更新时间：03-23 （周老大）提供原创文章
摘要:当前，通信系统分析过程中的噪声消除问题是通信过程中信号处理的核心问题之一.目前常见的做法是让信号通过滤波器，抑制噪声从而达到提取出有用信号的目的.
自1967年来，信号处理领域提出了自适应滤波概念，自适应滤波器就因为其计算量小、易于实现等优点，发展的极为迅速.本文就基于现有的研究成果，简单的研究了自适应噪声抵消器的原理、设计以及实现.本文的内容可分为以下几个部分：
（1）简单分析了自适应滤波系统的工作原理，阐述了使用自适应信号处理技术之后自适应滤波系统的发展过程，简单的介绍了自适应噪声抵消的原理及概念；
（2）分析了自适应滤波器的原理，简单介绍了自适应滤波器的两种不同输入方式所对应的基本结构，接下来，又结合自适应噪声抵消系统框图分析了自适应噪声抵消的算法原理.
（3）重点分析了LMS算法原理，并根据算法的推导过程分析了LMS算法的性能，如收敛性、权向量噪声及算法曲线等.接下来，对LMS算法的改进算法NLMS算法、MLMS算法也进行了相同的分析，最后，让这三种算法在MATLAB环境下进行仿真，通过对比得出三种算法的优缺点；
（4）结合第三部分对三种算法的仿真对比结果，在第四部分，我们利用NLMS算法，对一段我们自己录入的语音信号进行去噪处理，验证算法的有效性.
关键词：自适应滤波；噪声抵消；自适应算法；语音信号去噪
目录
摘要
ABSTRACT
第1章 绪论-1
1.1 自适应滤波器研究背景及现状-1
1.2 自适应信号处理发展过程-1
1.3 自适应噪声抵消系统的研究-2
1.4 本文主要结构-2
第2章 自适应滤波的基本原理-5
2.1 自适应滤波器-5
2.1.1 自适应滤波器原理-5
2.1.2 自适应滤波系统结构-6
2.2 自适应噪声抵消器-8
2.2.1 自适应原理-8
第3章 自适应噪声抵消算法-11
3.1 LMS算法-11
3.1.1 LMS算法描述-11
3.1.2 LMS算法的收敛性-12
3.1.3 LMS算法的权向量噪声-13
3.1.4 LMS算法学习曲线-15
3.1.5 LMS 算法流程-16
3.2 归一化最小均方算法（NLMS）-17
3.2.1 NLMS算法描述-17
3.2.2 NLMS 算法收敛特性-18
3.2.3 NLMS 算法流程-18
3.3引入动量项的LMS算法（MLMS算法）-19
3.3.1 MLMS算法描述-19
3.3.2 MLMS算法流程-20
3.4算法MATLAB仿真-20
3.4.1 LMS算法仿真-20
3.4.2 NLMS算法仿真-22
3.4.3 MLMS算法仿真-23
3.5 算法比较-25
第4章 语音信号去噪处理-27
4.1 语音去噪理论依据-28
4.2 核心代码部分-28
4.3 实验记录-29
4.4 总结-31
第5章 总结与展望-33
5.1 总结-33
5.2 不足与展望-33
参考文献-34
致 谢-35