基于simulink的8阶lms自适应滤波器模型，纯手搭 非软件自带lms库，图示为降噪效果。 第一行为加噪信号； 第二行为滤波器输出； 第三行为降噪结果。 可广泛应用于数字域噪声抵消的原型验证，具有参考和再次开发价值。 提供原理说明与相关测试文件。 ~~~~~~~~~~ 另也可改造为语音降噪模型，如图二
在信号处理领域，噪声问题一直是个让人头疼的家伙。今天咱就来唠唠怎么用 Simulink 纯手搭一个 8 阶 LMS 自适应滤波器模型，不用软件自带的 LMS 库，玩一把硬核操作，并且看看它在降噪上有多厉害。
一、LMS 自适应滤波器原理
LMS（最小均方）自适应滤波器的核心思想，就是不断调整滤波器的系数，使得滤波器输出和期望信号之间的均方误差最小。想象一下，滤波器就像一个聪明的小调整师，能根据输入信号和期望信号的差距，自动调整自己的 “参数旋钮”。
数学上，LMS 算法的更新公式是这样的：
\[ w{n + 1} = wn + 2\mu en xn \]
基于simulink的8阶lms自适应滤波器模型，纯手搭 非软件自带lms库，图示为降噪效果。 第一行为加噪信号； 第二行为滤波器输出； 第三行为降噪结果。 可广泛应用于数字域噪声抵消的原型验证，具有参考和再次开发价值。 提供原理说明与相关测试文件。 ~~~~~~~~~~ 另也可改造为语音降噪模型，如图二
这里 \( wn \) 是第 \( n \) 次迭代时滤波器的系数向量，\( \mu \) 是步长因子，控制着系数更新的速度，\( en \) 是第 \( n \) 次迭代时的误差（期望信号减去滤波器输出），\( x_n \) 是第 \( n \) 次迭代时的输入信号向量。
二、Simulink 搭建 8 阶 LMS 自适应滤波器模型
在 Simulink 里搭建这个模型，就像搭乐高一样，每个模块都是一块乐高积木。
- 输入信号模块：咱得有个加噪信号进来对吧？可以用 Simulink 的信号源模块生成一个信号，比如正弦波，然后再用加法器给它加上噪声。就像下面这样简单的代码（这里是 Matlab 脚本，用来生成类似信号）：
fs = 1000; % 采样频率 t = 0:1/fs:1; % 时间向量 signal = sin(2*pi*50*t); % 50Hz 的正弦波 noise = 0.5*randn(size(t)); % 高斯白噪声 noisy_signal = signal + noise; % 加噪信号- 滤波器搭建：因为是 8 阶滤波器，我们需要 8 个延迟模块来存储过去的输入信号值，对应于上面公式里的 \( x_n \) 向量。这些延迟模块可以从 Simulink 的模块库中拖出来。然后通过乘法器将每个延迟后的信号值与滤波器系数相乘，再通过加法器将这些乘积加起来，得到滤波器的输出。
- 误差计算与系数更新：用减法器计算期望信号（在降噪场景下，通常就是原始纯净信号，但这里原始信号不可知，假设参考信号与噪声相关）和滤波器输出之间的误差 \( e_n \) 。再根据前面提到的 LMS 算法更新公式，用乘法器和加法器实现系数的更新。这部分代码（同样是 Matlab 脚本示意）大概像这样：
mu = 0.01; % 步长因子 w = zeros(8,1); % 初始化滤波器系数 for n = 8:length(noisy_signal) x_n = noisy_signal(n:-1:n - 7); % 获取当前时刻及过去 7 个时刻的输入信号 y_n = w' * x_n; % 滤波器输出 e_n = desired_signal(n) - y_n; % 误差 w = w + 2*mu*e_n*x_n; % 更新滤波器系数 end三、降噪效果展示
来看下这个模型的降噪效果。从图示中我们能清晰看到：
- 第一行是加噪信号，就像原本清澈的溪流混入了泥沙，信号变得杂乱无章。
- 第二行是滤波器输出，这时候滤波器已经在努力工作，对信号进行调整，看起来已经有了一些改善的迹象。
- 第三行是降噪结果，哇哦，就像给信号洗了个澡，把噪声这个 “脏东西” 给清理掉了，信号明显变得干净、平滑。
这个模型可不仅仅是个花瓶，它具有广泛的应用价值。特别是在数字域噪声抵消的原型验证方面，能为后续的研究和开发提供坚实的参考基础，其他人可以在此之上进行再次开发，定制出适合自己需求的降噪方案。
四、改造为语音降噪模型
另外，这个 8 阶 LMS 自适应滤波器模型还可以摇身一变，成为语音降噪模型，就像图二展示的那样。语音信号虽然比一般的简单信号复杂，但基本原理还是相通的。我们只需要把输入信号换成语音信号，然后根据语音信号的特点，适当调整模型参数，比如步长因子 \( \mu \) 等，就有可能实现不错的语音降噪效果。在实际应用中，这对于提高语音通信质量、增强语音识别准确率等方面都有着重要意义。
最后，我会在博文附件里提供原理说明的详细文档以及相关测试文件，大家可以自己下载下来把玩把玩，一起探索信号处理的奇妙世界。
希望这篇博文能给对信号处理和自适应滤波器感兴趣的小伙伴们一些启发，有问题欢迎留言交流！
