3种改进型LMS算法在噪声抵消中的仿真比较

ｒ、ｎ噪声控制　⑥６ｓ＠＠⑥　⑥０　文章编号：１００２—８６８４（２００７）０９—００６６—０４　３种改进型ＬＭＳ算法在噪声抵消　中的仿真比较冰　曹斌芳１，２，何怡刚　，李建奇　，方葛丰　，刘　慧１　・论文・　（１．湖南大学电气与信息工程学院，湖南长沙４１００８２；２．湖南文理学院物理与电子科学系．湖南常德４１５０００）　【摘　要】介绍了噪声抵消的原理和从强背景噪声中采用自适应滤波提取有用信号的方法：对基于ｓｉｇｍｉｎｄ函数的　变步长算法、基于箕舌线和基于抽样函数的变步长算法进行了对比研究。计算机仿真结果表明，这３种算法都能通　过有效抑制各种干扰来提高强噪声背景中的信号检测特性；输出均方误差曲线和信噪比表明：基于抽样函数的变　步长ＬＭＳ算法具有良好的收敛性能、更小的权噪声和更大的抑噪能力。　【关键词】自适应滤波；噪声抵消；算法；仿真　【中图分类号】ＴＰ２７３￣．２１　【文献标识码】Ａ　Ｓｉｍｕｌａｔｉｎｇ　Ｃｏｍｐａｒｉｓｏｎ　ｏｆ　Ｍｏｄｉｆｉｅｄ　ＬＭＳ　Ａｌｇｏｒｉｔｈｍｓ　ｉｎ　Ｎｏｉｓｅ　Ｃａｎｃｅｌｌａｔｉｏｎ　Ａｐｐｌｉｃａｔｉｏｎ　ＣＡＯ　Ｂｉｎ－ｆａｎｇ　２　ＨＥ　Ｙｉ－ｇａｎｇ‘．ＬＩ　Ｊｉａｎ－ｑｉ　，ＦＡＮＧ　Ｇｅ—ｆｅｎｇ　．ＬＩＵ　Ｈｕｉ　（１，Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｌｅｃｔｉｃａｌｒ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ　４１００８２，Ｃｈｉｎａ；　２．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｐｈｙｓｉｃｓ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ，ｆｆｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｒｔｓ　ａｎｄ　Ｓｃｉｅｎｃｅｓ，Ｃｈａｎｇｄｅ　Ｈｕｎａｎ　４　１　５０００，Ｃｈｉｎａ）　【Ａｂｓｔｒａｃｔ】Ｔｈｅ　ｔｈｅｏｒｙ．ｏｆ　ｎｏｉｓｅ　ｃａｎｃｅｌｉｎｇ　ａｎｄ　ｍｅｔｈｏｄｓ　ｔｏ　ａｂｓｔｒａｃｔ　ｔｈｅ　ｄｅｓｉｒｅｄ　ｓｉｇｎａｌｓ　ｆｒｏｍ　ｓｔｒｏｎｇ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ｕｓｉｎｇ　ａｄａｐｔｉｖｅ　ｆｉｌｔｅｒｉｎｇ　ａｒｅ　ｄｅｓｃｒｉｂｅｄ．ＬＭＳ　ａｌｇｏｒｉｔｈｍｓ　ｂａｓｅｄ　Ｓｉｇｍｉｎｄ　ｆｕｎｃｔｉｏｎ，Ｔｏｎｇｕｅ—Ｌｉｋｅ　Ｃｕｒｖｅ，ａｎｄ　Ｓａｍｐｌｅ　ｆｕｎｃｔｉｏｎ　ａｒｅ　ｃｏｍｐａｒｅｄ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ａｌｌ　ｔｈｉｓ　ａｌｇｏｒｉｔｈｍｓ　ｃａｎ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｂｉｌｉｔｙ　ｔｏ　ｄｅｔｅｃｔ　ｗｅａｋ　ｓｉｇｎａｌｓ　ｕｎｄｅｒ　ｔｈｅ　ｓｔｒｏｎｇ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ．　Ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈｅ　ｏｔｈｅｒ　ｔｗｏ　ａｌｇｏｒｉｔｈｍｓ，ＬＭＳ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　Ｓａｍｐｌｅ　ｆｕｎｃｔｉｏｎ　ｈａｓ　ｂｅｔｔｅｒ　ｐｅｒｆｏｒｍａｎｃｅ，ｌｏｗｅｒ　ｍｉｓａｄｊｕｓｔｍｅｎｔ　ｎｏｉｓｅ，ａｎｄ　ｓｔｒｏｎｇｅｒ　ｒｏｂｕｓｔｎｅｓｓ　ａｇａｉｎｓｔ　ｎｏｉｓｅ　ａｎｄ　ｄｉｓｔｕｒｂａｎｃｅ，　【Ｋｅｙ　ｗｏｒｄｓ】ａｄａｐｔｉｖｅ　ｆｉｌｔｅｒｉｎｇ；ｎｏｉｓｅ　ｃａｎｃｅｌｌａｔｉｏｎ；ａｌｇｏｒｉｔｈｍｓ；ｓｉｍｕｌａｔｉｏｎ　１　引言　目前，消除弱信号中强噪声干扰的问题比较普　遍，如从背景噪声中分离语音信号，可用于提高噪声环　境（如作战飞机、坦克或车）中语音系统的性能、胎儿　其参数进行控制以实现最佳滤波。不同的自适应滤波　器算法具有不同的收敛速度、稳态失调和算法复杂度。　根据自适应算法是否与滤波器输出有关，可将其分成　开环算法和闭环算法。自适应噪声抵消器中利用了输　出反馈，属于闭环算法，其优点是能在滤波器输入变化　时保持最佳输出，而且还能在某种程度上补偿滤波器　元件参数的变化、误差以及运算误差；缺点是存在稳定　心电图中干扰信号滤波、自适应线谱增强和通信信道　的自适应均衡等。被埋藏在强背景噪声中的有用信　号通常微弱而不稳定，而背景噪声往往又是非平稳并　随时间变化的，因此很难用传统方法来解决噪声背　景中信号提取的问题＿　】］。自适应噪声抵消（Ａｄａｐｔｉｖｅ　Ｎｏｉｓｅ　Ｃａｎｃｅｌｉｎｇ，ＡＮＣ）技术是１种有效降噪的方法，　性问题以及收敛速度不高　］。因此，如何提高收敛速度、　增强稳定性以满足信号处理的高效性、实时性，一直是　人们研究的重点和热点。　笔者基于ＡＮＣ对比研究了几类改进型ＬＭＳ算　当系统能提供良好的参考信号时，其可获得很好的提　取效果。　法，并对它们在分离周期信号和随机噪声中呈现的滤　波性能进行了分析。同时对３种变步长ＬＭＳ算法的收　敛速度，收敛精度（即稳态误调噪声）、计算复杂度和抗　ＡＮＣ系统的核心是自适应滤波器，自适应算法对　ｆ基金项目】国家自然科学基金（５０６７７０１４）；湖南省自然科学基金　堕童熊垂２ｏＯ！生蔓　查蔓　塑　维普资讯 http://www.cqvip.com

噪性能进行了分析。　２　算法原理　２．１原理　图１为消除弱信号中强噪声干扰的ＡＮＣ系统原　理框图【　。　（ｎ）＝［　（ｎ），Ｗ。（ｎ），…，ＷⅣ．。（ｎ）］　表示自适　应滤波器在时刻ｎ的权矢量系数，主输入信号为　ｄ（ｎ）－－Ｓ（ｎ）＋ｎ　（ｎ）　（１）　其中，　（ｎ）为不含噪声的理想信号；ｎ　（ｎ）是待消除的　噪声信号。参考输入信号为ｎ。，ｎ。与有用信号ｓ无关但　与　相关。利用输入噪声的相关性和信号与噪声的独　立性，使参考输入通过自适应滤波器与主输入中噪声　分量逼近并相减，输出误差信号ｅ。自适应滤波算法决　定滤波器对参考信号ｎ．的处理，使滤波器的输出尽可　能逼近主输入中的干扰成分。