CN101354885B - 主动噪声控制系统 - Google Patents

Abstract

本发明公开了一种利用基准信号来主动控制由噪声源发出的收听地点处的不希望有的噪声信号的系统和方法，所述基准信号具有的幅度和/或频率使得对于收听地点处的人类收听者而言，所述基准信号被不希望有的噪声信号和/或收听地点处存在的所需信号掩蔽，以便以实时的方式适应随时间变化的次级路径，使得用户不会感到被附加的人为噪声源干扰。

Description

主动噪声控制系统

技术领域

本发明涉及特别是用于汽车和耳机应用中的主动噪声控制(active noise control，ANC)，包括主动电机声音调谐(motor sound tuning，MST)。 

背景技术

噪声通常是用于表示这样的声音的术语，该声音对接收器的信息内容没有贡献，而是被感觉为干扰了有用信号的音频质量。噪声的发出过程可以典型地分成三个区域。这些区域是噪声的产生、其传播(发射)及其感觉。可以看出试图成功降低噪声的尝试最初是针对噪声源本身，例如，通过衰减并随后通过抑制噪声信号的传播来降低噪声。尽管如此，在许多情况下仍不能将噪声信号的发射降低到所需的程度。在这样的情况下，通过叠加补偿信号来去除不希望有的声音的构思得到了应用。 

用于抵消或降低发出的噪声的已知方法和系统(ANC系统和方法)或者用于抵消或降低不希望有的干扰信号的已知方法和系统(例如，通过MST系统和方法)，通过生成抵消声波以叠加到不希望有的信号上来抑制不希望有的噪声，所述抵消声波的幅度和频率值在极大程度上与噪声信号的幅度和频率值完全相同，但是所述抵消声波的相位相对于不希望有的信号偏移了180度。在理想情形下，该方法充分消除了不希望有的噪声。噪声信号的声级的目标性降低的这种效果通常被称为破坏性干扰。 

在这种情况下术语“噪声”既指外部声学声波(诸如汽车的乘客区域中感觉到的环境噪声或运动声音)，也指由机械振动引起的声学声波(例如乘客区域或汽车的开动)。如果声音是不希望有的，那么它们也被称作噪声。每当音乐或语音经由暴露于音频信号的区域(诸如汽车的乘客空间)中的电-声系统而被转播时，信号的听觉感觉通常会被 背景噪声削弱。背景噪声可能由风、引擎、轮胎、风扇及汽车中的其它单元引起，并且因此随速度、道路条件和汽车中的运行状态而变化。 

在现代汽车中，所谓的后座娱乐正变得越来越流行。这是通过这样的系统提供的，该系统提供高质量的音频信号再现并因此需要更加关注或进一步降低所体验的噪声信号。同样地也需要通常通过耳机媒介来将音频信号集中于单独的个人的选项。因此已知的系统和方法既涉及汽车的乘客区域中的声场的应用，也涉及通过耳机的传输。 

特别地，必须考虑由于不希望有的噪声而存在于汽车中的声响-例如从引擎或排气系统发出的分量。由引擎生成的噪声信号通常包括大量正弦分量，这些正弦分量具有与引擎的转速直接相关的幅度和频率值。这些频率分量既包括基频(以每秒的转数表示)的偶次和奇次谐波频率，也包括半阶倍频(half-order multiples)或副谐波(subharmonics)。 

彻底的研究已经显示：低的但恒定的噪声级并不总是被确实地评估。而是，可接受的引擎噪声必须满足严格的要求。谐波音频序列特别受到优待。由于即使对于今天的高度先进的机械引擎设计而言也不能总是排除不谐和音，所以采用一些方法来以积极的方式主动地控制引擎噪声。这种方法被称为电机声音调谐(MST)。为了对这些系统中的声音特性进行建模，例如，采用使用不希望有的音频分量来使它们在源头抵消的方法-例如，通过位于引擎的进气管中的扩音器来生成声学抵消信号。还已知这样的方法，在该方法中，以类似的方式，通过消去不希望有的噪声分量来对汽车的排气系统的声音发射进行建模。 

因为现代数字信号处理和自适应滤波措施得到了利用，所以在近年来用于降低噪声或进行声音建模的主动噪声控制方法和系统正变得日益流行。在典型应用中，例如麦克风的输入传感器被用来得到表示由源头生成的不希望有的噪声的信号。该信号然后被馈送到自适应滤波器的输入端并通过滤波器特性整形为用于控制抵消激励器(例如声学扩音器或机电振动发生器)的输出信号。扩音器或振动发生器生成叠加到源自源头的不希望有的噪声信号或振动上的抵消波或振动。由于在不希望有的噪声上叠加噪声控制声波而产生的观察到的剩余噪声 级通过误差传感器测量，该误差传感器生成相应的误差反馈信号。该反馈信号是用于修改自适应滤波器的参数和特性的基础以便自适应地最小化观察到的噪声或剩余噪声信号的总体水平。反馈信号是用于该响应信号的数字信号处理中的术语。 

数字信号处理中所通用的一种已知算法是用于最小化误差反馈信号的常见的最小均方(Least Mean Squares，LMS)算法的扩展：所谓的x滤波LMS算法(FxLMS，cf.WIDROW，B.，STEARNS，S.D.(1985)：“Adaptive Signal Processing”Prentice-Hall Inc.，Englewood Cliffs，NJ，USA.ISBN 0-13-004029-0)。为了实现该算法，在主动噪声控制激励器(在当前情况下是扩音器)和误差传感器(在这种情况下是麦克风)之间需要声学传递函数的模型。主动噪声控制激励器和误差传感器之间的传递路径也被称为次级或误差路径，并且用于确定传递函数的相应过程也被称为系统识别。另外，例如白噪声之类的附加宽带辅助信号，通过使用最先进的方法从主动噪声控制激励器传递至误差传感器，以确定用于FxLMS算法的次级路径的相关传递函数。次级路径的传递函数的滤波器系数或者在启动ANC系统时被定义并保持恒定，或者被自适应地调节为随时间变化的传递条件。 

该方法的缺点在于，取决于主要环境条件，汽车中的乘客可能会听到特定的宽带辅助信号。该信号可能会被感觉为是干扰性的。特别地，这种附加辅助信号将不能满足高价汽车中对用于后座娱乐的内部声响效果和音频信号传输的质量(＝最小可能噪声)提出的高要求。 

提供这样的方法和系统是一般的需要，该方法和系统使用于确定FxLMS算法所需的次级路径的传递函数的测试信号对于汽车内的人类乘客而言不能听到(并且因此是不唐突的)。 

发明内容

提供了一种用于主动控制由噪声源发出的收听地点处的不希望有的噪声信号的系统，其中不希望有的噪声经由具有主路径传递函数的主路径而被传输到收听地点；所述系统包括：扩音器，用于发出抵消信号以降低或抵消不希望有的噪声信号；所述抵消信号经由次级路径从扩音器传输到收听地点；位于收听地点处的误差麦克风(E)，用于通 过误差信号确定所获得的降低水平；第一自适应滤波器，用于通过使用表示不希望有的噪声信号的信号和来自误差麦克风的误差信号，采用适应于主路径传递函数和次级路径传递函数的商(W(z)＝P(z)/S(z))的传递函数来滤波表示不希望有的噪声信号的信号，来生成抵消信号；以及基准发生器，用于生成与来自第一自适应滤波器的抵消信号一起提供给扩音器的基准信号；所述基准信号具有的幅度和/或频率使得对于收听地点处的人类收听者而言，所述基准信号被不希望有的噪声信号和/或收听地点处存在的所需信号掩蔽。 

一种用于主动控制由噪声源发出的收听地点处的不希望有的噪声信号的方法，其中不希望有的噪声经由具有主路径传递函数的主路径而被传输到收听地点；所述方法包括以下步骤：发出抵消信号以降低或抵消不希望有的噪声信号；所述抵消信号经由次级路径从扩音器被传输到收听地点；通过误差信号确定在收听地点处所获得的降低水平；第一自适应滤波步骤，用于通过使用表示不希望有的噪声信号的信号和误差信号，采用适应于主路径传递函数和次级路径传递函数的商(W(z)＝P(z)/S(z))的传递函数来滤波表示不希望有的噪声信号的信号，来生成抵消信号；以及生成与来自第一自适应滤波步骤的抵消信号一起提供给扩音器的基准信号；所述基准信号具有的幅度和/或频率使得对于收听地点处的人类收听者而言，所述基准信号被不希望有的噪声信号和/或收听地点处存在的所需信号掩蔽。 

附图说明

通过参考以下附图和说明书，可更好地理解本发明。附图中的组件不一定依比例，而是将重点放在说明本发明的原理上。此外，在附图中，同样的附图标记表示相应的部分。在附图中： 

