CN105976806A - 基于最大熵的有源噪声控制方法 - Google Patents
基于最大熵的有源噪声控制方法 Download PDFInfo
- Publication number
- CN105976806A CN105976806A CN201610264153.6A CN201610264153A CN105976806A CN 105976806 A CN105976806 A CN 105976806A CN 201610264153 A CN201610264153 A CN 201610264153A CN 105976806 A CN105976806 A CN 105976806A
- Authority
- CN
- China
- Prior art keywords
- current time
- noise
- vector
- wave filter
- maximum entropy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 description 14
- 238000001914 filtration Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开了一种基于最大熵的有源噪声控制方法,其步骤主要是:A、噪声输入向量的生成,将当前时刻n和前L‑1个时刻的L个初级噪声值u(n),u(n‑1)...,u(n‑L+1),构成滤波器当前时刻n的噪声输入向量;B、权向量的生成,滤波器生成当前时刻n和前L‑1个时刻的权系数w(n),w(n‑1)…w(n‑L+1);C、滤波器根据当前时刻n的权系数向量对当前时刻n的噪声输入向量U(n)进行滤波得到当前时刻输出到扬声器的输出值D、误差信号最大熵的获得;E、核宽度更新;F、权向量更新;G、令n=n+1,重复上述步骤,直至迭代结束。本发明方法的收敛速度快,对各种冲击噪声控制消除能力强,残差小。
Description
技术领域
本发明涉及一种自适应有源噪声控制方法。
背景技术
随着工业的不断发展,噪声问题越来越严重。引擎,压缩机等自动化设备会产生噪声,电子设备也会产生噪声。这些噪声既可能对通信或自动控制系统造成干扰,也会引起损害人的健康。对噪声的抑制或控制,目前有被动噪声控制和有源(主动)噪声控制两种方法。传统的被动噪声控制方法有隔离,增添障碍物,消声器等方法。这些方法造价昂贵,并且对于低频噪声往往没有效果。相比之下,主动噪声控制(Active noise control,ANC)系统,由于其较低的成本,且有效的去噪能力(尤其是低频噪声),近年来得到了广泛的关注。
有源噪声控制系统消除噪声的主要原理是由控制器产生一个与原始噪声幅度、频率相同,但相位相反的噪声,从而达到消除噪声的目的。在一个主动噪声控制系统中,主麦克风用于拾取噪声源的原始噪声(初级噪声),控制器通常是一个自适应滤波器,自适应滤波器对噪声信号滤波后通过扬声器输出一个反向噪声(次级噪声);误差麦克风用于拾取噪声消除点的残差信号(初级噪声与次级噪声抵消后的误差信号),该残差信号用于主动噪声控制器的修正。从噪声源到噪声消除点的路径称为主级通路,噪声源经控制器到扬声器的路径称为次级通路。
自适应有源噪声控制方法中,滤波-x最小均方(FxLMS)算法以其良好的鲁棒性和简单的结构得到了最为广泛的应用。然而,当初级噪声为α稳定分布的冲击噪声时,FxLMS算法会产生不收敛的情况。为了避免这一缺陷,一些改进方法被相继提出,较成熟的方法有以下两种:
(1)滤波p范数(FxLMP)方法
文献1“Leahy R,Zhou Z,Hsu YC.Adaptive filtering of stable processesfor active attenuation of impulsive noise.in:Proceedings of the1995International Conference on Acoustics,Speech,and Signal Processing,vol.5;1995.p.2983‐2986.)该方法是将p范数LMP算法引入有源噪声控制系统中,提高算法在冲击噪声下的稳定性,一定程度上提高了算法收敛速度。但是该方法某些强冲击噪声下仍然不够稳定。
(2)鲁棒FxLMS(RFxLMS)方法
文献2“George NV,Panda G.A robust filtered-s LMS algorithm fornonlinear active noise control.Appl.Acoust.2012;73(8):836–41.”。该文献提出了一种鲁棒的FxLMS消除方法。提高了算法在大部分情况下的稳定性,但是该算法具有较大的残差。
发明内容
本发明的发明目的就是提供一种基于最大熵的有源噪声控制方法,该方法对冲击噪声的消除效果好,收敛速度快,残留误差小。
本发明实现其发明目的所采用的技术方案是,一种基于最大熵的有源噪声控制方法,其步骤如下:
A、噪声输入向量的生成
主麦克风拾取出噪声源当前时刻n产生的初级噪声值u(n);将当前时刻n和前L-1个时刻的L个初级噪声值u(n),u(n-1)...,u(n-L+1),构成滤波器当前时刻n的噪声输入向量U(n),U(n)=[u(n),u(n-1)...,u(n-L+1)]T;其中L=128,是滤波器的抽头数,上标T代表转置;
