回聲消除系統中LMS演算法的作用

1. 在LMS演算法中,造成失調的原因是什麼

步長，濾波器階數都會造成影響。

2. 超聲中LMS代表什麼

LMS音頻測試系統是美國Linearx System公司所研發出來的產品。它和其他同類產品相比較來說，投入市場較早，在國內電聲領域已較為普及，是一套性能價格較合理的測試系統。它運用猝發聲技術以獲得良好的頻響曲線；能在短時間內得出揚聲器的多項電聲參數，更是分頻器的調試中的得力助手，應用范圍很廣泛.

LMS音頻測試系統是美國Linearx System公司所研發出來的產品。它和其他同類產品相比較來說，投入市場較早，在國內電聲領域已較為普及，是一套性能價格較合理的測試系統。它運用猝發聲技術以獲得良好的頻響曲線；能在短時間內得出揚聲器的多項電聲參數，更是分頻器的調試中的得力助手，應用范圍很廣泛。

1、不需昂貴的消音室
2、精確的數據後處理和管理方面
3、基本頻率范圍從10HZ到100KHZ
4、具有一個從90db到16比特的數字音頻的動態區間
5、採用雙跟蹤濾波器
6、採用多種測量方法，准確性和靈活性可同高價格系統媲美
7、設置和操作要比其它系統簡便

處理操作:
處理菜單提供數學運算功能，數據處理功能以及其它專門曲線處理能力，這些能力可應用於測量數據或輸入的其它數據。濾波，刻度，拼接，相位生成和數學運算使用戶能對所測得的數據進行完全控制，而不需要使用外部數據處理程序。

3. lms演算法與譜減法都是語音去噪方面的演算法，那他們都分別適用於哪樣的聲音中呢，還有各自的優缺點是啥

先說說譜減法，是通過付利葉變化在頻域上實現操作，這就要求雜訊和本真聲音在頻譜上有一定的區分度。

LMS演算法是一種自適應演算法，它的利用價值就是，倘若本真和雜訊頻譜完全重疊的話，那用頻減法是沒法實現的，於是它是按照對比匹配來進行濾波。

優缺點：
譜減法，直接快速，但是頻譜重疊部分濾不到
LMS，重疊也能濾，缺點是基於逐次匹配，需要一段時間才能實現濾波效果，而且還濾的不完全乾凈

4. 什麼是LMS演算法

LMS演算法步驟：
1,、設置變數和參量：
X(n)為輸入向量，或稱為訓練樣本
W(n)為權值向量
e(n)為偏差
d(n)為期望輸出
y(n)為實際輸出
η為學習速率
n為迭代次數
2、初始化，賦給w(0)各一個較小的隨機非零值，令n=0
3、對於一組輸入樣本x(n)和對應的期望輸出d，計算
e(n)=d(n)-X（n）
W(n+1)=W(n)+ηX(n)e(n)
4、判斷是否滿足條件，若滿足演算法結束，若否n增加1，轉入第3步繼續執行。

5. LMS演算法的簡介

全稱 Least mean square 演算法。中文是最小均方演算法。
感知器和自適應線性元件在歷史上幾乎是同時提出的，並且兩者在對權值的調整的演算法非常相似。它們都是基於糾錯學習規則的學習演算法。感知器演算法存在如下問題：不能推廣到一般的前向網路中；函數不是線性可分時，得不出任何結果。而由美國斯坦福大學的Widrow和Hoff在研究自適應理論時提出的LMS演算法，由於其容易實現而很快得到了廣泛應用，成為自適應濾波的標准演算法。

6. LMS自適應演算法分析及在數字濾波器設計中的應用

自適應過程一般採用典型LMS自適應演算法，但當濾波器的輸入信號為有色隨機過程時，特別是當輸入信號為高度相關時，這種演算法收斂速度要下降許多，這主要是因為輸入信號的自相關矩陣特徵值的分散程度加劇將導致演算法收斂性能的惡化和穩態誤差的增大。此時若採用變換域演算法可以增加演算法收斂速度。變換域演算法的基本思想是：先對輸入信號進行一次正交變換以去除或衰減其相關性，然後將變換後的信號加到自適應濾波器以實現濾波處理，從而改善相關矩陣的條件數。因為離散傅立葉變換�DFT本身具有近似正交性，加之有FFT快速演算法，故頻域分塊LMS�FBLMS演算法被廣泛應用。