图1是根据本发明的系统的框图； 

图2是示出作为正弦音调的声级的函数的响度(loudness)和作为宽带噪声信号的函数的响度的图； 

图3是示出通过白噪声掩蔽音调的图； 

图4是示出频域中的掩蔽效应的图； 

图5是示出250Hz、1kHz和4kHz的中心频率中的临界频率窄带 噪声的掩蔽阈值的图； 

图6是示出正弦音调的掩蔽效应的图； 

图7是示出同时掩蔽、超前掩蔽和滞后掩蔽的图； 

图8是示出响度感觉与测试音调脉冲的持续时间的关系的图； 

图9是示出掩蔽阈值与测试音调脉冲的重复率的关系的图； 

图10是示出通常的滞后掩蔽效应的图； 

图11是示出与掩蔽声(masker)的持续时间有关的滞后掩蔽效应的图； 

图12是示出复合音调的同时掩蔽的图； 

图13是显示用于心理声学系统识别的示例性系统的框图； 

图14是显示用于心理声学系统识别的另一示例性系统的框图； 

图15是显示用于心理声学系统识别的又一示例性系统的框图； 

图16是实现评估线性函数的掩蔽模型的处理的流程图；以及 

图17是实现评估对数函数的掩蔽模型的处理的流程图。 

具体实施方式

如果与待降低的不希望有的噪声相关的信号被用于驱动主动噪声控制激励器(在这种情况下是扩音器)，那么通常应用前馈控制系统。相反，如果测量并沿回路返回系统响应，那么通常应用反馈处理。与反馈系统相比，前馈系统在抑制或降低噪声方面典型地展现出更大的效力，特别是由于其它们的宽带降噪能力。这是因为前馈系统通过评估噪声信号的发展而启动对演变的噪声的抵抗措施，而使噪声能够得到防止。反馈系统在采取行动以前等待噪声的影响首先变得明显。直到传感器确定噪声的影响时才执行主动噪声控制。反馈系统的优点在于即使没有与噪声相关的可用于控制ANC系统的信号也能够有效地运行。例如，这适用于将ANC系统用于耳机，其中耳机被佩戴在噪声特性事先未知的空间中。前馈和反馈系统的组合在可能的情况下也被用于实际应用，以便获得噪声降低的最高水平。这种系统将在下文中称作混合系统。 

用于主动噪声控制的前馈控制系统的实际应用通常在本质上是自适应的，这是因为要降低的噪声典型地会由于环境条件的改变而在其 声级和频谱组成方面经历随时间的变化。在这里关于汽车的实例中，环境条件的这种改变可能起因于不同的行驶速度(风的噪声，旋转轮胎的噪声)、不同的引擎负载状态、敞开的窗户等。 

已知的是，未知系统的所需脉冲响应或传递函数可以使用自适应滤波器利用递归方法来充分地得到近似。自适应滤波器是指借助于算法在数字信号处理器中实现的数字滤波器，其根据可应用的算法使它们的滤波器系数适应于输入信号。在这种情况下未知系统被假定为其传递函数必须被确定的线性、失真系统。为了找到该传递函数，将自适应系统与未知系统并联连接。 

所谓的x滤波LMS(FxLMS)算法通常被用在这种情况中，或者其变型。x滤波LMS算法的结构显示在图1中，图1示出了采用x滤波LMS(FxLMS)算法的典型数字ANC系统的框图。为了简化起见，在这里没有示出实际实现这种系统所需的其它组件，诸如放大器和模数或数模转换器。 

图1的系统包括噪声源QS，误差麦克风E，以及具有传递函数P(z)的从噪声源S到误差麦克风E的声音传递的主路径P。图1的系统还包括具有传递函数W(z)的自适应滤波器W，用于生成噪声控制声波的扩音器LS，以及具有传递函数S(z)的描述从扩音器LS到误差麦克风E的声音传递的次级路径S。图1的系统中还包括滤波器S^，该滤波器S^的传递函数S^(z)是利用系统识别方法根据S(z)估计的。滤波器S^连接在最小均方算法的功能块LMS的下游，其中功能块LMS用于自适应地调节滤波器W的滤波器系数。LMS算法是用于近似已知最小均方问题的解的算法。该算法递归地运行，也就是，对于设置的每个新数据，都重新运行算法并更新解。LMS算法提供低度的复杂性及相关的计算能力要求、提供数字稳定性和低存储器要求。 

x滤波LMS算法还具有下述优点：其能在例如具有相对小的计算能力的数字信号处理器中实现。需要两个测试信号作为实现FxLMS算法的输入参数：基准信号x(n)，例如直接与影响系统的外部噪声相关；以及误差信号e(n)，例如由信号d(n)和信号y′(n)叠加组成，其中信号d(n)由噪声x(n)沿着具有传递函数P(z)的主路径P引起，信号y′(n)在误差传感器的位置处从通过扩音器LS和具有传递函数S(z)的次级路径S 的激励信号y(n)获得。激励信号y(n)通过利用具有传递函数W(z)的滤波器滤波噪声信号x(n)而得到。名称“x滤波LMS”算法基于这样的事实：不是噪声x(n)直接与误差信号e(n)结合来用于LMS控制的自适应，而是利用滤波器S^的传递函数S^(z)滤波的信号x′(n)与误差信号e(n)结合来用于LMS控制的自适应，以便补偿在从扩音器LS到误差传感器E(例如，麦克风)的主路径P上发生的去相关，特别是宽带误差信号x(n)和误差信号e(n)之间的去相关。 

IIR(Infinite Impulse Response，无限脉冲响应)或FIR(Finite Impulse Response，有限脉冲响应)滤波器被用作传递函数W(z)和S^(z)的滤波器。FIR滤波器具有有限的脉冲响应，并以离散时间步工作，所述离散时间步通常由模拟信号的采样频率确定。n阶FIR滤波器由以下微分方程定义 

$y\left(n\right)=b_0*x\left(n\right)+b_1*x(n-1)+b_2*x(n-2)+...+b_N*x(n-N)=\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{b}_i*x[n-i]$

其中y(n)是n时刻的输出值，并且是从最后N个采样的输入值x(n-N)到x(n)的总和计算的，其中所述总和利用滤波器系数b_i加权。所需的传递函数是通过滤波器系数b_i(i＝0，1...N)的指定来实现的。 

不同于FIR滤波器，已经计算的输出值被包括在用于具有无限脉冲响应的IIR滤波器(递归滤波器)的分析中。然而，因为在无限时间之后的计算值会非常小，所以在实际中在有限数目的采样值n之后可以中断计算。用于IIR滤波器的计算方案是 

$y\left(n\right)=\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{b}_i*x(n-i)-\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{a}_i*y(n-i)$

其中y(n)是n时刻的输出值，并且是根据利用滤波器系数b_i加权的采样输入值x(n)的总和加上利用滤波器系数a_i加权的输出值y(n)的总和来计算的。所需的传递函数再次通过滤波器系数a_i和b_i的指定来实现。 

与FIR滤波器相反，此处IIR滤波器可能是不稳定的，但是对于实现它们而付出的相同水平的花费而言具有更大的选择性。在实际应用中，在考虑到要求和相关的计算的情况下，选择满足相关条件最佳的滤波器。 

如图1所示的x滤波LMS算法的简单设计的缺点在于：次级路径的系统识别的质量取决于音频性质-例如实际噪声信号x(n)的声级、 带宽和频谱分布。这实际上具有下述效果：次级路径的系统识别仅仅在窄带中执行，并且x滤波LMS算法无法考虑到需要抵消噪声的地点处的附加噪声分量，所述附加噪声分量并不包含在取决于确定噪声x(n)的地点的噪声x(n)中。为了符合因果律条件，用于确定噪声信号x(n)的地点位于这样的位置，其使得所得的声音传播时间至少对应于计算扩音器LS的噪声控制信号所需的时间。在实际中，独立于噪声信号x(n)的基准信号通常被用于系统识别。在适合的位置处将该基准信号添加到x滤波LMS算法中。这在图1中由基准信号z(n)示意性地示出，其中所述基准信号z(n)在扩音器LS之前被添加到用于噪声控制的激励信号y(n)，并且所述基准信号z(n)被用于次级路径S的系统识别。在这种情况下，误差麦克风E处的信号y′(n)是通过使用次级路径S的传递函数S(z)传递用于噪声控制的激励信号y(n)和基准信号z(n)的总和来获得的。此处合乎需要的是，系统识别，也就是次级路径S的传递函数S(z)的确定，是利用具有最大可能带宽的信号来执行的。如上所述，该方法的缺点在于取决于主要环境条件，该特定的基准信号z(n)可能会被汽车中的乘客感觉为是干扰性的。 

本发明考虑汽车内部或耳机的可适用的噪声级及其时间特性以及频谱性质，试图以车辆乘客听不到的方式来产生次级路径S的系统识别所需的基准信号z(n)。为了实现这一点，不再仅仅使用物理变量。而是，还考虑人耳的心理声学性质。 

心理声学处理当声波遇到人耳时所出现的音频感觉。基于人的听觉感觉、内耳中频群的生成、人内耳中的信号处理以及时域和频域中的同时和临时掩蔽效应，可以产生模型来表明在存在噪声的情况下对具有正常听觉的人来说，什么样的声信号或者声信号的什么样的不同组合是听得到的和听不见的。在存在噪声时刚好能听到的测试音调(也称为掩蔽声(masker))的阈值被称为掩蔽阈值。相反，最低可听阈值是用于描述在完全安静的环境下刚好能听到的测试音调的阈值的术语。最低可听阈值和掩蔽阈值之间的区域被称为掩蔽区域。 

下面所述的方法使用心理声学掩蔽效应，其是主动噪声控制方法的基础，尤其是用于生成取决于乘客区域中的现状，如本发明所期望的那样对汽车内部的乘客而言听不到的基准信号z(n)的基础。心理声学 掩蔽模型被用于生成基准信号z(n)。以这种方式，次级路径S的系统识别如本发明所要求的那样被自适应地执行，并且被实时地调节为适应噪声信号的改变。当根据本发明而导致掩蔽(也就是基准信号z(n)的听不到)的汽车中的噪声信号经历关于它们的频谱组成以及它们的时间特性的动态变化时，心理声学模型考虑声级的掩蔽对频谱组成以及时间特性的依赖性。 

心理声学掩蔽的建模的基础是人耳尤其是内耳的基本性质。内耳位于所谓的岩骨中并充满不可压缩的淋巴液。内耳的形状像具有大约2¹/₂转的蜗形轮(耳蜗)。耳蜗继而包括平行管道-由基底膜隔开的上管道和下管道。柯替器(organ of Corti)位于基底膜上并包含人耳的感觉细胞。如果基底膜由声波振动，那么会生成神经脉冲-即不出现节点或腹点。这导致对听觉而言至关紧要的效果-基底膜上的所谓的频率/位置变换，利用该频率/位置变换可以解释心理声学掩蔽效应和人耳的精确频率选择性。 

