概述：现实⽣活中，语⾳信号⼀般都带有噪声，在进⼀步处理信号前（如语⾳识别，语⾳编码），往往要对信号进⾏降噪，本⽂介绍⼏种简单的降噪算法：⾃适应滤波器/谱减法/维纳滤波法。随着信噪⽐的减⼩，降噪⽅法处理的效果也随之变差，也经常使得语⾳丢字或者波形失真。如何在低信噪⽐情况下，达到不错的降噪效果，是⼀个值得探究的问题。 ⼀. LMS⾃适应滤波器降噪
1.1. 基本原理
LMS⾃适应滤波器，利⽤前⼀刻已获得的滤波器参数，⾃动调节当前滤波器参数，以适应信号和噪声未知的或随机变化的统计特性，从⽽实现最优滤波。
1.2. 原理概述
输⼊信号序列xi(n)，期望输出信号d(n)，定义误差信号为：
LMS算法的本质就是寻最优的权系数wi，使得误差信号e(n)最⼩。
经过⼀系列推导，得到权系数的迭代公式：
语音降噪芯片使⽤最陡下降法，那么LMS算法的关键问题就变为收敛因⼦和梯度因⼦的求解。
（1）. 收敛因⼦控制收敛的速率，其取值范围：
其中为相关矩阵的最⼤特征值。当它趋于⽆穷⼤，加权适⽮量收敛于最优维纳解。
（2）.梯度因⼦
近似计算得到梯度因⼦表达式：
因此权系数最终表达为：
1.3. 算法实施步骤
向心关节轴承散件加工
1. 设定滤波器W(k)初值：
2. 计算滤波器实际输出的估计值：
3. 计算估算误差：速闭阀
4. 更新k+1时刻滤波器系数
5. k变为k+1，重复步骤2-4
1.4. MATLAB仿真结果
说明： 加⼊⽩噪声信号，信噪⽐设定为snr = 5，降噪前后的信噪⽐为：
⼆. LMS的⾃适应陷波器
砂轮修整器
2.1. 基本原理
⾃适应陷波器法适⽤于单⾊⼲扰噪声，如单频正弦波噪声，希望陷波器的特性理想，缺⼝的肩部任意窄，可马上进⼊平坦区域。
2.2.原理概述防盗机箱
拿有两个权系数的滤波器为例，输⼊信号为纯语⾳和单频⼲扰的叠加：
采样后，定时药盒
其中，
参考输⼊为标准正弦波和余弦波的叠加，
x1, x2可以构成任意幅度和相位的正弦波y(n)。
通过LMS⾃适应系数调整，使y(n)在幅度和相位与原始输⼊的单频⼲扰相同，从⽽清除单频⼲扰信号，达到陷波效果。
2.3. MATLAB仿真结果
说明：加⼊信噪⽐为snr = 5的单频噪声，滤波前后信噪⽐数值⼤⼩：
三. 基本谱减法
Tip： 由于基本谱减法带来明显噪声残留，需要进⾏算法改进。
3.1. 基本原理
语⾳信号处理最常⽤的⽅法，在频域进⾏降噪。
3.2. 算法步骤
语⾳信号对相位不灵敏，将谱减前的相位信息⽤到谱减后的信号中，在求出谱减后的幅值之后，结合相⾓，就能⽤IFFT求出谱减后的语⾳信号。
3.3. MATLAB仿真结果
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议