張志強(qiáng)　余莉　韓方劍　劉志強(qiáng)

摘要：該文以語(yǔ)音信號(hào)為對(duì)象進(jìn)行噪聲抵消研究。首先對(duì)自適應(yīng)噪聲抵消（ANC）系統(tǒng)的基本原理進(jìn)行了闡述；而后分別對(duì)基于LMS（最小均方）、NLMS（歸一化最小均方）、RLS（遞歸最小二乘）、BP（誤差反向傳播神經(jīng)網(wǎng)絡(luò)）算法的自適應(yīng)噪聲抵消系統(tǒng)進(jìn)行MATLAB仿真，發(fā)現(xiàn)LMS算法去噪效果較好、但迭代次數(shù)多，不能滿足語(yǔ)音通信的實(shí)時(shí)性及高質(zhì)量語(yǔ)音的要求。而訓(xùn)練函數(shù)為trainrp的BP算法去噪能力最好，可應(yīng)用于語(yǔ)音質(zhì)量要求高的去噪；訓(xùn)練函數(shù)為traincgf的BP算法收斂速度最快，可應(yīng)用于搶險(xiǎn)救災(zāi)、處突維穩(wěn)等任務(wù)的實(shí)時(shí)語(yǔ)音去噪。

關(guān)鍵詞：語(yǔ)音信號(hào)；自適應(yīng)噪聲抵消；LMS算法；NLMS算法；BP算法

中圖分類(lèi)號(hào)：TN912.35 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）02-0227-05

1 引言

噪聲消除是信號(hào)處理的核心問(wèn)題之一。通常實(shí)現(xiàn)最優(yōu)濾波的濾波器為維納濾波器與卡爾曼濾波器；其要求預(yù)先知道信號(hào)和噪聲的先驗(yàn)統(tǒng)計(jì)特性，而在現(xiàn)實(shí)中這往往是無(wú)法預(yù)知的。為此，不需預(yù)知信號(hào)和噪聲統(tǒng)計(jì)特性的自適應(yīng)濾波技術(shù)得以發(fā)展。1965年，美國(guó)斯坦福大學(xué)建成了世界上首個(gè)自適應(yīng)噪聲抵消（ANC）系統(tǒng)；隨著計(jì)算機(jī)技術(shù)與集成電路技術(shù)的進(jìn)步，新的自適應(yīng)算法不斷涌現(xiàn)，自適應(yīng)噪聲抵消在理論和應(yīng)用上得到了很大發(fā)展。

自適應(yīng)噪聲抵消技術(shù)是一種有效消除噪聲影響的信號(hào)處理技術(shù)；在未知外界干擾源特征、傳遞途徑不斷變化以及噪聲和對(duì)象波形相似的情況下，通過(guò)自適應(yīng)算法自動(dòng)調(diào)節(jié)濾波器參數(shù)，有效消除外界聲源干擾，獲得高信噪比的對(duì)象信號(hào)。ANC系統(tǒng)的基本要求是其兩路輸入噪聲必須統(tǒng)計(jì)相關(guān)；在現(xiàn)實(shí)中，噪聲通道大多非常復(fù)雜，具有非線性；當(dāng)兩路輸入噪聲非線性相關(guān)時(shí)，傳統(tǒng)的ANC系統(tǒng)（基于LMS、NLMS、RLS算法）去噪能力很難保證，甚至使對(duì)象信號(hào)失真。為此，必須尋求一種有效應(yīng)對(duì)非線性相關(guān)的自適應(yīng)噪聲抵消方法。

神經(jīng)網(wǎng)絡(luò)是由大量處理單元廣泛互聯(lián)而成的復(fù)雜網(wǎng)絡(luò)，它采用大規(guī)模并行處理，信息存儲(chǔ)在神經(jīng)元之間的連接上，存儲(chǔ)區(qū)和操作區(qū)合二為一；它具有很強(qiáng)的自適應(yīng)、自學(xué)習(xí)、魯棒性、容錯(cuò)能力和非線性映射能力。激活函數(shù)為Sigmoid的多層前向神經(jīng)網(wǎng)絡(luò)能夠以任意精度實(shí)現(xiàn)非線性函數(shù)逼近，實(shí)現(xiàn)對(duì)噪聲非線性的模擬。