人耳把在有限频带内所发生的不同声波分组在一起。这些频带被称为临界频群或临界带宽(critical bandwidth，CB)。CB的基础是人耳将声音特别是频带编译为关于由声波产生的心理声学听觉印象的公共的听得到的印象。发生在同一频群内的声音活动彼此产生的影响与发生在不同频群内的声波彼此产生的影响不同。与处于不同频群相比，处于一个频群内的具有相同声级的两个音调例如被感觉为更安静。 

当能量相同并且掩蔽声位于中心频率是测试音调的频率的频带中时，在掩蔽声内可以听到测试音调，所寻找的频群带宽可以被确定。在低频情况下，频群具有100Hz的带宽。对于高于500Hz的频率，频群具有相应频群的中心频率的大约20％的带宽。 

如果所有临界频群在遍及整个可听得到的范围内并排设置，那么可获得面向听觉的(hearing-oriented)非线性频率刻度，其被称为音调(tonality)并具有单位“巴克(bark)”。它表示频率轴的扭曲定标，使得频群在每个位置处具有恰好1巴克的相同宽度。频率和音调之间的非线性关系根植于基底膜上的频率/位置变换。音调函数由Zwicker基于掩蔽阈值和响度检查以表格和等式形式定义(参见Zwicker，E.；Fastl，H.Psychoacoustics-Facts and Models，2nd edition，Springer-Verlag， Berlin/Heidelberg/New York，1999)。可以看出在从0到16kHz的可听频率范围内，恰好可以串联地设置24个频群，使得相关音调范围是从0到24巴克。 

此外，术语响度和声强指的是相同的印象量，区别仅在于它们的单位。它们考虑人耳的取决于频率的感觉。心理声学尺度“响度”表示具有特定声级、特定频谱组成和特定持续时间的声音被主观地感觉为多响。如果声音被感觉成是响亮程度变为两倍，那么响度也变成两倍大，这使得不同的声波可以根据感觉到的响度来彼此比较。用于评估和测量响度的单位是宋(sone)。一宋被定义为具有40方响度级的音调的感觉到的响度，也就是被感觉为与具有40dB声压级的频率为1kHz的正弦音调(sinus tone)具有相同响度的音调的感觉到的响度。 

在中等和高强度值的情况下，强度增加10方会使响度发生两倍的增加。对低声强而言，强度的轻微上升会使感觉响度变成两倍大。人所感觉的响度取决于声音的声压级、频谱和时间特性，并且还用于对掩蔽效应进行建模。例如，还存在根据DIN 45631和ISO 532B的用于测量响度的标准化的测量惯例。 

图2显示了具有1kHz频率的稳态正弦音调的响度N_1kHz以及稳态均匀激励噪声的响度N_GAR与声级的关系的实例-即时间效应对感觉响度没有影响的信号。均匀激励噪声(GAR)被定义为在每个频带带宽中具有相同声强并因此具有相同激励的噪声。图2显示了对数标度的以宋为单位的响度与声压级之间的关系。对低声压级而言-即当接近最低可听阈值时，音调的感觉响度N急剧下降。对于高声压级而言在响度N和声压级之间存在一关系，该关系由附图中所示的等式定义。“I”指的是以瓦每m²为单位的所发出音调的声强，其中I₀指的是10^-12瓦每m²的基准声强，其在中心频率处大致对应于最小可听阈值(见下文)。根据连续的特性而变得清楚的是，响度N是确定复合噪声信号的掩蔽的有用手段，并因此是通过频谱复合、随时间变化的声波来进行心理声学掩蔽的模型的必要需求。 

如果测量到声压级1，其是能够几乎感觉到作为频率的函数的音调所需的，那么就获得了所谓的最低可听阈值。即使没有噪声信号的同时存在，人耳也不能感觉到声压级低于最低可听阈值的声信号。 

所谓的掩蔽阈值被定义为在存在噪声信号的情况下能感觉到测试声音的阈值。如果测试声音低于该心理声学阈值，那么测试声音被完全掩蔽。这意味着掩蔽的心理声学范围内的全部信息都不能被感觉-即，听不见的信息可能被添加到任何音频信号中，即使是噪声信号。掩蔽阈值和最低可听阈值之间的区域是所谓的掩蔽区域，其中插入信号不能为人耳所感觉到。本发明利用该方面，以将附加信号分量(在此处所显示的情况下，是用于次级路径S的系统识别的基准信号z(n))添加到主信号(在此处所显示的情况下，是噪声信号x(n))中或者添加到包括噪声信号x(n)以及适当情况下的音乐信号在内的总信号中，使得基准信号z(n)可由接收器(在此处所显示的情况下，是误差麦克风E)检测到并进行分析以供后续处理，尽管如此但人耳听不到。 

大量研究已经证明：对各种人类听觉而言都能够测量到掩蔽效应。不同于许多其它的心理声学印象，个体之间的差异很少发生并且可以被忽略，这意味着可以产生声音掩蔽的一般心理声学模型。在本发明中采用了掩蔽的心理声学特征以便以这样的方式实时地使基准信号z(n)适应于音频特性：无论当前是否存在噪声级、其频谱组成和时间特性，该声学地传递的基准信号z(n)都是听不见的。噪声级可以由环境噪声、干扰、音乐或上述的任何组合形成。 

这里，在掩蔽的两个主要形式之间加以区别，每个形式导致掩蔽阈值的不同特性。这些是频域内的同时掩蔽，以及时域内通过掩蔽声沿时间轴的时间效应而引起的掩蔽。此外，在诸如环境噪声或通常的噪声之类的信号中可以发现这两种掩蔽类型的组合。 

同时掩蔽指的是掩蔽声音和有用信号同时发生。如果掩蔽声的形状、带宽、幅度和/或频率以正弦形测试信号常常刚好能听得到的方式发生变化，那么在整个可听范围带宽(即主要是在20Hz和20kHz之间的频率)内能够确定同时掩蔽的掩蔽阈值。该频带范围通常还表示汽车中后座娱乐系统中使用的声频设备的可用带宽，因此还表示用于次级路径S的系统识别的基准信号z(n)的有用频率范围。 

图3显示了通过白噪声引起的正弦测试音调的掩蔽。由具有1_WN声强的白噪声刚好掩蔽的测试音调的声强是相对于其频率显示的，其中最低可听阈值以虚线显示。用于白噪声掩蔽的正弦音调的最低可听 阈值以如下方式获得：低于500Hz，正弦音调的最低可听阈值大约是高于白噪声的声强的17dB。高于500Hz，最低可听阈值每十进位增加大约10dB，或者每倍频程(与频率的双倍相对应)增加大约3dB。最低可听阈值的频率依赖性源自于人耳在不同中心频率的不同临界带宽(CB)。 

因为出现在频群中的声强被以感觉到的音频印象编译，所以对于声级与频率无关的白噪声而言，在高频率中的较宽频群中能够获得较大的总体强度。声音的响度也对应地升高(即感觉响度)，并使掩蔽阈值增加。这意味着纯物理的尺度(诸如掩蔽声的声压级之类)不足以对掩蔽的心理声学效果进行建模-即根据诸如声压级和强度之类的尺度来得出掩蔽阈值。相反，本发明使用诸如响度N之类的心理声学尺度。掩蔽声音的频谱分布和时间特性起着主要作用，通过以下的附图就可以很显然地看到这一点。 

如果确定诸如正弦音调、窄带噪声或临界带宽噪声之类的窄带掩蔽声的掩蔽阈值，那么所得到的频谱掩蔽阈值高于最低可听阈值，即使是在掩蔽声本身没有频谱分量的区域中。临界带宽噪声在这种情况下被用作声级被表示为L_CB的窄带噪声。 

图4显示了由于具有1kHz中心频率f_c的临界带宽噪声而导致测量为掩蔽声的正弦音调的掩蔽阈值以及不同声压级的掩蔽阈值与具有声级L_T的测试音调的频率f_T之间的关系。在图3中以虚线显示了最低可听阈值。从图4可以看出：如果掩蔽声的声级增加20dB那么掩蔽阈值的峰值也增加20dB，而且它们因此随着掩蔽临界带宽噪声的声级L_CB线性地变化。测量到的掩蔽阈值的下边缘-即在低频率方向上比中心频率f_C更低的掩蔽，具有大约-100dB/倍频程的斜率，其独立于掩蔽阈值的声级L_CB。该大斜率仅仅对低于40dB的掩蔽声的声级L_CB的掩蔽阈值的上边缘起作用。随着掩蔽声的声级L_CB的增加，掩蔽阈值的上边缘变成越来越平，并且100dB的L_CB的斜率大约为-25dB/倍频程。这意味着与掩蔽声的中心频率f_C相比具有更高频率的方向上的掩蔽延伸到远超出其中存在掩蔽声音的频带。对于窄带、临界带宽噪声而言，听觉在1kHz以外的中心频率处类似地响应。如图5所示，掩蔽阈值的上下边缘的斜率实际上独立于掩蔽声的中心频率。 

图5显示了来自具有60dB声级L_CB和250Hz、1kHz和4kHz这三个不同中心频率的窄带中的临界带宽噪声的掩蔽声的掩蔽阈值。中心频率为250Hz的掩蔽声的下边缘的斜率的明显较平的流动是由于即使在较高声级中也适用于该低频率的最低可听阈值。诸如所示之类的效应同样也包括在用于掩蔽的心理声学模型的实现中。在图5中再次以虚线显示最低可听阈值。 

