畢業(yè)論文--自適應(yīng)噪聲對消在語音信號處理中的應(yīng)用研究

1、<p><b>　　本科生畢業(yè)論文</b></p><p><b>　?。ㄔO(shè)計）</b></p><p>　　中文題目 自適應(yīng)噪聲對消在語音信號處理中的</p><p>　　應(yīng)用研究 </p><p>　　英文題目Adap

2、tive noise cancellation in </p><p>　　speech signal processing research </p><p><b>　　摘 要</b></p><p>　　在實際生活中，任何語音信號都不可避免的受到噪聲信號的影響，如何有效的抑制和去除噪聲，提高語音的可懂度是近年來的熱門研究課題，

3、文中介紹了自適應(yīng)濾波器的基本原理，結(jié)構(gòu)和應(yīng)用，應(yīng)用matlab軟件，對自適應(yīng)算法在噪聲對消中的應(yīng)用進行了仿真研究，并完成了語音信號噪聲消除實例。</p><p>　　本文對自適應(yīng)濾波算法在語音信號去噪方面進行了研究，對自適應(yīng)對消系統(tǒng)進行了深入的學(xué)習(xí)與研究，在固定步長的基礎(chǔ)上，建立了步長因子u與信噪比及噪聲幅度之間的一種非線性函數(shù)關(guān)系，使步長隨誤差信號e(n)的變化而變化，從而提高了收斂速度，能夠有效的濾除實際生活

4、中語音信號中的高斯白噪聲，工頻干擾，以及其他講話者的干擾，大幅度提高輸出語音信號的信噪比，有效的提高語音的可懂度。通過實驗證明，該算法在收斂速度，消噪性能，信噪比提高方面與常規(guī)的自適應(yīng)算法相比均有一定的提高。</p><p>　　關(guān)鍵詞：自適應(yīng)濾波 變步長 LMS算法 語音降噪</p><p>　　Adaptive noise cancellation in speech signa

5、l processing research </p><p><b>　　Abstract:</b></p><p>　　In our daily life ，all speech signal will be influenced by noise, How to effectively eliminate the noise is one of hot subje

6、cts for years. The paper begins with the principle of adaptive filter,structure and application. Based on the MATLAB platform, simulation is carried out for the applications of adaptive algorithms in noise cancelling，and

7、 completed the instance of voice signal noise reduction.</p><p>　　This paper discuss about adaptive filtering algorithm in the speech signal denoising aspects of the research on the adaptive cancellation sys

8、tem in-depth study and research and establishes another step factor u and the error signal e (n) between the non-linear function of a new relationship, the algorithm using variable step size, the step with the magnitude

9、of the noise signal to noise ratio and the change, to improve the convergence rate, can effectively filter out in real life speech signal G</p><p>　　Key words: Adaptive Filtering; variable step size ; LMS a

10、lgorithm ; Speech Enhancement </p><p><b>　　目 錄</b></p><p>　　1 緒論 ………………………………………………………………………2</p><p>　　1.1自適應(yīng)噪聲抵消技術(shù)研究背景………………………………….2</p><p>　　1.2語音降噪的發(fā)展

11、及研究現(xiàn)狀……………………………………3</p><p>　　1.3 本文的主要研究內(nèi)容……………………………………………4</p><p>　　2 自適應(yīng)噪聲對消原理概述 ……………………………………...6</p><p>　　2.1自適應(yīng)噪聲抵消器原理………………………………………….7</p><p>　　2.2 LMS自適應(yīng)噪聲抵

12、消算法 ……………………………………..8</p><p>　　2.3 LMS算法特點分析 …………………………………………….10</p><p>　　2.4評價算法性能的指標……………………………………………13</p><p>　　2.5 本章小結(jié) ………………………………………………………15</p><p>　　3自適應(yīng)噪聲對消的模

13、擬與仿真 ………………………………….16</p><p>　　3.1自適應(yīng)噪聲對消模型的建立及算法仿真 ……………………..16</p><p>　　3.2 一種變步長LMS算法的提出與仿真…………………………22</p><p>　　3.3 本章小結(jié) ………………………………………………………27</p><p>　　語音信號消噪實例……

14、………………………………………...28</p><p>　　4.1信噪比的計算……………………………………………………28</p><p>　　4.2語音消噪實驗 …………………………………………………29</p><p>　　4.3 實驗結(jié)果分析 …………………………………………………32</p><p>　　4.4本章小結(jié) ……………

15、…………………………………………..33</p><p>　　總結(jié)與展望…………………………………………………………34</p><p>　　參考文獻…………………………………………….........35</p><p><b>　　1 緒論</b></p><p>　　1.1自適應(yīng)噪聲抵消技術(shù)研究背景</p&g

16、t;<p>　　在日常生活中，人們經(jīng)常受到各種噪聲的干擾。例如在有線電話，無線通信中人們的語音常常會參雜來自外界的干擾噪聲（主要含高斯白噪聲，工頻干擾，和其他講話者干擾），這些干擾使接收者接收到的語音為受噪聲污染的帶噪語音信號。有的噪聲的幅度基本等同于原信號，甚至將原始信號淹沒，嚴重影響了人與人之間的通信質(zhì)量，語音增強的一個主要目標是從帶噪語音信號中提取盡可能純凈的原始語音。尤其是在重大科研項目和生產(chǎn)中，沒有一個優(yōu)質(zhì)的語音

17、信號作保證，將會帶來無可估量的損失。并且長期在有噪聲的環(huán)境中工作，將危害人的聽力、思維、生理和心理。在嘈雜的環(huán)境下工作，人們很容易疲乏、反應(yīng)遲鈍、工作效率降低，并且容易心情煩躁，在噪聲的刺激下，人們的注意力不容易集中，工作容易出錯，影響工作速度和工作質(zhì)量，并且很容易產(chǎn)生錯誤的判斷、進行錯誤的操作，降低了生產(chǎn)效率。在生活中噪聲的存在也很大程度上影響了人們的休息和放松，降低了生活質(zhì)量。在如今這個人們不斷追求工作效率、生活質(zhì)量的年代里，如何有

