基于双曲正切函数框架的最小均方算法

自适应滤波器在自适应控制、噪声消除、信道均衡、系统辨识以及生物医学等领域的应用中发挥着重要作用。由于其简单性、低计算量和易于实现等特点，其中最流行的自适应滤波算法是最小均方（Least Mean Square,LMS）算法。传统的LMS算法在处理高斯信号时具有良好的收敛性能，然而，针对非高斯信号的处理，自适应LMS算法的收敛性较差，甚至无法收敛。为了改进LMS算法在非高斯噪声干扰下的收敛性，本文通过将传统的LMS算法的代价函数嵌入到双曲正切（Hyperbolic Tangent）函数框架中设计了一种新的代价函数，从而提出了一种鲁棒的双曲正切最小均方（Hyperbolic Tangent Least Mean Square,HTLMS）算法。此外，针对HTLMS算法存在收敛速度与稳态误差相矛盾的问题，本文设计了一种可变λ参数的双曲正切最小均方（Variableλ-parameter Hyperbolic Tangent Least Mean Square,VHTLMS）算法。仿真结果表明，在系统辨识应用场景中，与LMS算法、最大相关熵准则（Generalized Maximum Corr...     

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法（Combined Least Mean Square ,CLMS ）,将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法（Variable Step-size Convex Combination of LMS ,VSCLMS ）做出改进,提出了一种新的VSCLMS算法。在该算法中,对快速滤波器选用以最小均方权值偏差（Minimization of Mean Square Weight Error ,MMSWE）为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差（Least Mean Square , LMS ）为准则的固定步长滤波器。通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径。     

用于稀疏系统辨识的低复杂度集员NLMS算法

针对现有的稀疏集员(SM,Set-Membership)自适应滤波算法,普遍存在稳态均方偏差(MSD,Mean Square Deviation)的稳定性较低及运算复杂度较高等问题,提出了一种新颖的稀疏集员NLMS(NLMS,Normalized Least Mean Square)算法.该方案提出一种运算复杂度更低的...     

麦克风阵列的协同自适应滤波语音增强方法

在麦克风阵列语音增强方法中,传统的广义旁瓣抵消器在处理存在显著脉冲噪声的语音信号时效果较差。为提高在脉冲噪声干扰下的语音信号增强效果,提出一种麦克风阵列的协同自适应滤波语音增强方法。该方法采用协同自适应滤波取代线性自适应滤波,基于NLMS算法导出了滤波器权值和协同因子的自适应更新算法。仿真实验结果表明,所提方法能有效地消除掉语音信号的脉冲噪声和高斯噪声,克服线性自适应滤波对非线性脉冲噪声的不敏感性,比广义旁瓣抵消器效果优越很多。     

基于自适应滤波的噪声抵消法

语音降噪就是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。     

基于相控阵自适应零陷的大规模NGSO星座间干扰规避策略研究

针对大规模非静止轨道（Non-Geo Stationary Orbit,NGSO）通信星座系统间同频干扰的实时性和突发性问题,将自适应波束成形技术的变步长LMS(Least Mean Square,最小均方误差)算法应用于NGSO间干扰场景。分析自适应波束成形技术的适用场景,选取OneWeb星座系统与Starlink星座系统的馈线链路间下行干扰场景进行仿真。通过对现有算法进行系统收敛速度、稳健性的性能比较,当NLMS(Normalization Least Mean Square,归一化最小均方误差)算法的参数μ0=0.6时,算法具有较快的收敛速度以及较小的稳态误差,因此运算量小、易于星上硬件实现。分别利用固定步长LMS算法、ENLMS(Error Normalization Least Mean Square,误差归一化最小均方误差)算法以及μ0=0.6的NLMS算法计算最优权向量,并应用于干扰仿真场景。结果表明,μ0=0.6的NLMS算法最能有效规避NGSO通信星座系统间的同频干扰,ENLMS算法次之,固定LMS算法的干扰规避效果最差。     

VoIP电话中的回声消除算法

声学回声是降低VoIP通话通信质量的重要问题之一,自适应回声抵消是抑制回声的最有效方法之一,其采用自适应滤波器评估回声路径。常用的NLMS(Normalized Least Mean Square)算法计算复杂度高,实用性差,本文利用FFT技术,实现了NLMS频域快速算法FDNLMS(Frequency Domain Normalized Least Mean Square),将自适应更新变换到频域,逐块进行累加更新,保证收敛性能的同时,极大的降低了运算复杂度。实验表明,在滤波器系数为1024阶时,FDNLMS算法的处理速度比NLMS快12倍。     