如果正弦形测试音调被具有1kHz频率的另一个正弦音调所掩蔽，那么根据测试音调的频率和掩蔽声L_M的声级能够获得诸如图6所示之类的掩蔽阈值。如早先已经描述的那样，能够清楚地看到与掩蔽声的声级有关的上边缘的散开(fanning-out)，同时掩蔽阈值的下边缘实际上独立于频率和声级。较高斜率被测量大约为-100到-25dB/倍频程，与掩蔽声的声级相关，并且对于较低斜率大约是-100dB/倍频程。在掩蔽音调的声级L_M和掩蔽阈值L_r的最大值L_r之间存在大约12dB的差值。该差值显著大于利用作为掩蔽声的临界带宽噪声获得的值。这是因为掩蔽声的两个正弦音调的强度和测试音调的强度在相同频率处被加在一起，不同于利用噪声和作为测试音调的正弦音调。因此，音调能更早地被感觉到-即对于测试音调的低声级而言。此外，当同时发出两个正弦音调时，还出现其它效果(诸如拍音(beat))，这同样导致感觉增加或者掩蔽减少。 

连同所描述的同时掩蔽一起，掩蔽的另一个心理声学效果是所谓的时间掩蔽。两种不同类型的时间掩蔽被区别如下：超前掩蔽指的是在掩蔽声声级急剧上升以前已经出现掩蔽效果的情形。滞后掩蔽描述了当在掩蔽声声级快速降低之后的时间内掩蔽阈值没有立刻降至最低可听阈值的效果。图7示意性地显示了超前掩蔽和滞后掩蔽这两种掩蔽，它们在下文中结合音调脉冲的掩蔽效应更详细地进行解释。 

为了确定时间超前掩蔽和滞后掩蔽的效果，必须使用短持续时间的测试音调脉冲来获得对应时间分辨率的掩蔽效应。这里最低可听阈值和掩蔽阈值两个都取决于测试音调的持续时间。在这点上两种不同的效果是已知的。这些涉及响度印象对测试脉冲的持续时间的依赖性(参见图8)以及短音调脉冲的重复率和响度印象之间的关系(参见图9)。 

与200ms脉冲的声压级相比，20ms脉冲的声压级必须被增加10dB以便获得相同的响度印象。从200ms的脉冲持续时间向上，音调脉冲的响度与它的持续时间无关。对人耳而言已知的是：具有大于大约200ms持续时间的过程表示稳态过程。如果声音短于大约200ms，那么声音的时间性质的心理声学上的可确认效果是存在的。 

图8显示了测试音调脉冲的感觉对其持续时间的依赖性。虚线表示与它们的持续时间有关的频率f_T＝200Hz、1kHz和4kHz的测试音调脉冲的最低可听阈值TQ，借此对于小于200ms的测试音调持续时间而言，最低可听阈值每十进位上升大约10dB。该特性与测试音调的频率无关，测试音调的不同频率f_T的线的绝对位置反映这些不同频率处的不同最低可听阈值。 

连续线表示用于利用具有40dB和60dB声级L_UMN的均匀掩蔽噪声(uniform masking noise，UMN)来掩蔽测试音调的掩蔽阈值。均匀掩蔽噪声被这样定义：其在整个可听得到的范围内(即，对于从0到24巴克的所有频群)具有恒定的掩蔽阈值。换句话说，显示的掩蔽阈值的特性独立于测试音调的频率f_T。正如最低可听阈值TQ那样，对小于200ms的测试音调持续时间而言，掩蔽阈值每十进位也上升大约10dB。 

图9显示了掩蔽阈值对频率为3kHz并且持续时间为3ms的测试音调脉冲的重复率的依赖性。均匀掩蔽噪声又是掩蔽声：其利用矩形形状调制-即，其被周期性地接通和切断。均匀掩蔽噪声的检查的调制频率是5Hz、20Hz和100Hz。以与均匀掩蔽噪声的调制频率完全相同的后续频率来发出测试音调。在试验期间，测试音调脉冲的定时相应地发生变化以便获得调制噪声的与时间相关的掩蔽阈值。 

图9显示了测试音调脉冲沿横坐标的时间移动，其中横坐标被标准化为掩蔽声的周期持续时间T_M。纵坐标显示了在所计算的掩蔽阈值处的测试音调脉冲的声级。虚线表示作为参考点的未调制掩蔽声(即具有其它方面完全相同的性质的连续存在的掩蔽声)的测试音调脉冲的掩蔽阈值。 

可以清楚地看出，与超前掩蔽的斜率相比，图9中的滞后掩蔽具有更平坦的斜率。在激活矩形调制掩蔽声之后，在短时间内超出掩蔽阈值。该效果被称为超程(overshoot)。响应于均匀掩蔽噪声的调制频 率的增加，与稳态的均匀掩蔽噪声的掩蔽阈值相比，在掩蔽声的中断中的调制的均匀掩蔽噪声的掩蔽阈值声级中的最大下降ΔL如预期的那样被减小，换句话说，测试音调脉冲的掩蔽阈值可以在其存在期期间下降得越来越少而达到由最低可听阈值指定的最小值。 

图9还示出了在掩蔽声被接通以前掩蔽声已经掩蔽了测试音调脉冲。如早先已经提过的那样，该效果被称为超前掩蔽，并且基于这样的事实：与安静音调相比，响亮的音调和噪声(即，具有高声压级)可被听觉更迅速地处理。与滞后掩蔽相比，超前掩蔽效应显著不占优势，并且因此在使用心理声学模型时常常被省略以简化相应算法。在断开掩蔽声之后，可听阈值没有立刻下降为最低可听阈值，而是在大约200ms的时间之后才达到最低可听阈值。该效果可以通过瞬变波在内耳基底膜上的缓慢沉积来解释。 

在这之上，掩蔽声的带宽也直接影响滞后掩蔽的持续时间。与每个单独的频群相关的掩蔽声的特定分量引起图10和11所示的滞后掩蔽。 

图10显示了作为测试音调的具有20μm持续时间的高斯脉冲的掩蔽阈值的声级特性L_T，该测试音调出现在由具有500ms持续时间的白噪声组成的矩形掩蔽声结尾之后的时间t_v，其中白噪声的声压级L_WR取40dB、60dB和80dB这三个声级。包括白噪声在内的掩蔽声的滞后掩蔽可以在无频谱效应的情况下度量，这是因为与人耳可察觉频带有关的具有20μs短持续时间的高斯形测试音调也表现出类似于白噪声的宽带频谱分布。图10中的连续曲线示出了通过测量确定的后处理的特性。在大约200ms之后，独立于掩蔽声的声级L_WR，它们继而达到了测试音调的最低可听阈值的值(对于该情况下使用的短测试音调而言大约为40dB)。图10显示了借助虚线表示的曲线，其与具有10ms时间常数的滞后掩蔽的指数下降方式相对应。能够看出这种简单近似只对掩蔽声的大声级适用，并且它从不反映最低可听阈值附近的滞后掩蔽的特性。 

在滞后掩蔽和掩蔽声持续时间之间也存在关系。图11中的虚线显示了具有5ms持续时间并且频率f_T＝2kHz的高斯形测试音调脉冲的掩蔽阈值与在矩形调制掩蔽声的去激活之后的延迟时间t_d的函数关系， 所述矩形调制掩蔽声包括具有60dB声级L_UMN和5ms持续时间T_M的均匀掩蔽噪声。实线显示了具有与测试音调脉冲和均匀掩蔽噪声相同的参数的具有200ms持续时间T_M的掩蔽声的掩蔽阈值。 

具有200ms持续时间T_M的掩蔽声的测量的滞后掩蔽与具有长于200ms的持续时间T_M但其它参数相同的所有掩蔽声所被发现的滞后掩蔽相匹配。在具有较短持续时间、但其它参数(例如频谱组成和声级)相同的掩蔽声的情况下，滞后掩蔽的效果下降，这从掩蔽声的5ms的持续时间T_M的掩蔽阈值的特性能够清楚地看出。为了在诸如心理声学掩蔽模型的算法和方法中使用心理声学掩蔽效应，还需要考虑为分组的(grouped)、复合的或叠加的单独掩蔽声获得什么样的所得掩蔽。如果不同的掩蔽声同时发生，那么存在同时掩蔽。只有少部分真实的声音可与诸如正弦音调之类的纯声相比。通常，由乐器发出的音调以及从诸如汽车引擎之类的旋转物体发出的声音都具有大量谐波。取决于部分音调的声级组成，所得的掩蔽阈值可以变化很大。 

图12显示了复合声音的同时掩蔽。正弦形测试音调的同时掩蔽的掩蔽阈值由与激励频率和声级有关的200Hz正弦音调的10个谐波表示。全部谐波都具有相同的声压级，但它们的相位位置被统计地分布。图12显示了两种情况的所得掩蔽阈值，其中部分音调的所有声级是40dB或者60dB。基本音调和前四个谐波的均位于分离的频群中。这意味着：对掩蔽阈值的最大值而言，这些复合声音分量的掩蔽部分不存在附加的叠加。 

然而，上下边缘的重叠以及由掩蔽效应所导致的凹陷(在其最深点处仍明显高于最低可听阈值)可以被清楚地看到。相反，大部分高次谐波都在人类听觉的临界带宽内。各个单独的掩蔽阈值的强烈附加叠加发生在该临界带宽中。由此，同时掩蔽声的附加不能通过将它们的强度加到一起来计算，而是必须将各个单独的特定响度值加在一起以定义掩蔽的心理声学模型。 

为了从随时间变化的信号的音频信号频谱中获得激励分布，表示利用窄带噪声进行掩蔽的正弦音调的掩蔽阈值的已知特性被用作分析的基础。这里在核心激励(处于临界带宽内)和边缘激励(处于临界带宽外)之间加以区分。其实例是具有比与物理音强匹配的临界带宽 小的带宽的正弦音调或窄带噪声的心理声学核心激励。另外，信号被相应地分布在由音频频谱掩蔽的临界带宽之间。以这种方式，从所接收的随时间变化的声音的物理强度谱中获得心理声学激励的分布。心理声学激励的分布被称为特定响度(specific loudness)。在复合音频信号的情况下所得的总体响度被发现是沿音调刻度在可听得到的范围中(即从0到24巴克的范围中)的所有心理声学激励的特定响度的积分，并且还展现了相应的时间关系。基于该总体响度，然后基于响度和掩蔽之间的已知关系来生成掩蔽阈值，借此在考虑相关临界带宽内的声音的终止之后的时间效应的情况下，掩蔽阈值在大约200ms中降至的最低可听阈值(也参见图10，滞后掩蔽)。 

