改进的变步长最小均方误差电子耳蜗语音增强算法

针对外部强噪声环境下电子耳蜗语音质量受损、适应性差等问题,提出了基于谱减法和变步长最小均方误差（LMS）自适应滤波算法联合去噪的改进方法,并以该方法构建了一个电子耳蜗前端语音预处理系统。利用变步长LMS自适应滤波算法输出误差的平方项来调节步长,采用步长值固定与变化相结合的方法,解决了自适应滤波算法收敛速度慢、稳态误差大的问题,适应性得到提高,提高了语音信号通信质量。该系统以TMS320VC5416和音频编解码芯片TLV320AIC23B为核心,通过多通道缓冲串口（McBSP）和串行外设接口（SPI）实现了语音数据的高速采集和实时处理。实验仿真和测试结果表明该算法消除噪声性能好,信噪比在低输入信噪比情况下提高约10 dB,语音质量感知评价（PESQ）分值也得到较大提高,能有效提高语音信号质量,且该系统性能稳定,能进一步提高耳蜗前端语音的清晰度和可懂度。     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。     

低信噪比下基于新型变步长LMS的自适应滤波算法

为了提高现有的变步长LMS算法在低信噪比环境下的滤波性能,提出了一种新的变步长LMS自适应滤波算法。该算法利用加入补偿项的误差相关值估计与前一时刻步长因子的组合来调节步长,提高算法的抗噪声干扰能力和收敛速度;并将步长因子的传统固定约束范围改为动态约束范围,使步长变化趋于平滑,降低系统的失调误差;同时对系统的权向量迭代公式进行更新,提高了算法的输入范围。从理论分析和仿真实验两方面可以看出,新算法与现有的变步长算法及标准LMS算法相比,在信噪比较低的条件下收敛速率、抗扰能力、稳态失调噪声方面都有很大的改善,证明所提算法是有效、可行的。     

基于变步长LMS 算法的自适应逆控制系统

针对各种变步长自适应滤波算法,提出了两种收敛速度快、鲁棒性能好的基于变步长X- 滤波、e - 滤波LMS 算法和带反馈补偿的自适应逆控制系统．变步长自适应滤波算法可以使系统获得更快的收敛速度 和较小的稳态误差,提高了控制精度;反馈补偿可以克服系统的零漂移．仿真结果表明,经过改进的基于变 步长X- 滤波、e - 滤波LMS 算法的自适应逆控制系统收敛速度快、稳态误差小、抗噪声扰动能力强．     

一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。     

一种基于ZSP800核改进型LMS自适应滤波算法的实现

针对手机终端语音降噪处理系统中,广泛使用计算复杂度较小的固定步长LMS（Least Mean Square）自适应滤波算法。本文提出一种通过建立步长因子μ（n）和误差信号e（n）非线性函数关系,进而把固定步长LMS自适应算法改进为新的变步长自适应滤波算法,较好地解决了固定步长因子无法解决收敛速度和稳态误差之间相矛盾的不足。最后,给出了改进型算法在ZSP800核数字信号处理器（DSP）上的实现方法。     

一种改进的LMS滤波器在DCG去噪中的应用

研究了LMS自适应滤波器在动态心电信号去噪中的应用。提出了一种适合动态心电信号预处理的变步长LMS改进算法,该算法用误差信号对期望信号的相对误差的平方根来调节步长。实验表明,这种改进滤波器在收敛速度和信噪比两方面都优于固定步长的滤波器。     

基于DSP的自适应滤波系统的设计与实现

本文主要提出了新的变步长LMS算法.并介绍了TI公司的DSP芯片TMS320VC5402与音频芯片TLV320AIC23的硬件接口设计.利用TLV320AIC23来采集带噪语音信号,然后应用新的变步长LMS算法对带噪语音信号作自适应滤波处理,达到了有效地抑制噪声,提高信噪比,减少失真的效果.     

