李曼

摘要：該文描述了在Matlab中編程實現(xiàn)語音通信中去除噪聲技術。依據(jù)輸入信號在迭代過程中估計梯度矢量、更新權系數(shù)以達到最優(yōu)的自適應迭代算法，采用一種期望響應和濾波輸出信號之間誤差的均方值最小（LMS算法）為準則的梯度最陡下降方法。討論收斂因子[μ]的取值范圍使降噪效果達到最優(yōu)。

關鍵詞：最小均方LMS算法；期望值；最陡下降法；權系數(shù)向量；收斂因子

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）32-7650-03

Abstract： This article describes to remove noise in Matlab programming realization of voice communication technology.On the basis of the input signal in the process of iteration estimates gradient vector，update the weights in order to achieve the optimal adaptive iteration algorithm.Using an expected response and filtering the mean square error between the output singals as the criterion of minimum gradient steepest descent method.Discuss the scope of convergence factor causes the noise reduction effect to achieve the optimal.

Key words： Minimum mean square LMS algorithm； expected value； steepest descent method； Weight vector； convergence factor

語音通信在當今社會中成為人們交往不可或缺的通信方式，但在通信過程中不可避免地受到來自環(huán)境、傳輸媒介、通信設備等等引入的噪聲。而這些信號與噪聲是非平穩(wěn)的統(tǒng)計特性先驗未知的隨機信號。在眾多的噪聲消除方法中，自適應算法（LMS算法）對含有噪聲的語音去除噪聲效果較好。該算法的特點是其簡單性，不需要計算相應的相關函數(shù)，也不需要進行矩陣運算。該文通過MATLAB仿真軟件對去除噪聲研究進行分析、驗證。

1 噪聲度量

聲音的基本度量有聲壓、聲強、聲功率。為了便于在測量儀器上讀出噪聲評價量，在噪聲測量儀器上設計一種特殊的濾波器，使測量儀器上接收的聲音按不同程度大小濾波。A聲級（用A計權網絡測得的聲壓級）模擬人耳對55分貝以下噪聲的頻率特性，測得結果與人耳對聲音的響度感覺相近。因此把A聲級用來評價噪聲，它已成為國際標準化組織和絕大多數(shù)國家噪聲標準中的主要指標。

4 小結

在眾多的語音增強技術中，自適應濾波器的LMS算法使用了一個噪聲輔助輸入，可以在未知環(huán)境中實時跟蹤輸入信號從而獲得較全面的噪聲信息，而當輔助輸入噪聲與語音中的噪聲完全相關情況下，自適應噪聲抵消法以均方誤差為最小準則，采用最陡下降法，消除語音中的噪聲成分，獲得比較好的降噪效果。在信噪比方面和語音可懂度方面有較大提高。

參考文獻：

[1] 宋知用.MATLAB在語音信號分析與合成中的應用[M].北京：北京航空航天大學出版社，2013.endprint

摘要：該文描述了在Matlab中編程實現(xiàn)語音通信中去除噪聲技術。依據(jù)輸入信號在迭代過程中估計梯度矢量、更新權系數(shù)以達到最優(yōu)的自適應迭代算法，采用一種期望響應和濾波輸出信號之間誤差的均方值最?。↙MS算法）為準則的梯度最陡下降方法。討論收斂因子[μ]的取值范圍使降噪效果達到最優(yōu)。

關鍵詞：最小均方LMS算法；期望值；最陡下降法；權系數(shù)向量；收斂因子

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）32-7650-03

Abstract： This article describes to remove noise in Matlab programming realization of voice communication technology.On the basis of the input signal in the process of iteration estimates gradient vector，update the weights in order to achieve the optimal adaptive iteration algorithm.Using an expected response and filtering the mean square error between the output singals as the criterion of minimum gradient steepest descent method.Discuss the scope of convergence factor causes the noise reduction effect to achieve the optimal.

