Porttelefoner används ofta i högljudda miljöer. Ett exempel på en sådan miljö är vindutsatta områden, där operatören i ett rum kan uppleva svårigheter att uppfatta tal från användaren som talar i en porttelefon på grund av den omgivande höga ljudnivån. Många porttelefoner och andra liknande enheter stöter vanligtvis på utmaningar och begränsningar, särskilt när det gäller snabbhet, storlek, resurshantering och hantering av dynamiska signaler.  Detta projekt genomfördes vid ett svenskt företag inom nätverksbaserade lösningar för videoövervakning och fysisk säkerhet. Projektet syftar till att utforska och implementera ett adaptiv filter med en adaptiv algoritm i C-programmering för att komplettera ett digitalt signalbehandlingssystem som en strategi för att förbättra ljudkvaliteten genom att reducera bruset hos porttelefoner i utmanande miljöer. Genom att tillämpa ett lämpligt adaptiv filter i en Raspberry Pi för att simulera en porttelefon, strävar projektet efter att reducera brus och optimera talet. Några av de vanligaste filtreringsalgoritmerna som använts i tidigare forskning för att förbättra ljudkvaliteten är Least mean square, Normalized least mean square och Recursive least square som även utvärderas i denna studie. Efter noggranna studier valdes algoritmen Normalized least mean square för implementering i detta projekt. Algoritmens prestanda utvärderas med hjälp av beräkningstiden, medelkvadratfelet och signal-till-brus-förhållandet i Matlab samt användartester för att säkerställa kvaliteten. Detta projekt uppnådde målen genom att utveckla ett fungerande adaptivt filter. Det rekommenderas att implementera filtret i en porttelefon där mikrofonerna inte är placerade nära varandra för att förhindra upptagning av dubbla liknande signaler. Under projektets gång hanterade systemet kontinuerligt dataströmmar effektivt i praktiska tester, vilket bekräftade att det fungerade utan fördröjningar. Detta bevisade det adaptiva filtrets effektivitet i verkliga applikationer, särskilt i högljudda miljöer. / Intercoms are often used in noisy environments. An example of such an environment is windy areas, where the operator inside a room may find it difficult to perceive speech from a user speaking through an intercom due to the surrounding high noise levels. Many intercoms and other similar devices typically encounter challenges and limitations, especially in terms of speed, size, resource management, and handling of dynamic signals. This project was carried out at a Swedish company specializing in network-based solutions for video surveillance and physical security. The project’s objective was to study and implement an adaptive filter with an adaptive algorithm in C programming to complement a digital signal processing system, as a strategy to enhance sound quality by reducing noise in intercoms in challenging environments. By applying a suitable adaptive filter in a Raspberry Pi to simulate an intercom, the goal of the project is to reduce noise and optimize speech clarity. Some of the most common filtering algorithms used in previous research to improve sound quality include Least mean square, Normalized least mean square och Recursive least square, which are evaluated in this study. After thorough studies, the Normalized least mean square algorithm was selected for implementation in this project. The performance of the algorithm is assessed using computation time, mean squared error, and signal-to-noise ratio in Matlab, along with user testing to ensure quality. This project achieved its goals by developing a functional adaptive filter. It is recommended to implement the filter in an intercom where the microphones are not placed close to each other to prevent the capture of similar duplicate signals. Throughout the project, the system continuously handled data streams effectively in practical tests, confirming that it operated without delays. This demonstrated the adaptive filter's effectiveness in real applications, particularly in noisy environments.