18、效地消除和抑制噪聲已成為人們研究的一個熱門課題。</p><p>　　自適應(yīng)噪聲抵消系統(tǒng)（Adaptive Noise Cancellation, ANC）作為在噪聲背景下通信的一種主要語音增強方法，把信號中的噪聲和語音信號進行有效的分離，降低或抑制環(huán)境噪聲的影響，有效的提高了語音的清晰度。自1967年提出自適應(yīng)濾波概念以來，因其計算量小，易于實現(xiàn)等優(yōu)點，發(fā)展極為迅速。應(yīng)用自適應(yīng)噪聲抵消技術(shù)，可在未知外界干擾源特

19、征、傳遞途徑不斷變化、背景噪聲和被測對象信號相似的情況下，有效地消除外界噪聲的干擾，提高信號傳輸中的信噪比。自適應(yīng)噪聲抵消技術(shù)和其他語音增強方法相比，突出之處就是該方法不基于任何信號模型和信號的統(tǒng)計特性無特殊要求，故其應(yīng)用相當廣泛。目前應(yīng)用于通信，語音信號處理，圖像處理，模式識別，系統(tǒng)辨識及自動控制等領(lǐng)域。這一技術(shù)可為動態(tài)信號在測試環(huán)境不太理想的工作現(xiàn)場作測試分析和故障診斷提供了有效的方法和依據(jù)，具有一定的理論和應(yīng)用價值。</p&

20、gt;<p>　　鑒于自適應(yīng)噪聲抵消的一系列特點，本文針對語音信號中存在高斯白噪聲，工頻干擾，以及其他講話者干擾等問題，基于自適應(yīng)抵消進行語音信號噪聲消除研究。</p><p>　　1.2 語音降噪的發(fā)展及研究現(xiàn)狀</p><p>　　國內(nèi)降噪技術(shù)始于50年代，主要采用模擬器件搭建相應(yīng)的濾波電路來解決問題。但由于模擬電路自身的局限性，當信噪比小到一定程度的時候，這種濾波電路不

21、能很好的解決噪聲消除的問題。90年代后期主要采用動態(tài)降噪技術(shù)，這種方法是根據(jù)語音電平的幅度動態(tài)調(diào)整輸出信號幅度，且對不同的噪聲電平進行自動的抑制。從而提高信噪比，達到降噪的目的，但這種方法要求輸入信號有一定的信噪比，在高強噪音的情況下，會出現(xiàn)輕音丟字的問題。</p><p>　　國外的消噪技術(shù)起步早，起點高，目前以美國和歐盟為代表，出現(xiàn)了一批實用的產(chǎn)品，代表了國際上的先進技術(shù)。下面對相關(guān)公司及主要產(chǎn)品進行簡介如下

22、: 俄羅斯的STC(Speech Technology Center)公司主打產(chǎn)品是軟件sound cleaner，專業(yè)數(shù)字濾波儀器ANF(Automatic Noise Filter)STCH)實時處理的處理板(Denoiser DSPBoard)STC．H209。TI公司是一家以DSP芯片為主要產(chǎn)品的公司，其主打產(chǎn)品是TMS系列的DSP，其中有幾款專用于通訊終端的芯片，比如TMS320C54CST。CST即Client．side T

23、elephony，其內(nèi)部集成了一些常用的客戶端算法，包括回聲抵消，編解碼程序，語音激活檢測，舒適噪音插入，自動增益調(diào)節(jié)等。隨著DSP的發(fā)展，語音降噪算法上的提高，噪音消除技術(shù)的核心逐漸演變?yōu)樗惴ǖ膯栴}，算法的優(yōu)劣及適用范圍直接決定了實用化的程度。自適應(yīng)技術(shù)是降噪技術(shù)的一個重要方法，其突出的優(yōu)點在于不基于任何語音模型，語音特征損失小，消噪效果明顯，所以被廣泛應(yīng)用。其傳統(tǒng)算法是基于時域LMS算法和頻域LMS算法。近年來，信號</p&g

24、t;<p>　　綜述上述國內(nèi)外研究現(xiàn)狀，本課題基于自適應(yīng)噪聲對消技術(shù)對強噪聲背景下的語音降噪問題進行研究和探討。</p><p>　　1.3本文的主要研究內(nèi)容</p><p>　　本課題試圖以當今語音技術(shù)中最流行的自適應(yīng)抵消法作為基本的增強手段，應(yīng)用于工頻干擾、其他講話者干擾和白噪聲的自適應(yīng)噪聲消除。</p><p>　　主要研究內(nèi)容包括以下幾個方面：

25、</p><p>　　1.緒論，介紹課題的背景和意義，以及語音降噪技術(shù)的國內(nèi)外發(fā)展現(xiàn)狀，對本文的主要內(nèi)容進行了介紹。</p><p>　　2. 主要對自適應(yīng)噪聲對消原理進行概述，詳細地介紹了自適應(yīng)對消器的原理，自適應(yīng)LMS噪聲抵消算法，以及LMS算法的特點及性能分析，這對自適應(yīng)語音降噪提供了理論基礎(chǔ)。</p><p>　　3. 介紹了自適應(yīng)對消系統(tǒng)在MATLAB上的

26、模擬與仿真，根據(jù)實際情況建立了三種模型，并用定步長自適應(yīng)LMS算法對三種模型進行了仿真，研究了濾波效果與步長大小的關(guān)系。提出一種變步長算法，并對此算法進行模擬仿真，與定步長做比較，得出變步長濾波性能得到了大大提高。</p><p>　　4. 重點介紹了語音信號濾噪實例，并具體分析了在實際情況中遇到的問題并加以解決。實例中采集一段來自實際的語音信號，并加入干擾，最后進行性能分析。</p><p&

27、gt;　　5. 進行最后的總結(jié)，并對自適應(yīng)發(fā)展做了展望。</p><p>　　2 自適應(yīng)噪聲對消原理概述</p><p>　　自適應(yīng)噪聲抵消(Adaptive Noise Cancellation)是一種效果相當好的語音增強技術(shù)。它比其它方法多使用了一個輔助通道(auxiliary channel reference channel)來獲得參考噪聲，出主通道(primary chann

28、el)采集到的是帶噪語音，通過自適應(yīng)濾波的方法從中把主通道帶噪信號的嗓聲抵消掉。由于可以比較準確和全面地獲得噪聲信息所以自適應(yīng)噪聲抵消能達到更好的降噪效果，特別是在參考噪聲與帶噪語音中的噪聲完全相關(guān)的情況下，理論上自適應(yīng)噪聲抵消能徹底去除噪音成分。</p><p>　　自適應(yīng)噪聲抵消的目標是實現(xiàn)一種具有最佳線性濾波特性的濾波器，最大程度恢復(fù)語音信號，最大程度的抑制噪聲。所謂最佳線性濾波器是指能夠按某一最佳準則進行

