自适应滤波器在语音信号识别中的应用

周春荣 重庆交通职业学院副教授

自适应滤波器在语音信号识别中的应用

周春荣 重庆交通职业学院副教授

以最小均方误差（LMS）为基础，对自适应滤波器的降噪方法进行介绍与阐述，并通过实验来验证自适应滤波器的降噪作用，希望能够从理论层面上为自适应滤波器在语音识别中的应用与发展提供一点支持。

自适应滤波器 语音信号识别 应用

1 自适应滤波器设计

1.1 自适应滤波器原理

自适应滤波器技术以自适应算法的性能问题为核心，根据统计特性中的未知与变化部分，对自身参数进行调整，使某种最佳准则需求得到满足，并分别被称为“学习”过程与“跟踪”过程；就本质而言，自适应滤波器属于一种能够对自身参数进行自主调节的特殊维纳滤波器。在设计过程中，必须要提前对输入信号与噪声统计特性的相关知识有所了解，它可以在工作过程中对需要的统计特性进行预估，基于此对自身参数进行自动调整，使滤波效果达到最佳。如果输入信号的统计特性有所变化，它还可以对这一变化进行跟踪，对参数进行自动调整，以此实现滤波器最佳性能的达成。以自适应噪声滤波器为例，其原理图如下所示。

图1 自适应滤波器原理框图

自适应滤波器涉及到两个输入端，即初始输入端与参考输入端，将有用信号与噪声的混合假设为初始信号，那么参考输入信号就采用一个有关于噪声分量的噪声，通过自适应滤波器，在噪声抵消器的输出端就可以抵消噪声被，实现有用信号的获取。

2 实验验证

根据自适应最小均方（LMS）滤波器设计以及LMS算法的收敛趋势，受限于篇幅，本文不做详细阐述，主要阐述实验验证结果，具体如下所述。

2.1 信号仿真

根据傅里叶级数定义，语音信号一定可以向许多正弦分量之和进行分解，如下图所示。

图2 模拟语音信号、噪声信号、加噪引号与滤波后的信号

从上图可以看出，在对语音信号函数与噪声信号函数进行构建的过程中，对四个0．05HZ整数倍频率的正弦信号加以应用并叠加，当这个模拟语音信号对自适应滤波器的滤波作用有所反应时，那么就说明自适应滤波器能够作用于具有多个频率正弦波构成的真实语音，上述原理也可以运用在白噪声的构造中。从图中可以看出，在一段时间的震荡之后，输出信号的噪声渐渐被抵消，波形逐渐靠向期望波形。

2.2 实际语音信号处理

如下图分别为真实语音信号、噪声信号与叠加信号的信号仿真图、步长变化的滤波效果比较图以及步长相同时的滤波效果比较图。

图3 实际语音信号、噪声信号与加噪信号图

图4 步长不同时输入信号与输出信号的比较图

图5 步长相同时输入信号与输出信号的比较图

从上图中不难看出，步长变化会产生不同的滤波效果，也就是说，如果想要使滤波效果趋于理想，就需要对参数进行合理选取，太大或太小都会产生负面影响，因对各方面因素予以综合考虑。而在滤波器阶数发生变化时，也会产生不同的滤波效果。

实验表明，在语音信号降噪处理中，自适应滤波器的作用比较明显。通过真实语音滤波图，可以发现与模拟语音滤波图相比，收敛速度与跟踪效果难以观察，究其原因就在于所有语音都涉及到两种音素，即元音和辅音。其中辅音又分为两种，即清辅音和浊辅音，后者的波形与白噪声相近，并且振幅相对较弱。而清辅音与宽带噪声有着相似的特性，二者通过混叠，就会使语音信号频率的复杂程度提升，进而难以通过图示来区分收敛速度与跟踪效果等微弱变化。此外，在初始阶段，真是语音信号具有很小的幅度，并且整个收敛过程正好始于这一阶段，进而难以通过图示来反映出收敛速度与跟踪效果。

[1]赵莉,陈赓华,张利华等.互补型自适应滤波器在心磁信号处理中的应用[J].物理学报,2004,53(12):4420-4427.D

[2]姚雪春,张茂胜,王晓晨等.最小均方自适应滤波器集平均理论及实验仿真[J].无线互联科技,2014,(1):147-148

[3]曹亚丽.自适应滤波器中LMS算法的应用[J].仪器仪表学报,2005,26(8):2255-2257