号作频谱分析。
时间安排：1、理论讲解，老师布置课程设计题目，学生根据选题开始查找资料；2、课程设计时间为2周。
（1）理解相关技术原理，确定技术方案，时间2天；（2）选择仿真工具，进行仿真设计与分析，时间6天；（3）总结结果，完成课程设计报告，时间2天。
指导教师签名：年月日系主任（或责任教师）签名：年月日目录摘要 (I)Abstract (II)1 绪论 (1)2 自适应信号处理基本原理 (2)2.1自适应滤波器组成 (2)2.2自适应干扰抵消原理 (2)2.3自适应滤波原理 (3)2.3 RLS算法基本原理 (4)3 RLS算法方案设计 (6)3.1最小二乘算法RLS算法实现 (6)3.2 RLS算法程序程序设计 (8)4 RLS算法自适应滤波方案实现与仿真 (10)4.1信号的获取 (10)4.2读取语音文件 (10)4.3算法实现 (10)4.4提取语音信号 (11)4.5仿真结果分析 (13)4.5.1增强前后语音信号波形分析 (13)4.5.2增强前后语音信号频谱分析 (14)5总结 (16)6参考文献 (17)附录 (18)摘要本次课程设计要求使用具有强大运算能力的MATLAB软件，运用自适应滤波中的RLS算法实现麦克风降噪。
语音降噪LMS算法引言语音信号是我们日常生活中最常用的通信工具之一。
然而，在弱信号、嘈杂环境或传输过程中，语音信号往往会受到噪声的干扰，从而影响语音信号的质量和清晰度。
因此，语音降噪技术成为了语音信号处理领域的研究热点之一。
本文将介绍一种常用的语音降噪算法——最小均方（Least Mean Square，LMS）算法。
LMS算法原理LMS算法是一种自适应滤波算法，通过不断修正滤波器的权重来逐步逼近最优解。
在语音降噪中，LMS算法通过对噪声进行建模并利用已知的语音信号和含噪声的输入信号进行训练，最终得到一个能降低噪声的滤波器。
LMS算法的基本原理如下： 1. 定义滤波器的权重向量为W，输入语音信号为X，期望的纯净语音信号为D，滤波器的输出信号为Y。
2. 初始化滤波器的权重向量W为0。
3. 通过输入信号X和滤波器权重向量W的点乘运算得到滤波器的输出信号Y。
4. 计算滤波器的输出信号Y与期望的纯净语音信号D之间的误差E。
5. 根据误差E来修正滤波器的权重向量W，使得误差E尽可能减小。
具体修正权重的方法为：W(n+1) = W(n) + 2 * µ * E(n) * X(n)，其中n表示第n次迭代，µ为学习率。
6. 重复步骤3至5，直到滤波器的输出信号Y与期望的纯净语音信号D的误差E足够小，达到降噪效果。
LMS算法的优缺点LMS算法作为一种自适应滤波算法，具有以下优点： - 简单易实现，不需要先验知识。
- 自适应能力强，可以适应不同环境和噪声的变化。
- 适用于实时性要求较高的场景。
然而，LMS算法也存在一些缺点： - LMS算法对信号的初始条件十分敏感，所以需要进行预处理来初始化滤波器的权重。
- 学习率的选择对算法的性能影响较大，需要根据具体场景进行调整。
- 算法收敛速度较慢，对于噪声较大的情况可能需要较长的收敛时间。
- 滤波器的阶数较高时，算法的计算复杂度会增加。
基于LMS算法的有源降噪技术研究第一章绪论随着信息技术的发展，各种新型电子产品相继问世，但由于信号传输的复杂性，产生噪声的情况也越来越突出。
因此，有源降噪技术成为了研究的热点之一。
本文研究的有源降噪技术基于LMS算法。
第二章有源降噪技术的原理有源降噪技术主要基于反馈控制原理，通过添加抗噪声信号来抵消噪声信号，从而降低整个信号的噪声水平。
在有源降噪系统中，主要分为两种信号，一种是被噪声污染的信号，另一种是抗噪声信号，通过这两种信号的叠加，可以得到更清晰、更高质量的信号。
其中，LMS算法是常用的一种有源降噪方法。
LMS算法主要基于最小均方误差的原理，在每一次反馈过程中进行误差的计算，根据误差大小进行调整，最终达到噪声降低的效果。
第三章 LMS算法的实现过程LMS算法的实现过程主要包括以下几个步骤：1. 初始化权重向量。
权重向量大小为滤波器的长度，初始值一般为0。
2. 输入原始的信号，得到噪声信号以及需要去噪声的信号。
3. 对每个样本进行处理。
设第i个样本的输入为x(i)，输出为y(i)，则滤波器对第i个样本的输出为：y(i)=wT(i)x(i)其中，w(i)表示第i次迭代时权重向量。
4. 计算误差，误差为：e(i)=d(i)-y(i)其中，d为去噪后的输出信号。
5. 根据误差更新权重向量。
权重向量的更新公式为：w(i+1)=w(i)+μe(i)x(i)其中，μ为步长因子。