在最佳准则意义下滤波　器的输出ｙ逼近　等效于系统的输出ｅ逼近　，从而在　噪声对消器的输出端大大提高了信噪比。但若参考通　道除检测到噪声ｎ．外，还收到信号分量，则自适应滤波　器的输出中将包含信号分量，从而使噪声对消效果变　坏。因此，为获得良好的噪声对消性能，应使参考通道　检测到的信号尽可能小，因此，宜在信号不可测的噪声　环境拾取参考输入信号。　２．２算法　ＡＮＣ系统特性强烈地受自适应算法的影响。根据　自适应算法优化准则的不同，算法可分为：最小均方　（Ｌｅａｓｔ　Ｍｅａｎ　Ｓｑｕａｒｅ，ＬＭＳ）算法和递推最小二乘（Ｒｅ—　ｃｕｒｓｉｖｅ　Ｌｅａｓｔ　Ｓｑｕａｒｅ，ＲＬｓ）算法　。为解决传统ＬＭＳ算　法存在梯度噪声放大问题，以及为克服常规的固定　步长ＬＭＳ自适应算法在收敛速率、跟踪速率与权失　调噪声之间要求上存在的矛盾，许多学者研究出了各　种各样的改进型ＬＭＳ算法，如归一化ＬＭＳ算法、基于　Ｓｉｇｍｉｎｄ函数的变步长ＬＭＳ算法【　、基于箕舌线的变　步长ＬＭＳ自适应算法　以及基于抽样函数的变步长　ＬＭＳ算法【　等。　噪声控制　⑥６岛＠＠⑥闶　Ｄ，⑥　２．２．１　基于Ｓｉｇｍｉｎｄ函数的变步长ＬＭＳ算法　文献【５］建立了步长　（ｎ）和误差ｅ（ｎ）的函数关系　（　）：ｄ（　）一ＸＴ（　）　（　）　）　＿ｅ（训＝６｛　＿ｐ［＿　＿０．５｝（２）　ｗ（ｎ＋１）＝　（ｎ）＋２／ｘ（ｎ）ｅ（ｎ）Ｘ（ｎ）　其中，ｘ（ｎ）为输入信号矢量；　（ｎ＋１）为（ｎ＋１）时刻的权　系数矢量；ｎ是控制Ｓｉｇｍｉｎｄ函数形状的常数；６是控制　Ｓｉｇｍｉｎｄ函数范围的常数。　２．２．２　基于箕舌线的变步长ＬＭＳ自适应算法阎　文献［８］建立了步长　（ｎ）和误差ｅ（ｎ）的函数关系　ｌｆ　ｅ（ｎ）＝ｄ（ｎ）一Ｘ（ｎ）Ｗ（ｎ）　＝ｎ［卜　１　【Ｗ（ｒｔ＋１）－Ｗ（ｎ）＋２／．ｔ（ｎ）ｅ（ｎ）Ｘ（ｎ）　其中，ｎ的最大值为ａｍ＝１／Ａ　（Ａ…为输入信号自相关　矩阵特征值的最大值），在此范围内，算法收敛。　２．２．３基于抽样函数的变步长ＬＭＳ算法　文献『９１提出了步长　（ｎ）和误差ｅ（ｎ）的函数关系　（　）：ｄ（　）一ＸＴ（　）　（　）　（ｎ）＝ｎ　１一皇　｝　（４）　Ｗ（ｎ＋１）＝　（ｎ）＋２肛（ｎ）ｅ（ｎ）Ｘ（ｎ）　其中，ａ的最大值约为ｎ　＝ｏ．８／Ａ　，在此范围内，算法　收敛。　３　计算机模拟仿真结果与分析　３．１仿真结果［４，１０－１１］　为了检验自适应滤波算法在噪声抵消应用中的滤　波性能，分别对基于Ｓｉｇｍｉｎｄ函数的变步长ＬＭＳ算法、　基于箕舌线的变步长ＬＭＳ自适应算法和基于抽样函　数的变步长ＬＭＳ算法进行计算机仿真实验。图２为这　３种改进型变步长ＬＭＳ算法步长　（ｎ）和误差ｅ（ｎ）的　函数关系　。从图２可看出，虽然抽样函数存在旁瓣，但　其幅度很小，并对应在ｅ较大处。在主瓣内通过调整参　数，在自适应初始阶段可让基于抽样函数的变步长　ＬＭＳ算法在误差相等情况下具有较大步长，而在稳态　自适应阶段有较小步长，且ｄ／．ｄｄｅ较小。因此，将抽样　函数用于变步长ＬＭＳ算法在理论上好于箕舌线变换　函数和Ｓｉｇｍｉｎｄ函数。经过大量计算机仿真，３种算法　的最佳参数设置如表１所示，其中输入信号为正弦信　号，仿真算法由ＭＡＴＬＡＢ语言实现。３种改进型算法　堕童鲢垂　！生蔓　鲞蔓！