【语音去噪】基于递归最小二乘RLS算法实现语音去噪（含信噪比）含Matlab源码
【语音去噪】基于递归最小二乘RLS算法实现语音去噪（含信噪比）含Matlab源码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 简介
递推最小二乘算法在信号处理领域应用非常 广泛，该算法具有强大的目标参数跟踪能力和函数 收敛快等优点，随着时间的增加，最小二乘算法的 矩阵维度会急剧增加，导致计算量骤增， RLS 可以 解决随着时间的推移，矩阵维度增加，计算量骤增 的缺点； RLS 的算法其本质是利用前一时刻的参数估 计值和修正项来预测下一时刻的参数估计值，不需要 任何的先验统计特性，通过不断的预测（ Predict ）和更 新（ Update ） 2 个阶段来实现其时间域状态空间的参数 状态方程的估计和预测更新 [9] ，更新如图 1 所示。
2 部分代码
% RLS自适应语音降噪
close all;clear all; clc;
filedir= []; % 设置路径
filename=’1.wav’; % 设置文件名
fle=[filedir filename]; % 构成完整的路径和文件名
% [s, fs, bits] = wavread(fle); % 读入数据文件
[s, fs] = audioread(fle); % 读入数据文件
s=s-mean(s); % 消除直流分量;mean求平均值；直流分量即信号的均值，因此将原始数据直接减去其均值可消去。
s=s/max(abs(s)); % 幅值归一
N=length(s); % 语音长度
time=(0:N-1)/fs; % 设置时间刻度
SNR=5; % 设置信噪比
r2=randn(size(s)); % 产生随机噪声
b=fir1(31,0.5); % 设计FIR滤波器,代替H
r21=filter(b,1,r2); % FIR滤波
[ r1,r22]=add_noisedata(s,r21,fs,fs,SNR);% 产生带噪语音，信噪比为SNR
M=50; % 设置Ｍ和Lambda
Lambda = 0.1; % 遗忘因子
snr1=SNR_singlech(s,r1); % 计算初始信噪比
% RLS滤波
[y,~,e]=RLS(r2,r1,M,Lambda);
output=e; % RLS滤波输出
snr2=SNR_singlech(s,output); % 计算滤波后的信噪比
snr=snr2-snr1;
SN1=snr1; SN2=snr2; SN3=snr;
fprintf(’原始语音信号snr1=%5.4f 带噪语音信号snr2=%5.4f RLS滤波输出语音信号snr=%5.4f
’,snr1,snr2,snr);
% wavplay(r1,fs); % 从声卡发声比较
% pause(1)
% wavplay(output,fs);
% 作图
subplot 311; plot(time,s,’k’); ylabel(’幅值’)
ylim([-1 1 ]); title(’原始语音信号’);
subplot 312; plot(time,r1,’k’); ylabel(’幅值’)
ylim([-1 1 ]); title(’带噪语音信号’);
subplot 313; plot(time,output,’k’);
ylim([-1 1 ]); title(’RLS滤波输出语音信号’);
xlabel(’时间/s’); ylabel(’幅值’)
3 仿真结果
4 参考文献
[1]洪锋, 鲁昌华, 刘茹茹,等. 基于递推最小二乘和扩展卡尔曼滤波的开放光路红外光谱去噪[J]. 池州学院学报, 2019, 33(3):4.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。