6. 重复步骤3-5，直至滤波器的输出满足需求。
第四章 LMS算法的优缺点LMS算法的优点在于：1. 算法简单易懂，容易实现。
2. 自适应性强，适用于多种噪声环境下的降噪效果。
3. 算法具备一定的鲁棒性，对于噪声的变化能够快速适应。
4. 内存占用少，对于处理大规模数据有一定的优势。
LMS算法的缺点在于：1. LMS算法必须依赖于噪声信号的统计特性，因此需要对噪声做一定的先验分析。
2. LMS算法在一些极值情况下会有不收敛的问题。
3. 算法会受到信号之间相关性的影响，可能会导致滤波器输出的失真。
语音降噪–LMS算法语音降噪是指通过技术手段将语音信号中的噪声成分去除，提高语音信号的清晰度和准确性的一种方法。
LMS（最小均方算法）是一种常见的语音降噪算法，下文将介绍该算法的原理和实现方式。
算法原理LMS算法基于自适应线性滤波理论，通过估计噪声信号与语音信号在某个时刻的相关性来进行降噪处理。
该算法的基本流程如下：1.获取含有噪声的语音信号：通常采用麦克风捕捉环境语音信号，或从音频文件中读取。
2.前置处理：对原始语音信号进行增益处理、预加重等前置处理，便于后续滤波处理。
3.滤波处理：将语音信号输入自适应滤波器中，通过不断调整滤波器的权值，使得滤波器的输出尽可能的接近于原始语音信号，并最小化滤波器输出和实际语音信号的均方误差。
4.降噪处理：将滤波器的输出减去噪声信号的预测。
算法实现LMS算法的实现可以用MATLAB编程完成，以下是其中的关键步骤：1.读取音频数据：可以用MATLAB的audioread函数直接读取本地音频文件，或使用麦克风捕捉环境语音信号。
2.进行前置处理：可以使用MATLAB的filter函数进行卷积滤波，或手动计算并应用增益、预加重等处理。
3.自适应滤波器的初始化：通常使用MATLAB的zeros函数初始化自适应滤波器的权重向量。
4.滤波处理：在MATLAB中可以使用filter函数实现自适应滤波器的滤波过程，并使用LMS算法对滤波器的权重进行调整。
5.噪声预测：通过估计语音信号和噪声信号的相关性得到噪声估计值，从而实现降噪处理。
LMS算法是一种常用的语音降噪算法，其本质是自适应滤波，通过在线调整滤波器的权重来最小化其输出与实际语音信号的均方误差，从而实现降噪处理。
对于语音处理领域的从业者来说，掌握LMS算法的原理和实现方法是必不可少的。
信号处理与分析课程设计报告项目名称：基于LMS最小均方误差法的语音降噪姓名：07021102 台斯瑶07021106 王金泊指导教师：李如玮目录一、课题背景和简介 (3)二、训练目的 (3)三、训练内容 (4)四、最小均方差LMS实现自适应滤波器的方法介绍 (4)五、实验设计及实施过程 (6)1、滤波器结构设计 (7)2、高斯白噪声的实现方法 (8)3、LMS算法的实现 (10)六、实验结果分析 (11)七、从实验中分析LMS算法的缺点 (14)八、实验完整程序 (14)九、参考文献 (18)十、特别鸣谢 (18)一、课题背景和简介本课题是根据电子信息类本科生信号处理和分析课程的学习内容和语音信号处理的实际应用相结合而设计的实践性训练。
课程训练以数字信号处理为基础，在掌握基本原理的同时，理解语音信号的相关知识并结合实际应用实现对语音信号的分析和处理。
滤波是一种数字信号处理操作，其目的是为了处理某个信号，以便提取出输入信号中所包含的期望信息。
在数字信号处理课程中，我们基本掌握了一些线性滤波器的设计方法，有固定的规范可遵循。
而在我们的实际生活中，充满了偶然和随机，时不变滤波器已不能够满足更好效果的滤波。
在这种情况下，我们就需要自适应滤波器。
可以看到，随着数字超大规模集成技术的发展，自适应滤波技术在很多领域得到了广泛应用。
最小均方算法是一种搜索算法，他通过对目标函数进行适当的调整，简化了对梯度相量的计算。
由于其计算简单性，LMS算法以及其它一些相关算法已广泛应用于自适应滤波的各种应用中。
而LMS算法是自适应滤波理论中应用最广泛的算法。
这主要归因于其地计算复杂度、在平稳环境中的收敛性、其均值无偏地收敛到维纳解以及利用有限精度算法实现时的稳定特性等等。
对LMS最小均方算法的学习，将加深我们对数字信号处理课程的理解，同时对我们今后滤波技术的应用奠定了巩固的基础。
二、训练目的1. 通过利用c程序实现数字信号处理的相关功能，巩固对信号处理原理知识的理解，提高实际编程和处理数据的综合能力，初步培养在解决信号处理实际应用问题中所应具备的基本素质和要求。