29、濾波的濾波器。假定輸入信號和噪聲相加，兩者均為廣義平穩(wěn)過程而且已知它們的二階統(tǒng)計特性，那么根據(jù)最佳均方誤差(MMSE，minimum mean Squared error)可用維納濾波器來滿足上述要求：</p><p>　　但是使用維那濾波需要滿足兩個條件； (1)輸入過程是廣義平穩(wěn)的；(2)輸入過程的統(tǒng)計特性是已知的。根據(jù)其它最佳準則的濾波也有同樣的要求。但是對于語音增強來說，語音和噪聲都是隨機的和非平穩(wěn)的，而

30、且它們的統(tǒng)計特性也是未知的和變化的所以，不能采用固定參數(shù)的維納濾波器解決上述問題，必須使用自適應(yīng)濾波。</p><p>　　基于自適應(yīng)濾波器(adaptive filter)一詞最早由Jakowatz等人于20世紀60年代初提出，用來描述一個從噪音中提取出現(xiàn)的時刻隨機的信號系統(tǒng)。自適應(yīng)濾波器的特點是輸入過程的統(tǒng)計特性是未知的或變化時，能夠通過調(diào)節(jié)自身的傳輸特性(或者說濾波器參數(shù))來達到最佳濾波器目的。</p

31、><p>　　2.1 自適應(yīng)噪聲抵消器原理</p><p>　　帶自適應(yīng)濾波器的噪聲抵消器的工作原理實質(zhì)上是以均方誤差或方差最小為準則,對噪聲n1進行最優(yōu)估計 ,然后從含噪語音中減去 n1 ,達到降噪、提高信噪比、增強語音的目的。</p><p>　　圖2.1 帶自適應(yīng)噪聲抵消器系統(tǒng)原理圖</p><p>　　如上圖（2.1）所示，給出了自適應(yīng)

32、濾波器消除噪聲的基本思想和方法，圖中有兩個通道——主通道和參考通道。主通道接收到信號s和不相關(guān)噪聲n0，（s+n0）形成對消器的原輸入，參考通道接收到一個與信號不相關(guān)的，而與噪聲n0相關(guān)的噪聲n1被濾波器產(chǎn)生一個輸出y，他盡可能的去翻版n0。該輸出從原始輸入s+n0中減去，產(chǎn)生系統(tǒng)的輸出為：</p><p>　　e = s + n0 - y

33、 (2.1)</p><p>　　均方誤差亦即輸出的均方值：</p><p>　　= = + + 2 E{ s ( n0 - y) } (2. 2)</p><p>　　因為 s 和 n0 , n1 無關(guān),所以 s 和 n0 , y 無關(guān),則：</p>&l

34、t;p>　　E{ s ( n0 - y) } = 0 (2.3) </p><p>　　這樣,式(2.2) 就成為</p><p>　　=+ (2.4)</p><p>　　自適應(yīng)濾波器要調(diào)整其加權(quán)矢量 W,使 最小,因 s不在自適應(yīng)濾波器通道內(nèi),所以

35、這種最小化可表示為</p><p>　　min= + min (2.5) </p><p>　　從而自適應(yīng)濾波器調(diào)整的結(jié)果,將使 y在均方誤差最小的意義下,最接近主通道噪聲分量 n ,因而使系統(tǒng)輸出中的噪聲大為降低。再由式(2.1) 有</p><p>　　e-s=n

36、0–y (2.6) </p><p><b>　　所以</b></p><p>　　min= min (2.7)</p><p>　　上式說明,在最小均方誤差意義下, y 最接近 n0

37、 ,等效于 e (系統(tǒng)輸出) ,最接近 s。</p><p>　　所以在噪聲抵消系統(tǒng)的輸出端大大地提高了信號噪聲比, 而且并未造成大的信號失真。由于自適應(yīng)濾波器在未知或時變系統(tǒng)中的明顯優(yōu)勢，它在眾多領(lǐng)域得到廣泛應(yīng)用。</p><p>　　2.2 LMS自適應(yīng)噪聲抵消算法</p><p>　　最陡下降算法不需要知道誤差特性曲面的先驗知識，其算法就能收斂到最佳維納解，且

38、與起始條件無關(guān)。但是最陡下降算法的主要限制是它需要準確測得每次迭代的梯度矢量，這妨礙了它的應(yīng)用。為了減少計算復(fù)雜度和縮短自適應(yīng)收斂時間，許多學(xué)者對這方面的新算法進行研究。1960年，美國斯坦福大學(xué)的Windrow等提出了最小均方（LMS）算法，這是一種用瞬時值估計梯度的矢量方法。按照自適應(yīng)濾波系數(shù)矢量的變化與梯度矢量估計的方向之間的關(guān)系，</p><p>　　LMS 算法是以最快下降法為原則的迭代算法，即 W (

39、n + 1)矢量是 W ( n )矢量按均方誤差性能平面的負斜率大小調(diào)節(jié)相應(yīng)一個增量，</p><p>　　（2.8） </p><p>　　這個u 是由系統(tǒng)穩(wěn)定性和迭代運算收斂速度來決定的自適應(yīng)步長,為n次迭代梯度，對于LMS算法，是的斜率，即： </p><p>　　(2.9)

40、 </p><p>　　由式（2.2.1）產(chǎn)生了求解最佳權(quán)系數(shù)W*的兩種方法，一種是最陡梯度法。其思路為，設(shè)初始權(quán)系數(shù)W（0），用式（2.8）迭代公式計算，直到W(n+1)與W(n)誤差小于規(guī)定范圍。其中的E[]計算，可用估計表達式：</p><p>　　(2.10) </p>

41、<p>　　適中的K的取值應(yīng)該足夠大。如果用瞬時-2e(n)x(n)來代替上式對-2E{e(n)x(n)}的估計運算，就產(chǎn)生了另一種算法———隨機梯度法，即Windrow Hoff的LMS算法。此時迭代公式為</p><p>　　W(n+1)=W(n)+2ue(n)x(n) (2.11) </p><p>　　其中μ 是步長因子。<

42、/p><p>　　為了分析方便，對式(11)進行如下變換。將式代入可得</p><p>　　w (n + 1)=w(n)+2μx (n)[d(n)x(n)w(n)] (2.12) </p><p>　　本論文后面討論的自適應(yīng)算法都是基于 Widrow Hoff 的 LMS 算法。式(2.11) 的迭代公式，假定

