同时，对近代滤波举行了娓。，对自适应滤光器和卡尔曼滤光器受胎必然认得，用matlab过滤。，见卡尔曼滤光器更相比顶用，原始记号在较大的噪声中可以回复。。新学期很快要开端了，由于TI的开门板一向都在保持，例如，获知信息技术开展委任的密谋被暂缓执行的，不过对使发声记号处置和滤光器的听说早已更深化了。。在新学期里持续娓！
卡尔曼滤波的根本思惟是：最小均方偏航作为最佳效果评价原则，由于记号和噪声的身份挡住通路创造者，运用身份变量的评价值恢复的身份变量的评价，求涌流momen的评价值，算法比照找到的体系方程和察看方程对需求处置的记号做出愿意的最小均方偏航的评价。
长时期内语音记号突然转向，不过一阶和二阶统计法在东西体系中是相近持续性的。，例如语音记号在绝对较短的时期内可以看成白噪声鼓励以直线的时持续性体系存在的定态输出。假说语音记号可以名声是由AR创造者产品的。：
时期恢复的方程：
计量恢复的方程式：
K(t)为卡尔曼增益，计算表达式列举如下：
在内侧地
、
跑过创造者噪声协变和测创造者噪声协变，实物测量协变可以因察看存在。，更难决定，在本试验中，将试验归结为与两种办法举行了相比。。
由于语音记号是短期波动的，例如在举行卡尔曼滤波在前对记号举行分帧加窗手术，因滤波后，对处置后的记号举行帧处置。，在这里的帧一段是256，帧堆叠数为12；
下图为原始使发声记号和加噪声后的记号又使发声记号与经卡尔曼滤波处置后的记号：
原始使发声记号和加噪声后的记号
原使发声记号与经卡尔曼滤波处置后的记号
Matlab次达到预期的目的列举如下：
%%%%%%%%%%%%%%%%%由于LPC全摆船创造者的最大后验概率评价法,采取卡尔曼滤波%%%%%%%%%%%%%%
clear;
clc;
%%%%%%%%%%%%%%%%%%%%%%%%%%%重读使发声通知%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
load voice.mat
y=M1（2）,:);
x=y+*randn(1,一段（Y）
%%%%%%%%%%%%%%%原使发声记号和加噪声后的记号%%%%%%%%%%%%%%%
图（1）
子地块（211）；地块（M1（1）,:),M1（2）,:));xlabel(”时期”);ylabel(”射程”);title(”原使发声记号”);
子地块（212）；地块（M1（1）,:),x);xlabel(”时期”);ylabel(”射程”);title(”加噪声后的记号”);
%%%%%%%%%%%%%%%%%%%%%%%%%输出参量%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Fs=44100;
bits=16;
N=256;
%帧长
m=N/2;
每帧平移间隔
lenth=length(x);
输出记号一段
count=floor(lenth/m)-1;
需求平移以处置整体记号的帧数为%。泽尔
p=11;
a=zeros(1,p);
w=hamming(N);
y_temp=0;
F=zeros(11,11);
F(1,2)=1;
F(2,3)=1;
F(3,4)=1;
F(4,5)=1;
F(5,6)=1;
F(6,7)=1;
F(7,8)=1;
F(8,9)=1;
F(9,10)=1;
F(10,11)=1;
H=zeros(1,p);
S0=zeros(p,1);
P0=zeros(p);
S=zeros(p);
H(11)=1;
s=zeros(N,1);
G=H”;
P=zeros(p);
%%%%%%%%%%%%%%%%试验噪声协变%%%%%%%%%%%%%%%%%%%%%%
y_temp=cov(x(1:7680));
x_frame=zeros(256,1);
x_frame1=zeros(256,1);
T=zeros(lenth,1);
for r=1:count
%%%%%%%%%%%%%%%%%%%5%%%%%分帧处置%%%%%%%%%%%%%%%%%%%%%
x_frame=x((r-1)*m+1:(r+1)*m);
%%%%%%%%%%%%%%%%采取LPC创造者求转变矩阵参量%%%%%%%%%%%%%%
if r==1
[a,vs]=lpc（x_帧,p);
[a,VS]=lpc(T((r-2)*m+1:(r-2)*m+256),p);
end
%%%%%%%%%%%%%%%%帧长内跑过噪声协变%%%%%%%%%%%%%%%%%%
if
(VS-y_temp>0)
VS=VS-y_temp;
else
VS=
end
F(p,:)=-1*a(p+1:-1:2);
for j=1:256
if(j==1)
S=F*S0;
Pn=F*P*F”+G*VS*G”;
else
S=F*S;
时期恢复的方程
Pn=F*P*F”+G*VS*G”;
end
K=Pn*H”*(y_temp+H*P*H”).^(-1); %卡尔曼增益
P=（眼（P）-K*H）*PN
S=S+K*[x_frame(j)-H*S];
T((r-1)*m+j)=H*S;
end
%%%%%%%%%%%%%%%%对存在的每帧通知举行加窗手术%%%%%%%%%%%%%%%%%%%%%%%%
不锈钢（1:256,r)=T((r-1)*m+1:(r-1)*m+256);
s不锈钢（1:256,r)=不锈钢（1:256,r).*w;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%合帧手术%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for r=1:count
s_out(1:128)=sss(1:128,r);
s_out(r*m+1:r*m+m)=sss(129:256,r);
s_out(((r-1)*m+1):((r-1)*m+m))=sss(129:256,r-1)+sss(1:128,r);
end
图（2）
子地块（211）；地块（M1（1）,:),M1（2）,:));xlabel(”时期”);ylabel(”射程”);title(”原使发声记号”);
子地块（212）；地块（（1:1109760）/F,s_out);xlabel(”时期”);ylabel(”射程”);title(”经卡尔曼滤波后的使发声记号”);
重读中，请稍等。