基于自适应算法的去噪滤波仿真比较

介绍了自适应滤波器的基本原理,对最小均方算法(LMS)和递推最小二乘算法(RLS)这两种自适应算法进行了理论分析和仿真比较.模拟仿真结果和语音去噪系统均表明:两种算法都能有效滤除噪声干扰.相比之下,RLS算法具有更好的收敛性能和稳定性,权噪声小,抑噪能力强.     

一种基于自适应模糊滤波的语音增强方法

在语音识别和语者识别中，通常需要先将输入的语音信号进行去噪处理，这样可使识别的正确率大大提高，通常采用基于LMS算法和RLS算法的自适应线性滤波器来进行去噪。提出了一种基于自适应模糊滤波器的语音增强方法，该模糊滤波器是一种非线性滤波器，它在语音信号的特征域空间采用参数映射的方式来滤除噪声，并能够进行自适应结构调整和参数更新。实验结果表明，采用自适应模糊滤波器来滤除噪声比线性滤波器具有更好的效果。     

单通道RLS算法自适应噪声消除及其遗忘因子的确定

利用RLS算法实现了单通道的自适应噪声消除,并且根据语音信号短时平稳的性质,提出了针对语音信号噪声消除计算RLS算法遗忘因子的方法。实验证明,基于该遗忘因子的RLS算法单通道自适应滤波器能够达到较好的语音降噪效果。     

基于Matlab的RLS自适应语音噪声对消系统的设计与实现

自适应信号处理的理论和技术经过40多年的发展和完善,已逐渐成为人们常用的语音去噪技术.而Matlab的出现又为其提供了更为方便快捷的方法来对语音信号进行消噪处理.介绍了自适应滤波器中常用的几种算法,并通过实例介绍了基于Matlab的RLS自适应语音噪声对消系统的设计与实现.     

一种改进的语音识别抗噪算法

为了提高在噪声环境下的语音识别性能,提出一种融合信号级和特征参数级抗噪的抗噪算法.该算法首先对带噪语音用最小均方误差估计法进行语音增强,后端对原始的带噪语音运用自相关法,以有效抑制加性和卷积噪声.实验结果表明,该算法能有效提高系统在噪声环境下,特别是低信噪比情况下的识别率.     

有色环境下的LMS算法研究

研究有色噪声和非平稳信号(如回声取消)情况下自适应滤波,提出解相关自适应最小均方(LMS)算法。首先设计出自适应预滤波器同时对输入信号和误差信号解相关,使输入信号和误差信号的白化,然后证明该方法并不改变维纳最优解,最后提出改进的变步长解相关自适应LMS算法。仿真实验表明:无论在有色噪声环境下还是白噪声环境下,该算法都改善了LMS算法性能,即提高了收敛速度又减小稳态误差。     

基于LMS自适应滤波器对噪声干扰的语音恢复研究

从自适应滤波器的基本原理出发,利用自适应滤波器对白噪声干扰下的语音信号进行恢复处理,研究自适应算法不同步长对处理结果的影响.理论分析及实验结果表明,在合适的步长下,采用Least Mean Squarc(LMS)算法自适应滤波器,从被噪声干扰的语音信号中恢复实际信号,其偏差在工程上可以接受,而且算法实现简单,具有较好的消噪效果.     

语音自适应压缩采样匹配追踪重构算法

基于小波分解下的语音压缩编码与重构框架,研究分析了含噪情况下贪婪算法的重构性能和抗噪性能,提出了一种改进的自适应压缩采样匹配追踪算法(ACoSaMP).该算法可在稀疏度未知的情况下,通过设置可变步长分阶段实现对稀疏度的逼近.同时,在每次迭代过程中,用最小二乘法对残差信号进行估计,代替传统CoSaMP算法对整个信号的估计.最后用小波去噪法对合成语音进行处理.实验结果表明:不同压缩比下,该算法的主客观重构效果均优于现有同类算法,对噪声有较强的鲁棒性.     

一种优化的VMD算法及其在语音信号去噪中的应用

针对非连续、 非平稳语音信号中含有噪声的问题, 提出一种基于参数优化的变分模态分解去噪算法. 首先, 利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合——分解模态数K和惩罚因子α, 通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IMF; 其次, 利用相关系数选择有效模态分量, 并用小波阈值处理无效模态分量; 最后, 重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪. 实验结果表明, 该算法与其他经典算法相比能有效提升信噪比, 降低均方误差, 提高语音信号的质量.     

