卡尔曼滤波的噪声环境下语音增强

卡尔曼滤波器，也称为线性二次估计（LQE），是一种使用了一系列的观察随时间的测量，含有噪声（随机变化）和其它不准确的算法，并产生往往比更精确的未知变量的估计那些基于单个测量一个人。更正式，卡尔曼滤波器递归操作上嘈杂的输入数据流，以产生底层系统状态的统计optimalestimate。该过滤器被命名为鲁道夫（鲁迪）E.卡尔曼，其理论的主要开发者之一。卡尔曼滤波器具有技术许多应用。一个常见的应用是用于指导，导航和车辆控制，特别是飞机和航天器。此外，该卡尔曼滤波器是在例如信号处理和计量领域中使用的广泛应用的概念银泰序列分析。该算法工作在一个两步骤的过程。在所述预测步骤中，卡尔曼滤波器产生的当前状态变量的估计值，以及它们的不确定性。一旦下一个测量（一定损坏与一定量的误差，包括随机噪声）的结果观察到，这些估计是使用加权平均，具有更多的权重被给予较高的确定性的估计进行更新。由于该算法的递归性的，它可以实时运行仅使用本输入的测量和先前计算出的状态，并且它的不确定性矩阵;不需要额外的过去的信息。它是卡尔曼滤波假设所有的误差项和测量高斯分布一种常见的误解。卡尔曼的原纸使用正交投影理论表明该协方差最小化导出的过滤器，以及此结果不需要任何假设，例如，该误差是高斯型的。[1]然后，他表明，该过滤器产生的确切条件概率估计在特殊的情况下，所有的误差是高斯分布。

kalman.m