论文安排

本论文共分为六章，第一章系统介绍了本课题意义、语音研究的发展史、语音信号降噪的研究状况及发展前景等；第二章介绍了语音信号的基础知识；第三章介绍了语音信号常见噪声及常用的语音去噪算法；第四章介绍了自适应滤波器原理及最小均方误差（LMS）算法和递归最小二乘（RLS）算法；第五章介绍了基于最小均方误差算法和递归最小二乘算法的自适应滤波器在MATLAB软件下的实现及简要处理分析；第六章对本次毕业设计的内容和设计体会进行了简要的总结。

由图5.15到5.17可以看出，滤波器阶数变化时,滤波效果不同。当M=8时，跟踪效果很好，收敛速度快，失调量也最小。这说明对于RLS算法，滤波器阶数越大，滤波效果越好。

再由图5.5,5.6,5.7 和图5.12，5.13，5.14进行比较，可以发现RLS算法比LMS算法有更好的收敛特性和跟踪能力。但是在程序编辑和程序运行时，我们发现RLS算法比LMS算法计算量大，迭代次数多，运行时间长，比较繁琐，并且性能没有LMS算法优。 

本文设计了一个自适应噪声抵消系统，使其能减弱含噪语音信号中背景噪音，达到提高语音信号质量的目的。

本文介绍了自适应数字滤波器的基本原理思想，具体阐述了自适应噪声抵消系统的基本原理，并对自适应噪声抵消系统的指标和抵消性能进行了计算分析。自适应滤波器的算法是整个系统的核心，对两种最基本的自适应算法，即最小均方误差(LMS )算法和递归最小二乘（RLS）算法进行了详细的介绍和分析，并针对两种算法的优缺点进行了详细的比较。这一部分中最关键的是对设计的噪声抵消系统进行计算机仿真，验证系统设计的合理性和算法的正确性。通过对自适应噪声抵消器的MATLAB仿真及对仿真图形的分析，验证了系统设计和自适应算法的可行性。

总结

数字信号处理是当今科学的重要分支，它的原理和方法是信号与系统分析的基础，并且已经广泛应用于许多领域和学科，例如通信、计算机、语音和图象处理、自动控制、声学、地震学、化学过程控制等学科。

对于数字信号降噪这一问题已经有了许多好的方法，国内外的研究学者也得出了很多重要结论。我在做这一课题时，查阅了大量这方面的资料，懂得了好多比较先进的理论。本文主要是针对数字信号中的语音信号进行降噪及滤波器设计，从语音信号的特性及常伴随的噪声分析入手，研究了自适应滤波器的原理，针对最小均方误差（LMS）算法和递归最小二乘（RLS）算法进行了相应的软件设计，利用MATLAB仿真验证了基于上述算法的自适应滤波器在语音降噪中的可行性。