43、濾波器結(jié)構(gòu)為橫向結(jié)構(gòu)。對于對稱橫向型結(jié)構(gòu)，也可推出類似的迭代公式 </p><p>　　W (n + 1) = W ( n) + 2 ue (n) [ x (n) + x( n- N+ 1)] (2.13)</p><p>　　其中，x( n )為 [ x( n ), x( n -1 ), ….., x (n –N/2 + 1)]T，而 x( n -N+ 1)為[ x(

44、 n -N + 1), x( n -N / 2), ….. , x (n –N/2)]T。 </p><p>　　綜上便構(gòu)成了 LMS 的實現(xiàn)算法。LMS 算法的兩個優(yōu)點是：實現(xiàn)起來簡單；不依賴模型（model-independent），因此具有穩(wěn)健的性能。表 2.2列出了 LMS 算法的初始參數(shù)滿足條件及運算過程。</p><p>　　表2.2 LMS 算法的初始參數(shù)及運算過程</

45、p><p>　　2.3 LMS算法特點分析</p><p>　　LMS 算法是一種隨機優(yōu)化方法，對其進行了深入的研究，主要有以下三點結(jié)論：</p><p>　?。?）LMS 算法是最速下降法的近似，它利用估計的梯度進行調(diào)整。因為梯度是函數(shù)的局部性質(zhì)，從局部看在一點附近下降得快，但從總體上來看可能走許多彎路，只有當權(quán)矢量坐標位于性能表面的主軸上時，梯度的負方向才指向最小點

46、。因此一般情況下，權(quán)向量改變的方向不一定在指向最小值的方向上。由于最速下降并非對整體而言，所以其收斂速度較慢。</p><p>　?。?）為保證 LMS 算法的穩(wěn)定收斂，步長因子μ 應(yīng)滿足： </p><p>　　0< μ<2/ tr[R] (2.14)

47、 </p><p>　　這樣當?shù)螖?shù)n趨于無窮大時，權(quán)矢量 w ( n )的期望值將逼近最優(yōu)解(維納解) μ 值越大，算法收斂越快，但穩(wěn)態(tài)誤差也越大； μ 值越小，算法收斂越慢，但穩(wěn)態(tài)誤差也越小。失調(diào)與步長因子μ 成正比；相反地，平均時間常數(shù)τ 卻與步長因子μ 成反比。因此，如果減小步長因子μ ，則失調(diào)將減小，但是收斂時間將有所增加，反之亦然</p><p>　?。?）L

48、MS 算法收斂速度受控于特征值的分布范圍。自相關(guān)陣 R 的特征值分布范圍越大，LMS 算法收斂的越慢；反之，R 的特征值分布范圍越小，LMS 算法。收斂得越快。在極端情況下，當輸入信號是白噪聲時，自相關(guān)陣 R 的所有特征值均相同，這時 LMS 算法收斂速度最快。如果輸入是語音信號，而語音信號又恰恰具有較大的特征值的分布范圍，從而導(dǎo)致收斂速度會顯著地減慢。</p><p>　?。?）失調(diào)直接與抽頭輸入向量成正比，當

49、輸入較大時，LMS 濾波器遇到梯度噪聲放大問題，而輸入較小時算法收斂速度較慢。將輸入信號按照自身的平均能量進行歸～化處理，就得到了歸一化 LMS 算法，也稱 NLMS 算法，可以消除梯度噪聲放大問題。</p><p>　　LMS 算法的主要缺點是收斂速度慢，如何加快其收斂速度一直是研究的熱點，一般可以從以下三個方面入手。</p><p>　　（1）對步長因子μ 選用合適的控制方法</

50、p><p>　　步長因子μ 決定著算法的收斂速度和達到穩(wěn)態(tài)時失調(diào)量的大小。對于設(shè)定為常數(shù)的μ 來說，收斂速度和失調(diào)量是一對矛盾。要想得到較快的收斂速度，可選用大的調(diào)整步長，這就導(dǎo)致大的失調(diào)量；如果要滿足失調(diào)量的要求，則收斂速度將受到制約。變步長的方法可以克服這一矛盾。自適應(yīng)過程開始時，采用較大的步長以保證快的收斂速度，然后步長逐漸減小，以保證穩(wěn)態(tài)時可以得到較小的失調(diào)量。</p><p><

51、;b>　　（2）改善梯度估值</b></p><p>　　如 LMS/Newton 算法，它在估計梯度后又利用了輸入矢量相關(guān)函數(shù)的估值，使得在每個迭代周期權(quán)矢量的改變總是在指向性能表面最小點的方向上。由于其在迭代過程中采用了更多的有關(guān)輸入信號矢量的信息，其收斂速度比典型的 LMS算法相比有顯著的提高。</p><p>　　（3）降低輸入信號的相關(guān)性</p>

52、<p>　　從上面對 LMS 算法的分析結(jié)果可知，LMS 算法的收斂速度受輸入信號特征值分布的影響，因此可以考慮通過對輸入信號進行白化處理來提高收斂速度。這方面的算法主要有：1)變換域算法。變換域算法的思想是將信號經(jīng)過某種變換(一般是正交變換)分解為一系列近似不相關(guān)的各個分量。很顯然，變換域 LMS 算法的收斂性與變換核函數(shù)有關(guān)。K-L 變換是理論上最佳的，但是計算量太大，在一定條件下，DCT、DST、FFT 是 K-L 變換

53、的良好近似，同時也因為這些變換存在快速算法，因而獲得較廣泛的應(yīng)用。2) 預(yù)濾波白化算法。將原始輸入信號和目標信號分別通過相同的白化濾波器，將濾波結(jié)果再作為輸入信號和目標信號進行自適應(yīng)。</p><p>　　2.4 評價算法性能的指標</p><p><b>　?。?）失調(diào)</b></p><p>　　失調(diào)定義為自適應(yīng)過程中超量均方誤差和最小均方

54、誤差比。超量均方誤差：</p><p>　　如果假設(shè)自適應(yīng)暫態(tài)過程已消失，均方誤差已接近最小值，</p><p><b>　　則可近似為：</b></p><p><b>　　失調(diào)定義為:</b></p><p>　?。?）平均時間常數(shù)(收斂時間)</p><p>　　LMS

