基于LMS最小均方误差法的语音降噪 北工大.docVIP

. . 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 姓名台斯瑶 王金泊 指导教师：李如玮 目录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc247537988 一、课题背景和简介 PAGEREF _Toc247537988 \h 2 HYPERLINK \l _Toc247537989 二、训练目的 PAGEREF _Toc247537989 \h 3 HYPERLINK \l _Toc247537990 三、训练内容 PAGEREF _Toc247537990 \h 3 HYPERLINK \l _Toc247537991 四、最小均方差LMS实现自适应滤波器的方法介绍 PAGEREF _Toc247537991 \h 3 HYPERLINK \l _Toc247537992 五、实验设计及实施过程 PAGEREF _Toc247537992 \h 4 HYPERLINK \l _Toc247537993 1、滤波器结构设计 PAGEREF _Toc247537993 \h 5 HYPERLINK \l _Toc247537994 2、高斯白噪声的实现方法 PAGEREF _Toc247537994 \h 6 HYPERLINK \l _Toc247537995 3、LMS算法的实现 PAGEREF _Toc247537995 \h 8 HYPERLINK \l _Toc247537996 六、实验结果分析 PAGEREF _Toc247537996 \h 9 HYPERLINK \l _Toc247537997 七、从实验中分析LMS算法的缺点 PAGEREF _Toc247537997 \h 11 HYPERLINK \l _Toc247537998 八、实验完整程序 PAGEREF _Toc247537998 \h 12 HYPERLINK \l _Toc247537999 九、参考文献 PAGEREF _Toc247537999 \h 15 HYPERLINK \l _Toc247538000 十、特别鸣谢 PAGEREF _Toc247538000 \h 16 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。 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。 3. 提高文献整理和资料查询的能力。通过课下对相关语音知识的学习和理解，培养快速解决实际问题的能力，并在文献整理的过程中学会科技文献的写作，提高语言表达能力。 三、训练内容 根据语音信号的特点，利用不同信噪比的高斯白噪声对语音进行加噪，利用LMS最小均方误差法设计实现自适应滤波器，并讨论语音状态变化下的收敛情况。 四、最小均方差LMS实现自适应滤波器的方法介绍 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“导师”存在，因此它是一种具有监督学习功能的过程。当滤波器的应用环境发生缓慢变化时，相当于滤波器应用于非平稳环境，但环境变化比学习速度更缓慢时，自适应滤波器能够自适应地跟踪这种非平