基于LMS算法的自适应重复语音信号噪声对消效果研究

马佳佳，陈 雨，冯子通

(四川大学 电子信息学院，四川 成都 610065)

基于LMS算法的自适应重复语音信号噪声对消效果研究

马佳佳，陈 雨，冯子通

(四川大学 电子信息学院，四川 成都 610065)

为了提高LMS自适应滤波算法的性能，通过对自适应系统的深入研究，实验得出同一信号不同噪声强度下的最佳步长，并运用于噪声对消。文中主要研究如何消除输入中掺杂的噪声干扰，并且对不同的情况做了深入的研究，同时研究了对于重复语音输入信号下的噪声对消。通过研究信噪比数值分析重复语音信号下的噪声对消情况，得出重复语音信号对噪声对消质量的最佳提升与噪声倍数有正相关的关系。

自适应；噪声对消；LMS；信噪比；重复语音信号

0 引言

自适应滤波的应用原理是在结合卡尔曼滤波、维纳滤波等线性滤波的基础特点上总结发展起来的一种最优的滤波降噪方法。而且因为它具有更佳的滤波、处理信号的性能和更强的适应性，从而使其非常普遍应用于信号处理、系统能力辨识、语音信号处理以及自适应信道的均衡处理等诸多领域范围。自适应滤波算法是自适应滤波器最核心的算法，其主要依据是自适应滤波算法所采取的优化基准的不同，自适应算法从最基本原理上可以分为两类最基本的算法：最小均方误差算法(LMS)和递推最小二乘算法(RLS)。而LMS算法因为具有处理速度快、容易实现等优点在实验工程中被广泛地使用。

在实际工程应用中，常常会遇到从较强背景噪声情况下对于微弱有效信号的检测问题。比如在运用超声进行无损检测的领域，因超声波传输介质的分布不匀称等诸多原因将会使实际有效的信号与高频噪声信号混迭在一起，从而不能很好地获取到有效的信号。再如女人体内腹部胎儿的心电信号是被覆盖在母亲心电信号等强噪声背景下[1]。而被覆盖在强噪声背景中的有效信号具有微弱并且不稳定的特点，且强背景噪声通常是非平稳信号并随着时间变化而不断变化的，此种情况下很难用传统方式从强噪声背景中提取出有效实际信号。而自适应噪声对消技术却是一种非常有效的降噪方法，当系统能够从噪声源提取良好的参考噪声信号作为标准时，其可以达到很好的提取有效信号的效果，并能很好地运用在各种工程实践中[2-4]。

本文在语音信号噪声对消的基础原理上引入了一种在算法性能表面上下降的算法，即最小均方算法(简称LMS算法)。这种算法选用了一种特别的梯度估值算法，并且不需要用离线方式的梯度估值或重复地使用数据[5-6]。其简单方便易行，只要自适应处理系统是一个线性组合器，且只需要有输入信号数据向量Xk和期待输出响应dk在每一次算法迭代时可以被使用，因此其对语音信号噪声对消是一个很好的选择，对许多自适应信号处理的应用来说，LMS算法也是最好的选择之一[7-8]。

1 原理

1.1 自适应噪声对消的原理

因为在信号输入端通常会伴随着噪声信号的输入干扰，当信号输入端的信噪比较小时，相应的输出端的输出信噪比将会出现严重下降现象。此时通过在自适应滤波器的参考输入端输入相关噪声，通过输出误差信号调整优化滤波器自身的冲击响应，使误差信号达到最小。在理想情况下，误差信号是完全无噪声的信号。自适应对消器一般结构如图1。

图1 自适应噪声对消原理

图 1 是典型的噪声对消模型。信号源发出信号，通过声道传送接收该信号的传感设备(通常为多个传感器组成)，此时传感设备除了收到原始信号s外,还会接收到一个不需要的噪声n0。 组合起来的信号s+n0就是对消器的初始输入信号。而第二个传感设备则被用来接收与原始信号s不相关的，但却以特殊未知的方式与噪声信号n0相关的噪声信号n1。它的作用主要是为对消器提供参考输入。将噪声信号n1加以处理,使其变成近似于噪声信号n0的复制品，输出为y。 然后将该输出传送到滤波器，从原始输入s+n0中减去,从而获得系统实际的输出s+n0-y。由于y是近似于噪声信号n0的复制品，则可得到信号s。

1.2 LMS算法原理

LMS算法的最基本的原理思想为：将实际输出信号与所期待的输出信号加以对比而获得“误差”信号，然后调整优化滤波器自身特定的参数也即是权值参数，从而使滤波器的平均功率或实际输出的信号与期望输出信号之间的均方误差达到最小的算法过程。基于LMS算法的基本迭代公式为：

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

(1)