一种基于小波变换和谱减法的改进的语音增强算法

谱减法是目前受到广泛研究的语音增强算法之一,但谱减法分辨率固定及存在音乐噪声残留的问题,限制了谱减法的应用推广。本文针对以上问题,利用小波变换的多分辨率特性及谱减法运算量小、处理速度快的特点,提出了一种基于小波变换和改进的Berouti谱减法的改进语音增强算法。实验结果表明,该算法在抑制噪声,增强语音信号的可懂度及鲁棒性方面优于传统的谱减法。     

非线性主动噪声控制的随机傅里叶特征-核滤波算法

传统的线性主动噪声控制算法在噪声信号或噪声通道呈现非线性特性的情况下控制效果不佳。核-滤波最小均方误差算法(Kernel Filtered x Least Mean Square,KFxLMS)通过将输入噪声信号映射到高维再生核希尔伯特空间,再用线性方法在高维空间中进行处理。然而,随着新噪声信号的输入,KFxLMS算法递增的核函数运算需要较高的成本。为进一步改进KFxLMS算法,本文提出了随机傅里叶特征核滤波最小均方误差算法(Random Fourier Feature - Kernel Filtered x Least Mean Square,RFF-KFxLMS)。在仿真实验部分讨论了算法的参数选择,给出了算法的计算耗时,并验证了提出的RFF-KFxLMS算法在非线性噪声通道情况下,针对不同频率分量的正弦噪声都能够达到理想的性能。      

基于CEEMDAN的多级联合处理的语音增强算法

为减少噪声污染,改善语音质量,语音增强是解决噪声污染的一种有效方法。针对传统语音增强在语音质量和语音可懂度方面的不足,对传统算法进行改进是非常有必要的。研究了将带噪声音基于自适应的完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）处理,将带噪语音转化为多个模态分量进行第二阶处理。当带噪语音为低信噪比时,语音采用快速独立成分分析（Fast Independent Component Analysis,Fast ICA）算法进行噪声分离,再通过对数最小均方误差（log Minimum Mean Square Error Estimation,log-MMSE）算法对分离后的带噪分量进一步处理,最后合成语音。当带噪语音处于高信噪比时,不需要对噪声进行剥离,直接采用最小均方误差（Minimum Mean Square Error Estimation,MMSE）算法对带噪分量进行处理,使输出较为清晰的语音。结果表明,改进算法对语音的增强效果明显。     

低信噪比下的语音端点检测算法研究

为了解决传统方法在强噪声环境下,语音检测性能急剧下降的缺陷,提高信号在低信噪比(0 db以下)语音端点检测的准确性,本文提出了一种将多窗谱估计谱减法和自适应子带能熵比相结合的检测算法.该算法利用增益因子可变的多窗谱估计谱减法对低信噪比信号进行降噪,提高其信号的信噪比,再将每帧信号分为若干个子带(其数量可自适应选择),提取每个子带能熵比参数进行端点检测.实验结果表明,当信噪比为-10 db时,信号检测准确性维持在95％左右.该方法能在低信噪比情况下,显著提高端点检测准确性和可靠性.     

基于LMS自适应滤波的耳语音增强的研究

文中针对带噪的耳语音提出了一种LMS自适应滤波的耳语音增强算法。首先采用谱减法得到一个增强耳语音信号，取得较好的谱包络后对增强信号进行LMS自适应滤波，消除由谱减法产生的音乐噪声。结果表明，采集到的耳语音信号的质量得到明显提高，即使在低信噪比的情况下，信噪比也能提高20dB左右。     

基于多窗谱估计的改进谱减法

在各种语音增强法中,谱减法以其简单、有效而被广泛应用。在谱减法中,一般使用周期图法对语音信号进行功率谱估计,但是它的估计偏差以及方差较大,直接结果是引起了较大的音乐噪声。而多窗谱(multitaper)估计具有较小的估计偏差和方差。因此,使用基于多窗谱估计的改进谱减法可以有效降低音乐噪声。实验结果证明,在相同实验条件下,该方法得到的增强语音中的音乐噪声要明显小于使用周期图法的结果,且信噪比可提高1~2 dB。     

基于听觉掩蔽效应的语音增强算法的研究

提出了一种基于听觉掩蔽效应的语音增强算法。算法对含噪语音的增强包括谱减法语音增强和感知加权语音增强两个步骤,分别从客观和主观两方面来提高含噪语音的质量。在谱减法阶段考虑了语音和噪声谱的交叉项,有效地减少了增强语音中的残余噪声;在感知加权处理中充分利用了人耳的掩蔽效应,设计了感知加权滤波器,对谱减法增强后的语音进行滤波,进一步消除残余噪声。对算法进行了数值实验,实验结果表明该算法能有效提高含噪语音的质量,比传统的谱减法有较大改进。     