以这种方式，在考虑上面讨论到的所有掩蔽效应的情况下实现心理声学掩蔽模型。从前面的附图和说明中可以看到：由诸如背景噪声之类的噪声的声压级、频谱组成和时间特性会引起什么样的掩蔽效应，以及如何可以利用这些效应来自适应和实时地操纵所需的测试信号，以使得它不能被所描述种类的环境中的收听者感觉到的方式进行次级路径S的系统识别。 

下面的图13到15示出了应用本发明的心理声学掩蔽模型的三个实例，尤其是用于次级路径S的心理声学系统识别。图13中的信号流程图示出了根据本发明的初始电路，其用于采用供ANC系统进行噪声控制使用的心理声学掩蔽模型(psychoacoustic masking model，PMM)并结合耳机。没有与预期噪声信号相关的适合基准信号可用于本应用，并且因此早先描述的反馈ANC系统被使用。前馈ANC系统需要与预期噪声信号相关的基准信号x(n)的存在，而且需要以用于接收该基准信号的传感器总是比误差微电话E更接近于要降低的噪声信号源的方式来满足因果律条件(参见图1)。尤其是对于能在未知场所中自由移动的耳机而言，该因果律条件不能被满足。 

如图13所示的根据本发明的系统的实例包括生成噪声信号(例如周期性噪声信号)的源QS，误差麦克风E，以及具有用于将声音从噪声源QS传输到误差麦克风E的传递函数P(z)的主路径P。图13的系统还包括具有传递函数W(z)的自适应滤波器W，连接在自适应滤波器W上游以生成抵消声波的扩音器LS，以及具有用于将声音从扩音器 LS传输到误差麦克风E的传递函数S(z)的次级路径S。 

图13的系统还包括具有传递函数S^(z)的第一滤波器S^₁，具有传递函数S^(z)的第二滤波器S^₂，和具有传递函数S^(z)的第三滤波器S^₃，其是使用由S.Mitra，J.S.Kaiser，Handbook For Digital Signal Processing，Wiley and Sons 1993，pages 1085-1092描述的系统识别方法根据S(z)估计的；以及利用最小均方算法使滤波器W的滤波器系数得到适应的第一控制块LMS₁，利用最小均方算法使第一、第二和第三滤波器S^₁、S^₂、S^₃的滤波器系数得到适应的第二控制块LMS₂。在每个情况下通过简单复制在实时执行的次级路径S的自适应系统识别期间确定的滤波器S^₃的滤波器系数来获得滤波器S^₁和S^₂的相同传递函数S^(z)。 

图13的系统还包括用于将信号从时域快速傅立叶变换到频域的第一单元FFT₁和第二单元FFT₂，以及用于将信号从频域快速反傅立叶变换到时域的第一单元IFFT₁和第二单元IFFT₂。此外，还包括心理声学掩蔽模型单元PMM、用于避免循环卷积乘积的限制单元C、滤波器F和白噪声源NG以及音乐信号源MS。 

误差麦克风E处的误差信号e(n)一方面由信号d(n)构成，另一方面由信号y′(n)构成，所述信号d(n)是由来自噪声源QS的经由具有传递函数P(z)的主路径P传输的噪声信号x(n)产生的，所述信号y′(n)是由提供给扩音器LS然后经过具有传递函数S(z)的次级路径S传输给误差麦克风E的抵消信号y_sum(n)产生的。通过将来自音乐源MS的信号Music(n)添加到由白噪声源NG经由滤波器F提供的信号FilteredWhiteNoise(n)中来获得基准信号z(n)。基准信号z(n)被添加到滤波器W的输出信号y(n)中，所述两个信号的总和形成信号y_sum(n)。 

基准信号z(n)还被提供给快速傅立叶变换单元FFT₂以将其变换为信号Z(ω)，该信号Z(ω)在通过具有传递函数S^(z)的自适应滤波器S^₃进行滤波以及通过单元IFFT₁执行后续的快速反傅立叶变换之后被从误差信号e(n)中减去，从而获得信号e′(n)。快速傅立叶变换单元FFT₁将信号e′(n)转换为信号E′(ω)，该信号E′(ω)与信号Z(ω)一起被提供给单元LMS₂，该单元LMS₂利用最小均方算法执行滤波器S^₁、S^₂和S^₃的滤波器系数的自适应控制。信号E′(ω)还用作心理声学掩蔽模型单元 PMM的输入信号，该心理声学掩蔽模型单元PMM考虑通过误差麦克风地点(即耳机的位置)的噪声的当前掩蔽来生成信号GAIN(ω)，其被用于确定基准信号z(n)。为了这样做，信号GAIN(ω)被快速反傅立叶变换单元IFFT₂转换为时间信号Gain(n)，并被限制单元C设置以避免循环卷积乘积，其中滤波器F的系数由与新的滤波器系数集相对应的信号Gain(n)控制。FilteredWhiteNoise(n)信号与用于次级路径S的系统识别的听不见的基准信号相匹配(因为基准信号被设置在低于当前噪声信号的可听阈值以下，所以听不见)。 

基准信号z(n)还可以包括有用信号Music(n)，然而这对本系统的功能而言不是必须的。信号e′(n)被添加到通过滤波波器S^₂的传递函数S(z)而从信号y(n)得到的y′(n)中以获得信号x^(n)。信号x^(n)表示自适应滤波器W的输入信号，并且在由具有传递函数S(z)的滤波器S^₁处理之后还被用作与信号e′(n)一起被提供给利用最小均方算法的单元LMS₁的信号x′^(n)，其中利用最小均方算法的单元LMS₁用于对滤波器W的滤波器系数进行自适应控制。 

图14显示了利用心理声学掩蔽模型单元PMM在汽车内部执行噪声控制的ANC/MST系统。与图13所示的耳机应用相反，本应用具有与预期噪声信号相关的基准信号f₀(n)，其中前馈ANC/MST系统被采用。通过非声学传感器生成基准信号f₀(n)，例如利用设置在噪声源地点处的压电换能器或电声换能器、霍尔元件rpm测量计等。因为图14所示的电路用于空间特性(例如汽车的内部)已知的环境，所以通过对这件组件进行适当安置，前馈系统所需的因果律条件能够可靠地得到满足，其中根据所述因果律条件，用于基准信号f₀(n)的传感器必须总是比误差麦克风E更接近于要降低的噪声信号源。 

图14的系统包括图13的系统，并且还包括用于将信号从时域快速傅立叶变换至频域的第三单元FFT₃，第一计算电路CALC₁及第二计算电路CALC₂。除图13的系统之外，图14的系统还包括自适应带通滤波器BP和上面已经提到过的非声学传感器NAS。 

在图14的系统中，与图13的系统一样，误差麦克风E处的误差信号e(n)由信号d(n)和y′(n)组成。基准信号z(n)由来自音乐源MS的信号Music(n)以及信号FilterdewhiteNoise(n)组成。基准信号z(n)被添加到 利用1-β加权的滤波器W的输出信号y(n)中，从而得到信号y_sum(n)。与图13相比，信号z(n)又被馈送至快速傅立叶变换单元FFT₂以获得信号Z(ω)，该信号Z(ω)在通过自适应滤波器S^₃滤波后以及通过单元IFFT₁进行后续的快速反傅立叶变换后被从误差信号e(n)中减去以获得信号e″(n)。信号e″(n)被快速傅立叶变换单元FFT₁变换为信号E″(ω)。信号E″(ω)被用作心理声学掩蔽模型单元PMM的输入信号，其考虑通过在误差麦克风地点处的噪声的当前掩蔽来生成用于确定基准信号z(n)的信号GAIN(ω)。为了这样做，频域中的信号GAIN(ω)被快速反傅立叶变换单元IFFT₂变换为时域中的时间信号Gain(n)，并被限制单元C限制使得从源NG生成的信号WhiteNoice(n)利用滤波器F而被转换为信号FilteredWhiteNoise(n)，其中新的滤波器系数集Gain(n)被加载到滤波器F。FilteredWhiteNoise(n)信号与用于次级路径P的系统识别的听不见的基准信号相匹配(因为信号低于当前噪声信号的可听阈值所以听不见)。此外，基准信号z(n)还可以包括有用信号Music(n)，该有用信号Music(n)对本系统的功能而言不是必需的。从信号e″(n)中减去信号e^(n)，其中信号e^(n)是由其输入端被提供以β·y(n)的滤波器S^₂输出的。信号e′(n)被快速傅立叶变换单元FFT₃变换为E′(ω)，并与Z(ω)一起在单元LMS₂中被使用，单元LMS₂用于对滤波器S^₁、S^₂和S^₃的滤波器系数进行自适应控制。 

非声学传感器NAS生成与声学噪声信号x(n)相关的电信号；所述电信号被提供给计算电路CALC1，其中从所述计算电路CALC1获得信号f₀(n)。信号发生器SG然后生成与噪声信号相对应的滤波器W的输入信号x_c(n)，其中x_c(n)～x(n)。计算单元CALC2确定自适应带通滤波器BP的滤波器系数K(n)。利用具有传递函数S^(z)的滤波器S^₁，信号x_c(n)被转换为信号x′(n)，然后与通过带通滤波器BP滤波的信号e′(n)一起被使用以用于控制电路LMS₁，该LMS₁用于利用最小均方算法对滤波器W的滤波器系数进行自适应控制。 

