CN106531145B - 基于m估计器的递归有源噪声控制方法 - Google Patents
基于m估计器的递归有源噪声控制方法 Download PDFInfo
- Publication number
- CN106531145B CN106531145B CN201611079136.1A CN201611079136A CN106531145B CN 106531145 B CN106531145 B CN 106531145B CN 201611079136 A CN201611079136 A CN 201611079136A CN 106531145 B CN106531145 B CN 106531145B
- Authority
- CN
- China
- Prior art keywords
- current time
- noise
- value
- filter
- estimator
- 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.)
- Active
Links
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
-
- 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
- G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
- G10K2210/30—Means
- G10K2210/301—Computational
- G10K2210/3023—Estimation of noise, e.g. on error signals
- G10K2210/30232—Transfer functions, e.g. impulse response
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
基于M估计器的递归有源噪声控制方法,其步骤主要是:A、噪声输入向量的生成;B、权向量的生成;C、滤波器输出值的生成;D、残差信号阈值的确定,D1、置于噪声消除点的误差麦克风拾取出噪声消除点在当前时刻n的声音信号;并得到残差信号平方e2(n),组成残差信号平方窗函数向量E(n),E(n)=[e2(n),e2(n‑1),...,e2(n‑Nw+1)];D2、计算M估计器的期望方差D3、计算出M估计器残差信号的低限阈值ξ、中限阈值Δ1和高限阈值Δ2;E、误差信号限定值的计算,滤波器计算出M估计器的误差信号限定值ψ(n);F、权向量更新;G、迭代,令n=n+1,重复A、B、C、D、E、F的步骤,直至滤波结束。该方法对冲击噪声的消除效果好,收敛速度快,残留误差小。
Description
技术领域
本发明属于自适应有源噪声控制技术领域。
背景技术
噪音控制一直以来是一个重要的课题。随着科技的发展,噪声污染的问题越来越严重。很多电子设备及工业装置都会产生噪声。这些噪声不仅可能对通信或自动控制系统造成干扰,还会影响人的身心健康。噪声控制技术主要分为无源控制技术和有源(主动)控制技术。无源控制技术,主要采用消声器、振动隔离、阻尼减振等方法,不仅造价高,且对于低频噪声往往没有效果。有源控制技术,采用主动噪声控制(Active noise control,ANC)系统,利用两列频率相同、相位差固定的声波,叠加后会产生相加性或相消性干涉,从而使声能得到增强或减弱,利用声波相消性干涉来消除噪声。此类方法,有着有效的去噪能力(尤其是低频噪声),且成本低;近年来得到了广泛的关注。
在一个有源(主动)噪声控制系统中,主麦克风置于噪声源处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(相)噪声(次级噪声);误差麦克风置于噪声消除点(扬声器处),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反馈修正。从噪声源到噪声消除点的路径称为主级通路,噪声源经控制器到噪声消除点(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)算法应用最为广泛,对于初级噪声信号为非冲击噪声的环境下,有着良好的鲁棒性,且结构简单。但是,当初级噪声为α稳定分布的冲击噪声时,FxLMS算法会出现不收敛的情况。由于FxLMS算法采用均方误差,而α稳定分布的噪声方差是无穷的,这样会导致控制器更新时参数发散。为避免这一缺陷,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
参考文献1“Leahy R,Zhou Z,Hsu YC.Adaptive filtering of stableprocesses for active attenuation of impulsive noise.in:Proceedings of the1995International Conference on Acoustics,Speech,and Signal Processing,vol.5;1995.p.2983-2986.)该方法是将分数阶误差策略,即p范数(1<p<2)引入有源噪声控制系统中,使得当强噪声环境下,能够把滤波器限定在一个范围内,避免其参数发散,从而提高了算法在冲击噪声下的稳定性,也提高了算法收敛速度。但是实验结果表面该方法某些强冲击收敛速度仍然不够快。
(2)鲁棒FxLMS(RFxLMS)方法
参考文献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。该方法采用一种基于对数的误差信号更新,而这种对数变换可以在一定程度上压缩α稳定分布噪声的幅值,从而限定控制器的参数,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M估计器的递归有源噪声控制方法,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,基于M估计器的递归有源噪声控制方法,其步骤如下:
1、基于M估计器的递归有源噪声控制方法,其步骤如下:
A、噪声输入向量的生成
