摘要：工业噪声存在显著的干扰特征，导致工业环境中，大大降低语言通信的质量以及效果，而且对于关联于语音识别系统的相关性能来说也会产生迅速的降低的弊端问题。所以，采取科学有效的处理噪声举措，已经是面临的重要解决问题。本文对于改进自适应对消算法应用到处理工业噪声中的情况进行分析，基于传统最小均方（LMS）算法、Lorentzian 函数的变步长LMS 算法前提下，展开稳定性条件处理的约束，在进行分析约束稳定性变步长LMS 算法的同时建立起仿真验证。
关键词：自适应对消算法；工业噪声；约束稳定性；应用
工业环境具有及其复杂性特点，由于具有较大的造成功率以及较宽的频谱，因此很不容易对于噪声特性进行有效的评估，因而会给处理噪声带来较大的阻碍。自适应滤波能够于所有的有用信号、噪声先验知识基础上经前一时刻所得滤波器参数对于现下参数进行合理的调节，对不断改变的噪声展开良好的适应，同时适应有用信号特性，达到最优滤波的效果。最小均方（LMS）算法具有较小的计算量，以及简单的结构，实现起来也是非常便捷的，广泛的实践于自适应信号处理领域。由于传统常规定步长LMS算法内步长取值能够对于算法性能产生一定的影响，而且具有较显著的稳态误差，所以本研究对于改进自适应对消算法在工业噪声处理中的应用情况进行探究。
一、工业噪声的特征分析
在工业环境中，噪声存在明显的繁杂性特征，产生的主要因素就是声源具有较多的种类，既包括动力摩擦所形成的噪声，也包括机械运转所形成的噪声，所以决定了工业噪声涉及到较多样的类别，相对复杂。工业噪声具有非常广泛的频谱范围，可以对于全部语音信频率的部位进行遮盖，而且能够于有用语音信号频谱内形成重叠的情况。而且工业噪声也存在不稳定特征，因为噪声信号末尾阶段通常具有增加噪声幅度的情况，进而导致提升功率。
二、自适应噪声对消与LMS算法
自适应噪声对消系统属于自适应最优滤波器变形情况，在此系统内包含有主输入端、参考输入端两部分。前者进行s信号也就是有用信号源所发信号的接收，同时对于V信号也就是噪声源形成的噪声信号实施有效的接收，但是这两者之间并不具有明显的关联性。后者是对于x信号即噪声源所形成噪声信号展开接收，因为噪声源形成噪声信号v同噪声源产生的噪声信号x属于相同的噪声源所形成，所以具备显著的关联性现象。经实施参考噪声同主输入端中噪声之间的密切联系的研究，在自适应滤波器内进行输入相关的参考噪声，对滤波器参数展开相应的调整，应用相应自适应算法，充分的确保参考噪声最终最大化的持续性的靠拢有用信号噪声，再经减法器获得有用信号。
有关于LMS算法基本思想即为，实施滤波器参数的合理调整之后，让滤波器的输出信号、期望输出的信号双方可以大大的降低均方误差现象，就会使得系统输出的有用信号得到理想的评估结果。LMS算法迭代公式就是：e（n）= d（n）-XT（n）W（n），w（n+1）= w（n）+2μe（n）X（n）。w（n）、N、μ分别表示的是n时刻输入期间滤波器权系数矢量、滤波器阶数、迭代步长。为实现算法能够于迭代后进行收敛，设置步长取值的区间为 0<μ<1/λmax。进行步长的科学选择期间，应该考虑到稳态误差同收敛速度是具有一定矛盾性特点的，即在具有越小的步长情况下，就会产生越小的稳态误差以及非常缓慢的收敛速度，反之，则具有相反的结果。
三、改进的变步长LMS算法分析
为良好的将稳态误差和收敛速度双方的矛盾性现象进行处理，经过研究之后，建立在常规LMS算法前提下，制定各种变步长LMS算法。同时部分算法的基本思路是基于迭代初始基础上展开，导致算法的结果并不会达到最优的成效。