B、权向量的生成,滤波器生成当前时刻n和前L-1个时刻的权系数w(n),w(n-1)...w(n-L+1),并将这L个权系数构成当前时刻n的权系数向量W(n),W(n)=[w(n),w(n-1),...,w(n-L+1)];当前时刻n<129时,W(n)=0;
C、滤波器根据当前时刻n的权系数向量W(n)对当前时刻n的噪声输入向量U(n)进行滤波得到当前时刻输出到扬声器的输出值 其中符号*代表卷积运算,s表示噪声源经滤波器到扬声器的次级通路的脉冲响应;
D、误差信号最大熵的获得
误差麦克风拾取出噪声消除点在当前时刻n的声音信号,即当前时刻n的残差信号e(n);滤波器据以算出当前时刻n的残差信号e(n)的最大熵ψ(n),ψ(n)=exp{-e2(n)/2σ2(n)};其中,exp表示指数运算,σ(n)为当前时刻n的高斯核函数的核宽度值;当前时刻n<129时,σ(n)=0。
E、核宽度更新
计算残差信号e(n)的下一时刻递归预测变化量e′(n+1),其中Nw为预测窗口长度,其取值为2~5;当前时刻n<129时,e′(n)=0;
下一时刻(n+1)高斯核函数的核宽度值σ(n+1)由以下递归公式得到:
F、权向量更新
滤波器生成当前时刻n的增益向量Φ(n),
式中,λ表示遗忘因子,其取值范围为0.9~1之间;F(n)为当前时刻n的递归矩阵,其大小为L×L,当前时刻n<129时,F(n)=0;下一时刻n+1的递归矩阵F(n+1),由公式F(n+1)=λ-1+F(n)-λ-1Φ(n)(s*U(n))TF(n)得到;
滤波器算出下一时刻(n+1)的权向量W(n+1),W(n+1)=W(n)+Φ(n)e(n)
G、迭代
令n=n+1,重复A、B、C、D、E、F的步骤,直至噪声控制结束。
与现有技术相比,本发明的有益效果是:
一、本发明通过对残差信号进行最大熵递归运算,而熵函数由泰勒展开可以分解为无穷阶矩。因此,本发明对噪声信号有着相较于二阶矩有着更好的信息采集、追踪能力;尤其对含有各种高阶信号的冲击噪声有着非常稳定的去噪性能,且收敛速度快。
二、本发明基于对残差信号的变化趋势进行递归预测,进而自适应地更新高斯核宽度,避免了固定的高斯核宽度的选择困难导致性能退化的缺陷,易于实现。
下面结合附图和具体实施方式对本发明进行进一步的详细说明。
附图说明
图1a为本发明仿真实验采用的α=1.2的α稳定分布的冲击噪声(初级噪声)。
图1b为本发明仿真实验采用的α=1.6的α稳定分布的冲击噪声(初级噪声)。
图1c为本发明仿真实验采用的α=1.8的α稳定分布的冲击噪声(初级噪声)。
图2a为图1a的初级噪声通过文献1、2和本发明方法的仿真实验处理后的平均噪声残留图。
图2b为图1b的初级噪声通过文献1、2和本发明方法的仿真实验处理后的平均噪声残留图。
图2c为图1c的初级噪声通过文献1、2和本发明方法的仿真实验处理后的平均噪声残留图。
图3a是图1a的初级噪声通过文献1、2和本发明方法的仿真实验处理后的残留噪声频谱密度图。
图3b是图1b的初级噪声通过文献1、2和本发明方法的仿真实验处理后的残留噪声频谱密度图。
图3c是图1c的初级噪声通过文献1、2和本发明方法的仿真实验处理后的残留噪声频谱密度图。
具体实施方式
实施例
本发明的一种具体实施方式是,一种基于最大熵的有源噪声控制方法,其步骤如下:
A、噪声输入向量的生成
主麦克风拾取出噪声源当前时刻n产生的初级噪声值u(n);将当前时刻n和前L-1个时刻的L个初级噪声值u(n),u(n-1)...,u(n-L+1),构成滤波器当前时刻n的噪声输入向量U(n),U(n)=[u(n),u(n-1)...,u(n-L+1)]T;其中L=128,是滤波器的抽头数,上标T代表转置;
B、权向量的生成,滤波器生成当前时刻n和前L-1个时刻的权系数w(n),w(n-1)...w(n-L+1),并将这L个权系数构成当前时刻n的权系数向量W(n),W(n)=[w(n),w(n-1),...,w(n-L+1)];当前时刻n<129时,W(n)=0;
C、滤波器根据当前时刻n的权系数向量W(n)对当前时刻n的噪声输入向量U(n)进行滤波得到当前时刻输出到扬声器的输出值 其中符号*代表卷积运算,s表示噪声源经滤波器到扬声器的次级通路的脉冲响应;
D、误差信号最大熵的获得
误差麦克风拾取出噪声消除点在当前时刻n的声音信号,即当前时刻n的残差信号e(n);滤波器据以算出当前时刻n的残差信号e(n)的最大熵ψ(n),ψ(n)=exp{-e2(n)/2σ2(n)};其中,exp表示指数运算,σ(n)为当前时刻n的高斯核函数的核宽度值;当前时刻n<129时,σ(n)=0。
E、核宽度更新
计算残差信号e(n)的下一时刻递归预测变化量e′(n+1),其中Nw为预测窗口长度,其取值为2~5;当前时刻n<129时,e′(n)=0;
下一时刻(n+1)高斯核函数的核宽度值σ(n+1)由以下递归公式得到:
F、权向量更新
滤波器生成当前时刻n的增益向量Φ(n),
式中,λ表示遗忘因子,其取值范围为0.9~1之间;F(n)为当前时刻n的递归矩阵,其大小为L×L,当前时刻n<129时,F(n)=0;下一时刻n+1的递归矩阵F(n+1),由公式F(n+1)=λ-1+F(n)-λ-1Φ(n)(s*U(n))TF(n)得到;
滤波器算出下一时刻(n+1)的权向量W(n+1),W(n+1)=W(n)+Φ(n)e(n)
G、迭代
令n=n+1,重复A、B、C、D、E、F的步骤,直至噪声控制结束。
仿真实验:
为了验证本发明的有效性,进行了仿真实验,并与文献1-2的方法进行了对比。