图15的系统是利用心理声学掩蔽模型单元PMM在汽车内部进行噪声控制的ANC/MST系统。除图14所示的前馈系统之外，图15的系统还包括反馈系统以产生混合ANC/MST系统，该系统结合了前馈系统和反馈系统这二者的特定优点。特别地，反馈路径可以成功地减 少广泛地且随机地从外部侵入到汽车内部并且不与在先前已知的噪声源QS处确定的基准信号x(n)相关的噪声信号。 

在图15的系统中将来自图14的具有传递函数W(z)的滤波器W替换为具有传递函数W_FF(z)的等效滤波器W₁，并且所述等效滤波器W₁是与图14显示的系统等效的前馈系统的一部分。另外，图15的系统包括具有用于反馈路径的传递函数W_FB(z)的第二滤波器W₂以及利用最小均方算法对滤波器W₂的滤波器系数进行自适应控制的第三单元LMS₃。图15的系统还包括具有传递函数S^(z)的第四滤波器S^₄以及具有传递函数S^(z)的第五滤波器S^₅，它们是利用识别系统的方法根据次级路径S的传递函数S(z)估计的。 

如在图14的系统中那样，误差麦克风E处的误差信号e(n)由信号x(n)和信号y′(n)组成，其中信号x(n)由噪声源QS生成，并通过噪声x(n)在具有传递函数P(z)的主路径P上滤波而生成，信号y′(n)是由扩音器LS和次级路径S的传递函数滤波的抵消信号y_sum(n)。基准信号z(n)得自于信号Music(n)和信号FilteredWhiteNoise(n)的总和，其中信号Music(n)来自音乐源MS，信号FilteredWhiteNoise(n)来自由滤波器F滤波的利用心理声学掩蔽模型评估的白噪声源NG。基准信号z(n)被添加到利用1-β加权的滤波器W₁的输出信号y(n)中，以及被添加到具有传递函数W_FB(z)的滤波器W₂的输出信号y_FB(n)中，从而得到信号y_sum(n)。 

与图13的系统相比，信号z(n)还经由快速傅立叶变换单元FFT₂变换为信号Z(ω)，该信号Z(ω)在通过具有传递函数S^(z)的自适应滤波器S^₃滤波以及通过单元IFFT₁的后续快速反傅立叶变换之后被从误差信号e(n)中减去，以获得信号e″(n)。时域中的信号e″(n)被快速傅立叶变换单元FFT₁变换为频域中的信号E″″(ω)。信号E″(ω)被用作心理声学掩蔽模型单元PMM的输入信号，所述心理声学掩蔽模型单元PMM考虑通过误差麦克风E的地点处的噪声的当前掩蔽来生成信号GAIN(ω)，该信号GAIN(ω)被用来确定通过滤波波器F的基准信号z(n)。为了这样做，GAIN(ω)被快速反傅立叶变换单元IFFT₂转换为时间信号Gain(n)，并被限制单元C限制反向快速傅立叶变换使得从源NG生成的信号WhiteNoise(n)利用滤波器F而被转换为信号 FilteredWhiteNoise(n)，其中新的滤波器系数集Gain(n)被加载到所述滤波器F中。 

FilteredWhiteNoise(n)信号与用于次级路径P的系统识别的听不见的基准信号相匹配(因为信号低于当前噪声信号的可听阈值所以听不见)。此外，基准信号z(n)还可以包括有用信号Music(n)，该有用信号Music(n)对本系统的功能而言不是必须的。利用滤波器S^2的传递函数S^(z)根据β*y(n)生成的信号e^(n)被从信号e″(n)中减去，以获得信号e′(n)。该信号e′(n)被快速傅立叶变换单元FFT₃转换为信号E’(ω)，并在单元LMS₂中与Z(ω)一起被使用，所述单元LMS₂用于利用最小均方算法对滤波器S^1、S^2、S^3、S^4和S^5的滤波器系数进行自适应控制。 

非声学传感器NAS同样生成与噪声信号相关的电信号，利用该电信号从计算单元CALC₁获得信号f₀(n)。信号发生器SG生成与噪声信号相对应的滤波器W的输入信号x(n)。计算单元CALC₂确定自适应带通滤波器BP的滤波器系数K(n)。利用具有传递函数S^(z)的滤波器S^1，信号x(n)被转换为信号x′(n)，然后与通过带通滤波器BP滤波的信号e′(n)一起被使用以用于控制单元LMS₁，该单元LMS₁用于利用最小均方算法对滤波器W的滤波器系数进行自适应控制。信号e′(n)被添加到来源于利用滤波器S^5的传递函数S(z)滤波的信号y_FB(n)的信号中以获得信号x_FB(n)。信号x_FB(n)表示自适应滤波器W₂的输入信号，在通过具有传递函数S(z)的滤波器S^4被转换为信号x′_FB(n)之后与信号e’(n)一起被使用以访问电路LMS₃，该电路LMS₃用于利用最小均方算法对具有传递函数W_FB(z)的滤波器W₂的滤波器系数进行自适应控制。 

由图13-15的心理声学掩蔽模型单元PMM执行的心理声学掩蔽发生处理实现了一种对人类听觉掩蔽效应进行建模的心理声学模型。所使用的掩蔽模型可以例如基于所谓的Johnston模型或如ISO MPEG1标准中描述的MPEG模型。图16和17所示的示例性实现方案使用MPEG模型。在此描述的心理声学掩蔽建模处理可以在信号处理器中实现或者在运行这种处理的任何其它已知单元中实现。 

如图16和17所示的心理声学掩蔽建模处理开始于在步骤204中对512-样点时域输入音频数据帧110进行Hann窗口操作。在先前的样点和后续的样点之间，Hann窗口操作利用Hann窗口来提供平滑的锥 度(taper)，来有效地使512个样点居于中心。这减少了在利用1024-点快速傅立叶变换(FFT)将时域音频数据110转换到频域时在步骤206中产生的振荡边缘赝象(ringing edge artefact)。在步骤208，然后根据以下等式从1024个FFT输出值的对称数组中生成各个频率子频带的512个能量值的数组： 

E(n)＝|x(n)|²＝X_R ²(n)+X_I ²(n)， 

其中X(n)＝X_R(n)+i X_I(n)是第n谱线的FFT输出。 

在下文中，如果作为计算对数函数的结果已经生成值或实体，那么所述值或实体被描述为对数或位于对数域中。当对数值或实体通过逆操作被指数化时，将其描述为线性的或处于线性域中。 

在图16所示的处理中，在步骤210中根据P(n)＝10log₁₀E(n)来将线性质量值E(n)转换为对数功谱密度(power spectral density，PSD)值P(n)，并且不再使用线性质量值E(n)。在步骤212中PSD值被标准化为96dB。步骤210和212从图17的掩蔽生成处理300中被省略。 

两个处理中的下一个步骤是生成每个子频带的声压级(sound pressure level，SPL)值。在图16的处理中，在步骤214中根据以下等式生成每个子频带n的SPL值L_sb(n)： 

L_sn(n)＝MAX[X_spl(n)，20·log(scf_max(n)·32768)-10]dB以及 

$X_{\mathrm{sp}1}\left(n\right)=10*{\log }_{10}\left(\underset{k}{\mathrm{\Σ}}{10}^{X\left(k\right)/10}\right)\mathrm{dB}$

其中scfmax(n)是包括1152个样点的MPEG1 L2音频帧内的子频带n的三个比例因子的最大值，X(k)是索引k的PSD值，并且k的总和被限制于子频带n内的k值。项“-10dB”校正峰值和RMS声级之间的差值。 

在图17的掩蔽建模处理300中，在步骤302中根据以下等式计算L_sb(n)： 

$X_{\mathrm{sp}1}\left(n\right)=10*{\log }_{10}\left(\underset{k}{\mathrm{\Σ}}X\left(k\right)\right)+96\mathrm{dB}$

其中X(k)是索引k的线性声级值。项“96dB”被用于标准化L_sb(n)。显然地，这通过避免取幂而对图16的处理200加以改进。此外，通过利用二阶泰勒展开来估计对数，使得生成SPL值的效率得到明显的改善。 具体地说，将对数自变量表示为I_pt，这是通过确定x使得下式得到满足来首先标准化的： 

I_pt＝(1-x)2^m，0.5＜1-x≤1 

利用二阶泰勒展开式， 

In(1-x)～-x-x²/2 

对数可以近似为： 

log₁₀(Ipt)≌[m*1n(2)-(x+x²/2)]*log₁₀(e) 

＝[m*1n(2)-(x+x*x*0.5)]*log₁₀(e) 

因此对数利用四个乘法和两个加法得到近似估计，使得计算效率得到显著改善。 

下一步骤是将识别用于掩蔽的频率分量。因为掩蔽分量的音调影响掩蔽阈值，所以音调的和非音调的(噪声)掩蔽分量被分开确定。 

首先，识别局部最大值。如果满足下式，那么谱线X(k)被认为是局部最大值： 

X(k)＞X(k-1)并且X(k)≥X(k+1) 

在图16的处理200中，在步骤216中如果满足以下等式，那么如此识别的局部最大值X(k)被选为对数音调掩蔽分量： 

X(k)-X(k+j)≥7dB 

其中j是随k变化的搜索范围。如果发现X(k)是音调分量，那么它的值被下式所替代： 

X_tonal(k)＝10log₁₀(10^x(k-1)/10+10^x(k)/10+10^x(k+1)/10) 

在检查的频带内的全部谱线然后被设置为-∞dB。 

在图17的掩蔽建模处理300中，在步骤304中如果满足下式那么局部最大值X(k)被选为线性音调掩蔽分量： 

X(k)·10^-0.7≥X(k+j) 

如果发现X(k)是音调分量，那么它的值被下式所替代： 

X_tonal(k)＝X(k-1)+X(k)+X(k+1) 

