基于自适应语音增强的算法研究与MATLAB仿真(18)

只适应滤波算法

大为简捷、高效、方便，这是其它高级语言所不能比拟的。

6．方便的绘图功能

Matlab的绘图是十分方便的，它有一系列绘图函数（命令），例如线性坐标、对数坐标，半对数坐标及极坐标，均只需调用不同的绘图函数（命令），在图上标出图题、XY轴标注，格（栅）绘制也只需调用相应的命令，简单易行。另外，在调用绘图函数时调整自变量可绘出不变颜色的点、线、复线或多重线。这种为科学研究着想的设计是通用的编程语言所不及的。 总之，Matlab语言的设计思想可以说代表了当前计算机高级语言的发展方向。

3.2基于LMS的自适应算法及MATLAB仿真

3.2.1基于LMS的自适应语音增强算法

先用滤波器的输入信号、输出信号和期望信号构造一个目标函数（或称代价函数），然后通过这个目标函数的最小化过程，以某种方式调整可编程滤波器的参数或结构，特别的，对于横向滤波器，即改变其权矢量值。其中，目标函数可以用另一种方式解释，即将其视为某个普通误差信号e(k)的直接函数，而该误差信号又是信号x(k),y(k)和d(k)的某个函数，即

F=F[e(k)]=F[e(x(k),y(k),d(k))] (3.1) 因此，自适应算法实际上包含了三层含义：误差信号的定义，目标函数的定义以及目标函数最小化算法的定义。式（2.13）给出了一般情况的自适应滤波器权值更新法则，即自适应算法的一般数学表达式：

w(k+1)=w(k)+ G[F(e(k))] (3.2)

其中，G[F(e(k))]为目标函数F(e(k))的最小化算法， 为收敛因子。对任意一种自适应算法， 是控制着整个自适应过程诸多重要特征的关键参数。

通过选择不同的误差信号e(k)，构造不同的目标函数F(e(k))，采用不同的目标函数最小化方法可以得到各种的自适应算法，主要运用基于梯度的最小均方（LMS）方法：当选定均方误差为权矢量二次函数时，性能度量曲线可以形象地看成一个碗形曲面，这样自适应处理器的任务便是不断地向最低点逼近，即可以通过计算梯度的方法实现性能度量的最优化。而基于梯度的算法中，最简单的一种就是最小均方算法。LMS算法使用的准则是自适应滤波器的期望输出值和实际