《MATLAB 自适应滤波去噪》 课程设计报告 1.课程设计目的 此次课程设计目的是为了让我们学会使用MATLAB 进行计算机仿真，使用自适应滤波法设计一个语音去噪声电路。培养我们的电路设计思路及其算法，明白理论与实践相结合的重要性，培养了我们的实际操作能力以及锻炼我们对实际问题的分析与解决的能力。 2.课程设计内容 2.1 LMS 自适应算法原理 自适应过程一般采用典型 LMS 自适应算法，但当滤波器的输入信号为有色随机过程时，特别是当输入信号为高度相关时，这种算法收敛速度要下降许多，这主要是因为输入信号的自相关矩阵特征值的分散程度加剧将导致算法收敛性能的恶化和稳态误差的增大。此时若采用变换域算法可以增加算法收敛速度。变换域算法的基本思想是：先对输入信号进行一次正交变换以去除或衰减其相关性，然后将变换后的信号加到自适应滤波器以实现滤波处理，从而改善相关矩阵的条件数。因为离散傅立叶变换DFT本身 具 有近 似 正交性，加之 有 FFT 快 速算法，故 频 域分块 LMSFBLMS算法被 广 泛 应用。 FBLMS 算法本质 上 是以频 域来 实现时域分块LMS 算法的，即 将时域数据 分组 构 成N 个点 的数据 块 ，且 在 每 块 上 滤波权 系 数保 持 不 变。其原理框 图 如 图2 所 示 。FBLMS算法在 频 域内可以用数字 信号处理中 的重叠 保 留 法来 实现，其计算量 比 时域法大为减少 ，也 可以用重叠 相加法来 计算，但这种算法比 重叠 保 留 法需 要较 大的计算量 。块 数据 的任 何 重叠 比 例 都 是可行的，但以 50％ 的重叠 计算效 率 为最 高。对 FBLMS 算法和典型LMS 算法的运算量做了比较，并从理论上讨论了两个算法中乘法部分的运算量。本文从实际工程出发，详细分析了两个算法中乘法和加法的总运算量，其结果为： 复杂度之比＝FBLMS 实数乘加次数／LMS 实数乘加次数＝（25Nlog2N＋2N－4）／[2N(2N －1)] 采用ADSP 的C 语言来实现FBLMS 算法的程序如下： for(i ＝0;i＜＝30;i ＋＋) {for(j ＝0;j＜＝n－1;j＋＋) {in[j] ＝input[i×N＋j;] rfft(in,tin,nf,wfft,wst,n); rfft(w,tw,wf,wfft,wst,n); cvecvmlt(inf,wf,inw,n); ifft(inw,t,O,wfft,wst,n); for(j ＝0,j＜＝N－1;j＋＋) {y[i×N＋j]＝O[N＋j]．re; e[i×N＋j]＝refere[i×N＋j]－y[i×N＋j]; temp[N ＋j]＝e[i×N＋j;} rfft(temp,t,E,wfft,wst...