置于噪声源的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、滤波器输出值的生成
滤波器根据当前时刻n的权向量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n输出到扬声器的滤波器输出值 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固有的脉冲响应;
D、残差信号阈值的确定
D1、置于噪声消除点的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);并得到当前时刻n的残差信号平方e2(n),将当前时刻n和前Nw-1个时刻的残差信号平方e2(n),e2(n-1),...,e2(n-Nw+1),组成残差信号平方窗函数向量E(n),E(n)=[e2(n),e2(n-1),...,e2(n-Nw+1)],其中,Nw是窗函数长度,取值为100;
D2、计算M估计器的期望方差
其中,C为计算纠正因子,C=1.483{1+5/(Nw-1)};ζ为缩放参数,其取值为0.9~1;med为取中位数运算;
D3、计算出M估计器残差信号的低限阈值ξ、中限阈值Δ1和高限阈值Δ2,
E、误差信号限定值的计算
滤波器根据当前时刻n的残差信号e(n),计算出M估计器当前时刻n的误差信号限定值ψ(n):
其中,sign表示符号函数,当e(n)>0时,其值为1;当e(n)<0时,其值为-1;当e(n)=0时,其值为0;
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,其取值为0.9~1;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-1F(n)-λ-1Φ(n)(s*U(n))TF(n)得到;
随后,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取n+1的值,重复A、B、C、D、E、F的步骤,直至滤波结束。
与现有技术相比,本发明的有益效果是:
本发明通过对残差信号进行递归M估计器运算,M估计器是对误差信号的鲁棒估计,当模型假设发生某种微小变化时,相应的估计器统计推断也只有微小改变。当误差信号限定值是有界函数时,基于M估计器的算法就会更加稳定,其原因是即使出现异常值,也不会对算法中滤波器权向量的更新产生无法控制的影响:当残差信号e(n)位于误差信号的低位阈值(下限)附近时,外界的信号的变化只会引起滤波器的参数微小变化;当残差信号e(n)位于误差信号中位阈值附近时,滤波器参数的变化与外界环境的变化成正相关;当残差信号e(n)位于误差信号的高限阈值附近时,滤波器参数的变化不再受外界环境的影响。因此,本发明对噪声信号有着相较于传统算法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。
仿真实验证明,本发明的收敛速度快,较现有方法其收敛速度提高了大约50%;去噪性能好,残差功率小,其平均噪声残留较现有方法,降低了约5dB。
下面结合附图和具体实施方式对本发明进行详细说明
附图说明
图1是本发明方法和文献1、文献2方法的仿真实验的平均噪声残留对比图。
图2是本发明方法和文献1、文献2方法的仿真实验的残留噪声频谱密度对比图。
下面结合附图和具体实施方式对本发明进行详细说明。
具体实施方式
实施例
本发明的一种具体实施方式是,基于M估计器的递归有源噪声控制方法,其步骤如下:
1、基于M估计器的递归有源噪声控制方法,其步骤如下:
A、噪声输入向量的生成
置于噪声源的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、滤波器输出值的生成
滤波器根据当前时刻n的权向量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n输出到扬声器的滤波器输出值 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固有的脉冲响应;
D、残差信号阈值的确定
D1、置于噪声消除点的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);并得到当前时刻n的残差信号平方e2(n),将当前时刻n和前Nw-1个时刻的残差信号平方e2(n),e2(n-1),...,e2(n-Nw+1),组成残差信号平方窗函数向量E(n),E(n)=[e2(n),e2(n-1),...,e2(n-Nw+1)],其中,Nw是窗函数长度,取值为100;
D2、计算M估计器的期望方差
其中,C为计算纠正因子,C=1.483{1+5/(Nw-1)};ζ为缩放参数,其取值为0.9~1;med为取中位数运算;
D3、计算出M估计器残差信号的低限阈值ξ、中限阈值Δ1和高限阈值Δ2,
E、误差信号限定值的计算
滤波器根据当前时刻n的残差信号e(n),计算出M估计器当前时刻n的误差信号限定值ψ(n):
其中,sign表示符号函数,当e(n)>0时,其值为1;当e(n)<0时,其值为-1;当e(n)=0时,其值为0;
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,其取值为0.9~1;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-1F(n)-λ-1Φ(n)(s*U(n))TF(n)得到;
随后,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取n+1的值,重复A、B、C、D、E、F的步骤,直至滤波结束。
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的算法进行了对比。
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设定为128阶。初级噪声分别为一个α稳定分布的冲击噪声,α取值越大噪声越弱。ζ=0.999。