55、 算法的平均時間常數(shù)為:，其中為抽頭輸入的相關(guān)矩陣 R 的平均特征值。</p><p>　　則可近似定義失調(diào)為：</p><p>　　其中 M 為濾波器階數(shù)?？傻萌缦陆Y(jié)論：</p><p>　　1)對于固定的，失調(diào)隨著濾波器長度 M 線性增加。</p><p>　　2)失調(diào)正比于步長，平均時間常數(shù)反比于步長。</p><p

56、><b>　?。?）均方誤差</b></p><p>　　自適應(yīng)算法的均方誤差的過渡過程又稱學(xué)習(xí)曲線。由于LMS算法的加權(quán)矢量的平均值的變化規(guī)律與最陡下降法的加權(quán)矢量一樣,通過證明可得知LMS算法的均方誤差變化規(guī)律和最陡下降法的均方誤差變化規(guī)律也一樣。即其學(xué)習(xí)曲線近似地為幾個不同時間常數(shù)的指數(shù)之和。圖2.4 表示了 與迭代次數(shù)的關(guān)系曲線,它表達了 LMS 算法的動態(tài)特性, 即任意一個初

57、始權(quán)向量W( n) 通過一次次逼近,最后趨于最佳值 Wopt(維納解) 的過程。圖2.4中表明了一個典型的個別樣本的學(xué)習(xí)曲線以及48 個樣本集合平均的學(xué)習(xí)曲線的例子,集合平均曲線呈現(xiàn)指數(shù)的特性。</p><p>　　圖 2.4 誤差曲線的過渡過程</p><p><b>　　2.5本章小結(jié)</b></p><p>　　本章重點介紹了自適應(yīng)濾波器

58、的原理，結(jié)構(gòu)，重點分析了LMS算法，LMS算法因其計算簡單、收斂快速而在現(xiàn)實中得到廣泛應(yīng)用。對LMS算法進行了性能分析，討論了LMS算法應(yīng)滿足的條件，最后分析了誤差過渡過程，權(quán)向量收斂過程即，學(xué)習(xí)曲線。</p><p>　　3 自適應(yīng)噪聲對消的模擬與仿真</p><p>　　前面從理論上對自適應(yīng)濾波器進行了分析與總結(jié)，重點研究了自適應(yīng)LMS算法原理，特點，與滿足的條件。本章給出了自適應(yīng)濾波

59、器的典型應(yīng)用——自適應(yīng)對消器在語音信號的模擬與仿真，然后針對LMS算法，從軟件上設(shè)計能夠?qū)崿F(xiàn)消噪的自適應(yīng)濾波器，并進行仿真。消噪采用的方法是：在 MATLAB 平臺上，編寫自適應(yīng)濾波器的.m 文件。</p><p>　　3.1自適應(yīng)噪聲對消模型的建立</p><p>　　前面已經(jīng)介紹了 LMS 算法，已知濾波器的長度和 LMS 算法的步長因子影響濾波器的收斂速度和濾波性能。它們之間的關(guān)系為

60、：失調(diào)正比于步長，平均時間常數(shù)反比于步長。在實際語音信號處理過程中，語音信號常常被以下三種噪音所污染，即自然界的隨機白噪聲，50Hz或50Hz整數(shù)倍的工頻干擾，以及周圍其他講話者的干擾。以上三種噪聲都有其各自的特點與規(guī)律，下面我們就其規(guī)律建立了以下三種模型進行實際仿真并對各種不同參數(shù)情況下濾波器的性能進行比較，驗證算法的可行性。</p><p>　　3.1.1理想語音+工頻噪聲+隨機干擾</p>&

61、lt;p>　　在 MATLAB 中編寫 M 文件，此文件即為最小均方算法在噪聲抑制中應(yīng)用的設(shè)計文件。讀進一個WAV格式，標題為‘ding’的信號作為理想語音信號，加入頻率為50Hz的工頻干擾，以及隨機白噪聲干擾，使用濾波器階數(shù)為M=2，采用定步長進行仿真，取步長u=0.0005，具體仿真結(jié)果如下：</p><p>　　圖3. 1 理想聲音信號</p><p>　　圖3.2 帶噪信號結(jié)

62、果與濾波結(jié)果圖</p><p>　　圖3.3為濾波前后頻譜對比圖</p><p>　　圖3.4自適應(yīng)學(xué)習(xí)曲線</p><p>　?。?）濾波器步長因子μ 對 LMS 算法的影響</p><p>　　圖3.5 u=0.005時的學(xué)習(xí)曲線</p><p>　　圖3.6 u=0.02 M=2時的學(xué)習(xí)曲線</p>

63、<p>　　將 圖（3.4），圖（3.5），（3.6）相互進行比較反映了步長因子對 LMS 算法收斂速度和性能的影響。從濾波器的性能來看，步長因子減小時，剩余誤差減小（失調(diào)減?。諗克俣葴p慢；步長因子增大時，剩余誤差增加（失調(diào)增加），但收斂速度加快。所以它們之間是相互矛盾的：失調(diào)正比于步長大小，平均時間常數(shù)反比于步長。如果步長因子變小以使得濾波性能變好，則濾波器的收斂時間將增加；反之，如果步長因子變大以使得收斂時間減

64、小，則濾波器的性能下降。因此必須注意步長因子的選取。</p><p>　　（2）濾波器階數(shù) N 對 LMS 算法的影響</p><p>　　圖3.7 定步長u=0.02 M=6時學(xué)習(xí)曲線</p><p>　　圖3.8 當M=12時學(xué)習(xí)曲線</p><p>　　比較圖（3.6）（3.7）（3.8）從中我們可看出，在定步長</p>

65、<p>　　自適應(yīng)語音降噪中，濾波器階數(shù)越大，降噪效果越差。</p><p>　　3.1.2理想語音信號+工頻信號+其他講話者干擾</p><p>　　理想語音信號采用標題為’chimes’的信號，其他講話者的</p><p>　　干擾采用另外一段讀進的理想語音信號，在這里用標題為‘ding’的一段語音。仿真結(jié)果如下：</p><p&

66、gt;　　圖 3.9 原始語音信號</p><p>　　圖3.10 帶噪信號與濾波結(jié)果</p><p>　　圖3.11為頻譜分析對比圖</p><p>　　圖3.12為學(xué)習(xí)曲線圖</p><p>　　3.1.3理想信號+高斯+工頻+其他講話者</p><p>　　所用的信號如上述所用，以下為仿真結(jié)果：</p&