塑１　维普资讯 http://www.cqvip.com ｒ、ｎ噪声控制　⑥６岛＠＠⑥闶　０，⑥０　提取结果如图３所示，其中图３（ａ）为纯净的正弦信　号；图３（ｂ）是振幅为２的正弦波叠加高斯白噪声的混　迭信号，其是系统的主输入信号。图３（ｃ）～（ｅ）为分别　采用基于Ｓｉｇｍｉｎｄ函数的变步长ＬＭＳ算法、基于箕舌　线的变步长ＬＭＳ算法和基于抽样函数的变步长ＬＭＳ　算法提取的正弦信号。　表１　３种算法的参数设置　０　２００　４ｏｏ　６ｏｏ　８ｏｏ　１　０００　１　２ｏｏ　１　４ＯＯ　１　６ＯＯ　１　８００　２　０００　采样点数　（ａ）纯净正弦信号　量　。一１Ｏ　Ｌ　　．—　ＪＬ—．—．．—＾＿＿——．＿　．．ｌ★＿一ｉ—　一＿Ｉ．．．—．囊Ｌ－．．－．．一．Ｉ—．Ｉ－Ｌ　—　—　　．．—　．ＪＬ　——．　＾—．．　．—ｊ．．　，——．▲　．一＿Ｊ　０　２ｏｏ　４ｏｏ　６００　８ｏｏ　１　０００　１　２ｏｏ　１　４００　１　６ＯＯ　１　８００　２　０００　采样点数　（ｂ）混迭信号　１　越　０一１　０。Ｅ三’　／三三—三—三＼／三三—三＼／三三—＼　三／三—　＼．／　—、、．／　采样点数　（ｅ）基于Ｓｉｇｍｉｎｄ函数的变步长ＬＭＳ算法提取的正弦信号　…１０厂—　——１－——ｒ—１——１’——　—’——１＿——ｒ—］　量ｏ—．１０　　Ｐ　—　＼／一１．．．．．．．．．．‘　．．．．．．．．　ｊ．．．　。．　．．．Ｊ．．．．．．一．　．、．＼／、—／＼—／一１　．．．．．．．．ｊ．．．．．．．．．．Ｊ．．．．．．．．．．‘．．．．．．．、．．Ｊ．．．．＼—　．．．．．．Ｊ．．一＿Ｊ　０　２００　４００　６００　８００　１　０００　１　２００　１　４ＯＯ　１　６ＯＯ　１　８００　２　０００　采样点数　（ｄ）基于箕舌线的变步长ＬＭＳ算法提取的正弦信号　１　０　罂　０　’＼　．一，—＼．／—＼／—＼．／—＼－　＼／　一１　ｏ　Ｌ———　———　———　————。———　———　———　————　———　０　２００　４ＯＯ　６ＯＯ　８００　１　０００　１　２００　１　４ＯＯ　１　６ＯＯ　１　８００　２　０００　采样点数　（ｅ）基于抽样函数的变步长ＬＭＳ算法提取的正弦信号　图３　３种改进型算法的提取结果　从图３可以看出，采用基于抽样函数的变步长　ＬＭＳ算法提取到的正弦信号与标准的正弦信号非常　接近，滤波效果好。而基于Ｓｉｇｍｉｎｄ函数的变步长ＬＭＳ　国堕妻熊童　！生蔓　鲞蔓　塑　算法和箕舌线的变步长ＬＭＳ自适应滤波算法虽然世　能将信号提取出来，但是其滤波效果较差。　３．２滤波性能比较分析　图４为３种改进型算法的权值收敛曲线，图４（ａ）一　（ｃ）分别为采用基于Ｓｉｇｍｉｎｄ函数、箕舌线和抽样函　的变步长ＬＭＳ算法在提取正弦信号时所得到的滤　器权系数收敛曲线。图４表明３种算法的权值收敛运　度和收敛曲线估计精度高并且稳定性好，可以明显扣　制振动加速收敛过程。　孽　７口蓝　采样点数　（ｂ）基于箕舌线的变步长ＬＭＳ算法　孽　采样点数　（ｃ）基于抽样函数的变步长ＬＭＳ算法　图４　３种改进型算法的权值收敛曲线　图５为３种改进型算法的均方误差曲线，其中膣　５（ａ）～（ｃ）分别采用Ｓｉｇｍｉｎｄ函数、箕舌线和抽样函数　变步长ＬＭＳ算法在处理过程中的均方误差曲线，它摧　明了在迭代过程中均方误差的减少过程。