改进语音增强多频带谱减算法研究

针对传统谱减语音增强算法增强后的语音信号会残留明显的"音乐噪声"的问题,采用多频带谱减算法对其进行改进。改进算法的原理是将带噪的语音信号按照频率划分成不同的频带,并使这些频带之间互不交叠,根据频带内带有噪声的语音信号和噪声信号信噪比,利用自适应算法求得该频带的过减因子。仿真结果表明:改进多频带谱减算法的语音增强效果优于传统谱减法。     

低信噪比环境下改进的倒谱距离语音端点检测算法

在强背景噪声的情况下,针对传统倒谱距离法端点检测难以判断语音段起止点的问题,提出了一种基于多窗谱估计的谱减法与改进的倒谱距离语音端点检测新方法.首先对每一帧带噪信号进行多窗谱估计得到平滑功率谱,提取前导无话段平均功率谱,再利用谱减法对带噪语音信号进行减噪处理,对语音的减噪是为了更好地进行下一步的端点检测,然后对传统的倒谱距离门限阈值进行改进,得到一种改进的自适应阈值,并结合倒谱距离法进行端点检测.通过仿真实验结果表明,与传统倒谱距离端点检测算法相比,本文方法提高了低信噪比语音端点检测的精度,具有良好的鲁棒性能.     

改进的基于人耳掩蔽效应谱减语音增强算法

提出一种谱估计中的平滑系数自适应变化的新算法,该算法利用人耳掩蔽特性改进语音最小均方误差的对数谱估计增益和无语音概率(SAP)参数,并且利用改进后的SAP参数自适应地调节平滑系数,以求随着不同噪声环境的变化在去噪度、残留音乐噪声和语音畸变度之间自适应地折中.实验表明新算法相对于其他谱减法在相同的去噪度下,语音畸变度最小且几乎察觉不到音乐噪声.特别是在低信噪比的环境下,相对其他谱减法的优势更显著.     

散射通信系统中SNR自适应预测技术

对流层散射通信的快衰落特性导致接收信号信噪比(Signal-to-Noise Ratio, SNR)不断变化，根据时变SNR进行自适应编码调制，可以使业务速率实时跟随SNR的变化而改变，在保证可靠传输的前提下有效提升通信吞吐量。针对散射通信系统自适应编码调制的需求，在归一化最小均方(Normalization Least Mean Square, NLMS)算法和递归最小二乘(Recursive Least Square, RLS)算法的基础上，提出了改进递归最小二乘(Modified Recursive Least Square, MRLS)SNR预测算法。SNR预测算法可以解决接收端估计的SNR反馈到发送端的延迟问题。经过仿真和外场实验测试，相比NLMS算法和RLS算法，所提出的MRLS算法具有更小的SNR预测误差。采用所提出的MRLS算法进行自适应编码调制流程后，相比NLMS算法和RLS算法，在外场实验中分别可获得约0.4、2 Mb/s的平均业务速率提升，证明了所提出算法的性能优势。     

基于多正弦窗谱估计的改进谱减法语音增强

采用运算简单、实时性好、改进的功率谱减法对带噪语音进行增强。鉴于谱减法的特点,文中采用了多正弦窗谱估计对功率谱进行估计。多正弦窗谱估计是一种非参数的现代谱估计方法,与周期图法相比,谱估计偏差和方差更小,可以得到效果更好的增强语音。分别对周期图法、多窗谱法及多正弦窗谱法的增强效果进行了比较。实验结果表明,语音在多正弦窗谱法增强后,分段信噪比最高,且没有因为谱减产生的音乐噪声,主观听觉效果最好。多正弦窗谱估计对输入信噪比较低的含噪语音增强效果非常好。     

非平稳环境下基于人耳听觉掩蔽特性的语音增强

传统的语音增强算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的音乐噪声较大。对此,本文研究了一种非平稳环境下基于听觉掩蔽效应的语音增强算法。该算法对传统谱减法的功率谱估计算法进行改进,根据最小均方误差原则和语音信号的听觉掩蔽阈值调整功率谱估计的参数,并引入了基于最小值统计特性的噪声估计算法,使估计的噪声更好地跟踪噪声的变化。实验结果表明:该算法对平稳和非平稳的噪声都得到较好的增强效果,且较好地抑制了音乐噪声。