图1是本发明方法和文献1、文献2方法的仿真实验的平均噪声残留(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)对比图。由图1可知,本发明的收敛速度快,在大约10000时刻收敛,而文献1滤波器参数发散;文献2在大约在15000时刻收敛;本发明的收敛速度较效果好的文献2的方法,提高了大约50%。且平均噪声残留较文献1,文献2的方法,降低了约5dB。
图2是本发明方法和文献1、文献2方法的仿真实验的残留噪声频谱密度对比图。由图2可知,本发明比文献1、2收敛速度更快,残差功率更小。
Claims (1)
1.基于M估计器的递归有源噪声控制方法,其步骤如下:
A、噪声输入向量的生成
置于噪声源的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、滤波器输出值的生成
滤波器根据当前时刻n的权向量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n输出到扬声器的滤波器输出值 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固有的脉冲响应;
D、残差信号阈值的确定
D1、置于噪声消除点的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);并得到当前时刻n的残差信号平方e2(n),将当前时刻n和前Nw-1个时刻的残差信号平方e2(n),e2(n-1),...,e2(n-Nw+1),组成残差信号平方窗函数向量E(n),E(n)=[e2(n),e2(n-1),...,e2(n-Nw+1)],其中,Nw是窗函数长度,取值为100;
D2、计算M估计器的期望方差
其中,C为计算纠正因子,C=1.483{1+5/(Nw-1)};ζ为缩放参数,其取值为0.9~1;med为取中位数运算;
D3、计算出M估计器残差信号的低限阈值ξ、中限阈值Δ1和高限阈值Δ2,
E、误差信号限定值的计算
滤波器根据当前时刻n的残差信号e(n),计算出M估计器当前时刻n的误差信号限定值ψ(n):
其中,sign表示符号函数,当e(n)>0时,其值为1;当e(n)<0时,其值为-1;当e(n)=0时,其值为0;
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,其取值为0.9~1;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-1F(n)-λ-1Φ(n)(s*U(n))TF(n)得到;
随后,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取n+1的值,重复A、B、C、D、E、F的步骤,直至滤波结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611079136.1A CN106531145B (zh) | 2016-11-30 | 2016-11-30 | 基于m估计器的递归有源噪声控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611079136.1A CN106531145B (zh) | 2016-11-30 | 2016-11-30 | 基于m估计器的递归有源噪声控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106531145A CN106531145A (zh) | 2017-03-22 |
CN106531145B true CN106531145B (zh) | 2019-05-17 |
Family
ID=58355238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611079136.1A Active CN106531145B (zh) | 2016-11-30 | 2016-11-30 | 基于m估计器的递归有源噪声控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106531145B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147753B (zh) * | 2018-07-24 | 2022-03-25 | 西南交通大学 | 基于误差平方与误差平方对数之差最小的凸组合降噪方法 |
CN111785243B (zh) * | 2020-06-10 | 2024-02-09 | 厦门市派美特科技有限公司 | 一种耳机有源降噪方法及系统 |
CN112087178A (zh) * | 2020-09-14 | 2020-12-15 | 四川长虹电器股份有限公司 | 一种永磁同步电机的参数识别方法 |
CN113295753A (zh) * | 2021-04-29 | 2021-08-24 | 山东非金属材料研究所 | 一种pH计电压误差的双FIR测量方法 |
CN114488224B (zh) * | 2021-12-24 | 2023-04-07 | 西南交通大学 | 一种用于卫星集中式自主导航的自适应滤波方法 |
CN117451951B (zh) * | 2023-12-22 | 2024-03-19 | 微瑞精仪(厦门)科技有限公司 | 一种高适应性单分子测量仪 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1886104A (zh) * | 2003-11-26 | 2006-12-27 | 加利福尼亚大学董事会 | 有源噪声控制方法以及包含前馈和反馈控制器的设备 |
CN104683614A (zh) * | 2015-03-24 | 2015-06-03 | 西南交通大学 | 基于m估计的记忆成比例仿射投影自适应回声消除方法 |
CN105976806A (zh) * | 2016-04-26 | 2016-09-28 | 西南交通大学 | 基于最大熵的有源噪声控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8824666B2 (en) * | 2009-03-09 | 2014-09-02 | Empire Technology Development Llc | Noise cancellation for phone conversation |
