基于自适应语音增强的算法研究探究.doc

姓名：尤德军 学号：20121003482 班级：075124 院系：机电学院 题目：基于自适应语音信号增强算法研究 一、主要参考书及参考资料 [1]Sambur M．Adaptive noise cancelling for speech signalS．IEEE Transactions on Acoustics， Speech and Signal Processing，1978，26(5)：419—43 [2]B Widrow，S D Stearns千永德、龙宪惠译，自适应信号处理，成都四川大学出版社，1989. [3]T w Parsons，文成义、常国岑、王化周等译，语音处理，北京国防工业出版社，1990． [4]姚天任，数字语音处理，武汉华中科技大学出版社，1992． [5]邹国良，自适应滤波理论及应用[M]，河北大学出版社，1997. [6]胡广传，数字信号处理理论、算法与实现，北京清华大学出版社，1997． [7]葛良、陶智，基于自适应滤波的语音增强算法．江苏：苏州大学学报，2002． [8]何振亚，自适应信号处理[M]，北京科学出版社，2002. 目 录 摘 要 I ABSTRACT II 前 言 III 第一章 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 本课题的研究内容 2 第二章 语音增强的基础知识 3 2.1 语音和人耳的感知特性 3 2.2 噪声特性 3 2.2.1 噪声的种类、度量 3 2.2.2 噪声的测量和评价 6 2.3 语音增强的方法 8 2.3.1 线性滤波法 8 2.3.2 梳状滤波法 9 2.3.3 自相关法 9 2.3.4 卡尔曼滤波法 9 2.3.5 自适应噪声抵消法 10 第三章 自适应滤波器基本概念 11 3.1 自适应滤波 11 3.2 自适应滤波器的组成 11 3.3 基本自适应滤波器的模块结构 12 第四章 基于自适应滤波器的语音增强 14 4.1 基本维纳滤波器 14 4.2 最陡下降法 16 4.3 RLS算法 17 4.4 LMS算法 17 4.基于自适应滤波器的噪声抵消法 19 4.5.1自适应噪声抵消法的原理 20 4.5.2自适应噪声抵消法的应用 21 第五章MATLAB仿真实现 22 5. 1 MATLAB仿真软件介绍 22 5.1.1 MATLAB的发展历程及应用 22 5.1.2 MATLAB的特点及优势 23 5.2 MATLAB仿真结果分析 24 5.3 小结 34 自适应滤波器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。声音的基本度量有声压、声强、声功率等。 声压级 (dB)或SPL的定义为： （2.1） 其中=20,为基准声压(空气中)。 声强级(dB)或SIL定义为 = 2.2） 其中为基准声强。 声功率 (dB)或SWL的定义为 （2.3） 其中=为基准功率。 正常人耳刚能听到的听阈声压为20，所以、分别是1000Hz的听阈声压及其相应的声强。使人耳产生疼痛的声压称为痛阈声压，此值约为100。声压级与声强级的关系如下式所表示： （2.4） 其中为标准大气压下的空气介质密度，C为声速(m／s)。 3.噪声的特性： 噪声是一个随时间变化的过程。一般的时域周期信号可用振幅、频率、相位来表征。但是噪声的时域特性不是很明显，噪声的时域波形称为噪声信号，将其进行频域变换，得到噪声信号的频域特性——频谱。 噪声的频率特性可用功率谱密度分布来描述。设频率在间的噪声功率为，则功率谱密度定义为单位频率间隔内所含的噪声功率，即有： （2.5） （2.6） 噪声还具有统计特性。噪声的时域波形好象是杂乱无章的，但是无论种噪声都不是完全无规律的，它们具有统计的规律的一个系统的噪声，每次测得的值，是随意且不可预料的，即具有随机性；但大量多次测量的噪声值，其分布是有规律的。测量噪声的概率是确定的，因此可用概率来描述噪声的统计规律。 随机过程的统计特性可用定量值——平均值和标准偏差表示。平均值或期望值是X的平均值，表示测量一次可期望的值，并用大量测量的平均值表示，即：