仿真实验的主级通路和次级通路均采用高阶FIR滤波器建模。有源噪声控制器的阶数L设定为128阶。初级噪声分别为三个α稳定分布(α=1.2,1.6,1.8)的冲击噪声,见图1a、图1b、图1c。由图可知,α取值越大噪声越弱。
图2a、图2b、图2c分别是图1a、图1b、图1c的初级噪声通过文献1、2和本发明方法仿真实验处理后的平均噪声残留(滤波后的残差信号与未经滤波的初级噪声传输到消除点的信号之比)图。由2a、图2b、图2c可知,本发明的收敛速度快,平均噪声残留远低于文献1、2的方法。
图3a、图3b、图3c分别是图1a、图1b、图1c的初级噪声通过文献1、2和本发明方法仿真实验处理后的残差信号的频谱图。由图3a、图3b、图3c可知,本发明比文献1、2的方法收敛速度更快,残差功率更小。
Claims (1)
1.一种基于最大熵的有源噪声控制方法,其步骤如下:
A、噪声输入向量的生成
主麦克风拾取出噪声源当前时刻n产生的初级噪声值u(n);将当前时刻n和前L-1个时刻的L个初级噪声值u(n),u(n-1)...,u(n-L+1),构成滤波器当前时刻n的噪声输入向量U(n),U(n)=[u(n),u(n-1)...,u(n-L+1)]T;其中L=128,是滤波器的抽头数,上标T代表转置;
B、权向量的生成,滤波器生成当前时刻n和前L-1个时刻的权系数w(n),w(n-1)…w(n-L+1),并将这L个权系数构成当前时刻n的权系数向量W(n),W(n)=[w(n),w(n-1),...,w(n-L+1)];当前时刻n<129时,W(n)=0;
C、滤波器根据当前时刻n的权系数向量W(n)对当前时刻n的噪声输入向量U(n)进行滤波得到当前时刻输出到扬声器的输出值 其中符号*代表卷积运算,s表示噪声源经滤波器到扬声器的次级通路的脉冲响应;
D、误差信号最大熵的获得
误差麦克风拾取出噪声消除点在当前时刻n的声音信号,即当前时刻n的残差信号e(n);滤波器据以算出当前时刻n的残差信号e(n)的最大熵ψ(n),ψ(n)=exp{-e2(n)/2σ2(n)};其中,exp表示指数运算,σ(n)为当前时刻n的高斯核函数的核宽度值;当前时刻n<129时,σ(n)=0。
E、核宽度更新
计算残差信号e(n)的下一时刻递归预测变化量e′(n+1),
其中Nw为预测窗口长度,其取值为2~5;
当前时刻n<129时,e′(n)=0;
下一时刻(n+1)高斯核函数的核宽度值σ(n+1)由以下递归公式得到:
F、权向量更新
滤波器生成当前时刻n的增益向量Φ(n),
式中,λ表示遗忘因子,其取值范围为0.9~1之间;F(n)为当前时刻n的递归矩阵,其大小为L×L,当前时刻n<129时,F(n)=0;下一时刻n+1的递归矩阵F(n+1),由公式F(n+1)=λ-1+F(n)-λ-1Φ(n)(s*U(n))TF(n)得到;
滤波器算出下一时刻(n+1)的权向量W(n+1),W(n+1)=W(n)+Φ(n)e(n)
G、迭代
令n=n+1,重复A、B、C、D、E、F的步骤,直至噪声控制结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610264153.6A CN105976806B (zh) | 2016-04-26 | 2016-04-26 | 基于最大熵的有源噪声控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610264153.6A CN105976806B (zh) | 2016-04-26 | 2016-04-26 | 基于最大熵的有源噪声控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105976806A true CN105976806A (zh) | 2016-09-28 |
CN105976806B CN105976806B (zh) | 2019-08-02 |
Family
ID=56993971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610264153.6A Expired - Fee Related CN105976806B (zh) | 2016-04-26 | 2016-04-26 | 基于最大熵的有源噪声控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976806B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106531145A (zh) * | 2016-11-30 | 2017-03-22 | 西南交通大学 | 基于m估计器的递归有源噪声控制方法 |
CN108471300A (zh) * | 2018-03-05 | 2018-08-31 | 电子科技大学 | 一种cim函数下基于参数调整的比例lmp滤波方法 |
CN110599997A (zh) * | 2019-09-25 | 2019-12-20 | 西南交通大学 | 一种鲁棒性强的冲击噪声有源控制方法 |
CN112669805A (zh) * | 2020-12-14 | 2021-04-16 | 重庆邮电大学 | 一种基于方程误差算法的燃气站内压缩机有源噪声控制系统 |
