dsp综合实验lms的自适应滤波器

1、实 验 报 告课程名称：数字信号处理实验任课教师： 周浩 实验名称：滤除音频信号中的高斯噪声信号 年级、专业： 08级通信工程 学 号： 20081 姓 名： 日期： 2010 年 月日云南大学 信息学院一、实验目的1. 了解MATLAB在设计滤波器中强大的功能，无论在程序，还是仿真。2. 了解高斯白噪声的滤除以及算法，设计出自适应滤波器。二、实验内容1. 滤除含有高斯噪声的音频信号的噪声信号，并达到一定的效果。设计出自适应滤波器。三、主要算法与程序高斯噪声的频谱是无限长的，因此用低通滤波器滤出来的效果并不好，因此我们必须使用另外一种滤波器自适应滤波器。自适应滤波器与普通滤波器的区别是它能够随

2、着外界信号特性动态的改变单数，保持最佳滤波状态，如何根据外界信号的变化来调整参数是由自适应算法决定的，因此自适应算法的好坏直接影响滤波的效果。自适应滤波器中有使用lms算法的，LMS算法是利用梯度估计值来代替帝都向量的一种快速搜索算法，具有量小、易实现的优点；其基本思想是通过调整滤波器的权值参数，是滤波器的输出信号与期望信号之间的均方误差最小。 自适应滤波一般包括2个基本过程：滤波过程和滤波器参数调整过程。这2个过程组成1个反馈环。在设计的过程中，虽然FIR和IIR都可以用于自适应滤波器，由于IIR的稳定性问题，所以设计时采用自适应横向FIR滤波器。其结构下图所示。这个算法对于滤除高斯噪声是很

3、适合的。LMS算法步骤： 1,、设置变量和参量： X(n)为输入向量，或称为训练样本 W(n)为权值向量 b(n)为偏差 d(n)为期望(均值)输出 y(n)为实际输出 为学习速率 n为迭代次数 2、初始化，赋给w(0)各一个较小的随机非零值，令n=0 3、对于一组输入样本x(n)和对应的期望输出d，计算 e(n)=d(n)-XT(n)W(n) W(n+1)=W(n)+X(n)e(n) 4、判断是否满足条件，若满足算法结束，若否n增加1，转入第3步继续执行。程序：clear allclc N=2048;s,fs,bits=wavread('original.wav'); %用于

4、读取语音，采样值放在向量y中，fs表示采样频率(Hz)，bits表示采样位数。采用的是双通道，因此向量y的维数为n*2维f=0:fs/N:fs/2-1/N;t=(0:length(s)-1)/fs; snr=15; %信噪比20（dB）s_power=var(s); %var函数: 返回方差值。每一列的方差linear_snr=10(snr/10);factor=sqrt(s_power/linear_snr);noise1=randn(1,length(s)*factor(1); %由SNR计算随机噪声s1=s(:,1)+noise1' x1=noise1; %噪声源输入x2=noi

5、se1;w1=0.02; %权系数初值w2=0.02;e=zeros(1,length(s);y=0;u=0.05; %步长因子for i=1:length(s) %s1通道LMS算法 y=w1*x1(i)+w2*x2(i); e(i)=s1(i)-y; w1=w1+u*e(i)*x1(i); w2=w2+u*e(i)*x2(i); endnoise2=randn(1,length(s)*factor(2)*1.2;s2=s(:,2)+noise2' %由SNR计算随机噪声z1=noise2; %噪声源输入z2=noise2;w1=0.02; %权系数初值w2=0.02;er=zero

6、s(1,length(s);y=0;u=0.05; for i=1:length(s) %s2通道LMS算法 y=w1*x1(i)+w2*z2(i); er(i)=s2(i)-y; w1=w1+u*er(i)*z1(i); w2=w2+u*er(i)*z2(i); endss=zeros(length(s1),2);ss(:,1)=s1;ss(:,2)=s2;SS=fft(ss,N); %未滤波音频信号ss快速傅里叶变换SS=log(abs(SS);ee=e;er'EE=fft(ee,N); %滤波之后音频信号ss快速傅里叶变换EE=log(abs(EE);wavwrite(ss,fs

7、,'orig_noise.wav'); %把数据ss以音频格式wav文件存起来wavwrite(ee,fs,'after_lms.wav'); %把数据ee以音频格式wav文件存起来sound(ss,fs,bits); %回放声音sound(ee,fs,bits);figure(1)subplot(2,2,1)plot(t,ss);grid ontitle('带高斯噪声音频信号')xlabel('time(s)');ylabel('幅度');axis(0 10 -1.2 1.2);subplot(2,2,2)plo

8、t(f,SS(1:1024,:);grid ontitle('未滤波音频信号的频谱');xlabel('Hz');ylabel('幅度');subplot(2,2,3)plot(t,ee);grid ontitle('自适应噪声滤波对消之后')xlabel('time(s)');ylabel('幅度');axis(0 10 -1.2 1.2);subplot(2,2,4)plot(f,EE(1:1024,:);grid ontitle('自适应滤波之后音频信号的频谱')xlabel('Hz');ylabel('幅度');四、实验结果与分析滤波之后的音频信号的频谱会平缓一下，没有那么多的“刺”。叠加了噪声信号的音频在经过自适应滤波器之后，滤波效果比较好，没有了明显的沙沙的声音。五、实验小结首先认识到MATLAB强大的功能，以及在自适应滤波之后效果相当明显。在学习通信过程中滤波器的设计是非常重要的，应该学习更多的算法设