67、gt;<p>　　圖3.13帶噪信號與濾波結(jié)果</p><p>　　圖3.14為頻譜分析對比圖</p><p>　　圖3.15 學(xué)習(xí)曲線圖</p><p>　　在對以上的模型進行仿真可得出結(jié)論，自適應(yīng)濾波降噪能有效的去除噪音，提高信噪比，但是由于定步長濾波器有其自身的局限性，因此為解決這一問題，就需要提出變步長LMS降噪算法。</p>&

68、lt;p>　　3.2 一種變步長LMS算法的提出與仿真</p><p>　　3.2.1 算法的提出</p><p>　　自適應(yīng)噪聲抵消器常常采用歸一化LM S 方法, 其權(quán)矢量迭代公式為:</p><p>　　(3.1) </p><p>　　其中是矢量第 j 個系數(shù), n

69、是抽頭數(shù), c (n)是系統(tǒng)輸出信號, x (n)是包含相關(guān)噪聲n 個樣本的數(shù)據(jù)矢量：</p><p>　　（3.2） </p><p>　　式（3.2）中, f (n)是步長, a 是步長參數(shù), 較好的步長值可通過改變a 得到, 當x (n)較大時，LMS 算法能解決梯度噪聲放大問題算法收斂后, 系統(tǒng)輸出信號e (n)逼近于語音信號, 由于語音信號通過自適應(yīng)濾波

70、器時有反饋, 這樣導(dǎo)致了誤差, 抽頭數(shù)越多則失調(diào)越大, 誤差越嚴重, LMS 算法沒有充分考慮這些事實, 因而此算法消除誤差是不理想的. 小的步長值可以減少失調(diào)從而降低誤差, 所以當輸入信噪比大時, 為了降低誤差, 應(yīng)當減少步長值; 當輸入信噪比小時, 為了快速跟蹤噪聲，應(yīng)適當增大步長值。</p><p>　　提出的LMS 算法的原理如圖 3.16 所示, s (n) , g (n) 及d (n)分別是語音信號、

71、 干擾噪聲信號和輸入含噪語音信號,m (n)是g (n)和參考信號x (n)的噪聲源, 這里：</p><p>　　d(n)=s(n)+g(n) (3.3)</p><p>　　e(n)=d(n)-y(n) (3.4)</p><

72、;p>　　參考通道自適應(yīng)輸出信號為: </p><p>　　圖3.16 LMS算法原理圖</p><p>　　該LMS算法通過輸入信噪比來決定它的步長f (n) , 它的系統(tǒng)輸出信號是e (n) , 濾波器輸出信號是 y (n) , 這樣估計的輸入信噪比為:</p><p>　　（3.5） </p><p>　　是當

73、前時刻和前n- 1 時刻系統(tǒng)輸出信號的功率之和, 用來估計語音信號功率, 是當前時刻和前n- 1 時刻輸出信號的功率之和, 用來估計干擾噪聲功率. 參考通道的系統(tǒng)輸入信號是e (n)和x (n) , 參考通道輸出信號y (n) , 其步長f (n)表示式為:</p><p><b>　　(3.6)</b></p><p>　　式中和一樣, 也是調(diào)節(jié)濾波器性能的參數(shù),

74、通過實驗改變和可以得到f (n)的最佳值; 分母第一項是估計的輸入信噪比的倍數(shù), 這樣可以使得輸入信噪比大時步長值較小, 同時在很大程度上解決了當分母中的第 2 項較小時產(chǎn)生的計算困難問題, 從(3.6)式可以看出, 當輸入信噪比低時, f (n)大一些以使濾波器快速收斂, 當輸入信噪比高時, f (n)小一點以減少失調(diào)來降低噪聲誤差.</p><p>　　3.2.2 算法的仿真</p><p

75、>　　以下是變步長自適應(yīng)濾波仿真結(jié)果：讀進的初始理想信號為一段標題為chimes的wav格式的聲音信號，噪聲仍用高斯白噪聲+工頻干擾，濾波器階數(shù)為二階。</p><p><b>　　以下為仿真結(jié)果：</b></p><p>　　圖3.17 帶噪信號與濾波結(jié)果圖</p><p>　　圖3.18 濾波結(jié)果前后對比分析圖</p>

76、<p>　　圖3.19 學(xué)習(xí)曲線圖</p><p>　　圖3.17到圖3.19是變步長自適應(yīng)濾波結(jié)果圖，從圖中可清晰的看到，濾波結(jié)果與原始信號相似度較高，且學(xué)習(xí)曲線收斂速度快，誤差較小。</p><p>　　通過圖比較能明顯看出無論是濾波結(jié)果與原始信號相似度，還是學(xué)習(xí)曲線的收斂速度，后面的誤差，均明顯優(yōu)于定步長自適應(yīng)濾波器。</p><p>　　3.2.3

77、變步長自適應(yīng)濾波器系數(shù)的確定</p><p>　　從（3.6）式可以看出，式子中有兩個系數(shù)a與，系數(shù)如何取值直接關(guān)系到濾波結(jié)果，另為1.1保持不變，令a分別為10，30，50，70，100.分別作濾波學(xué)習(xí)曲線：如下圖</p><p><b>　　圖3.20</b></p><p><b>　　圖3.21</b></p

78、><p><b>　　圖 3.22</b></p><p><b>　　圖 3.23</b></p><p><b>　　圖 3.24</b></p><p>　　由上圖的收斂曲線可以看出取定值1.1，但隨著a值的增大，曲線的收斂速度逐漸變大但過大的 a值增加了算法的穩(wěn)態(tài)誤差 在實

79、際應(yīng)用中，為了獲得較快的收斂速度， 應(yīng)選擇較大的 a值；為了使收斂精度較高，a選擇的值不能過太． 在本文的實驗條件下， 最優(yōu)值約為50 ，此時信號的信噪比提高最為理想。</p><p><b>　　3.3本章小結(jié)</b></p><p>　　本章主要介紹了自適應(yīng)濾波在MATLAB平臺上的模擬仿真，重點介紹了定步長自適應(yīng)算法，變步長自適應(yīng)算法并對二者進行了對比分析。得出