期刊文章分类查询,尽在期刊图书馆实施较大步长，实现算法收敛速度的增快，在同最优解距离较近的情况下，可以采取将步长值进行持续性减小的基础上，达到缩减稳态误差的目标。最终对于Sigmoid函数的变步长最小均方算法（SVSLMS）的步长进行公示的更新，即得到的新公式就是：μ（n）=β［1/（1+exp（-α|e（n）|））-0.5］。在这种算法的前提下，能够从脉冲信号持续状态中，对于改变的误差e（n）状态进行掌握，发挥出调节步长的效果。但不能忽略的问题就是，这种Sigmoid函数是具有一定繁杂性的，无缓慢变化特征，所以稳态阶段是存在明显的步长波动的。将其实施科学的改进，即最终得到的公式是μ（n）=β［1-exp（-α|e（n）|2）]。其中，β、α分别表示的就是参数控制步长取值范围、参数控制函数形状。通过实践证实了函数在进行更新之后，具有更好的便捷性，如果e（n）在不断的临近于0值，则也可以得到缓慢改变的结果。
把改变步长的函数中，加入进非线性，可以表现出归一化最小均方算法（NLMS）中，而且NLMS 算法形成步长因子以及输入信号明显的关联性，属于非线性的，能够良好的对LMS算法收敛速度，同时包括对于稳态误差进行有效的处理，进而实现减少或者避免梯度噪声影响到系统输出形成的错误问题。同时应该注意的问题就是，这种计算的模式并未对于 误差信号影响到步长因子的因素实施充分考虑，以及具有较强的约束性特点，所以最终不会得到最理想的步长精度结果。
四、仿真的结果和讨论
为了对文中所提出算法的可靠性、实用性进行印证，采取仿真实验的模式，以Matlab平台展开仿真算法。在此次实验内，标准正弦波信号就是有用的信号，将工业环境状态中现实产生的噪声录音，作为实验的所选干扰噪声信号。其中，设置的采样频率就是8kHz。对于加噪正弦信号图展开绘制，同时统计得到固定步长LMS算法、基于Lorentzian函数的变步长算法以及Sigmoid函数的可变步长LMS算法、文中所提出自适应噪声对消后结果情况。结果显示，不同于固定步长LMS算法，另外的几种方式，均明显的改善了收敛速度、稳态误差程度。但对于最后的对于信号所输入的部分，因突然的更改了噪声状态，使得其平率也呈现出一定的变动效果，导致SVSLMS算法、LVSLMS算法大大的提升了误差现象。产生这种现象的因素即为，噪声功率大大的影响到滤波器权系数收敛状态。此次研究中，算法并未遭受噪声功率形成重大影响，将追踪以及小误差的性能具有良好的维持，并且减弱梯度噪声敏感度。通过统计以上四种算法的结果，结果表明，此次所提出的算法，无论是在收敛的速度方面，还是在噪声残留的方面上，呈现的优势都是最明显的，完全具有良好的可靠性以及有效性。
结语
在工业噪声处理期间，采取自适应噪声对消算法是具有一定的科学性的，能够在面对非常复杂的工业噪声环境状态中发挥出理想的解决成效。传统应用到的LMS算法具有不能忽视的弊端问题，所以此次实验中通过展开改进，最终让改进自适应对消算法具有更加迅速的收敛效果，而且降低稳态误差问题，同时能够及时的对于突发改变的噪声功率现象展开解决，优势显著。
参考文献：
[1]茅正冲，涂文辉.改进自适应对消算法在工业噪声处理中的应用[J].传感器与微系统，2017（03）：157-160.
[2]茅正冲，王俊俊.改进的LMS自适应噪声对消算法的应用[J].信息技术，2018（03）：15-18+21.
[3]林宸灏.自适应对消数字系统算法设计[D].华中科技大学，2016.
[4]程呈.自适应RLS算法在心电信号去噪中的研究[D].湖南大学，2015.
[5]杨振，杨建强.分数维约束下的自适应对消技术研究[J].华南地震，2014（03）：76-81.
论文作者:林卫锋
论文发表刊物:《基层建设》2018年第15期
论文发表时间:2018/7/23
标签：步长论文; 噪声论文; 算法论文; 信号论文; 自适应论文; 误差论文; 稳态论文; 《基层建设》2018年第15期论文;