W(n+1)=W(n)+2μ0e(n)X(n)

(2)

式(1)中，e(n)为误差信号；d(n)为期望输出信号；X(n)为时刻n的输入信号向量；W(n)为时刻n时的权向量。式(2)为权值向量迭代更新公式，式中μ0为控制算法收敛速度的常数因子，称为步长因子。LMS算法的收敛条件为：0<μ0<1/λmax,λmax为输入信号自相关矩阵的最大特征值。

2 实验仿真及数据分析

2.1 同一信号不同噪声强度最佳步长分析

在不同噪声强度下系统的最佳步长μ是不同的，而步长的优劣可以用输入信噪比和输出信噪比去衡量。如表1～表4是不同时长的语音信号在不同的噪声强度下所得的输入和输出信噪比数值，括号内代表步长。

表1 2 s时长、不同步长信噪比数值

表2 5 s时长、不同步长信噪比数值

表3 10 s时长、不同步长信噪比数值

表4 25 s时长、不同步长信噪比数值

注：输入=输入信噪比；输出=输出信噪比；1、10、50、100、1 000倍为噪声强度；秒为信号时长。

从以上表格的数据可以得出两点：

(1)对于同一时长，同一噪声强度，存在一个最佳步长使得输出信噪比最大，而且不同步长的输出信噪比的值与当前步长与最佳步长的差值有关。

(2)对于同一时长的语音信号，随着噪声强度的不断增大，最佳步长在不断地减小，调解增益(输出信噪比-输入信噪比)在不断地增长，同时输出信噪比也在不断地减小，即噪声对消的作用在不断地减小。

2.2 重复语音信号噪声对消输入的研究

通过2.1节可得出，对输入语音信号，不同时长不同噪声强度下总会有一个最佳的输出信噪比也即是最佳的噪声对消情况。而在自适应噪声对消系统中，自适应完全迭代收敛处于最佳权值后噪声对消效果为最好，本文对于这一问题进行了讨论。如图2～图4所示，其中每一时长的图分为两大类图，上半部3张图为语音信号幅度谱图，分为原始音频信号、带噪音频信号和最终经过算法处理后的音频信号；下半部则为音频信号的频谱图。

图2 2 s时长10倍噪声强度

从图2～图4可以看出，不管是时长的不同还是噪声强度的不同，在信号一次输入和重复输入时噪声处理总是不一样的，从图中看效果还不是很显著，可以从表5中的数据观察。

表5 不同状况下信噪比数值比较

从表5可以得到(在选取的1～100倍噪声强度下)：

(1)噪声过大或过小都不适合采用重复语音信号的方法来提升噪声对消的质量。

(2)随着语音信号时长的增加，重复语音信号对噪声对消质量的最佳提升与噪声倍数有正相关的关系。

3 结论

本文研究讨论了自适应语音信号噪声对消的主要应用，在研究过程中主要通过对一段语音信号截取不同的时长，再添加不同的噪声强度，发现时长越长的语音信号其最佳步长越小，在同时长的情况下随着噪声强度的不断增大，最优输出信噪比也在不断地减小；在重复输入带噪声的语音下，随着噪声强度增大，重复输入的必要性也在慢慢降低，而在低噪声强度下最好重复输入进行噪声对消。

图3 5 s时长10倍噪声强度

图4 10 s时长100倍噪声强度

[1] 谭玉芳，杨方.自适应噪声对消在抑制振动干扰中的应用[J].农业科技与装备,2010(2):44-46.

[2] 高媛.新的变步长LMS 算法及其在自适应噪声对消中的应用[J].沈阳航空工业学院学报,2007,24(4):83-85.

[3] 肖尚辉.基于MATLAB的自适应噪声抵消器设计及应用研究[J].宜宾学院学报,2007,7(6):36-38.

[4] 李善姬,尹沧涛.一种基于改进LMS算法的语音消噪方法[J].测控技术，2010,29(10):35-37.

[5] 高鹰,谢胜利.一种变长LMS自适应滤波算法及分析[J].电子学报,2001,29(8):1094-1097.

[6] 严雪艳,郭建中.基于LMS自适应滤波器对噪声干扰的语音恢复研究[J]. 陕西师范大学学报，2009,37(3):42-46.

[7] 倪骁宁.基于LMS算法的自适应滤波器在声学回声消除中的应用[J]. 计算机时代，2011(10):42-45.

[8] 蒙俊甫,侯祥博.LMS自适应滤波器的仿真与实现[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

马佳佳，陈雨，冯子通.基于LMS算法的自适应重复语音信号噪声对消效果研究[J].微型机与应用，2017,36(23)：93-96，100.

2017-07-05)

马佳佳(1992-)，男，硕士研究生，主要研究方向：信号与信息处理、结构健康监测。