基于LMS算法的自適應重復語音信號噪聲對消效果研究

馬佳佳，陳 雨，馮子通

(四川大學 電子信息學院，四川 成都 610065)

基于LMS算法的自適應重復語音信號噪聲對消效果研究

馬佳佳，陳 雨，馮子通

(四川大學 電子信息學院，四川 成都 610065)

為了提高LMS自適應濾波算法的性能，通過對自適應系統的深入研究，實驗得出同一信號不同噪聲強度下的最佳步長，并運用于噪聲對消。文中主要研究如何消除輸入中摻雜的噪聲干擾，并且對不同的情況做了深入的研究，同時研究了對于重復語音輸入信號下的噪聲對消。通過研究信噪比數值分析重復語音信號下的噪聲對消情況，得出重復語音信號對噪聲對消質量的最佳提升與噪聲倍數有正相關的關系。

自適應；噪聲對消；LMS；信噪比；重復語音信號

0 引言

自適應濾波的應用原理是在結合卡爾曼濾波、維納濾波等線性濾波的基礎特點上總結發展起來的一種最優的濾波降噪方法。而且因為它具有更佳的濾波、處理信號的性能和更強的適應性，從而使其非常普遍應用于信號處理、系統能力辨識、語音信號處理以及自適應信道的均衡處理等諸多領域范圍。自適應濾波算法是自適應濾波器最核心的算法，其主要依據是自適應濾波算法所采取的優化基準的不同，自適應算法從最基本原理上可以分為兩類最基本的算法：最小均方誤差算法(LMS)和遞推最小二乘算法(RLS)。而LMS算法因為具有處理速度快、容易實現等優點在實驗工程中被廣泛地使用。

在實際工程應用中，常常會遇到從較強背景噪聲情況下對于微弱有效信號的檢測問題。比如在運用超聲進行無損檢測的領域，因超聲波傳輸介質的分布不勻稱等諸多原因將會使實際有效的信號與高頻噪聲信號混迭在一起，從而不能很好地獲取到有效的信號。再如女人體內腹部胎兒的心電信號是被覆蓋在母親心電信號等強噪聲背景下[1]。而被覆蓋在強噪聲背景中的有效信號具有微弱并且不穩定的特點，且強背景噪聲通常是非平穩信號并隨著時間變化而不斷變化的，此種情況下很難用傳統方式從強噪聲背景中提取出有效實際信號。而自適應噪聲對消技術卻是一種非常有效的降噪方法，當系統能夠從噪聲源提取良好的參考噪聲信號作為標準時，其可以達到很好的提取有效信號的效果，并能很好地運用在各種工程實踐中[2-4]。

本文在語音信號噪聲對消的基礎原理上引入了一種在算法性能表面上下降的算法，即最小均方算法(簡稱LMS算法)。這種算法選用了一種特別的梯度估值算法，并且不需要用離線方式的梯度估值或重復地使用數據[5-6]。其簡單方便易行，只要自適應處理系統是一個線性組合器，且只需要有輸入信號數據向量Xk和期待輸出響應dk在每一次算法迭代時可以被使用，因此其對語音信號噪聲對消是一個很好的選擇，對許多自適應信號處理的應用來說，LMS算法也是最好的選擇之一[7-8]。

1 原理

1.1 自適應噪聲對消的原理

因為在信號輸入端通常會伴隨著噪聲信號的輸入干擾，當信號輸入端的信噪比較小時，相應的輸出端的輸出信噪比將會出現嚴重下降現象。此時通過在自適應濾波器的參考輸入端輸入相關噪聲，通過輸出誤差信號調整優化濾波器自身的沖擊響應，使誤差信號達到最小。在理想情況下，誤差信號是完全無噪聲的信號。自適應對消器一般結構如圖1。

圖1 自適應噪聲對消原理

圖 1 是典型的噪聲對消模型。信號源發出信號，通過聲道傳送接收該信號的傳感設備(通常為多個傳感器組成)，此時傳感設備除了收到原始信號s外,還會接收到一個不需要的噪聲n0。 組合起來的信號s+n0就是對消器的初始輸入信號。而第二個傳感設備則被用來接收與原始信號s不相關的，但卻以特殊未知的方式與噪聲信號n0相關的噪聲信號n1。它的作用主要是為對消器提供參考輸入。將噪聲信號n1加以處理,使其變成近似于噪聲信號n0的復制品，輸出為y。 然后將該輸出傳送到濾波器，從原始輸入s+n0中減去,從而獲得系統實際的輸出s+n0-y。由于y是近似于噪聲信號n0的復制品，則可得到信號s。

1.2 LMS算法原理

LMS算法的最基本的原理思想為：將實際輸出信號與所期待的輸出信號加以對比而獲得“誤差”信號，然后調整優化濾波器自身特定的參數也即是權值參數，從而使濾波器的平均功率或實際輸出的信號與期望輸出信號之間的均方誤差達到最小的算法過程。基于LMS算法的基本迭代公式為：

e(n)=d(n)-XT(n)W(n)

(1)

W(n+1)=W(n)+2μ0e(n)X(n)

(2)

式(1)中，e(n)為誤差信號；d(n)為期望輸出信號；X(n)為時刻n的輸入信號向量；W(n)為時刻n時的權向量。式(2)為權值向量迭代更新公式，式中μ0為控制算法收斂速度的常數因子，稱為步長因子。LMS算法的收斂條件為：0<μ0<1/λmax,λmax為輸入信號自相關矩陣的最大特征值。

