自适应滤波应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
但是n0 和n1相关
模型
主麦克风输入 Singal + Noise0 s+n0
+
-
参考麦克风输入 Noise1 n1
Filter
y
z Recovered Signal
目标: 对n1进行自适应滤波,滤波器为w, 从主麦克风得到的信号中减去y,
得到 “干净”的信号z,从而达到降噪
的目的。
算法
代价函数
4
x 10 0.5
0
-0.5
0 0.5 1 1.5 2Mean2S.5quared3 Error3.5 4 4.5 5
4
4
x 10
2
0
0
1
2
3
4
5
6
4
x 10
线性调频信号
signal
1 0.8 0.6 0.4 0.2
0 -0.2 -0.4 -0.6 -0.8
-1 0 200 400 600 800 1000 1200 1400 1600 1800 2000
E z2 E s2 2E[sy n0 ] E s2 E[y n0 2 ]
Emin z2 E s2 Emin[ y n0 2]
策略: 调整滤波器系数, 使 E[z2 ] 最小, 这也意味着 E[( y n0 )2 ] 最小. 这个意义下, z 可以看成是误差 信号
1
1P(i 1)n1 1n1T (i)P(i
(i) 1)n1
(i)
w(i) w(i 1) k(i)z(i)
P(i) 1P(i 1) 1k(i)n1T (i)P(i 1)
源自文库
语音
signal 0.6 0.4 0.2
0 -0.2 -0.4 -0.6
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
自适应滤波的应用
多麦克风降噪
参考麦克风输入 噪声源
同学们好 主麦克风输入
MATLAB 处理
模型
主麦克风输入 Singal + Noise0 s+n0
+
-
参考麦克风输入 Noise1 n1
Filter
y
z Recovered Signal
S 信号
n0 噪声,它是n1经过滤波以后得到的噪声,即n0 =filter(w, n1) n1 参考噪声 y n1 经过滤波以后得到的信号(滤波器w的系数未知) 假设: 它们都是零均值的, S与n0及n1不相关,
4
x 10
噪声环境中的语音
primary microphone signal 10
5 0 -5 -10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 x 104
LMS滤波效果
主麦克风信号 滤波输出信号 均方误差
primary microphone signal
4
2
0
-2
-4
0 0.5 1 1.5 2 filte2r.e5d out3put 3.5 4 4.5 5
1
x 104
0
-1
0 0.5 1 1.5 2Mean2S.5quared3 Error3.5 4 4.5 5
30
4
x 10
20
10
0
0
1
2
3
4
5
6
x 104
RLS滤波效果
主麦克风信号 滤波输出信号 均方误差
primary microphone signal
5 0 -5
0 0.5 1 1.5 2 filte2r.e5d out3put 3.5 4 4.5 5
LMS滤波效果
主麦克风信号 滤波输出信号 均方误差
5
0
-5 0 200 400 600 800 1000 1200 1400 1600 1800 2000
1 0 -1
0 200 400 600 800 1000 1200 1400 1600 1800 2000 20
10
0
0
500
1000
1500
2000
滤波器系数的调整
滤波器的阶数是worder, 滤波器的输出
y(i) wT (i)n1(i)
其中
n1(i) [n1(i worder 1),, n1(i)]T
调整滤波器系数的LMS算法
w(i) w(i 1) n1(i)z(i)
滤波器系数的调整
调整滤波器系数的RLS算法
k(i)
2500
RLS滤波效果
主麦克风信号 滤波输出信号 均方误差
primary microphone signal 10
5 0
-5 -10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
4
x 10
模型
主麦克风输入 Singal + Noise0 s+n0
+
-
参考麦克风输入 Noise1 n1
Filter
y
z Recovered Signal
目标: 对n1进行自适应滤波,滤波器为w, 从主麦克风得到的信号中减去y,
得到 “干净”的信号z,从而达到降噪
的目的。
算法
代价函数
4
x 10 0.5
0
-0.5
0 0.5 1 1.5 2Mean2S.5quared3 Error3.5 4 4.5 5
4
4
x 10
2
0
0
1
2
3
4
5
6
4
x 10
线性调频信号
signal
1 0.8 0.6 0.4 0.2
0 -0.2 -0.4 -0.6 -0.8
-1 0 200 400 600 800 1000 1200 1400 1600 1800 2000
E z2 E s2 2E[sy n0 ] E s2 E[y n0 2 ]
Emin z2 E s2 Emin[ y n0 2]
策略: 调整滤波器系数, 使 E[z2 ] 最小, 这也意味着 E[( y n0 )2 ] 最小. 这个意义下, z 可以看成是误差 信号
1
1P(i 1)n1 1n1T (i)P(i
(i) 1)n1
(i)
w(i) w(i 1) k(i)z(i)
P(i) 1P(i 1) 1k(i)n1T (i)P(i 1)
源自文库
语音
signal 0.6 0.4 0.2
0 -0.2 -0.4 -0.6
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
自适应滤波的应用
多麦克风降噪
参考麦克风输入 噪声源
同学们好 主麦克风输入
MATLAB 处理
模型
主麦克风输入 Singal + Noise0 s+n0
+
-
参考麦克风输入 Noise1 n1
Filter
y
z Recovered Signal
S 信号
n0 噪声,它是n1经过滤波以后得到的噪声,即n0 =filter(w, n1) n1 参考噪声 y n1 经过滤波以后得到的信号(滤波器w的系数未知) 假设: 它们都是零均值的, S与n0及n1不相关,
4
x 10
噪声环境中的语音
primary microphone signal 10
5 0 -5 -10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 x 104
LMS滤波效果
主麦克风信号 滤波输出信号 均方误差
primary microphone signal
4
2
0
-2
-4
0 0.5 1 1.5 2 filte2r.e5d out3put 3.5 4 4.5 5
1
x 104
0
-1
0 0.5 1 1.5 2Mean2S.5quared3 Error3.5 4 4.5 5
30
4
x 10
20
10
0
0
1
2
3
4
5
6
x 104
RLS滤波效果
主麦克风信号 滤波输出信号 均方误差
primary microphone signal
5 0 -5
0 0.5 1 1.5 2 filte2r.e5d out3put 3.5 4 4.5 5
LMS滤波效果
主麦克风信号 滤波输出信号 均方误差
5
0
-5 0 200 400 600 800 1000 1200 1400 1600 1800 2000
1 0 -1
0 200 400 600 800 1000 1200 1400 1600 1800 2000 20
10
0
0
500
1000
1500
2000
滤波器系数的调整
滤波器的阶数是worder, 滤波器的输出
y(i) wT (i)n1(i)
其中
n1(i) [n1(i worder 1),, n1(i)]T
调整滤波器系数的LMS算法
w(i) w(i 1) n1(i)z(i)
滤波器系数的调整
调整滤波器系数的RLS算法
k(i)
2500
RLS滤波效果
主麦克风信号 滤波输出信号 均方误差
primary microphone signal 10
5 0
-5 -10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
4
x 10