在检查的频带内的全部谱线然后被设置为0。 

在任何一个处理中的下一个步骤是识别并确定临界子频带的带宽内的非音调掩蔽分量的强度。对于给定频率，能激活人耳的基底膜的相同部分的频率周围的最小频带被称为临界频带。临界带宽表示耳朵 对同时音调的解析能力。子频带的带宽随特定临界频带的中心频率而变化。如MPEG-1标准描述的那样，26个临界频带被用于48kHz的采样率。在如上所述去除音调分量之后，非音调(噪声)分量就从剩余谱线中被识别。 

在图16的处理200的步骤218中，在每个临界频带内的剩余谱线的对数功率被转换成线性能量值，被求和，然后被转换回成对数功率值，从而提供与那个临界频带相对应的新的非音调分量X_noise(k)的SPL。编号k是最接近临界频带的几何平均值的谱线的索引编号。 

在图17的掩蔽建模处理300中，在步骤306中将每个临界频带内的剩余谱线的能量求和以便对于子频带n中k，提供与那个临界频带相对应的新的非音调分量X_noise(k)： 

$X_{\mathrm{noise}}\left(k\right)=\underset{k}{\mathrm{\Σ}}X\left(k\right)$

仅仅使用了加法操作，并且不需要指数或对数估算，从而显著改善了效率。 

下一个步骤是抽选(decimate)音调和非音调掩蔽分量。抽选是用于降低生成全局掩蔽阈值所需的掩蔽分量的数目的步骤。 

在图16的处理200中，在步骤220中选择对数分量X_tonal(k)和非音调分量X_noise(k)，以便随后用于仅当满足下式时才分别生成掩蔽阈值： 

X_tonal(k)≥LT_q(k)或者X_noise(k)≥LT_q(k) 

其中LTq(k)是索引k的频率下的绝对阈值(或安静阈值)；对数域中的安静值的阈值是以MPEG-1标准提供的。 

对在小于0.5巴克距离内的两个或多个音调分量执行抽选，其中巴克刻度是耳朵的频率分辨率在其上近似恒定的频率刻度，如上所述(也参见E.Zwicker，Subdivision of the Audible Frequency Range into Critical Bands，J.Acoustical Society of America，vol.33，p.248，February 1961)。具有最大功率的音调分量被保留，而较小的分量从所选音调分量的列表中被去除。为了执行该操作，临界频带域中的滑动窗口(sliding window)被用于0.5巴克的宽度。 

在图17的掩蔽建模处理300中，在步骤308中只有满足下式时才选择线性分量： 

X_tonal(k)≥LT_qE(k)或者X_noise(k)≥LT_qE(k) 

其中LT_qE(k)取自线性域绝对阈值表，所述线性域绝对阈值表是基于根据下式的对数域绝对阈值表LT_q(k)预先生成的： 

${\mathrm{LT}}_{q}E\left(k\right)={10}^{{\log }_{10}[\mathrm{LTq}\left(k\right)-96]/10}$

其中项“-96”表示去标准化(denormalization)。 

在去标准化之后，在步骤310中，线性能量域中的频谱数据被转换成对数功率域。与现有技术处理的步骤206相反，对数的估算是利用如上所述的高效二阶近似方法执行的。该转换之后跟随着在步骤212中将其标准化为96dB的基准声级。 

在选择并抽选了掩蔽分量之后，下一个步骤是生成各个单独的掩蔽阈值。在由k索引的原始512个频谱数据值中，仅仅由i索引的子集随后被用于生成全局掩蔽阈值，并且当前步骤通过二次采样来确定那个子集，如ISO MPEG1标准描述的那样。 

二次采样频域中的线数n取决于采样率。对48kHz的采样率来说，n＝126。每个音调和非音调的分量被分配一索引i，该索引i最接近地与原始(即，在二段采样以前的)频谱数据中的相应谱线的频率相对应。 

音调和非音调分量的各个单独的掩蔽阈值LT_tonal和LT_noise然后由以下表达式给出： 

LT_tonal[z(j)，z(i)]＝X_tonal[z(j)]+av_tonal[z(j)]+vf[z(j)，z(i)]dB 

LT_noise[z(j)，z(i)]＝X_noise[z(j)]+av_noise[z(j)]＝vf[z(j)，z(i)]dB 

其中i是与谱线相对应的索引，在所述谱线生成掩蔽阈值，并且j是与掩蔽分量相对应的索引；z(i)是第i谱线的巴克标度值，而z(j)是第j谱线的巴克标度值；并且X[z(j)]形式的项是(音调或非音调)掩蔽分量的SPL。被称为掩蔽索引的项av由下式给出： 

av_tonal＝[-1.525-0.275·z(j)-4.5]dB 

av_noise＝[-1.525-0.175·z(j)-0.5]dB 

vf是掩蔽分量的掩蔽函数，并且取决于巴克标度dz的距离而包括不同的较低斜率和较高斜率，其中dz＝z(i)-z(j)。 

在图16的处理200中，在步骤222中利用由下式给出的掩蔽函数vf来计算各个单独的掩蔽阈值： 

vf＝17·(dz+1)-0.4·X[z(j)]-6dB，其中-3≤dz＜-1巴克 

vf＝{0.4·X[z(j)]+6}·dz dB，其中-1≤dz＜0巴克 

vf＝-17·dz dB，其中0≤dz＜1巴克 

vf＝-17·dz+0.15·X[z(j)]v(dz-1)dB，其中1≤dz＜8巴克 

其中X[z(j)]是具有索引j的掩蔽分量的SPL。如果dz＜-3巴克或者dz＞8巴克，那么不生成掩蔽阈值。 

对掩蔽函数vf的估算是该步骤中计算强度最大的部分。掩蔽函数可以被分类为两种类型：向下掩蔽(当dz＜0时)和向上掩蔽(当dz≥0时)，其中向下掩蔽明显没有向上掩蔽那么显著。因此，在图17的掩蔽发生处理300中仅使用向上掩蔽。进一步的分析显示，对于1≤dz＜8巴克的掩蔽函数中的第二项典型地近似是第一项-17·dz的十分之一。因此，第二项可以被丢弃。 

因此，图17的掩蔽发生处理300在步骤312中利用掩蔽函数vf的单一表达式生成各个单独的掩蔽阈值，掩蔽函数vf的单一表达式如下： 

vf＝-17·dz，0≤dz＜8 

掩蔽索引av从在图16的处理200中被使用开始以来，没有被修改，这是因为其对各个单独的掩蔽阈值LT作出了显著的贡献并且不需要大计算量。在已经生成各个单独的掩蔽阈值之后，生成全局掩蔽阈值。 

在图16的处理200中，根据下式，在步骤224通过将与各个单独的掩蔽阈值和安静阈值相对应的功率求和，来生成第i频率样点的全局掩蔽阈值LTg(i)： 

${\mathrm{LT}}_g\left(i\right)=10{\log }_{10}[{10}^{{\mathrm{LT}}_q\left(i\right)/10}+\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{10}^{{\mathrm{LT}}_{\mathrm{tonal}}[z\left(j\right),z\left(i\right)]}/10+\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{10}^{{\mathrm{LT}}_{\mathrm{noise}}[z\left(j\right),z\left(i\right)]}/10]$

其中m是音调掩蔽分量的总数，n是非音调掩蔽分量的总数。对于每个信道中≥96kbps的比特率，安静阈值LT_q被偏移-12dB。显而易见的是，由于计算的指数和对数的数目，该步骤需要很大的计算量。 

在图17的掩蔽发生处理300中，这些计算被避免并且不使用较小的项。在步骤314中通过比较与各个单独的掩蔽阈值和安静阈值相对应的功率，来生成第i频率样点的全局掩蔽阈值LT_g(i)，如下所示： 

${\mathrm{LT}}_g\left(i\right)=\max [{\mathrm{LT}}_q\left(i\right)+{\max }_{j=1}^m\{{\mathrm{LT}}_{\mathrm{tonal}}[z\left(j\right),z\left(i\right)]\}+{\max }_{j=1}^n\{{\mathrm{LT}}_{\mathrm{noise}}[z\left(j\right),z\left(i\right)]\left\}\right]$

识别最大音调掩蔽分量LT_tonal和非音调掩蔽分量LT_noise。然后将它们与LT_qx(i)进行比较。这三个值中的最大值被选为第i频率样点的全局掩蔽阈值。这降低了临时配置的计算需求量。如上所述，对每个信道中≥96kbps的比特率，安静阈值LT_q被偏移-12dB。 

最后，在两个处理的步骤226中都计算信号掩蔽比。首先，通过下式确定子频带n中的最小掩蔽声级LT_min(n)： 

LT_min(n)＝Min[LTg(i)]dB；子频带n中的f或f(i) 

其中f(i)是子频带n内的第i频率线。为每个子频带确定最小掩蔽阈值LT_min(n)。然后通过从对应SPL值中减去该子频带的最小掩蔽阈值来生成每个子频带n的信号掩蔽比： 

SM_sb(n)＝L_sb(n)-LT_min(n) 

掩蔽模型发送每个子频带n的信号掩蔽比数据SMRsb(n)到量化器，该量化器利用该信号掩蔽比数据确定如何最有效地分配可用数据位并量化频谱数据，如MPEG-1标准所描述的那样。 

以上实例中的有益效果源自于考虑了汽车的乘客区域的现行可用的噪声级及其频谱属性，为此，以乘客听不见的方式来选择用于确定次级路径的传递函数的测试信号。现存的噪声级可以包括诸如风扰动、轮胎旋转声音之类的不希望有的令人厌恶的信号，以及诸如声学上建模的引擎噪声之类的不希望有的噪声，并且在一些情况下，包括同时转播的音乐信号。本发明利用了这样的效果：如果相关心理声学要求被满足，那么听不见的信息可以被叠加到任何给定的音频信号中。这里所呈现的情况特别涉及掩蔽的心理声学效果。 