CN112953463A (zh) * | 2021-03-05 | 2021-06-11 | 苏州大学 | 受约束的带遗忘因子递归最大相关熵自适应滤波器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090136052A1 (en) * | 2007-11-27 | 2009-05-28 | David Clark Company Incorporated | Active Noise Cancellation Using a Predictive Approach |
CN102209987A (zh) * | 2008-11-24 | 2011-10-05 | 高通股份有限公司 | 用于增强的主动噪声消除的系统、方法、设备及计算机程序产品 |
CN103778921A (zh) * | 2013-12-28 | 2014-05-07 | 中国人民解放军兰州军区乌鲁木齐总医院 | 消除雷达采集到的语音中的不均匀噪声的方法 |
WO2014079484A1 (en) * | 2012-11-21 | 2014-05-30 | Huawei Technologies Co., Ltd. | Method for determining a dictionary of base components from an audio signal |
CN105070296A (zh) * | 2015-07-10 | 2015-11-18 | 西南交通大学 | 一种活性因子集员成比例子带自适应回声消除方法 |
-
2016
- 2016-04-26 CN CN201610264153.6A patent/CN105976806B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090136052A1 (en) * | 2007-11-27 | 2009-05-28 | David Clark Company Incorporated | Active Noise Cancellation Using a Predictive Approach |
CN102209987A (zh) * | 2008-11-24 | 2011-10-05 | 高通股份有限公司 | 用于增强的主动噪声消除的系统、方法、设备及计算机程序产品 |
WO2014079484A1 (en) * | 2012-11-21 | 2014-05-30 | Huawei Technologies Co., Ltd. | Method for determining a dictionary of base components from an audio signal |
CN103778921A (zh) * | 2013-12-28 | 2014-05-07 | 中国人民解放军兰州军区乌鲁木齐总医院 | 消除雷达采集到的语音中的不均匀噪声的方法 |
CN105070296A (zh) * | 2015-07-10 | 2015-11-18 | 西南交通大学 | 一种活性因子集员成比例子带自适应回声消除方法 |
Non-Patent Citations (3)
Title |
---|
LU LU, ET AL.: "Adaptive Volterra filter with continuous lp-norm using a logarithmic cost for nonlinear active noise control", 《JOURNAL OF SOUND AND VIBRATION》 * |
ZONGZE WU,ET AL.: "Kernelrecursive maximum correntropy", 《SIGNAL PROCESSING》 * |
吴作伦 等: "基于最大熵条件下机械噪声盲源分离方法的研究", 《机电产品开发与创新》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106531145A (zh) * | 2016-11-30 | 2017-03-22 | 西南交通大学 | 基于m估计器的递归有源噪声控制方法 |
CN106531145B (zh) * | 2016-11-30 | 2019-05-17 | 西南交通大学 | 基于m估计器的递归有源噪声控制方法 |
CN108471300A (zh) * | 2018-03-05 | 2018-08-31 | 电子科技大学 | 一种cim函数下基于参数调整的比例lmp滤波方法 |
CN108471300B (zh) * | 2018-03-05 | 2019-08-27 | 电子科技大学 | 一种cim函数下基于参数调整的比例lmp滤波方法 |
CN110599997A (zh) * | 2019-09-25 | 2019-12-20 | 西南交通大学 | 一种鲁棒性强的冲击噪声有源控制方法 |
CN110599997B (zh) * | 2019-09-25 | 2022-04-12 | 西南交通大学 | 一种鲁棒性强的冲击噪声有源控制方法 |
CN112669805A (zh) * | 2020-12-14 | 2021-04-16 | 重庆邮电大学 | 一种基于方程误差算法的燃气站内压缩机有源噪声控制系统 |
CN112669805B (zh) * | 2020-12-14 | 2022-07-01 | 重庆邮电大学 | 一种基于方程误差算法的燃气站内压缩机有源噪声控制系统 |
