CN109714023B - 自适应滤波方法、自适应滤波器和噪声控制系统 - Google Patents
自适应滤波方法、自适应滤波器和噪声控制系统 Download PDFInfo
- Publication number
- CN109714023B CN109714023B CN201811625084.2A CN201811625084A CN109714023B CN 109714023 B CN109714023 B CN 109714023B CN 201811625084 A CN201811625084 A CN 201811625084A CN 109714023 B CN109714023 B CN 109714023B
- Authority
- CN
- China
- Prior art keywords
- signal
- reference signal
- filter
- error
- weight coefficient
- 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
Images
Abstract
本发明公开了一种自适应滤波方法、自适应滤波器和噪声控制系统。本发明的噪声控制系统包括初级传感器、误差传感器、次级声源和自适应滤波器;本发明的自适应滤波器包括自适应滤波单元和权系数更新单元;本发明的自适应滤波方法包括:自适应滤波器接收参考信号,并根据参考信号以及滤波器权系数获得输出信号,以驱动扬声器产生次级噪声信号;根据参考信号、误差传感器发送的误差信号计算预设算法的收敛步长,并利用参考信号、误差信号和确定收敛步长的预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至误差信号达到预设阈值。本发明能够在噪声信号能量变化较大的背景环境下,保证算法稳定、快速地收敛,提升系统降噪效果。
Description
技术领域
本发明涉及一种自适应滤波方法、自适应滤波器和噪声控制系统。
背景技术
自适应滤波器一直是信号处理领域的研究热点之一,经过多年的发展,其已被广泛应用于数字通信、雷达、声纳、地震学、导航系统、生物医学和工业控制等领域。
自适应算法中应用最广泛的是最小均方(Least Mean Square,LMS)算法,LMS算法是一种搜索算法,通过对目标函数进行适当的调整,简化了对梯度向量的计算。由于其计算的简单性,LMS算法和其他与之相关的算法已经广泛用于自适应滤波的各种应用中。
目前,基于变步长(Variable Step Size,VSS)LMS(简称为VSS-LMS)算法的主动噪声控制技术可以很好地解决收敛速度与误差之间的矛盾,但是目前VSS-LMS算法中收敛步长的更新方法使得VSS-LMS算法难以适应于复杂的噪声环境。例如,在只利用误差信号作为更新VSS-LMS算法中收敛步长的更新因子,会存在VSS-LMS算法收敛效果严重受到噪声能量梯度变化的影响,尤其是在噪声信号能量变化较大的背景环境下,可能引起系统发散。
发明内容
本发明提供了一种自适应滤波方法、自适应滤波器和噪声控制系统,以解决在噪声信号能量变化较大的背景环境下,仅采用误差信号作为更新因子导致LMS算法不稳定,易发散的问题。
本发明一方面提供了一种自适应滤波方法,包括:自适应滤波器接收参考信号,并根据参考信号以及滤波器权系数获得输出信号,以驱动次级声源产生次级噪声信号,其中,参考信号为初级传感器拾取初级声源产生的初级噪声信号并对初级噪声信号进行声电转换后所形成的电信号;根据参考信号、误差信号计算预设算法的收敛步长,并利用参考信号、误差信号和确定收敛步长的预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至误差信号达到预设阈值,其中,误差信号为误差传感器拾取初级噪声信号以及次级噪声信号抵消后形成的信号。
本发明另一方面提供了一种自适应滤波器,包括:自适应滤波单元,用于接收参考信号,并根据参考信号以及滤波器权系数获得输出信号,以驱动次级声源产生次级噪声信号,其中,参考信号为初级传感器拾取初级声源产生的初级噪声信号并对所述初级噪声信号进行声电转换后所形成的电信号;权系数更新单元,用于根据参考信号、误差信号计算预设算法的收敛步长,并利用参考信号、误差信号和确定收敛步长的预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至误差信号达到预设阈值,其中,误差信号为误差传感器拾取初级噪声信号以及次级噪声信号抵消后形成的信号。