2 實驗仿真及數據分析

2.1 同一信號不同噪聲強度最佳步長分析

在不同噪聲強度下系統的最佳步長μ是不同的，而步長的優劣可以用輸入信噪比和輸出信噪比去衡量。如表1～表4是不同時長的語音信號在不同的噪聲強度下所得的輸入和輸出信噪比數值，括號內代表步長。

表1 2 s時長、不同步長信噪比數值

表2 5 s時長、不同步長信噪比數值

表3 10 s時長、不同步長信噪比數值

表4 25 s時長、不同步長信噪比數值

注：輸入=輸入信噪比；輸出=輸出信噪比；1、10、50、100、1 000倍為噪聲強度；秒為信號時長。

從以上表格的數據可以得出兩點：

(1)對于同一時長，同一噪聲強度，存在一個最佳步長使得輸出信噪比最大，而且不同步長的輸出信噪比的值與當前步長與最佳步長的差值有關。

(2)對于同一時長的語音信號，隨著噪聲強度的不斷增大，最佳步長在不斷地減小，調解增益(輸出信噪比-輸入信噪比)在不斷地增長，同時輸出信噪比也在不斷地減小，即噪聲對消的作用在不斷地減小。

2.2 重復語音信號噪聲對消輸入的研究

通過2.1節可得出，對輸入語音信號，不同時長不同噪聲強度下總會有一個最佳的輸出信噪比也即是最佳的噪聲對消情況。而在自適應噪聲對消系統中，自適應完全迭代收斂處于最佳權值后噪聲對消效果為最好，本文對于這一問題進行了討論。如圖2～圖4所示，其中每一時長的圖分為兩大類圖，上半部3張圖為語音信號幅度譜圖，分為原始音頻信號、帶噪音頻信號和最終經過算法處理后的音頻信號；下半部則為音頻信號的頻譜圖。

圖2 2 s時長10倍噪聲強度

從圖2～圖4可以看出，不管是時長的不同還是噪聲強度的不同，在信號一次輸入和重復輸入時噪聲處理總是不一樣的，從圖中看效果還不是很顯著，可以從表5中的數據觀察。

表5 不同狀況下信噪比數值比較

從表5可以得到(在選取的1～100倍噪聲強度下)：

(1)噪聲過大或過小都不適合采用重復語音信號的方法來提升噪聲對消的質量。

(2)隨著語音信號時長的增加，重復語音信號對噪聲對消質量的最佳提升與噪聲倍數有正相關的關系。

3 結論

本文研究討論了自適應語音信號噪聲對消的主要應用，在研究過程中主要通過對一段語音信號截取不同的時長，再添加不同的噪聲強度，發現時長越長的語音信號其最佳步長越小，在同時長的情況下隨著噪聲強度的不斷增大，最優輸出信噪比也在不斷地減小；在重復輸入帶噪聲的語音下，隨著噪聲強度增大，重復輸入的必要性也在慢慢降低，而在低噪聲強度下最好重復輸入進行噪聲對消。

圖3 5 s時長10倍噪聲強度

圖4 10 s時長100倍噪聲強度

[1] 譚玉芳，楊方.自適應噪聲對消在抑制振動干擾中的應用[J].農業科技與裝備,2010(2):44-46.

[2] 高媛.新的變步長LMS 算法及其在自適應噪聲對消中的應用[J].沈陽航空工業學院學報,2007,24(4):83-85.

[3] 肖尚輝.基于MATLAB的自適應噪聲抵消器設計及應用研究[J].宜賓學院學報,2007,7(6):36-38.

[4] 李善姬,尹滄濤.一種基于改進LMS算法的語音消噪方法[J].測控技術，2010,29(10):35-37.

[5] 高鷹,謝勝利.一種變長LMS自適應濾波算法及分析[J].電子學報,2001,29(8):1094-1097.

[6] 嚴雪艷,郭建中.基于LMS自適應濾波器對噪聲干擾的語音恢復研究[J]. 陜西師范大學學報，2009,37(3):42-46.

[7] 倪驍寧.基于LMS算法的自適應濾波器在聲學回聲消除中的應用[J]. 計算機時代，2011(10):42-45.

[8] 蒙俊甫,侯祥博.LMS自適應濾波器的仿真與實現[J].信息通信，2010(1):31-33.

Research on the effect of adaptive repeated voice signal noise cancellation based on LMS algorithm

Ma Jiajia, Chen Yu, Feng Zitong

(School of Electronics and Information Engineering,Sichuan University, Chengdu 610065, China)

In order to improve the performance of LMS adaptive filtering algorithm, the optimal step size of the same signal under different noise intensity is obtained through experimental study, which is applied to noise cancellation. In this paper, we mainly study how to eliminate the noise interference in the input, and do a lot of in-depth research in different situations. At the same time, we mainly study the noise cancellation under repeated speech input signal, and by studying the SNR numerical to analyse the noise cancellation in the case of repeated speech signal. It is concluded that the optimal lifting of the speech signal to the noise cancellation quality has a positive correlation with the noise multiple.

self-adaption; noise elimination; LMS; signal-to-noise; repeated voice signal

TP911.7

A

10.19358/j.issn.1674- 7720.2017.23.027

馬佳佳，陳雨，馮子通.基于LMS算法的自適應重復語音信號噪聲對消效果研究[J].微型機與應用，2017,36(23)：93-96，100.

2017-07-05)

馬佳佳(1992-)，男，碩士研究生，主要研究方向：信號與信息處理、結構健康監測。