回声消除系统中LMS算法的作用

1. 在LMS算法中,造成失调的原因是什么

步长，滤波器阶数都会造成影响。

2. 超声中LMS代表什么

LMS音频测试系统是美国Linearx System公司所研发出来的产品。它和其他同类产品相比较来说，投入市场较早，在国内电声领域已较为普及，是一套性能价格较合理的测试系统。它运用猝发声技术以获得良好的频响曲线；能在短时间内得出扬声器的多项电声参数，更是分频器的调试中的得力助手，应用范围很广泛.

LMS音频测试系统是美国Linearx System公司所研发出来的产品。它和其他同类产品相比较来说，投入市场较早，在国内电声领域已较为普及，是一套性能价格较合理的测试系统。它运用猝发声技术以获得良好的频响曲线；能在短时间内得出扬声器的多项电声参数，更是分频器的调试中的得力助手，应用范围很广泛。

1、不需昂贵的消音室
2、精确的数据后处理和管理方面
3、基本频率范围从10HZ到100KHZ
4、具有一个从90db到16比特的数字音频的动态区间
5、采用双跟踪滤波器
6、采用多种测量方法，准确性和灵活性可同高价格系统媲美
7、设置和操作要比其它系统简便

处理操作:
处理菜单提供数学运算功能，数据处理功能以及其它专门曲线处理能力，这些能力可应用于测量数据或输入的其它数据。滤波，刻度，拼接，相位生成和数学运算使用户能对所测得的数据进行完全控制，而不需要使用外部数据处理程序。

3. lms算法与谱减法都是语音去噪方面的算法，那他们都分别适用于哪样的声音中呢，还有各自的优缺点是啥

先说说谱减法，是通过付利叶变化在频域上实现操作，这就要求噪声和本真声音在频谱上有一定的区分度。

LMS算法是一种自适应算法，它的利用价值就是，倘若本真和噪声频谱完全重叠的话，那用频减法是没法实现的，于是它是按照对比匹配来进行滤波。

优缺点：
谱减法，直接快速，但是频谱重叠部分滤不到
LMS，重叠也能滤，缺点是基于逐次匹配，需要一段时间才能实现滤波效果，而且还滤的不完全干净

4. 什么是LMS算法

LMS算法步骤：
1,、设置变量和参量：
X(n)为输入向量，或称为训练样本
W(n)为权值向量
e(n)为偏差
d(n)为期望输出
y(n)为实际输出
η为学习速率
n为迭代次数
2、初始化，赋给w(0)各一个较小的随机非零值，令n=0
3、对于一组输入样本x(n)和对应的期望输出d，计算
e(n)=d(n)-X（n）
W(n+1)=W(n)+ηX(n)e(n)
4、判断是否满足条件，若满足算法结束，若否n增加1，转入第3步继续执行。

5. LMS算法的简介

全称 Least mean square 算法。中文是最小均方算法。
感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似。它们都是基于纠错学习规则的学习算法。感知器算法存在如下问题：不能推广到一般的前向网络中；函数不是线性可分时，得不出任何结果。而由美国斯坦福大学的Widrow和Hoff在研究自适应理论时提出的LMS算法，由于其容易实现而很快得到了广泛应用，成为自适应滤波的标准算法。

6. LMS自适应算法分析及在数字滤波器设计中的应用

自适应过程一般采用典型LMS自适应算法，但当滤波器的输入信号为有色随机过程时，特别是当输入信号为高度相关时，这种算法收敛速度要下降许多，这主要是因为输入信号的自相关矩阵特征值的分散程度加剧将导致算法收敛性能的恶化和稳态误差的增大。此时若采用变换域算法可以增加算法收敛速度。变换域算法的基本思想是：先对输入信号进行一次正交变换以去除或衰减其相关性，然后将变换后的信号加到自适应滤波器以实现滤波处理，从而改善相关矩阵的条件数。因为离散傅立叶变换�DFT本身具有近似正交性，加之有FFT快速算法，故频域分块LMS�FBLMS算法被广泛应用。

FBLMS算法本质上是以频域来实现时域分块LMS算法的，即将时域数据分组构成N个点的数据块，且在每块上滤波权系数保持不变。其原理框图如图2所示。FBLMS算法在频域内可以用数字信号处理中的重叠保留法来实现，其计算量比时域法大为减少，也可以用重叠相加法来计算，但这种算法比重叠保留法需要较大的计算量。块数据的任何重叠比例都是可行的，但以50％的重叠计算效率为最高。对FBLMS算法和典型LMS算法的运算量做了比较，并从理论上讨论了两个算法中乘法部分的运算量。本文从实际工程出发，详细分析了两个算法中乘法和加法的总运算量，其结果为：

复杂度之比＝FBLMS实数乘加次数／LMS实数乘加次数＝（25Nlog2N＋2N－4）／[2N(2N－1)]�

采用ADSP的C语言来实现FBLMS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测试板中，笔者用汇编语言和C语言程序分别测试了典型LMS算法的运行速度，并与FBLMS算法的C语言运行速度进行了比较，表2所列是其比较结果，从表2可以看出滤波器阶数为64时，即使是用C语言编写的FBLMS算法也比用汇编编写的LMS算法速度快20％以上，如果滤波器的阶数更大，则速度会提高更多。

7. 请问MUSIC算法和LMS算法到底是怎么回事,都是用来干吗的啊

这是两种不同的算法,MUSIC算法是多重信号分类算法,是经典的空间谱估计算法,通过将接受信号分成噪声子空间和信号子空间(这两子空间正交)达到超分辨谱估计.MUSIC算法可以完成DOA(波达方向)估计和频率估计.其实质是基于一维搜索的噪声子空间算法.
LMS算法是最小均方算法，是自适应技术的基础．LMS算法是达到输入信号与期望信号有最小的均方误差的一种算法．

8. LMS算法的流程是什么，LMS算法的原理，均衡算法的发展趋势是什么

LMS算法是首先通过期望信号与实际信号的误差，再通过最陡下降法，进行与误差成一定步长的迭代运算，从而使结果更趋近于最佳值。LMS算法的原理即使将E(e^2)视为e^2，简化了运算。

9. 即时语音中回声消除技术，到底是怎样实现的

用的自适应回声消除器

回声是由于扬声器放出来的声音经过衰减和延时然后又被麦克风收录产生的。自适应回声消除器简单说就是用一个参数可调的滤波器，通过一个自适应算法，模拟回声产生的信道环境，进而“猜测”回声信号，然后在麦克风收录的信号里“减去”这个信号。

10. 什么是LMS算法，全称是什么

1959年，Widrow和Hof提出的最小均方(LMS )算法对自适应技术的发展起了极
大的作用。由于LMS算法简单和易于实现，它至今仍被广泛应用。对LMS算法的性能
和改进算法已经做了相当多的研究，并且至今仍是一个重要的研究课题。进一步的研究
工作涉及这种算法在非平稳、相关输入时的性能研究。当输入相关矩阵的特征值分散时，
LMS算法的收敛性变差，研究的另一个方面在于如何解决步长大小与失调量之间的矛
盾。
全称 Least mean square