自適應濾波器在語音信號識別中的應用

周春榮 重慶交通職業學院副教授

自適應濾波器在語音信號識別中的應用

周春榮 重慶交通職業學院副教授

以最小均方誤差（LMS）為基礎，對自適應濾波器的降噪方法進行介紹與闡述，并通過實驗來驗證自適應濾波器的降噪作用，希望能夠從理論層面上為自適應濾波器在語音識別中的應用與發展提供一點支持。

自適應濾波器 語音信號識別 應用

1 自適應濾波器設計

1.1 自適應濾波器原理

自適應濾波器技術以自適應算法的性能問題為核心，根據統計特性中的未知與變化部分，對自身參數進行調整，使某種最佳準則需求得到滿足，并分別被稱為“學習”過程與“跟蹤”過程；就本質而言，自適應濾波器屬于一種能夠對自身參數進行自主調節的特殊維納濾波器。在設計過程中，必須要提前對輸入信號與噪聲統計特性的相關知識有所了解，它可以在工作過程中對需要的統計特性進行預估，基于此對自身參數進行自動調整，使濾波效果達到最佳。如果輸入信號的統計特性有所變化，它還可以對這一變化進行跟蹤，對參數進行自動調整，以此實現濾波器最佳性能的達成。以自適應噪聲濾波器為例，其原理圖如下所示。

圖1 自適應濾波器原理框圖

自適應濾波器涉及到兩個輸入端，即初始輸入端與參考輸入端，將有用信號與噪聲的混合假設為初始信號，那么參考輸入信號就采用一個有關于噪聲分量的噪聲，通過自適應濾波器，在噪聲抵消器的輸出端就可以抵消噪聲被，實現有用信號的獲取。

2 實驗驗證

根據自適應最小均方（LMS）濾波器設計以及LMS算法的收斂趨勢，受限于篇幅，本文不做詳細闡述，主要闡述實驗驗證結果，具體如下所述。

2.1 信號仿真

根據傅里葉級數定義，語音信號一定可以向許多正弦分量之和進行分解，如下圖所示。

圖2 模擬語音信號、噪聲信號、加噪引號與濾波后的信號

從上圖可以看出，在對語音信號函數與噪聲信號函數進行構建的過程中，對四個0．05HZ整數倍頻率的正弦信號加以應用并疊加，當這個模擬語音信號對自適應濾波器的濾波作用有所反應時，那么就說明自適應濾波器能夠作用于具有多個頻率正弦波構成的真實語音，上述原理也可以運用在白噪聲的構造中。從圖中可以看出，在一段時間的震蕩之后，輸出信號的噪聲漸漸被抵消，波形逐漸靠向期望波形。

2.2 實際語音信號處理

如下圖分別為真實語音信號、噪聲信號與疊加信號的信號仿真圖、步長變化的濾波效果比較圖以及步長相同時的濾波效果比較圖。

圖3 實際語音信號、噪聲信號與加噪信號圖

圖4 步長不同時輸入信號與輸出信號的比較圖

圖5 步長相同時輸入信號與輸出信號的比較圖

從上圖中不難看出，步長變化會產生不同的濾波效果，也就是說，如果想要使濾波效果趨于理想，就需要對參數進行合理選取，太大或太小都會產生負面影響，因對各方面因素予以綜合考慮。而在濾波器階數發生變化時，也會產生不同的濾波效果。

實驗表明，在語音信號降噪處理中，自適應濾波器的作用比較明顯。通過真實語音濾波圖，可以發現與模擬語音濾波圖相比，收斂速度與跟蹤效果難以觀察，究其原因就在于所有語音都涉及到兩種音素，即元音和輔音。其中輔音又分為兩種，即清輔音和濁輔音，后者的波形與白噪聲相近，并且振幅相對較弱。而清輔音與寬帶噪聲有著相似的特性，二者通過混疊，就會使語音信號頻率的復雜程度提升，進而難以通過圖示來區分收斂速度與跟蹤效果等微弱變化。此外，在初始階段，真是語音信號具有很小的幅度，并且整個收斂過程正好始于這一階段，進而難以通過圖示來反映出收斂速度與跟蹤效果。

[1]趙莉,陳賡華,張利華等.互補型自適應濾波器在心磁信號處理中的應用[J].物理學報,2004,53(12):4420-4427.D

[2]姚雪春,張茂勝,王曉晨等.最小均方自適應濾波器集平均理論及實驗仿真[J].無線互聯科技,2014,(1):147-148

[3]曹亞麗.自適應濾波器中LMS算法的應用[J].儀器儀表學報,2005,26(8):2255-2257