FBLMS演算法本質上是以頻域來實現時域分塊LMS演算法的，即將時域數據分組構成N個點的數據塊，且在每塊上濾波權系數保持不變。其原理框圖如圖2所示。FBLMS演算法在頻域內可以用數字信號處理中的重疊保留法來實現，其計算量比時域法大為減少，也可以用重疊相加法來計算，但這種演算法比重疊保留法需要較大的計算量。塊數據的任何重疊比例都是可行的，但以50％的重疊計算效率為最高。對FBLMS演算法和典型LMS演算法的運算量做了比較，並從理論上討論了兩個演算法中乘法部分的運算量。本文從實際工程出發，詳細分析了兩個演算法中乘法和加法的總運算量，其結果為：

復雜度之比＝FBLMS實數乘加次數／LMS實數乘加次數＝（25Nlog2N＋2N－4）／[2N(2N－1)]�

採用ADSP的C語言來實現FBLMS演算法的程序如下：

for(i＝0;i＜＝30;i＋＋)

{for(j＝0;j＜＝n－1;j＋＋)

{in[j]＝input[i×N＋j;]

rfft(in,tin,nf,wfft,wst,n);

rfft(w,tw,wf,wfft,wst,n);

cvecvmlt(inf,wf,inw,n);

ifft(inw,t,O,wfft,wst,n);

for(j＝0,j＜＝N－1;j＋＋)

{y[i×N＋j]＝O[N＋j]．re;

e[i×N＋j]＝refere[i×N＋j]－y[i×N＋j];

temp[N＋j]＝e[i×N＋j;}

rfft(temp,t,E,wfft,wst,n);

for(j＝0;j＜＝n－1;j＋＋)

{inf_conj[j]＝conjf(inf[j]);}��

cvecvmlt(E,inf_conj,Ein,n);

ifft(Ein,t,Ein,wfft,wst,n);

for(j＝0;j＜＝N－1;j＋＋)

{OO[j]＝Ein[j]．re;

w[j]＝w[j]＋2＊u＊OO[j];}��

}

在EZ－KIT測試板中，筆者用匯編語言和C語言程序分別測試了典型LMS演算法的運行速度，並與FBLMS演算法的C語言運行速度進行了比較，表2所列是其比較結果，從表2可以看出濾波器階數為64時，即使是用C語言編寫的FBLMS演算法也比用匯編編寫的LMS演算法速度快20％以上，如果濾波器的階數更大，則速度會提高更多。

7. 請問MUSIC演算法和LMS演算法到底是怎麼回事,都是用來干嗎的啊

這是兩種不同的演算法,MUSIC演算法是多重信號分類演算法,是經典的空間譜估計演算法,通過將接受信號分成雜訊子空間和信號子空間(這兩子空間正交)達到超分辨譜估計.MUSIC演算法可以完成DOA(波達方向)估計和頻率估計.其實質是基於一維搜索的雜訊子空間演算法.
LMS演算法是最小均方演算法，是自適應技術的基礎．LMS演算法是達到輸入信號與期望信號有最小的均方誤差的一種演算法．

8. LMS演算法的流程是什麼，LMS演算法的原理，均衡演算法的發展趨勢是什麼

LMS演算法是首先通過期望信號與實際信號的誤差，再通過最陡下降法，進行與誤差成一定步長的迭代運算，從而使結果更趨近於最佳值。LMS演算法的原理即使將E(e^2)視為e^2，簡化了運算。

9. 即時語音中回聲消除技術，到底是怎樣實現的

用的自適應回聲消除器

回聲是由於揚聲器放出來的聲音經過衰減和延時然後又被麥克風收錄產生的。自適應回聲消除器簡單說就是用一個參數可調的濾波器，通過一個自適應演算法，模擬回聲產生的信道環境，進而「猜測」回聲信號，然後在麥克風收錄的信號里「減去」這個信號。

10. 什麼是LMS演算法，全稱是什麼

1959年，Widrow和Hof提出的最小均方(LMS )演算法對自適應技術的發展起了極
大的作用。由於LMS演算法簡單和易於實現，它至今仍被廣泛應用。對LMS演算法的性能
和改進演算法已經做了相當多的研究，並且至今仍是一個重要的研究課題。進一步的研究
工作涉及這種演算法在非平穩、相關輸入時的性能研究。當輸入相關矩陣的特徵值分散時，
LMS演算法的收斂性變差，研究的另一個方面在於如何解決步長大小與失調量之間的矛
盾。
全稱 Least mean square