本发明另一方面还提供了一种噪声控制系统,包括:初级传感器、误差传感器、次级声源和上述的自适应滤波器;初级传感器拾取初级声源的初级噪声信号并对初级噪声信号进行声电转换形成参考信号,将参考信号发送给所述自适应滤波器;自适应滤波器接收所述参考信号,根据参考信号以及滤波权系数形成输出信号,并驱动次级声源基于所述输出信号产生次级噪声信号;以及根据误差信号、参考信号计算预设算法的收敛步长,并利用参考信号、误差信号和确定收敛步长的所述预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至误差信号达到预设阈值;误差传感器拾取由初级噪声信号以及次级噪声信号抵消后形成的误差信号,将误差信号发送给自适应滤波器。
针对在噪声信号能量变化较大的背景环境下,若算法的收敛步长中只有误差信号作为控制因子,存在算法的收敛效果会严重受到噪声信号梯度变化影响的问题,本发明实施例将参考信号和误差信号作为算法收敛步长的控制因子,使得即使在噪声信号能量变化较大情况下,也可以计算得到对应噪声信号能量的收敛步长,保证算法稳定、快速地收敛,进而使得基于参考信号、误差信号和预设算法对滤波器权系统的更新,能够实现对次级噪声信号强度的调整,提升降噪效果。
附图说明
图1为本发明实施例示出的自适应前馈有源噪声控制系统结构示意图;
图2为本发明实施例示出的自适应滤波方法的流程图;
图3为本发明实施例示出的主动噪声控制算法结构示意图;
图4为本发明实施例示出的自适应滤波器的结构框图;
图5为本发明实施例示出的噪声控制系统的结构框图;
图6为本发明实施例示出的残余误差均方值变化情况对比示意图;
图7为本发明实施例示出的噪声控制效果变化情况对比示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。这里使用的词语“一”、“一个(种)”和“该”等也应包括“多个”、“多种”的意思,除非上下文另外明确指出。此外,在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
因此,本发明的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本发明的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本发明的上下文中,计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
如图1所示,典型的自适应前馈有源噪声控制系统结构由初级传感器Mp、控制器(主要执行自适应滤波算法及相应滤波算法)、误差传感器Me和次级声源Ls,该系统的关键技术包括噪声控制和次级通道建模,其工作原理为:
初级传感器Mp拾取初级声源P发出的噪声信号,将噪声信号进行声电转换形成参考信号x(t)作为控制器的输入,控制器输出电信号y(t),驱动次级声源Ls辐射声波形成次级声场,初级声场是参考信号x(t)经过物理路径到达误差传感器Me周围的声波,初、次级声场在误差传感器Me处相互抵消形成静区,达到噪声控制的目的;可以理解的是初级传感器Mp、误差传感器Me、次级声源Ls周围的噪声信号都为初级声场辐射的声波信号。
为了使消声点的降噪量最大,由误差传感器Me监测消声点处声压值,误差传感器Me拾取抵消后的误差信号e(t)送至控制器,控制器利用误差信号e(t)调整滤波器权参数,从而控制次级声源Ls变化,这样的过程不断进行下去,最终使整个系统收敛并保持稳定状态。
基于自适应前馈有源噪声控制系统,本发明实施例提供一种自适应滤波方法。
图2为本发明实施例示出的自适应滤波方法的流程图,如图2所示,本实施例的方法包括:
S210,自适应滤波器接收参考信号,并根据参考信号以及滤波器权系数获得输出信号,以驱动次级声源产生次级噪声信号,其中,参考信号为初级传感器拾取初级声源产生的初级噪声信号并对初级噪声信号进行声电转换后所形成的电信号。
S220,根据参考信号、误差信号计算预设算法的收敛步长,并利用参考信号、误差信号和确定收敛步长的预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至误差信号达到预设阈值,其中,误差信号为误差传感器拾取初级噪声信号以及次级噪声信号抵消后形成的信号。
其中,预设算法为收敛步长可变LMS算法,即VSS-LMS算法。
本实施例中调整次级噪声信号的强度是指调整次级噪声信号的幅度。
针对在噪声信号能量变化较大的背景环境下,若算法的收敛步长中只有误差信号作为控制因子,存在算法的收敛效果会严重受到噪声信号梯度变化影响的问题,本实施例将参考信号和误差信号作为算法收敛步长的控制因子,使得即使在噪声信号能量变化较大情况下,也可以计算得到对应噪声信号能量的收敛步长,保证算法稳定、快速地收敛,进而使得基于参考信号、误差信号和预设算法对滤波器权系统的更新,能够实现对次级噪声信号强度的调整,提升降噪效果。
下面本实施例结合图3-5,对上述步骤S210-S220进行详细说明。
首先执行步骤S210,即自适应滤波器接收参考信号,并根据参考信号以及滤波器权系数获得输出信号,以驱动次级声源产生次级噪声信号,其中,参考信号为初级传感器拾取初级声源产生的初级噪声信号并对初级噪声信号进行声电转换后所形成的电信号。