80、變步長明顯優(yōu)于定步長算法這一結(jié)論。介紹了一種變步長濾波算法，， 同時分析了參數(shù)的取值原則及對算法收斂性能的影響． 計算機仿真結(jié)果表明該算法的收斂性能良好， 與理論分析相一致且收斂速度快。</p><p>　　4 語音信號消噪實例</p><p>　　根據(jù)前幾章所討論的結(jié)果，對自適應(yīng)濾波算法有了初步的了解，得出了變步長自適應(yīng)濾波算法的性能優(yōu)于定步長濾波算法這一結(jié)論。在本章，就自適應(yīng)濾波的具體

81、應(yīng)用進行模擬仿真分析。</p><p>　　在自然環(huán)境中大致存在三種主要的噪聲，來自自然界的高斯白噪聲，50hz或50hz整數(shù)倍的工頻干擾，以及其他講話者的干擾，這三種噪聲夾雜在原始語音信號中，嚴重干擾了語音質(zhì)量，甚至導(dǎo)致語音不清。而在實際中用自適應(yīng)對消系統(tǒng)進行噪聲濾除時，會遇到主通道的帶噪信號中的噪聲，與參考通道中接收到的學(xué)習(xí)噪聲在幅度，相位不一致的情況，那么就要對自適應(yīng)濾波系統(tǒng)進行改進，以期達到較好的濾波效果

82、。語音去噪在語音信號處理上應(yīng)用很多，語音信號的去噪和一般數(shù)字信號去噪存在很大差別，因為語音信號的頻譜覆蓋在 50Hz~4kHz,較為豐富的信號主要集中在 1kHz 附近，所以一般的濾波器去噪時必須考慮語音信號的自身特征。本章的工作就是采集一段具體的語音信號，假如上述所說的三種干擾，并進行實際的分析仿真。</p><p><b>　　4.1信噪比的計算</b></p><p

83、>　　信噪比定義為語音信號的功率與噪聲功率之比。若按總能量來計算信噪比，由圖2.2可見自適應(yīng)噪聲抵消系統(tǒng)的輸入信噪比 SNR i n為主通道輸入信號中的有用信號s的總能量與干擾噪聲 n 0的總能量之比，即：</p><p><b>　　(4.1)</b></p><p>　　輸出信噪比 SNRout為信號s的總能量與剩余噪聲 n0- y總能量之比,即：<

84、/p><p>　?。?.2） </p><p>　　信噪比提高量定義為：</p><p>　　SNR=- （4.3）</p><p><b>　　4.2語音消噪實驗</b></p><p>　?。?）語音信號采用男聲，其他講話者干擾采用頻率相差不大的男生

85、信號</p><p>　　實驗時，聲音從聲卡錄入，保存為.wav 文件，調(diào)用已編寫的 LMS程序，完成對語音信號的處理。主通道為所錄制的語音信號和其他噪聲干擾的混疊信號，參考通道為與主通道相關(guān)的干擾噪聲。仿真結(jié)果如圖 4.1，4.2， 4.3，4.4所示。</p><p>　　圖 4.1為原始語音信號</p><p>　　, 圖4.2為語音信號和高斯白噪聲

86、工頻干擾，</p><p>　　及其他講話者干擾的混疊信號和采用 LMS 算法的輸出信號</p><p>　　圖4.3為濾波之前以及濾波之后的頻譜分析圖</p><p>　　圖4.4為濾波結(jié)果的誤差學(xué)習(xí)曲線。</p><p>　　在實驗中，各種參數(shù)設(shè)置由下面表格給出 ，輸入信噪比為snr=-17.0712 。</p><p

87、>　　表4.1 各種參數(shù)設(shè)置表</p><p>　　經(jīng)過LMS算法后，輸出信噪比為2.139，信噪比提高為19.2020. 同時將輸入信號和各種算法下的輸出信號變成聲音波形文件并播放對比，發(fā)現(xiàn)噪聲抵消的效果非常不錯。算法單次仿真所需時間分別為：62秒。</p><p>　?。?）語音信號采用男聲，其他講話者干擾采用頻率相差較大的女聲信號</p><p>　　圖

88、4.5 原始語音信號</p><p>　　圖4.6 濾波前后頻譜對比分析</p><p>　　圖4.7 帶噪信號與濾波結(jié)果</p><p>　　圖4.8 學(xué)習(xí)曲線圖</p><p>　　表4.2 初始參數(shù)設(shè)置表</p><p>　　通過上述圖4.5到圖4.8及表格4.1與4.2，可以看出帶噪信號信噪比snr=-16

89、.9307 ， 濾波結(jié)果信噪比SNR=-1.2905，信噪比提高imp=15.6351，濾波后信號質(zhì)量較好。</p><p>　　4.3 實驗結(jié)果分析 </p><p>　?。?）在實驗結(jié)果各個仿真圖中，無論是濾波結(jié)果與理想語音信號的相似程度還是頻譜分析圖，都有良好的效果，在圖（4.4）中學(xué)習(xí)曲線在大概0.5秒時跟蹤上了語音信號。 </p><p>　　(2) 在為

90、初始權(quán)值賦值時，由于不知道最優(yōu)維納解，因此在自適應(yīng)學(xué)習(xí)過程中開始誤差較大，經(jīng)過不斷的學(xué)習(xí)，權(quán)值w不斷減小，形成一個遞減的包絡(luò)，最終跟蹤上原始信號，這在一定程度上影響了信噪比的提高。在本文中，采用兩個循環(huán)第一個循環(huán)中采用第三章所提的算法，第二個循環(huán)中采用的信噪比隨e指數(shù)遞減的公式，這就使初始的權(quán)值即可達到最優(yōu)維納解。如圖（4.4）學(xué)習(xí)曲線就不再是包絡(luò)狀，大大提高了信噪比的提高。</p><p>　?。?）在實驗過程

91、中，當主通道與參考通道噪聲相關(guān)性稍差時，導(dǎo)致濾波器失靈，采用高階濾波器，即提高權(quán)值w中的向量個數(shù)，在試驗中驗證，使用65階濾波器，能夠達到近似最好的效果。</p><p>　　（4）試驗中選取了兩種頻率相差較大噪聲作干擾，在濾波過程中都取得了不錯的效果，在噪聲系數(shù)相關(guān)性相差不大的情況下，該方法能夠得到普遍的適用。</p><p><b>　　4.4 本章小結(jié)</b>&

