仿射投影APA与NLMS算法比较

回声消除算法比较，仿射投影APA与NLMS算法比较

% v1=100;%载波频率1%
% v2=200;%载波频率2%
% v3=400;%载波频率3%
% r=1000;%采样频数%
% k=1:100;
% t=（k-1）/r;%离散时间%
% s=sin（2*pi*v1*t）+sin（2*pi*v2*t）+sin（2*pi*v3*t）;%由三个不同频率正玹组合的信号%
[far fs bits]   = wavread（‘play.wav‘）;  
 [near fs bits]   = wavread（‘Record.wav‘）;  
 far=far‘;
 near=near‘;
 M=length（far）;
 temp（1:2500）=near（1:2500）;
 near（1:M-2500）=near（2500:M-1）;
 near（M-2500+1:M）=temp（1:2500）;
 
  mm1=19000;
 mm2=22000;
 mm=mm2-mm1;
 far=far（mm1:mm2）;
 near=near（mm1:mm2）;
 
 L = mm+1;       %input data size 

N1 = 10;         %filter length 
nvar = .001;    %output noise variance    
w0 = zeros（N11）;    %initialization for adaptive filters 
mu = 0.1;       %step-size parameter 
epsilon = 1e-5; %regularization parameter 
gamma1 = 0.08;  %error bound 
gamma2 = 0.03; 
MCruns = 10;   %Monte Carlo simulation runs 
mse_apa1 = zeros（L1）;  %MSE vectors for Monte Carlo simulations 
% mse_apa2 = zeros（L21）;
% mse_apa3 = zeros（L31）;
 for I = 1:MCruns     
     P = 5;      %APA order 
    %%%%%%%%%%%%%%%%%%
    %%对cd1进行apa滤波
     x=far‘;
     d=near‘;
    eAPA1 = full_apa（xdN1Pw0muepsilon）; 
    mse_apa1 = mse_apa1 + eAPA1.^2;  
 
 end
 mse_apa1 = mse_apa1/MCruns; 
 
 
 
   
Rin=far; %远端信号
  % % Sinn=pecho;
Sinn=near;%近端信号——近端说话人的语音信号与回声叠加构成
N=240;
M1=mm;
 x=Rin（1:N）;%  x 为远端信号截短
 w=zeros（1N）;
 en1=zeros（1M1）;
 a=0.0001;
 u=0.5;
 Dtemp=x（1:N-1）*x（1:N-1）‘;%滤波器输入信号的能量
 sout=zeros（1M1）;
 
 for i=N:M1; 
     x（N）=Rin（i）; %远端信号
     D=Dtemp+x（N）.^2;
     y=dot（wx）;
     en1（i）=Sinn（i）-y;  
       w=w+u*en1（i）*x/（a+D）;      %远端模式，进行滤波器系数更新

     end;   
%     %%%%%%%%%更新滤波器输入信号的能量值%%%%%%%%%%
     Dtemp=D-x（1）.^2;
    x（1:N-1）=x（2:N）;
    
  
   figure（6）;
   semilogy（1:mm+1 mse_apa1‘b-‘...
       1:mmen1‘‘r--‘）;
  xlim（[03000]）; 
 xlabel（‘k‘） ylabel（‘MSE‘） 
% g0=[0.68301;1.18301;0.31699;-0.18301];%分解高通滤波系数%
% k=[0;1;2;3];
% g1=flipud（g0）.*（-1）.^k;%分解低通滤波系数%
% h0=flipud（g0）/2;%重构高通滤波系数%
% h1=flipud（g1）/2;%重构低通滤波系数%
% 
% %分解过程%
% 
% x=conv（farh0）;
% a0=x（1:2:length（x））;%卷积后采样获得第一级分解近似部分%
% x=conv（farh1）;
% w0=x（1:2:length（x））;%卷积后采样获得第一级分解细节部分%
% x=conv（a0h0）;
% a1=x（1:2:length（x））;%卷积后采样获得第二级分解近似部分%
% x=conv（a0h1）;
% w1=x（1:2:length（x））;%卷积后采样获得第二级分解细节部分%
% 
% x=conv（a1h0）;
% a2=x（1:2:length（x））;%卷积后采样获得第三级分解近似部分%
% x=conv（a1h1）;
% w2=x（1:2:length（x））;%卷积后采样获得第三级分解细节部分%
% 
%  figure（2）;
%  subplot（511）
%  plot（far）; 
%  ylabel（‘far‘）;
% subplot（512）
%  plot（a2）;
%   ylabel（‘a2‘）;
%  subplot（513）
%  plot（w2）;
%   ylabel（‘w2‘）;
%  subplot（514）
%  plot（w1）;
%   ylabel（‘w1‘）;
%  subplot（515）
%  plot（w0）;
%   ylabel（‘w0‘）;



% figure（1）; %画出信号图和其频谱图%
% subplot（211）plot（s）
% ylabel（‘signal‘）;
% subplot（212）stem（linspace（-r/4r/4100）abs（fftshift（fft（s））））;
% ylabel（‘幅度谱‘）;
% 
% figure（2）%画出第一级近似部分与细节部分的时间和频谱图%
% subplot（221）plot（a0）
% ylabel（‘a_0‘）;
% subplot（222）stem（linspace（-r/4r/452）abs（fftshift（fft（a0））））;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        4724  2012-12-06 10:45  APA.m