其它优点源自于以下特征：心理声学掩蔽方法自适应地响应电流噪声级，以及同时音频信号(诸如音乐)不是获得所需的掩蔽效应所必需的。 

尽管已经公开了实现本发明的各种实例，但是对本领域的技术人员来说显而易见的是，在不脱离本发明的精神和范围的情况下可以作出实现本发明的一些优点的各种改变和修改。对本领域的技术人员来说显而易见的是，执行相同功能的其它组件可以适当地被替换。本发明的构思的这种修改应该由所附权利要求的范围覆盖。 

Claims (36)

1.一种用于主动控制由噪声源发出的收听地点处的不希望有的噪声信号的系统，其中不希望有的噪声经由具有主路径传递函数的主路径而被传输到所述收听地点；所述系统包括：

扩音器，用于发出抵消信号以降低或抵消所述不希望有的噪声信号；所述抵消信号经由次级路径从所述扩音器被传输到所述收听地点；

位于所述收听地点处的误差麦克风(E)，用于通过误差信号确定所获得的降低水平；

第一自适应滤波器，用于通过使用表示所述不希望有的噪声信号的信号和来自所述误差麦克风的误差信号，采用适应于所述主路径传递函数的传递函数来滤波表示所述不希望有的噪声信号的信号，来生成所述抵消信号，其中由所述第一自适应滤波器输出的信号被分成乘以加权因子的两部分信号；所述两部分信号中的一部分信号被提供给所述扩音器，并且另一部分信号被提供给对所述次级路径进行建模的第五自适应滤波器，所述第五自适应滤波器的输出信号被加到所述误差信号上；以及

基准发生器，用于生成与来自所述第一自适应滤波器的所述抵消信号一起提供给所述扩音器的基准信号；所述基准信号具有的幅度和/或频率使得对于所述收听地点处的人类收听者而言，所述基准信号被所述不希望有的噪声信号和/或所述收听地点处存在的所需信号掩蔽。

2.如权利要求1所述的系统，其中权重的总和是1。

3.如权利要求1或2所述的系统，其中所述基准信号的幅度和/或频率由心理声学掩蔽模型单元确定，所述心理声学掩蔽模型单元通过误差信号对人类听觉中的掩蔽进行建模。

4.如权利要求3所述的系统，其中所述心理声学掩蔽模型单元对时间掩蔽进行建模。

5.如权利要求3所述的系统，其中所述心理声学掩蔽模型单元对频谱掩蔽进行建模。

6.如权利要求3所述的系统，其中所述心理声学掩蔽模型单元在频域中运行。

7.如权利要求1所述的系统，其中所述第一自适应滤波器根据最小均方(LMS)算法进行自适应。

8.如权利要求7所述的系统，其中所述第一自适应滤波器根据x滤波最小均方(filtered x-LMS)算法进行自适应。

9.如权利要求8所述的系统，还包括第二自适应滤波器，所述第二自适应滤波器具有对所述次级路径的传递函数进行建模的传递函数；所述第二自适应滤波器连接至所述第一自适应滤波器，用于对所述第一自适应滤波器的自适应所使用的表示所述不希望有的噪声信号的信号进行滤波。

10.如权利要求9所述的系统，其中所述第二自适应滤波器根据最小均方(LMS)算法进行自适应。

11.如权利要求1所述的系统，其中表示提供给所述第一自适应滤波器的所述不希望有的噪声信号的信号得自于所述误差信号和由所述第一自适应滤波器输出并由第三自适应滤波器滤波的信号，所述第三自适应滤波器具有对所述次级路径的传递函数进行建模的传递函数。

12.如权利要求11所述的系统，其中表示提供给所述第一自适应滤波器的所述不希望有的噪声信号的信号还得自于采用第四自适应滤波器滤波的基准信号，所述第四自适应滤波器具有对所述次级路径的传递函数进行建模的传递函数。

13.如权利要求12所述的系统，其中所述第四自适应滤波器在频域中运行；所述第四自适应滤波器的上游连接有时域到频域转换器，并且所述第四自适应滤波器的下游连接有频域到时域转换器。

14.如权利要求1所述的系统，其中表示提供给所述第一自适应滤波器的所述不希望有的噪声信号的信号得自于非声学传感器，所述非声学传感器是电声换能器或霍尔元件rpm测量计；所述非声学传感器提供传感器信号并被设置在不希望有的噪声源的附近。

15.如权利要求1所述的系统，其中表示提供给所述第一自适应滤波器的所述不希望有的噪声信号的信号得自于非声学传感器，所述非声学传感器是压电换能器；所述非声学传感器提供传感器信号并被设置在不希望有的噪声源的附近。

16.如权利要求15所述的系统，还包括连接在所述非声学传感器的下游的用于根据传感器信号计算基本信号的基本计算单元，以及连接在所述基本计算单元的下游的用于根据所述基本信号生成表示所述不希望有的噪声信号的信号的信号发生器。

17.如权利要求16所述的系统，还包括具有用于对提供给所述第一自适应滤波器的所述误差信号进行滤波的滤波器系数的带通滤波器；所述滤波器系数由连接在所述基本计算单元的下游的系数计算单元控制。

18.如权利要求1所述的系统，其中所述基准信号包括由所需信号源提供的第二所需信号。

19.一种用于主动控制由噪声源发出的收听地点处的不希望有的噪声信号的方法，其中不希望有的噪声经由具有主路径传递函数的主路径而被传输到所述收听地点；所述方法包括以下步骤：

发出抵消信号以降低或抵消所述不希望有的噪声信号；所述抵消信号经由次级路径从所述扩音器被传输到所述收听地点；

通过误差信号确定在所述收听地点处获得的降低水平；

第一自适应滤波步骤，用于通过使用表示所述不希望有的噪声信号的信号和所述误差信号，采用适应于所述主路径传递函数的传递函数来滤波表示所述不希望有的噪声信号的信号，来生成所述抵消信号，其中由所述第一自适应滤波步骤输出的信号被分成乘以加权因子的两部分信号；所述两部分信号中的一部分信号被提供给所述扩音器，并且另一部分信号由对所述次级路径进行建模的第五自适应滤波步骤使用，所述第五自适应滤波步骤的输出信号被加到所述误差信号上；以及

生成与来自所述第一自适应滤波步骤的所述抵消信号一起提供给所述扩音器的基准信号；所述基准信号具有的幅度和/或频率使得对于所述收听地点处的人类收听者而言，所述基准信号被所述不希望有的噪声信号和/或所述收听地点处存在的所需信号掩蔽。

20.如权利要求19所述的方法，其中权重的总和是1。

21.如权利要求19或20所述的方法，其中所述基准信号的幅度和/或频率由心理声学掩蔽建模步骤确定，所述心理声学掩蔽建模步骤通过所述误差信号对人类听觉中的掩蔽进行建模。

22.如权利要求21所述的方法，其中所述心理声学掩蔽建模步骤对时间掩蔽进行建模。

23.如权利要求21所述的方法，其中所述心理声学掩蔽建模步骤对频谱掩蔽进行建模。

24.如权利要求21所述的方法，其中所述心理声学掩蔽建模步骤在频域中被执行。

25.如权利要求19所述的方法，其中所述第一自适应滤波步骤根据最小均方(LMS)算法进行自适应。

26.如权利要求25所述的方法，其中所述第一自适应滤波步骤根据x滤波最小均方(filtered x-LMS)算法进行自适应。

27.如权利要求26所述的方法，还包括第二自适应滤波步骤，所述第二自适应滤波步骤具有对所述次级路径的传递函数进行建模的传递函数；所述第二自适应滤波器连接至所述第一自适应滤波器，用于对所述第一自适应滤波器的自适应所使用的表示所述不希望有的噪声信号的信号进行滤波。

28.如权利要求27所述的方法，其中所述第二自适应滤波器根据最小均方(LMS)算法进行自适应。

29.如权利要求19所述的方法，其中表示在所述第一自适应滤波步骤中使用的所述不希望有的噪声信号的信号得自于所述误差信号和由所述第一自适应滤波步骤输出并由第三自适应滤波步骤滤波的信号，所述第三自适应滤波步骤具有对所述次级路径进行建模的传递函数的传递函数。

30.如权利要求29所述的方法，其中表示在所述第一自适应滤波步骤中使用的所述不希望有的噪声信号的信号还得自于在第四自适应滤波步骤中滤波的基准信号，所述第四自适应滤波步骤具有对所述次级路径的传递函数进行建模的传递函数。

31.如权利要求30所述的方法，其中所述第四自适应滤波步骤在频域中被执行；所述第四自适应滤波步骤包括在所述第四自适应滤波步骤之前进行的时域到频域转换步骤，并且在所述第四自适应滤波步骤之后跟随有频域到时域转换步骤。

32.如权利要求20所述的方法，其中表示在所述第一自适应滤波步骤中使用的所述不希望有的噪声信号的信号得自于非声学传感器，所述非声学传感器是电声换能器或霍尔元件rpm测量计；所述非声学传感器提供传感器信号并被设置在不希望有的噪声源的附近。

33.如权利要求20所述的系统，其中表示在所述第一自适应滤波步骤中使用的所述不希望有的噪声信号的信号得自于非声学传感器，所述非声学传感器是压电换能器；所述非声学传感器提供传感器信号并被设置在不希望有的噪声源的附近。

34.如权利要求33所述的方法，还包括用于根据所述传感器信号计算基本信号的基本计算步骤，以及用于根据所述基本信号生成表示所述不希望有的噪声信号的信号的信号发生步骤。

35.如权利要求34所述的方法，还包括使用用于对在所述第一自适应滤波步骤中使用的所述误差信号进行滤波的滤波器系数的带通滤波步骤；所述滤波器系数由使用所述基本信号的系数计算步骤控制。

36.如权利要求19所述的方法，其中所述基准信号包括由所需信号源提供的第二所需信号。

Images