CN112953463A (zh) * | 2021-03-05 | 2021-06-11 | 苏州大学 | 受约束的带遗忘因子递归最大相关熵自适应滤波器 |
CN112953463B (zh) * | 2021-03-05 | 2023-06-23 | 苏州大学 | 受约束的带遗忘因子递归最大相关熵自适应滤波器 |
Also Published As
Publication number | Publication date |
---|---|
CN105976806B (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106531145B (zh) | 基于m估计器的递归有源噪声控制方法 | |
CN105976806A (zh) | 基于最大熵的有源噪声控制方法 | |
JP2001128282A (ja) | 雑音の多いマルチパス環境のためのマイクロフォン・アレイ処理システム | |
CN104410761B (zh) | 一种仿射投影符号子带凸组合自适应回声消除方法 | |
CN111933102A (zh) | 一种基于分数阶梯度的非线性有源噪声控制方法 | |
CN111326134B (zh) | 一种基于emfnl滤波器离线建模次级通道的有源降噪方法 | |
Akhtar et al. | A method for online secondary path modeling in active noise control systems | |
Haque et al. | Robust speech dereverberation based on blind adaptive estimation of acoustic channels | |
Yelwande et al. | Adaptive wiener filter for speech enhancement | |
CN109119061A (zh) | 一种基于梯度矩阵的有源噪声控制方法 | |
Costa et al. | A robust variable step size algorithm for LMS adaptive filters | |
CN101789771B (zh) | 基于对数变换的脉冲噪声有源控制方法 | |
CN113299260B (zh) | 一种基于emfnl滤波器在线建模次级通道的有源降噪方法 | |
Pauline et al. | A low-complexity underwater acoustic signal denoising technique based on multi-stage adaptive filter configuration | |
Gan et al. | Integrated active noise control communication headsets | |
CN103501167A (zh) | 后滤波结构的脉冲噪声有源控制方法 | |
Ramadan et al. | An adaptive noise canceller using error nonlinearities in the lms adaptation | |
Mohapatra et al. | An advanced feedback Filtered-x least mean square algorithm for wideband noise removal | |
CN117831498A (zh) | 一种基于广义熵的欧氏方向搜索的有源噪声控制方法 | |
Gu et al. | Residual Echo and Noise Cancellation with Feature Attention Module and Multi-Domain Loss Function. | |
Nagal et al. | An approach to implement LMS and NLMS adaptive noise cancellation algorithm in frequency domain | |
Lakshmikanth et al. | Performance analysis of industrial noise cancellation with pso based wiener filter using adaptive LMS & NLMS | |
Fee et al. | Predictive deconvolution and kurtosis maximization for speech dereverberation | |
Babu et al. | A new variable threshold and dynamic step size based active noise control system for improving performance | |
Liu | Application of Nonlinear Adaptive Filter to Narrowband Active Noise Control in the Presence of Frequency Mismatch |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190802 |