一种基于MVSSLMS的改进算法

在分析传统LMS算法及其改进算法的基础上,提出了一种改进的变步长LMS算法,用误差信号的自相关及均方误差来调节自适应滤波算法的步长,仿真结果表明改进算法的收敛性能良好,优于传统LMS和MVSSLMS算法.     

一种改进的变步长自适应滤波算法

为了提高LMS自适应滤波算法的性能,在对传统LMS算法及其改进算法研究的基础上,提出了一种改进的变步长算法.在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系.将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善.     

改进的多尺度域变步长自适应算法在FOCT中的应用研究

为了更有效的提高光纤电流互感器FOCT(Fiber-Optical Current Transformer)的信噪比,在分析FOCT输出信号特性的基础上,结合变步长自适应算法和小波变换理论,提出一种针对处理FOCT输出信号的改进多尺度域变步长自适应滤波算法,并设计了一种基于ActiveX技术的变步长自适应滤波系统,通过该系统将改进算法与现有的变步长自适应算法进行了对比,结果表明此算法的收敛速度和稳态精度都得到了很大的改善.然后将此算法在FOCT中进行了应用测试,测试结果反映了该算法能有效提高FOCT的检测信噪比和抗噪声干扰能力.     

一种改进的变步长LMS自适应滤波算法及其在噪声抵消中的应用

本文提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中。该算法解决了算法收敛时间和稳态误差间的矛盾,为实际应用提供了更大的灵活性。它采用误差信号的相关值去调节步长,使得算法的均方误差小、收敛速度快,并且降低了LMS算法对噪声的敏感性。     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

基于微分麦克风阵列的自适应语音增强算法研究及DSP实现

自适应滤波是语音增强算法中的常用技术, 而算法复杂度与收敛速度是设计各种自适应算法需要首要考虑的问题. 本文提出一种用于片上的语音增强自适应滤波新算法. 该算法分两步实现, 首先, 利用一阶微分麦克风阵列, 获得噪声的实时估计; 其次, 对传统的仿射投影算法(Affine projection algorithm, APA)加以改进, 得到计算误差向量的快速算法, 并根据估计误差动态调整搜索步长以及仿射投影维数, 对带噪语音进行自适应滤波消噪. 在TMS320VC5509 DSP芯片上实现该算法. 实验表明, 算法的自适应滤波过程具有接近递推最小二乘算法(Recursive least squares, RLS)的快速收敛速度, 以及类似最小均方误差算法(Least mean squares, LMS)的低算法复杂度.     

多尺度小波分解下的自适应语音消噪算法研究

将小波变换的理论引入到自适应语音消噪系统中,分析了多尺度小波分解下的LMS自适应消噪算法（MSWD-LMS）的原理,该算法将输入向量分解到多尺度空间,减小了自适应滤波器输入向量自相关矩阵的谱动态范围;将变步长LMS算法与多尺度小波变换的思想结合,提出了一种新的小波自适应语音消噪算法（MSWD-VSS-LMS）,新算法既减少了输入向量自相关矩阵条件数,又克服了固定步长LMS算法在收敛速度与收敛精度方面与步长因子μ的矛盾,获得了更好的语音信号处理的收敛速度和稳定性。仿真结果表明新算法取得了较好的效果。     

改进的变步长LMS自适应滤波算法及其仿真

对变步长的(LMS)自适应算法进行了讨论,本文提出了一种新的变步长LMS自适应滤波算法,并用计算机进行了仿真,结果表明该算法在误差接近于零时步长具有缓慢的变化的特性,并且在低信噪比的环境下有更好的抗噪性能,滤波效果更好。     

改进SVSLMS算法在系统辨识中的应用及性能分析

通过建立步长因子μ与误差信号e（n）之间的非线性函数关系,提出了一种改进的自适应可变步长最小均方（LMS）算法。该算法具有在误差e（n）接近0处缓慢变化的优点,克服了S函数变步长LMS算法在自适应稳态阶段μ取值偏大的缺点;具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将算法应用到系统辨识中,对比一般的变步长算法,改进的算法在平稳过程中具有更快的辨识速度和更小的稳态误差,同时还具有更好的跟踪时变系统的能力。