由图５可矢ｌ　抽样函数的变步长ＬＭＳ算法在迭代过程中产生的　方误差明显小于基于Ｓｉｇｍｉｎｄ函数和箕舌线的变步长　ＬＭＳ算法。　为了进一步分析各算法的性能和在实际应用中　特点，将信噪比作为衡量各自适应算法在提取正弦　号的性能指标。信噪比定义为　信噪［Ｌ＝ＩＯ　ｌｇ（信号功率／噪声功率）　（５　在输入信噪比为２　ｄＢ的情况下，３种算法的输吐　信噪比分别为１７．７０７　７，２１．３５０　７，２４．４５６６。从均方误差　曲线和输出信噪比来看，基于抽样函数的变步长ＬＭ　算法性能更好一些，其在很大程度上解决了收敛速度　和稳态误差的矛盾，在保证较好精度前提下提高了　敛速度。　维普资讯 http://www.cqvip.com 噪声控制　⑥　＠＠⑥闶　⑥　２版．北京：电子工业出版社，２ｏｏ３．　１０　【２】ＧＲＥＥＮＢＥＲＧ　Ｊ　Ｅ．Ｍｏｄｉｉｆｅｄ　ＬＭＳ　ａｌｇｏｒｉｔｈｍｓ　ｆｂｒ　ｓｐｅｅｃｈ　譬　ｓ　０　２０ｏ　４００　６００　８００　１　０００　１　２００　１　４００　１　６０Ｏ　１　８００　２　０００　ｐｒｏｃｅｓｓｉｎｇ　ｗｉｔｈ　ａｎ　ａｄａｐｔｉｖｅ　ｎｏｉｓｅ　ｃａｎｃｅｌｌｅｒ…．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｓｐｅｅｃｈ　ａｎｄ　Ａｕｄｉｏ　Ｐｒｏｃｅｓｓｉｎｇ，１９９８，６（４）：　３３８—３５　１．　采样点数　【３】ＥＦＥＡＣＨＯＲ　Ｅ　Ｃ，ＪＥＲＶＩＳ　Ｂ　Ｗ，罗鹏飞，等．数字信号　处理实现方法【Ｍ】．２版．北京：电子工业出版社，２００４．　粤　【４】ＨＡＹＫＩＮ　Ｓ，郑宝玉．自适应滤波器原理【Ｍ】．４版．北京：　电子工业出版社，２００３．　采样点数　（ｂ）基于箕舌线的变步长ＬＭＳ算法　１０　【５】覃景繁，韦岗．基于Ｓ型函数的变步长ＬＭＳ自适应滤波　算法［Ｊ】．无线电工程，１９９６，２６（４）：４４—４７．　【６】高鹰，谢胜利．一种变步长ＬＭＳ自适应滤波算法及分　譬　ｓ　０　２００　４００　６００　８００　１　０００　１　２００　１　４００　１　６００　１　８００　２　０００　析ｆＪ］．电子学报，２００１，２９（８）：ｌ　０９４一ｌ　０９７．　采样点数　（ｃ）基于抽样函数的变步长ＬＭＳ算法　】罗小东，贾振红，王强．一种新的变步长ＬＭＳ自适应滤波　算法ｆＪ］．电子学报，２００６，３４（６）：ｌ　１２４一ｌ　１２６．　【８】邓江波，侯新国，吴正国．基于箕舌线的变步长ＬＭＳ自适　应算法…．数据采集与处理，２００４，１９（３）：２８２—２８５．　图５　３种改进型算法的均方误差曲线　４　结论　传统固定步长ＬＭＳ算法以其计算简单，易于工程　【９】詹国强，吴正国．一种新的变步长ＬＭＳ自适应滤波算　法…．海军工程大学学报，２００６，１８（２）：１０９一ｌｌ２．　【１０】ＢＥＲＳＨＡＤ　Ｎ　Ｊ．Ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｎｏｒｍａｌｉｚｅｄ　ＬＭＳ　ａｌｇｏ—　实现而得到广泛应用，但其存在收敛速度慢和精度低　的缺点ｌｌ】　。笔者基于ＡＮＣ系统，对比研究了３种变步　长自适应滤波算法在噪声抵消应用中的滤波性能。