带噪语音信号的多种滤波算法去噪对比

对语音信号添加高斯白噪声，分别采用维纳、卡尔曼、谱减法、自适应滤波算法，进行去噪处理，文件中含有语音文件

clear
close all
clc
a1=-1.6;   
a2=0.8; 
[xfs1]=audioread（‘handel.wav‘）;
[dnfs2]=audioread（‘handel_echo.wav‘）;
figure;
subplot（211）;
plot（x）;
title（‘spk参考信号‘）;
subplot（212）;
plot（dn）;
title（‘MICin-期望信号‘）;

n=max（size（x））;  % 信号中的时间点个数   
P=5;   % LMS算法重复运算5次，用于评估五次运算产生的误差的平均水平
e=zeros（1n）;   % 用于存放误差
ep=zeros（1n）;  % 用于存放五次运算累积的误差
ee=zeros（1n）;  % 用于存放平方差
%算法
h=waitbar（0‘计算进度‘）;
steps = P;
for p=1:P 
L=100;     % 滤波器阶数，考虑到两个信号之间没有延时，且这里只是用来分离出输入的x信号，而且误差不做要求，因此不需要设置太高的阶数 
u=0.0022;   % 增益常数 
wL=zeros（Ln）;  % 产生一个权向量矩阵
for i=（L+1）:n   % 计算权向量矩阵中第三组权向量到最后一组权向量相关的变量，根据x和e=x-y求下一个y没有d（n）
    X=x（i-L:1:（i-1））;   % 更新滤波器的参考矢量X（n）
    y（i）=X‘*wL（:i）;    % 根据x计算i时刻输出信号 
    e（i）=dn（i）-y（i）;     % 计算i时刻误差信号 
    wL（:（i+1））=wL（:i）+2*u*e（i）*X;     % 更新i时刻滤波器的权向量 
    ee（i）=e（i）^2;   % 更新平方差
end 
ep=ep+ee;  % 平方差累积
waitbar（p/steps）;
end
close（h）;
eq=ep/P;    % 五十次重复计算平方差求均值
a1L=-wL（21:n）;   % a1在LMS算法下值的变化，wL矩阵中第一行的1到n个数，权向量矩阵第一行 
a2L=-wL（11:n）;   % a2在LMS算法下值的变化 ，wL矩阵中第二行的1到n个数，权向量矩阵第二行 

%画图
figure;
subplot（321）;
plot（x）; 
title（‘需要采集的声音Voice‘）;    % 根据w产生的随机信号x

subplot（322）;
plot（dn）;
title（‘被回声污染的了Voice，就是MICin‘）;   % 五十次运算误差求均值

subplot（323）;
plot（y）; 
title（‘合成回声信号‘）;    % 根据w产生的随机信号x

subplot（324）;
plot（e）;
title（‘误差‘）;   % 五十次运算误差求均值


subplot（325）; 
plot（a1L‘r-‘）; % 权向量矩阵第一行
hold on;
plot（a2L‘k-‘）; % 权向量矩阵第二行
title（‘权向量参数的学习过程‘）;  
legend（‘a1L‘‘a2L‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-12-21 13:27  demo4\
     文件        1862  2018-12-21 12:53  demo4\AdaFilter.m
     文件         427  2018-12-21 13:28  demo4\AdaFilter2.m
     文件         325  2018-05-13 22:22  demo4\add_noise.m
     文件      146270  2018-12-21 12:01  demo4\handel.wav
     文件      146270  2018-12-21 12:01  demo4\handel_echo.wav
     文件        2491  2018-12-21 11:53  demo4\kalman.m
     文件         729  2018-05-13 20:52  demo4\Kframe.m
     文件       45100  2018-12-21 13:26  demo4\signalnoisy.wav
     文件      107294  2000-03-28 23:16  demo4\six.wav
     文件         253  2018-12-21 11:22  demo4\SNR_singlech.m
     文件       45102  2005-07-12 08:58  demo4\sp01.wav
     文件        1978  2018-05-13 22:22  demo4\spectruesub.m
     文件        2849  2018-12-21 11:28  demo4\SpeechEnhancement.asv
     文件        2706  2018-12-21 11:53  demo4\SpeechEnhancement.m
     文件        1002  2018-05-13 22:23  demo4\stationary_noise_evaluate.m
     文件        1874  2018-05-13 22:23  demo4\wienerfilter.m