92、lt;/p><p>　　自適應(yīng)濾波器在數(shù)字信號處理中有著廣泛的應(yīng)用。噪聲對消技術(shù)是自適應(yīng)濾波器應(yīng)用的一個方面，本章首先介紹了噪聲對消的基本原理。并用實際采集的語音信號實例來體現(xiàn)自適應(yīng)濾波的優(yōu)越性，并針對實際信號中出現(xiàn)的問題進行了分析與解決</p><p><b>　　。</b></p><p><b>　　總結(jié)與展望</b>&

93、lt;/p><p>　　本文在閱讀大量文獻的基礎(chǔ)上，學(xué)習(xí)研究了自適應(yīng)濾波器的多種算法，對其在噪聲抑制中的應(yīng)用進行了研究。所完成的主要工作如下：</p><p>　?。?）對語音信號中存在的噪聲性質(zhì)進行了綜述，對語音信號的影響，介紹了語音信號中的常見噪聲以及危害。</p><p>　　（2）以一個理想信號為例，建立三種模型，用定步長自適應(yīng)濾波器進行降噪實驗，最后用所提出的

94、變步長與之進行比較</p><p>　　（3）對自適應(yīng)語音降噪方法進行了詳述，重點討論了LMS最小均方算法的原理，性能分析，及性質(zhì)。對其算法進行了研究，并采集實際語音信號進行噪聲模擬仿真試驗，自適應(yīng)噪聲抵消是一種自適應(yīng)濾波技術(shù)，它主要是利用了信號的相關(guān)性和信號與噪聲的不相關(guān)性，本文重點研究了自適應(yīng)抵消的原理與方法。</p><p>　　本文所作的工作只是自適應(yīng)濾波技術(shù)的很小的一個方面，做得

95、還遠遠不夠，自適應(yīng)濾波技術(shù)及其應(yīng)用方面還存在許多問題有待于進一步研究。如何將自適應(yīng)算法與其它控制方法相結(jié)合，還需要進一步研究，如自適應(yīng)算法和神經(jīng)網(wǎng)絡(luò)、人工智能等技術(shù)相結(jié)合。自適應(yīng)濾波技術(shù)己經(jīng)有了一些實際應(yīng)用，但大多數(shù)算法還</p><p>　　是基于計算機的仿真實驗，如何將這些理論成果應(yīng)用到實際中，發(fā)揮理論指導(dǎo)實際的強大作用還需要許多工作去做，這樣才會使自適應(yīng)濾波技術(shù)更具有實際意義。自適應(yīng)噪聲抵消技術(shù)是基于自適應(yīng)

96、濾波原理的一種擴展，微弱信號的檢測是目前噪聲消除的一個難點，還需要將自適應(yīng)算法和小波，混沌，分形結(jié)合起來，才能取得較大的突破。</p><p><b>　　參考文獻</b></p><p>　　[1] 《基于自適應(yīng)濾波的語音增強和噪聲消除》 衡　霞,劉志鏡(西安電子科技大學(xué)計算機系 ,陜西西安 710071)</p><p>　　《Sp

97、eech enhancement based on adaptive filtering and noise reduction》 Heng Xia, Zhi-Jing (Department of Computer Science, Xidian University, Xi'an 710071)</p><p>　　[2] 《 An Adaptive Noise Mechanism for Walk

98、SAT》</p><p>　　Holger H. Hoos University of British Columbia Computer Science Department </p><p>　　[3] 《步長隨輸入信噪比變化的LMS算法》 焦君圣,王昌明,杜栓平,王忠康(1.南京理工大學(xué)機械工程學(xué)院精密儀器系,南京,210094; 2.杭州應(yīng)用聲學(xué)研究所海洋聲學(xué)國家級重點實驗

99、室,杭州,310012)</p><p>　　《Step change with the input SNR LMS algorithm》 Jiao Jun Sheng, Wang Changming, Dushuan Ping, Wang Zhongkang (1. Institute of Mechanical Engineering, Nanjing University of precision inst

100、rumentation, Nanjing, 210094; 2. Hangzhou Applied Acoustics Institute, National Marine Acoustics Laboratory, Hangzhou, 310012)</p><p>　　[4] 《一種改進的噪聲抵消器LMS 自適應(yīng)算法》陳少平　朱翠濤 (中南民族大學(xué)電信工程學(xué)院) </p><p>

101、;　　《A Modified Adaptive Noise Cancellation algorithm for LM S》Chen Shao-ping Zhu Cuitao (Telecom Engineering Central University for Nationalities </p><p>　　[5] 《一種改進的變步長自適應(yīng)濾波器 L MS算法》徐凱， 紀紅， 樂光新 ( 北京

102、郵電大學(xué) 電信工程學(xué)院，北京 1 0 0 8 7 6 ) </p><p>　　《An Improved Variable Step Size Adaptive Filter L MS algorithm》 Xu Kai, Chi Hung, Guang-Xin (Beijing University of Posts and Telecommunications, Beijing 100876)</p&

103、gt;<p>　　[6] 《自適應(yīng)信號處理》 何振亞 著 科學(xué)出版社</p><p>　　《Adaptive Signal Processing》 Zhenya the Science Press</p><p>　　[7] 《一種變步長 L MS自適應(yīng)濾波算法及分析》</p><p>　　高 鷹， 謝勝利 ( 華南理工大學(xué) 電子 與通

104、信工程系 ， 廣東廣州 5 1 0 6 4 1 ) </p><p>　　《A variable step adaptive filter algorithm and LMS analysis》Gao Ying, Xie (South China University of Electronic and Communication Engineering, Guangzhou 510641)</p>

105、<p>　　[8] 《一種變步長L Ms自適應(yīng)濾波算法 》( 四川大學(xué)無線電電子學(xué)系， 成都 )</p><p>　　《A variable step adaptive filter algorithm LMS》 (Department of Radio Electronics, Sichuan</p><p>　　[9] 《自適應(yīng)噪聲抵消技術(shù)》 曹斌芳 湖南

106、大學(xué)</p><p>　　《Adaptive Noise Canceller》 Caobin Fang Hunan University</p><p>　　[10] 《自適應(yīng)噪聲抵消法在含噪語音信號處理中的應(yīng)用研究》</p><p>　　王奇林 大連理工大學(xué)</p><p>　　《Adaptive noise cancellatio

107、n in Noisy Speech Signal Processing Research》Wang Qilin Dalian University of Technology</p><p>　　[11] 《語音降噪實時處理算法研究》 王海峰 武漢理工大學(xué)</p><p>　　《Speech Noise Reduction Algorithm for Real-time