引 言
在实践环境中，语音信号在声电转化时不可避免地要遭到周围环境的影响，高背景噪声会严重地影响语音信号质量。语音通讯体系中的一个重要作业便是从带噪语音信号中提取纯洁的原始语音、按捺背景噪声。各种语音降噪算法正处于广泛的研讨中。
其间，使用自适应滤波技能进行语音降噪是一种作用较好的办法。自适应滤波能在输入信号与噪声的核算特性不知道或改变的状况下，主动估量出所需的核算特性，并以此为根据主动调整滤波参数，以到达最佳的滤波作用。
传统的自适应噪声抵消法多选用双声道（多声道）体系，以得到一个或多个参阅噪声作为辅助输入，这必定形成体系结构杂乱等一系列问题。所以本文选取原始输入的延时信号作为参阅噪声输入的单声道体系，构建根据线性猜测的自适应语音滤波器，并对LMS算法作出改善，被噪声污染的语音信号经过该滤波器滤波，噪声得到有用按捺，显着进步了信噪比。
1、 原 理
根据线性猜测的FIR自适应语音滤波器的体系结构方式如图1所示。
在自适应语音滤波器的核算中，本文选用LMS算法，μ的选取参阅文献中介绍的核算公式，即：
μ=1／（10×L×Px）
式中：L为线性猜测阶数，即自适应FIR滤波器的长度；Px为输入信号功率。
μ核算公式的安稳性稳妥系数比较大，并且自适应语音滤波器又首要作业在强搅扰噪声状态下，可直接选取Px为环境噪声的平均功率。
该体系是使用了信号的相关性和噪声的不相关性，使原始信号中的相关部分得到加强，而不相关部分得到削弱，然后提取出有用的信号，所以信号的相关性和噪声的不相关性关于信噪比的进步影响很大。延迟时刻不同则信噪比的改善程度也不相同，这是因为信号在不一起间的相关性不同，t时刻的信号s0和t+τ时刻的信号s1相关性越强，则信号越简略从噪声中提取出来。
以采样周期T对语音波形进行采样，得到语音信号5（k）（k=0，1，2，…）。当时时刻的样本值s（k）与附近的L个曩昔时刻的样本值s（k-1），s（k-2），…，s（k-L）相关，即s（k）可由s（k-i）（i=1，2，…，L）的线性组合近似表明为：
通常状况下，语音信号sk被加性的环境宽带噪声nk污染，实践采样得到的信号xk能够表明为xk=sk+nk。尽管语音信号遭到宽带噪声的影响，但在必定程度上，实践信号依然保存着语音信号所存在的相关性，仅仅因为噪声搅扰，使得相关性有所削弱。因而，选用作为sk线性猜测的近似值。
系数权向量Ak经过均方差错功能函数测度法调理，使得：
为最小。因为宽带噪声与语音信号不相关，且宽带噪声在不一起间的自相关系数也十分小。
因而：
从上式能够看出，ε（Ak）是一个Ak的二次功能函数，必定存在大局最佳点。当Ak=Akopt时，ε（Ak）到达最小，则
也到达最小，因而
，最迫临Sk值。
一般梯度估值的自适应算法要从核算样本中进行估量。实时状况难以完成梯度估值核算。LMS算法是直接使用单次采样数据|εk| 2来替代期望值E［|εk|2］的简化办法来进行梯度估值核算。
2、 算法改善
LMS算法的核算杂乱度首要来自于在进行系数更新时履行的乘法运算，以及对自适应滤波器输出的核算。在需求自适应滤波器高速作业的使用中，如语音降噪，使硬件的杂乱度最小是很重要的。一起，噪声品种的多样性导致语音降噪的杂乱性，这对算法的收敛性也提出了更高的要求。
为了简化LMS算法并加快算法的收敛性以到达更好的降噪作用，结合根据线性猜测的FIR自适应滤波器的特色，本文对LMS算法作出改善：
式中：sgn［·］为符号函数，参数α和β是2的幂，是用来批改系数向量的，当α》1，增大系数向量的调整；当α《1，则减小系数向量的调整；β的作用同α，怎么挑选要视输入信号信噪比状况而定。挑选适宜的α和β有助于改善算法的收敛特性。系数向量的初始化要尽或许挨近或许在滤波器正常作业时的系数改变规模之内，这有助于自适应滤波器的功能安稳，缩短收敛时刻。因为参数α和β是2的幂，则系数的更新能够使用简略的乘法来完成，基本上是由比特移位和相加运算组成的，降低了LMS算法的核算杂乱度。
算法的程序流程图如图2所示。
3、 仿真及成果剖析
为验证根据线性猜测的自适应语音滤波器的有用性和改善算法的作用，本文选用MATLAB软件进行仿真，仿真核算后的降噪作用用下面的语音信号波形阐明。
选用在4种背景噪声下现场录制的带噪语音（采样频率均为8 kHz）进行仿真试验，图3～10的降噪作用仿真图中，（a）为带噪语音信号波形，（b）为选用原LMS算法滤波后的语音信号波形，（c）为选用改善的LMS算法滤波后的语音信号波形。
第一种，背景噪声为白噪声，噪声类型属抱负的平稳宽带噪声；
第二种，背景噪声为电台噪声，噪声类型属近似平稳宽带噪声；
图3、4分别为信噪比约9 dB、6 dB的白噪声降噪作用仿真图，图5、6分别为信噪比约9 dB、6 dB的电台噪声降噪作用仿真图。由图能够看出，白噪声和电台噪声得到了大幅度的按捺，信噪比进步约8 dB的以上，选用改善的算法比原算法噪声按捺得更大，降噪作用更好；在听觉作用上，此算法进步了语音的清晰度和可懂度，虽有很小的失真，但对听觉影响不大。
第三种，背景噪声为报警器噪声，噪声类型属非严厉周期窄带噪声；
第四种，背景噪声为2 000 Hz单频噪声，噪声类型属严厉周期窄带噪声；
图7、8分别为信噪比约9dB、6dB报警器噪声降噪作用仿真图，图9、10分别为信噪比约9 dB、6 dB的2 000 Hz单频搅扰噪声降噪作用仿真图。由图能够看出，报警器噪声和2 000 Hz单频搅扰噪声也得到了大幅度的按捺，信噪比进步约10 dB以上，选用改善的算法比原算法噪声按捺得更大，降噪作用更好；因为窄带噪声频率成分比宽带噪声简略得多，自适应算法能够更快地收敛，所以可把噪声滤除得比较洁净；在听觉作用上，此算法进步了语音的清晰度和可懂度，很好地坚持了语音的天然度，失真很小，对听觉的影响可忽略不计。
4、 结束语
经过屡次高噪音环境下的试验得出，根据线性猜测的FIR自适应滤波器结合改善的LMS算法对平稳噪声、信噪比在6 dB以上的带噪语音具有较显着的降噪作用，信噪比进步可达8～10 dB以上；在听觉作用上，此算法进步了语音的清晰度和可懂度，但语音略有失真，对语音天然度有必定程度的影响，这是因为线性猜测的结构以及LMS算法自身的缺点所造成的，有待日后改善。本文提出的LMS改善算法思维奇妙，降低了原LMS算法的核算杂乱度，加快了程序在DSP上运转的速度，便于DSP实时完成。
责任编辑：gt