Key words： Minimum mean square LMS algorithm； expected value； steepest descent method； Weight vector； convergence factor

語音通信在當今社會中成為人們交往不可或缺的通信方式，但在通信過程中不可避免地受到來自環(huán)境、傳輸媒介、通信設備等等引入的噪聲。而這些信號與噪聲是非平穩(wěn)的統(tǒng)計特性先驗未知的隨機信號。在眾多的噪聲消除方法中，自適應算法（LMS算法）對含有噪聲的語音去除噪聲效果較好。該算法的特點是其簡單性，不需要計算相應的相關函數(shù)，也不需要進行矩陣運算。該文通過MATLAB仿真軟件對去除噪聲研究進行分析、驗證。

1 噪聲度量

聲音的基本度量有聲壓、聲強、聲功率。為了便于在測量儀器上讀出噪聲評價量，在噪聲測量儀器上設計一種特殊的濾波器，使測量儀器上接收的聲音按不同程度大小濾波。A聲級（用A計權網絡測得的聲壓級）模擬人耳對55分貝以下噪聲的頻率特性，測得結果與人耳對聲音的響度感覺相近。因此把A聲級用來評價噪聲，它已成為國際標準化組織和絕大多數(shù)國家噪聲標準中的主要指標。

4 小結

在眾多的語音增強技術中，自適應濾波器的LMS算法使用了一個噪聲輔助輸入，可以在未知環(huán)境中實時跟蹤輸入信號從而獲得較全面的噪聲信息，而當輔助輸入噪聲與語音中的噪聲完全相關情況下，自適應噪聲抵消法以均方誤差為最小準則，采用最陡下降法，消除語音中的噪聲成分，獲得比較好的降噪效果。在信噪比方面和語音可懂度方面有較大提高。

參考文獻：

[1] 宋知用.MATLAB在語音信號分析與合成中的應用[M].北京：北京航空航天大學出版社，2013.endprint

摘要：該文描述了在Matlab中編程實現(xiàn)語音通信中去除噪聲技術。依據(jù)輸入信號在迭代過程中估計梯度矢量、更新權系數(shù)以達到最優(yōu)的自適應迭代算法，采用一種期望響應和濾波輸出信號之間誤差的均方值最?。↙MS算法）為準則的梯度最陡下降方法。討論收斂因子[μ]的取值范圍使降噪效果達到最優(yōu)。

關鍵詞：最小均方LMS算法；期望值；最陡下降法；權系數(shù)向量；收斂因子

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）32-7650-03

Abstract： This article describes to remove noise in Matlab programming realization of voice communication technology.On the basis of the input signal in the process of iteration estimates gradient vector，update the weights in order to achieve the optimal adaptive iteration algorithm.Using an expected response and filtering the mean square error between the output singals as the criterion of minimum gradient steepest descent method.Discuss the scope of convergence factor causes the noise reduction effect to achieve the optimal.

Key words： Minimum mean square LMS algorithm； expected value； steepest descent method； Weight vector； convergence factor

語音通信在當今社會中成為人們交往不可或缺的通信方式，但在通信過程中不可避免地受到來自環(huán)境、傳輸媒介、通信設備等等引入的噪聲。而這些信號與噪聲是非平穩(wěn)的統(tǒng)計特性先驗未知的隨機信號。在眾多的噪聲消除方法中，自適應算法（LMS算法）對含有噪聲的語音去除噪聲效果較好。該算法的特點是其簡單性，不需要計算相應的相關函數(shù)，也不需要進行矩陣運算。該文通過MATLAB仿真軟件對去除噪聲研究進行分析、驗證。

1 噪聲度量

聲音的基本度量有聲壓、聲強、聲功率。為了便于在測量儀器上讀出噪聲評價量，在噪聲測量儀器上設計一種特殊的濾波器，使測量儀器上接收的聲音按不同程度大小濾波。A聲級（用A計權網絡測得的聲壓級）模擬人耳對55分貝以下噪聲的頻率特性，測得結果與人耳對聲音的響度感覺相近。因此把A聲級用來評價噪聲，它已成為國際標準化組織和絕大多數(shù)國家噪聲標準中的主要指標。

4 小結

在眾多的語音增強技術中，自適應濾波器的LMS算法使用了一個噪聲輔助輸入，可以在未知環(huán)境中實時跟蹤輸入信號從而獲得較全面的噪聲信息，而當輔助輸入噪聲與語音中的噪聲完全相關情況下，自適應噪聲抵消法以均方誤差為最小準則，采用最陡下降法，消除語音中的噪聲成分，獲得比較好的降噪效果。在信噪比方面和語音可懂度方面有較大提高。

參考文獻：

[1] 宋知用.MATLAB在語音信號分析與合成中的應用[M].北京：北京航空航天大學出版社，2013.endprint