-
2016
- 2016-11-30 CN CN201611079136.1A patent/CN106531145B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1886104A (zh) * | 2003-11-26 | 2006-12-27 | 加利福尼亚大学董事会 | 有源噪声控制方法以及包含前馈和反馈控制器的设备 |
CN104683614A (zh) * | 2015-03-24 | 2015-06-03 | 西南交通大学 | 基于m估计的记忆成比例仿射投影自适应回声消除方法 |
CN105976806A (zh) * | 2016-04-26 | 2016-09-28 | 西南交通大学 | 基于最大熵的有源噪声控制方法 |
Non-Patent Citations (1)
Title |
---|
基于M估计的混合噪声主动控制算法;田亚雄;《佳木斯大学学报(自然科学版)》;20160915;第34卷(第5期);791-794 |
Also Published As
Publication number | Publication date |
---|---|
CN106531145A (zh) | 2017-03-22 |
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 | |
Lu et al. | A survey on active noise control in the past decade—Part I: Linear systems | |
Thenua et al. | Simulation and performance analysis of adaptive filter in noise cancellation | |
CN105976806B (zh) | 基于最大熵的有源噪声控制方法 | |
CN107333017A (zh) | 一种重用权系数指数型误差自适应回声消除方法 | |
Xiao et al. | A new efficient filtered-x affine projection sign algorithm for active control of impulsive noise | |
CN104035332B (zh) | 基于m‑估计的冲击类噪声有源控制方法 | |
CN109119061A (zh) | 一种基于梯度矩阵的有源噪声控制方法 | |
CN113078884B (zh) | 添加非线性拟合的自适应算法 | |
Gomathi et al. | Variable step size for improving convergence of FxLMS algorithm | |
Kar et al. | An improved filtered-x least mean square algorithm for acoustic noise suppression | |
CN113299260A (zh) | 一种基于emfnl滤波器在线建模次级通道的有源降噪方法 | |
CN111193497A (zh) | 一种基于emfnl滤波器的次级通道建模方法 | |
Hassanpour et al. | An efficient online secondary path estimation for feedback active noise control systems | |
Avalos et al. | Multichannel Filtered-X Error Coded Affine Projection-Like Algorithm with Evolving Order | |
CN113851104A (zh) | 含次级通道在线辨识的反馈型主动噪声控制系统及方法 | |
Mehmood et al. | A comprehensive review of adaptive noise cancellation techniques in the internet of things | |
Ramadan et al. | An adaptive noise canceller using error nonlinearities in the lms adaptation | |
Akhtar et al. | Robust adaptive algorithm for active noise control of impulsive noise | |
Zhou et al. | Robust generalized hyperbolic secant algorithm for nonlinear active noise control | |
Lu et al. | A recursive least M-estimate adaptive controller for active impulsive noise control | |
Mohapatra et al. | A sigmoid function based feedback filtered-X-LMS algorithm with improved offline modelling | |
Dhubkarya et al. | Comparative Performance Analysis of Adaptive Algorithms for Simulation & Hardware Implementation of an ECG Signal | |
Foo et al. | Active noise cancellation headset | |
Rodríguez et al. | Convex Combination of FXECAP–FXECLMS Algorithms for Active Noise Control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |