自适应算法的研究要点分析.ppt

基于自适应语音信号增强算法研究 论文结构： 摘要 引言 自适应滤波 自适应滤波相关算法 MATLAB仿真及结论 引言： 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。这些干扰使接收者收到的语音为受噪声污染的带噪语音信号。语音增强的一个主要目的就是从带噪语音信号中提取尽可能纯净的原始语音。目前应用的语音增强方法大体上分为：谐波增强法、基于参数估计的语音再合成法和基于自适应的噪声抵消法。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。 自适应滤波： 1.相关概念： ① 滤波：从连续的（或离散的）输入信号中滤除噪声和干扰以提取有用信号的过程称为滤波。 ② 滤波器：一种以物理硬件或计算机软件形式，从含噪声的观测数据中抽取信号的装置，可以实现滤波、平滑、预测等信号处理的基本任务。 ③ 滤波器分类： 是：线性滤波器 滤波器的输出是否为输入的线性函数 否：非线性滤波器 是：时变滤波器 滤波器的参数是否随时间变化 否：非时变滤波器 自适应滤波： ④ 滤波器研究的一个基本课题：如何设计和制造最佳的或者是最优的滤波器。 ⑤ 最佳滤波器：能够根据某一最佳准则进行滤波的滤波器。 ⑥ 维纳滤波器：维纳根据最小均方误差准则（滤波器的输出信号与需要信号之差的均方值最小），求得了最佳线性滤波器的参数，这种滤波器被称为维纳滤波器。 ⑦ 自适应滤波器：在输入过程的统计特性位置时，或输入过程的统计特性变化时，能够调整自己的参数，以满足某种最佳准则的要求。 ⑧ 学习过程：当输入过程的统计特性未知时，自适应滤波器调整自己参数的过程称为“学习过程”。 ⑨ 跟踪过程：当输入过程的统计特性变化时，自适应滤波器调整自己参数的过程为“跟踪过程”。 自适应滤波器： 2.自适应滤波器的引入： 假定线性滤波器的输入为有用信号和噪声之和，两者均为广义平稳随机过程。要实现维纳滤波，就要求： 1）输入过程是广义平稳的； 2）输入过程的统计特性是已知的。 然而，由于输入过程取决于外界的信号、干扰环境，这种环境的统计特性常常是未知的、变化的，因而不能满足上述两个要求。这就促使人们研究自适应滤波器。 3.自适应滤波器分类：1）自适应时域滤波器； 2）自适应空域滤波器。 自适应滤波器： 4.自适应滤波器的组成： 自适应滤波器可分为可编程滤波器（滤波部分）及自适应算法 （控制部分）两部分。 可编程滤波器即参数可变的滤波器，自适应算法对其参数进行控制以实现最佳工作。 自适应滤波器： 自适应算法主要根据滤波器输入统计特性进行处理。它可能还与滤波器输出和其他参数有关。根据自适应算法是否与滤波器输出有关，可以将其分为开环算法和闭环算法两类。开环算法的控制输出仅取决于滤波器的输入和某些其他数据，但是不取决于滤波器的输出，如图（a）所示。闭环算法的控制输出则是滤波器输入、滤波器输出以及某些其他输入的函数，如图（b）所示。 （1）闭环算法： 优点：闭环算法利用了输出反馈，它不但能在滤波器输入变化时保持最佳的输出，而且还能在某种程度上补偿滤波器元件参数的变化和误差以及运算误差。 缺点：存在稳定性问题以及收敛速度不高。 （2）开环算法： 优点：调整速度快，一般不存在稳定性问题。 缺点：通常要求的计算量大且不能补偿元件参数误差及运算误差。 自适应滤波器： 5.基本自适应滤波器的模块结构 滤波子系统：根据它所要处理的功能而往往有不同的结构形式。 (Ⅰ)构成 自适应算法部分：用来调整滤波子系统结构的参数，或滤波系数。