本文以語(yǔ)音信號(hào)為對(duì)象進(jìn)行去噪研究；分別對(duì)基于LMS、NLMS、RLS、BP算法的ANC系統(tǒng)進(jìn)行仿真，仿真結(jié)果表明基于BP算法的ANC系統(tǒng)去噪能力明顯優(yōu)于傳統(tǒng)的ANC系統(tǒng)，具有收斂速度快、實(shí)時(shí)性好、去噪能力強(qiáng)、穩(wěn)定性高等優(yōu)點(diǎn)；可應(yīng)用于各種應(yīng)急突發(fā)事件的即時(shí)語(yǔ)音去噪。

2 噪聲抵消系統(tǒng)的基本原理

2.1 自適應(yīng)噪聲抵消系統(tǒng)基本原理

自適應(yīng)噪聲抵消系統(tǒng)除了需要原始輸入外，還需一個(gè)與原始輸入中噪聲相關(guān)的參考輸入，以便抵消原始輸入中的噪聲，還原出有用信號(hào)。典型的自適應(yīng)噪聲抵消系統(tǒng)如圖1所示：

3 語(yǔ)音信號(hào)的自適應(yīng)噪聲抵消仿真研究

首先錄入一段時(shí)長(zhǎng)16秒的語(yǔ)音信號(hào)，保存為.wav 文件作為期望信號(hào)；利用randn函數(shù)生成一段隨機(jī)噪聲作為參考輸入，將語(yǔ)音信號(hào)和噪聲相混疊作為原始輸入；而后依次調(diào)用LMS、NLMS、RLS和BP算法程序進(jìn)行MATLAB仿真研究。

這里將基于LMS、NLMS、RLS算法的實(shí)驗(yàn)條件設(shè)置為：濾波器階數(shù)：800，步長(zhǎng)因子：0.001；基于BP算法的實(shí)驗(yàn)條件設(shè)置為：訓(xùn)練更新次數(shù)：10，最大訓(xùn)練次數(shù)：1000，期望誤差：0.001，學(xué)習(xí)速率：0.001，輸入層傳遞函數(shù)：tansig，隱層傳遞函數(shù)：logsig，輸出層傳遞函數(shù)：purelin。

3.1 基于LMS算法的自適應(yīng)噪聲抵消

經(jīng)LMS算法噪聲抵消后，信號(hào)時(shí)、頻域仿真結(jié)果如圖3至圖6所示。

1）去噪能力由強(qiáng)至弱依次為： trainrp >traincgf>LMS>NLMS>traingda >traingd >traingdm>RLS，其中訓(xùn)練函數(shù)為trainrp的BP算法去噪效果最好，RLS算法無(wú)去噪能力。

2）收斂速度由快至慢依次為： traincgf >trainrp>LMS>NLMS>traingda >traingd >traingdm>RLS，其中訓(xùn)練函數(shù)為traincgf的BP算法收斂速度最快。

4 結(jié)論

本文以語(yǔ)音信號(hào)為對(duì)象進(jìn)行噪聲抵消研究。首先對(duì)典型的和基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)噪聲抵消系統(tǒng)的基本原理進(jìn)行了闡述；而后對(duì)基于LMS、NLMS、RLS算法的自適應(yīng)噪聲抵消系統(tǒng)進(jìn)行MATLAB仿真研究，發(fā)現(xiàn)LMS算法去噪效果較好、但迭代次數(shù)多，不能滿足語(yǔ)音通信的實(shí)時(shí)性及高質(zhì)量語(yǔ)音的要求。繼而又對(duì)訓(xùn)練函數(shù)為traingdm、traingd、traingda、trainrp、traincgf的BP算法的自適應(yīng)噪聲抵消系統(tǒng)進(jìn)行仿真研究，發(fā)現(xiàn)訓(xùn)練函數(shù)為trainrp的BP算法去噪能力最好，可應(yīng)用于語(yǔ)音質(zhì)量要求高的去噪；訓(xùn)練函數(shù)為traincgf的BP算法收斂速度最快，可應(yīng)用于搶險(xiǎn)救災(zāi)、處突維穩(wěn)等任務(wù)的實(shí)時(shí)語(yǔ)音去噪。

參考文獻(xiàn)：

[1] 崔大鵬.神經(jīng)網(wǎng)絡(luò)在自適應(yīng)噪聲抵消中的應(yīng)用研究[J].電子技術(shù)與軟件工程，2012（3）.

[2] 曹斌芳.自適應(yīng)噪聲抵消技術(shù)的研究[D].湖南大學(xué)，2007.

[3] 陳明.MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解[M].北京：清華大學(xué)出版社，2013.