代码调试通过摘要信号的传输过程中会夹杂很多噪音，为了消除这些噪音而引入滤波器。
传统滤波器只能针对具有某种特性的噪音进行滤波，有一定的限制性。
而自适应滤波可以在一定程度上解决这种问题，自适应滤波器的特点是依靠递归算法使输出信号收敛于理想信号。
本课题采用的是基于LMS 算法的最小均方误差法对带噪语音信号进行滤波，通过用梯度的估计值代替梯度的精确值实现最速下降，自适应地寻找最佳权系数，使得输出信号贴近于理想信号，完成滤波。
关键词：自适应滤波LMS 算法最速下降目录摘要 (1)一、课题背景和简介 (3)二、训练目的及内容 (3)三、LMS 最小均方误差法实现自适应滤波器的方法 (3)四、实验设计及实施过程 (5)（一）滤波器结构设计 (5)（二）LMS算法的实现 (6)（三）逐帧音频处理 (8)（四）整体程序流程图 (9)五、遇到问题及实验结果分析 (9)（一）遇到问题及解决方法 (9)（二）实验结果分析 (10)六、实验总结 (12)七、参考文献 (13)附录 (14)课题背景和简介语音信号往往携带很多噪音，为了获得理想的语音信号需要对原始信号进行滤波。
传统滤波器只能针对某类噪声进行定性滤除，没有普适性，而自适应滤波器是符合某种准则的最佳滤波器。
它是通过对环境进行学习，逐渐达到或逼近最优滤波器。
由于学习过程中有师”存在，因此它是一种具有监督学习功能的过程。
本课题是基于LMS最小均方误差法的语音降噪，是自适应滤波的一种。
LMS算法通过用梯度的估计值代替梯度的精确值，自适应地调整权矢量，使误差信号区域降低趋势，从而使滤波器逐渐达到或接近最优。
训练目的及内容1. 通过利用c程序实现数字信号处理的相关功能，巩固对信号处理原理知识的理解，提高实际编程和处理数据的综合能力，初步培养在解决信号处理实际应用问题中所应具备的基本素质和要求。
2. 培养研发能力，通过设计实现不同的信号处理问题，初步掌握在给定条件和功能的情况下，实现合理设计算法结构的能力。
课程设计任务书学生姓名：专业班级：指导教师：工作单位：题目: 基于RLS算法的多麦克风降噪设计任务:给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
设计要求：（1）阅读参考资料和文献，明晰算法的计算过程，理解RLS算法基本过程；（2）主麦克风录制的语音信号是RLSprimsp.wav，参考麦克风录制的参考噪声是RLSrefns.wav，用matlab指令读取；（3）根据算法编写相应的MATLAB程序；（4）算法仿真收敛以后，得到增强的语音信号；（5）用matlab指令回放增强后的语音信号；（6）分别对增强前后的语音信号作频谱分析。
指导教师签名：年月日系主任（或责任教师）签名：年月日MATLAB功能强大、简单易学、编程效率高，可以很方便地进行信号分析、处理和设计。
自适应滤波器经过几十年的发展和完善，已逐渐成为人们常用的语音去噪技术，而MATLAB的出现又为其提供了更为方便快捷的方法来对语音信号进行去噪处理。
而递推最小二乘（RLS，Recusive Least-Squares）算法是其中一种常用的线性自适应滤波算法。
标准RLS算法是通过输入数据的相关矩阵来完成权向量的计算，矩阵来完成最小二乘向量的计算。
QR-RLS算法则是基于脉冲响应数字滤波器（FIR），其实现是通过直接处理经QR 分解的输入数据矩阵来完成权向量的计算，在数值上比标准的RLS算法更稳定。
MATLAB的工具箱中包含RLS自适应滤波器的两个应用函数。
关键词：MATLAB，自适应滤波，RLS算法MATLAB is powerful, easily learned, programming, and high-efficiency.It can be analyse, processed and design easily. After decades of development and perfection, adaptive filter has gradually commonly used for speech sound denoising technology, and the emergence of MATLAB has provided a more convenient way to deal with the noise speech signal. Meanwhile,the recursive Least Squares (RLS, Recusive further - Squares) algorithm is one of the commonly used linear adaptive filter algorithm.Through dealing with the input data, Standard matrix RLS algorithm can complete the calculation of weight vector,and the matrix is to complete the least squares vector calculation. QR - RLS algorithm is based on impulse response (FIR) digital filter, its implementation is through direct processing by the input data matrix QR decomposition to complete the calculation of weight vector, the RLS algorithm is more stable than the standard value. MATLAB toolbox contains two applications of RLS adaptive filter function.Key words: MATLAB, adaptive filtering, RLS algorithm,目录摘要 (1)Abstract (2)目录 (3)1 基本原理 (4)1.1 基于RLS算法的自适应滤波器 (4)1.2 RLS算法原理 (4)1.3 RLS算法的步骤 (7)2 原始语音信号采集 (8)2.1 语音信号的采样理论依据 (8)2.2 语音信号的分析 (8)3、基于RLS算法的多麦克风降噪的方法论证 (10)3.1 自行编写BLS算法程序块 (10)3.2 直调用的RLS算法函数设计程序 (11)4 提取语音信号 (11)5 调试程序 (12)5.1环境噪声中的语音波形分析 (12)5.2 RLS算法的滤波效果： (14)5.3分别对增强前后的语音信号做频谱分析 (15)心得体会 (16)参考文献 (17)附录：程序清单 (18)+1 基本原理1.1 基于RLS 算法的自适应滤波器所谓自适应实现是指利用前一时刻获得的滤波器参数，根据估计误差自动调节现时刻的参数，使得某个代价函数达到最小，从而实现最优滤波。
基于LMS算法的多麦克风降噪课程设计任务武汉理工大学《信息处理课群综合训练与设计》课程设计课程设计任务书学生姓名：专业班级：指导教师：徐文君工作单位：信息工程学院题目: 基于LMS 算法的多麦克风降噪初始条件：Matlab软件设计任务：给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
（1）阅读参考资料和文献，明晰算法的计算过程，理解LMS算法基本过程；（2）主麦克风录制的语音信号是LMSprimsp.wav，参考麦克风录制的参考噪声是LMSrefns.wav.用matlab指令读取；（3）根据算法编写相应的MATLAB程序；（4）算法仿真收敛以后，得到增强的语音信号；（5）用matlab指令回放增强后的语音信号；（6）分别对增强前后的语音信号作频谱分析。
时间安排：指导教师签名：年月日系主任（或责任教师）签名：年月日摘要自适应滤波器实际是一种能够自动调节本身参数的特殊维纳滤波器，在设计时不需要事先知道关于输入信号和噪声的统计特性，它能够在自己的工作过程中逐渐“了解”或估计出所需要的统计特性，并自动调整自己的参数，以达到最佳滤波效果。
而基于自适应滤波器的自适应噪声抵消法对含噪语音的增强效果最好。
因为这种方法比其他方法多用了一个参考噪声作为辅助输入，从而获得了比较全面的关于噪声的信息，从而能得到更好的降噪效果。
本课设研究的主要内容是基于最小均方误差准则(LMS)自适应噪声抵消法对语音信号进行增强，并应用MATLAB仿真软件对研究的内容进行分析、讨论和验证。
关键词：自适应滤波器，最小均方误差法则，语音增强，LMS算法AbstractAdaptive filter is actually a way to automatically adjust itself, the specific param -eters of Wiener filter, the design does not require prior knowledge about the input sig -nal and noise statistics, it can work in their own process of gradually "learn" or estim -ated the statistical properties of the required and automatically adjust their parameters to achieve the best filtering effect. The adaptive filter based on adaptive noise cancelin -g speech enhancement of noisy best. Because this method more than the other metho -ds most used an auxiliary input referred noise, to obtain more comprehensive informa -formation on the noise can get a better noise reduction.The main contents of this course design research is based on minimum mean squ -are error (LMS) adaptive noise cancellation method to enhance the speech signal,and the application of MATLAB simulation software of analysis, discussion and verificati -on.KEY WORDS: Adaptive filter, Minimum mean square error ,LMS, Speech enhance目录1 语音增强概述 (1)1.1语音增强的应用背景 (1)1.2语音增强的研究历史 (1) (2)2.1线性滤波法 (2)2.2梳状滤波法 (2)2.3自相关法 (3)2.4卡尔曼滤波法 (3)2.5自适应噪声抵消法 (3)2.5.1自适应噪声抵消法的原理 (4)2.5.2自适应噪声抵消法的应用 (5)3自适应滤波 (5)3.1自适应滤波概念 (5)3.3基本自适应滤波器设计原则 (7)3.4自适应滤波器结构 (7)4基于自适应滤波的信号增强 (8)4.1基本维纳滤波器 (8)4.2最陡下降法 (10)4.3LMS算法 (11)5 LMS自适应滤波设计 (13)5.1LMS原理 (13)5.2LMS算法设计 (15)6 MATLAB仿真分析 (15)6.1实验程序设计 (16)6.2实验结果 (16)6.3实验结果分析 (18)7 实验总结 (18)8 参考文献 (19)附录 MATLAB程序 (20)基于LMS 算法的多麦克风降噪1 语音增强概述1.1语音增强的应用背景语音增强技术是指当语音信号被各种各样的噪声(包括语音)干扰、甚至淹没后，从噪声背景中提取、增强有用的语音信号，抑制、降低噪声干扰的技术。
课程设计任务书学生：专业班级：指导教师：工作单位：信息工程学院题目: 基于LMS 算法的多麦克风降噪初始条件：●MATLAB软件●数字信号处理基础知识要求完成的主要任务:给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
（1）阅读参考资料和文献，明晰算法的计算过程，理解LMS算法基本过程；（2）主麦克风录制的语音信号是LMSprimsp.wav，参考麦克风录制的参考噪声是LMSrefns.wav.用matlab指令读取；（3）根据算法编写相应的MATLAB程序；（4）算法仿真收敛以后，得到增强的语音信号；（5）用matlab指令回放增强后的语音信号；(6）分别对增强前后的语音信号作频谱分析。
指导教师签名：2012 年月日系主任（或责任教师）签名：2012 年月日摘要随着社会工业生产的不断进步，各种噪声污染越来越严重。
目前普遍采用的模拟降噪方法已不能满足要求，未来的研究将朝着以数字信号处理器及相关算法为技术支撑的数字降噪技术发展。
滤波器设计在数字信号处理中占有极其重要的地位，Matlab功能强大、简单易学、编程效率高,深受广大科技工作者的欢迎。
特别是Matlab还具有信号分析工具箱,不需具备很强的编程能力,就可以很方便地进行信号分析、处理和设计。
利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。
在过去的几十年中，基于多麦克风的噪声消除问题一直是人们关注的课题。
而在众多算法中，基于LMS算法更新滤波器权值的广义旁瓣消除器结构应用最为广泛。
多麦克风降噪设计主要是通过自适应滤波器来实现的。
文中采用LMS 算法在MATLAB 中实现了自适应滤波器的设计与实现。
在MATLAB 中建立了数字降噪系统模型，并且针对该模型利用MATLAB 语言进行编程，仿真结果表明此设计实现了对信号中混有的环境噪声进行降噪，并且效果远远高于模拟降噪技术。
关键词：MATLAB，语音增强，LMS算法，多麦克风AbstractWith the social progress of industrial production, all kinds of noise pollution is more and more serious. The current widespread use of the simulation of the noise reduction method can not meet the requirement has, and further research will toward to digital signal processor and related algorithm for technical support digital noise reduction technology development.Filter design in digital signal processing plays an extremely important role,. Matlab is powerful, easy to learn, programming efficiency, which was welcomed by the majority of scientists. Matlab also has a particular signal analysis toolbox, it need not have strong programming skills can be easily signal analysis, processing and design. Using MATLAB Signal Processing Toolbox can quickly and efficiently design a variety of digital filters. In the past few decades, based on the noise of the microphone is always the people to pay attention to eliminate the subject. And in numerous algorithm, LMS algorithm based on the generalized update filter weight value side-lobe eliminate most widely used the structure. More noise reduction design mainly through the microphone to realize adaptive filter. This article apply LMS algorithm in MATLAB realize adaptive filter, the design and implementation. In MATLAB established digital noise reduction system model, and the model for use of MATLAB language programming, the simulation results show that the designed to signal mix in some environmental noise noise reduction, and the effect is far higher than analog noise reduction technology.Keywords：MATLAB，Speech enhancement, LMS algorithm, microphone目录摘要 (I)ABSTRACT (II)目录 (1)2原始语音信号采集与处理 (3)2.1语音信号的采样理论依据 (3)2.1.1采样频率 (3)2.1.2采样位数 (3)2.1.3采样定理 (3)2.2语音信号的采集 (4)2.3语音信号的时频分析 (4)2.4语音信号加噪与频谱分析 (6)3基于LMS自适应滤波器的设计 (8)3.1基本LMS算法 (8)3.2自适应噪声抵消原理 (12)3.3基于最小均方误差准则(LMS)的自适应噪声抵消 (14)3.4LMS算法程序 (15)4 滤波并比较滤波前后信号的波形及频谱 (17)4.1验证所设计的自适应滤波器 (17)4.2对主麦克风音频信号滤波 (20)4.2.1程序流程图 (20)4.2.2 LMS自适应滤波 (20)4.3调试分析 (25)心得体会 (26)参考文献 (27)附录：源程序 (28)1前言多麦克风降噪是降噪技术的一个重要应用。
我国的降噪技术研究始于80 年代初期，采用的手段主要有三种，其中的动态降噪技术(DNR)又可以分为模拟动态降噪技术和数字动态降噪技术。
目前国外解决噪声问题最普遍的方法是采用模拟动态降噪技术，数字降噪技术的研究尚处于初期阶段。
数字降噪技术比模拟降噪技术具有更大的优点。
模拟降噪技术全采用硬件实施，修改和调试十分困难，对元器件参数的变化也很敏感，技术指标受元器件的误差影响较大，降噪效果不稳定，不利于产品的批量生产。
而数字降噪技术由于采用计算机技术实现自适应滤波，通过修改软件算法就可以达到不同的降噪效果，不用更改硬件结构，调试和维修都非常方便；数字降噪技术采用自适应滤波技术，可以实时跟踪噪声的变化进一步进行处理，因此降噪效果较好。
另外，数字降噪技术抗干扰能力强，本身具有自恢复能力，并且在整个音频带降噪比较均衡，而模拟降噪技术偏重于低频段，高频段效果较差。
因此降噪技术未来的发展方向是数字降噪技术，以数字信号处理(DSP)及其相关算法为技术支撑的数字降噪技术代表着当今降噪技术的发展。
目前市场上的麦克风降噪产品主要是模拟降噪，因此数字降噪的设计在国属于领先技术。
多麦克风数字降噪的系统原理是通过麦克风装置直接检测出噪声信号和音频信号的混合信号，然后将混合信号通过DSP 数字降噪模块进行噪声分离并产生降噪信号来抵消噪声，因此人耳就可以只听到较纯净的音频信号而不受环境噪声的干扰。
本文采用最小均方误差(LMS)算法，实现了数字降噪DSP 中消除噪声的模块自适应滤波器的设计，介绍了其在MATLAB 中编程及仿真输出，并通过程序实现了设计。
2原始语音信号采集与处理2.1 语音信号的采样理论依据2.1.1采样频率采样频率是指计算机每秒钟采集多少个声音样本，是描述声音文件的音质、音调，衡量声卡、声音文件的质量标准。
采样频率越高，即采样的间隔时间越短，则在单位时间计算机得到的声音样本数据就越多，对声音波形的表示也越精确。
采样频率与声音频率之间有一定的关系，根据奎斯特理论，只有采样频率高于声音信号最高频率的两倍时，才能把数字信号表示的声音还原成为原来的声音。
这就是说采样频率是衡量声卡采集、记录和还原声音文件的质量标准。
2.1.2采样位数采样位数即采样值或取样值，用来衡量声音波动变化的参数，是指声卡在采集和播放声音文件时所使用数字声音信号的二进制位数。
采样频率是指录音设备在一秒钟对声音信号的采样次数，采样频率越高声音的还原就越真实越自然。
采样位数和采样率对于音频接口来说是最为重要的两个指标，也是选择音频接口的两个重要标准。
无论采样频率如何，理论上来说采样的位数决定了音频数据最大的力度围。
每增加一个采样位数相当于力度围增加了6dB。
采样位数越多则捕捉到的信号越精确。
对于采样率来说你可以想象它类似于一个照相机，44.1kHz意味着音频流进入计算机时计算机每秒会对其拍照达441000次。
显然采样率越高，计算机摄取的图片越多，对于原始音频的还原也越加精确。
2.1.3采样定理在进行模拟/数字信号的转换过程中，当采样频率fsmax大于信号最高频率fmax的2倍时，即：fsmax>=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5～10倍，采样定理又称奈奎斯特定理。
1924年奈奎斯特(Nyquist)就推导出：在理想低通信道的最大码元传输速率=2W*log2 N (其中W是理想低通信道的带宽,N是电平强度)。
2.2语音信号的采集利用PC机上的声卡和WINDOWS操作系统可以进行数字信号的采集。
将话筒输入计算机的语音输入插口上,启动录音机。
按下录音按钮,接着对话筒说话“语音信号处理”,说完后停止录音,屏幕左侧将显示所录声音的长度。