计　算机仿真结果表明，３种算法都能从强背景噪声中提　取有用信号。但基于抽样函数的变步长ＬＭＳ算法有　更快的启动速度和收敛速度，对非平稳信号适应性强，　ｒｉｔｈｍ　ｗｉｔｈ　Ｇａｕｓｓｉａｎ　ｉｎｐｕｔｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ａｃｏｕｓｔｉｃ，　Ｓｐｅｅｃｈ，ａｎｄ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，１９８６，３４：７９３—８０６．　【ｌｌ】恩格尔ｗ　Ｋ，普罗克斯Ｊ　Ｇ．数字信号处理使用ＭＡＴ—　ＬＡＢ［Ｍ］．刘树棠，译．西安：西安交通大学出版社，２００２．　【ｌ２】王小华，何怡刚．３型ＦＩＲ高阶多通带滤波器的自适应　优化设计研究ｆＪ］．电路与系统学报，２００５，１０（５）：１３３—　１３５．　滤波性能明显好；但误差曲线上存在较明显的残余（失　调）误差，并且运算量也大于标准ＬＭＳ算法。值得深入　研究的是降低各种算法的计算复杂度，进一步提高基　于抽样函数的变步长ＬＭＳ算法的收敛速度并减少其　残余（失调）误差。　参考文献　作者简介　曹斌芳，硕士研究生，主要研究方向为数字信号处理、神经　网络；　何怡刚，教授，博士生导师，主要研究方向为电路测试与故障　诊断、神经网络及其应用等。　【责任编辑】潘浩然　【收稿日期】２００７—０５—１３　【１】龚耀寰．自适应滤波（时域自适应滤波和智能天线）【Ｍ】．　（上接第６５页）　ｓｐｅａｋｅｒ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ｕｓｉｎｇ　Ｇａｕｓｓｉａｎ　ｍｉｘｔｕｒｅ　ｓｐｅａｋｅｒ　【７】ＲＡＭＡＣＨＡＮＤＲＡＮ　Ｒ　Ｐ，ＦＡＲＲＥＬＬ　Ｋ　Ｒ，ＲＡＭＡＣＨＡ—　ＮＤＲＡＮ　Ｒ，ｅｔ　ａ１．Ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ—ｇｅｎｅｒａｌ　ｃｌａｓｓｉｉｅｒ　ｆｍｏｄｅｌｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｓｐｅｅｃｈ　ａｎｄ　Ａｕｄｉｏ　Ｐｒｏｃｅｓｓｉｎｇ，　１９９５，３（１）：７２—８３．　ａｐｐｒｏａｃｈｅｓ　ａｎｄ　ｄａｔａ　ｆｕｓｉｏｎ　ｍｅｔｈｏｄｓ［Ｊ］．Ｐａｔｔｅｒ　Ｒｅｃｏｇｎｉｔｉｏｎ，　２００２，３５：２　８０１—２　８２１．　作者简介　邓智恒，硕士研究生，主要研究方向为语音信号处理；　罗伟栋，博士　讲师，主要研究方向为盲信号处理、智能信息　系统和嵌入式信息系统。　【责任编辑】潘浩然　【收稿日期】２００７—０５—１６　【８】ＣＡＭＰＢＥＬＬ　Ｗ，ＡＳＳＡＬＥＨ　Ｋ，ＢＲＯＵＮ　Ｃ．Ｓｐｅａｋｅｒ　ｒｅｃｏｇ－　ｎｉｔｉｏｎ　ｗｉｔｈ　ｐｏｌｙｎｏｍｉａｌ　ｃｌａｓｓｉｉｆｅｒｓ［Ｊ１．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｓｐｅｅｃｈ　ａｎｄ　Ａｕｄｉｏ　Ｐｒｏｃｅｓｓｉｎｇ，２００２，１０：２０５—２１２．　【９】ＲＥＹＮＯＬＤＳ　Ｄ　Ａ，ＲＯＳＥ　Ｒ　Ｃ．Ｒｏｂｕｓｔ　ｔｅｘ卜ｉｎｄｅｐｅｎｄｅｎｔ　堕妻缝童　生蔓　鲞蔓　塑匝