【算法】麦克风阵列的自适应降噪算法

参考链接：
语音自适应滤波器的设计
说说鸡尾酒会问题和程序实现
【PUDN】自适应变步长的龙格库塔法
参考文献：
[1]黄颖. 基于麦克风阵列手机消噪方案的应用与实现[D].上海交通大学,2012.
[2]王超. 频域卷积混合盲分离研究[D].上海大学,2008.
【论文】自适应谱线增强器在生物雷达中的应用

一、理论基础

在实际应用中，常常无法的带信号和噪声统计特性的鲜艳信息，在此情况下自适应滤波技术能够获得极佳的滤波性能，因此具有很好的应用价值，常用的自适应滤波器技术有：最小均方（LMS）自适应滤波器，递推最小二乘（RLS）滤波器，格型滤波器和无限冲激响应（IIR)滤波器，。这些自适应滤波技术的应用又包括：自适应噪声抵消，自适应谱线增强和陷波。
LMS自适应滤波器事使滤波器的输出信号于期望响应之间的误差的均方值为最小，因此称为最小均方（LMS）自适应滤波器。

1、基于LMS算法

构成自适应数字滤波器的基本部件是自适应线性组合器，设线性组合的M个输入为x(k-1)…,x(k-M),其输出有y(k)是这些输入加权后的线性组合，即
$$\sum _{i=0}^M{W}_{i}x(k-i)$$
定义权向量，$$W=[W_1,W_2,W_3,...,W_m]$$$$X(k)=[x(k-1)...,x(k-M){]}_{}^T$$令d(k)代表“所期望的响应”，并定义误差信号$$\epsilon (k)=d(k)-y(k)=d(k)-\sum _{i=0}^M{W}_{i}x(k-i)$$写成向量形式为：$$\epsilon (k)=d(k)-W_{}^{T}X(k)=d(k)-X_{}^{T}W(k)$$误差平方为：$${\epsilon }^2(k)=d^2(k)-2d(k)X^T(k)W+W^{T}X(k)X^T(k)W$$上式两边取数学期望为，得均方误差为
$$E({\epsilon }^2(k))=E(d^2(k))-2E(d(k)X^T(k)W)+W^{T}E(X(k)X^T(k))W$$定义互相关函数行向量$R_{xd}^T$:
$$R_{xd}^T=E(d(k)X</$$