基于总体平均经验模态分解和一步式字典学习联合去噪的语音端点检测算法

针对复杂环境下语音端点检测准确率低下且检测耗时过长的问题,研究一种基于EEMD和OS-DL联合去噪的语音端点检测算法。首先利用EEMD（总体平均经验模态分解）算法对输入语音进行分解得到IMF（本征模式分量）,然后使用OS-DL（一步式字典）算法分别对纯净语音信号与噪声信号进行训练,得到纯净语音信号和噪声信号的幅度谱字典,进而对幅度谱进行稀疏表示,利用得到的系数矩阵重新构建出语音信号频谱,将重构出的语音信号频谱经过傅里叶逆变换得到降噪后的语音信号,最后对降噪后的语音信号利用均匀子带频带方差法进行端点检测。实验结果表明：该算法在复杂环境信噪比低于-10dB情况下检测准确率仍可达到85%以上,且平均检测时间缩短至传统端点检测算法的1/3。     

3G中一种改进的盲检测算法研究

研究了直扩—码分多址（DS-CDMA）系统中多址干扰（MAI）抑制技术的盲多用户检测算法,在加性高斯白噪声信道环境中,对该检测的最小均方（LMS）算法、递归最小二乘（RLS）算法及卡尔曼滤波算法的信干比及抗干扰性能通过计算机编程仿真进行了分析、研究,提出了一种改进型盲多用户检测LMS算法,并对其信干比及抗干扰性能用Matlabl语言进行了计算机编程仿真,仿真结果表明：改进型盲多用户检测LMS算法的信干比（SIR）稳态输出明显好于基本LMS算法。     

宽带HFC中16QAM窄带噪声抑制的研究

将输入噪声抽象为一种窄带干扰,从数字信号处理的角度对其采取非线性抑制措施,并把非线性的CDLMS,CDRLS和归一化FTF算法运用到了该干扰抑制器中,提高了信号处理的实时性。     

自适应信道均衡器算法仿真与性能分析

使用自适应信道均衡器来抵消数字传输系统中噪声和信道造成的影响。采用两种自适应算法:LMS算法和RLS算法,并对算法进行了仿真,分析了系统参数对两种算法性能的影响,最后比较了LMS与RLS算法的收敛速度。仿真结果与理论分析相一致,验证了自适应算法的有效性。结果表明,虽然LMS算法不如RLS算法收敛速度快,但算法简单,易于实现。     

基于预处理VAD和自适应KLT的语音增强算法

针对加性有色噪声干扰，提出了一种单通道输入基于信号子空间的话音增强算法。算法中使用自适应的方法跟踪KLT(Karhunen—Loeve Transform)阵。运用一种近似模型来表述有色噪声的特性，并基于噪声平稳的假设，通过采用预处理技术的语音活动性检测(VAD：Voice Activity Detection)单元获取噪声样本，用于下一语音帧中噪声特性的估计和增强处理。实验表明，算法对于有色噪声干扰下的语音信号有较好的增强效果，并且性能优于改进减谱法。     

基于LMS自适应噪声对消法的激光液位测量信号波动抑制研究

针对激光液位检测中的信号波动问题,提出了一种采用LMS自适应噪声对消法抑制噪声的信号滤波方法,该方法采用数字高通滤波器获取自适应噪声对消器参考通道的信号。论述了自适应滤波器噪声对消的工作原理、LMS算法以及Butterworth数字高通IIR滤波器的设计方法,给出了整个噪声对消系统的原理图。仿真和实验结果表明,该噪声对消法在保证实际测量信号相位不变的情况下对液位测量信号的波动影响具有明显的消除和抑制作用。     

自适应滤波器消除语音信号中混合噪声

语音信号在实际采集和传输的过程中,往往掺杂着多种噪声干扰,比较常见的是正弦窄带干扰和高斯白噪声,而一个简单的自适应滤波器往往很难同时滤除多种噪声。为了抑制混合噪声而得到真实的语音信号,在最小均方误差(LMS)自适应算法和自适应噪声抵消原理的基础上,提出了一种两级自适应滤波器方案,第Ⅰ级在传统噪声抵消系统中加入延迟单元消除正弦窄带干扰,第Ⅱ级用LMS自适应噪声抵消器消除高斯白噪声,同时,利用Simulink模块库对所设计的两级自适应滤波器进行了建模仿真。仿真结果表明:该方案滤波器可以有效地滤除包含正弦窄带干扰和高斯白噪声的混合噪声,达到提高语音质量的目的。     

CL多小波结合改进RLS滤波器的信号去噪方法

提出了CL多小波结合改进RLS滤波器的信号去噪方法,该方法将信号划分到不同的频段上,分别用不同起始步长的改进RLS滤波器对系数进行去噪,以提高改进RLS滤波器的去噪效果.仿真结果表明:采用CL多小波结合改进RLS滤波器方法的去噪效果,优于单独使用改进RLS滤波器和CL多小波阈值法的去噪效果.     

CDMA系统中的几种智能天线自适应算法

首先介绍了RLS，LMS，CMA等适于在CDMA中应用的智能天线算法，并通过建模仿真来分析几种算法的性能及天线阵元数、用户数等指标不同时，智能天线接收信号的性能差别。RLS算法比LMS算法收敛速度快，LMS算法比CMA算法收敛速度快；达到SINR要求时，系统容量与天线阵元数成正比。RLS，LMS算法在解扩前处理收敛速度比解扩后处理收敛速度快。