在一个实施例中,通过下述方法计算预设算法的收敛步长:首先利用次级通道建模滤波器对参考信号进行处理,获得处理后的参考信号;接着计算处理后的参考信号的平方欧式范数;然后利用处理后的参考信号的平方欧式范数对VSS-LMS算法中的收敛步长的步长值进行归一化处理。
参考图1并结合图3,初级声源(即噪声源)向外辐射初级噪声信号,初级噪声信号经过初级通道P(n)形成期望信号d(n),初级传感器拾取初级噪声信号并对初级噪声信号进行声电转换后参考信号x(n)作为自适应滤波器的输入信号,参考信号x(n)与滤波器权系数W(n)相乘得到输出信号y(n),由于系统的实际结构中引入次级通道S(n),输出信号y(n)经过次级通道S(n)后形成次级噪声信号yt(n);次级噪声信号yt(n)与期望信号d(n)在消声点处抵消形成误差信号e(n),由误差传感器拾取该误差信号e(n)。
由于噪声控制系统的实际结构中引入次级通道S(n),使算法不平衡,导致降噪不稳定,如图3所示,利用系统建模的方法,对次级通道进行建模S(n),即在参考信号后面引入次级通道建模滤波器参考信号x(n)经过次级通道建模滤波器/>后形成信号/>
一个实现方案中,经归一化处理后的收敛步长的步长值
其中,为处理后的参考信号的平方欧式范数,n为滤波时间,/>为滤波时间为n的处理后的参考信号,e(n)为滤波时间为n的误差信号,|e(n)|为误差信号的幅值的绝对值,μ(n)为滤波时间为n的步长值,α,β,γ分别为第一调节因子、第二调节因子和第三调节因子,第一调节因子α与第二调节因子β的值越大,步长值μ(n)越大,收敛速度越快,但是较大参数容易引起算法发散,所以需要第一调节因子α与第二调节因子β互相调节选择合适值;第三调节因子γ值越大,步长值μ(n)越小,稳态误差值越小,但是计算量就大;在算法中,通过调节α,β,γ可以进一步提高算法性能;ε为大于零的修正因子,为防止μ(n)的分母为零而设计,一般取值为0.0001;sech()为双曲正割函数。
通过上述步长值μ(n)公式进行自适应迭代,自适应滤波器达到最优权系数时误差信号为0或近似于0,所以在初始阶段,误差信号e(n)的值很大,滤波器权系数离最优权系数较远(即滤波器权系数与最优权系数之间的距离较大),此时选取较大步长值,可以提高算法收敛速度,在迭代过程中误差信号e(n)逐渐减小,随着迭代的进行,系统逐渐收敛,即滤波器权系数与最优权系数之间的距离越来越近,此时选取小步长值,理想情况下,滤波器权系数达到最优权系数时,可以实现最大降噪量。
由于误差信号是对参考信号的估计,在系统达到平稳状态,如果仅利用误差信号来控制算法收敛步长的步长值大小,当环境噪声信号能量增大时,误差信号的能量也会随着变大,导致收敛步长的步长值变大而引起系统稳态误差值变大,严重时将导致系统发散的情况。所以在噪声信号能量变化较大的背景环境下,若VSS-LMS算法的收敛步长中仅误差信号作为更新因子,那么该系统收敛效果会严重受到噪声信号梯度变化的影响。
其中,本实施例利用信号幅度的平方表示信号的能量,例如,利用环境噪声信号幅度的平方表示环境噪声信号的能量,利用误差信号幅度的平方表示误差信号的能量。
本实施例采用处理后的参考信号的平方欧式范数对变化的收敛步长的步长值μ(n)进行归一化处理,在环境噪声信号能量变大时,经过次级通道建模滤波器处理后的参考信号/>的幅值变大,处理后的参考信号/>对应的平方欧式范数的数值增大,进而步长值μ(n)变小,此时算法自动选择小步长值,可以很好地避免系统发散;当环境噪声信号能量变小时,经过次级通道建模滤波器/>处理后的参考信号/>的幅值变小,处理后的参考信号/>对应的平方欧式范数的数值减小,进而步长值μ(n)变大,此时算法自动选择较大步长值,提高收敛速度。
在计算得到VSS-LMS算法中的收敛步长的步长值之后,根据误差信号、处理后的参考信号,利用收敛步长经归一化处理后的VSS-LMS算法,更新滤波器权系数。
本发明实施例还提供一种自适应滤波器。
图4为本发明实施例示出的自适应滤波器的结构框图,如图4所示,本实施例的自适应滤波器包括:
自适应滤波单元41,用于接收参考信号,并根据参考信号以及滤波器权系数获得输出信号,以驱动次级声源产生次级噪声信号,其中,参考信号为初级传感器拾取初级声源产生的初级噪声信号并对所述初级噪声信号进行声电转换后所形成的电信号;
权系数更新单元42,用于根据参考信号、误差信号计算预设算法的收敛步长,并利用参考信号、误差信号和确定收敛步长的预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至误差信号达到预设阈值,其中,误差信号为误差传感器拾取由初级噪声信号以及次级噪声信号抵消后形成的信号。
其中,预设算法为收敛步长可变LMS算法,即VSS-LMS算法。
一个实施例中,权系数更新单元包括:第一计算模块、第二计算模块和更新模块:
第一计算模块,用于获取经次级通道建模滤波器对参考信号进行处理后形成的处理后的参考信号并计算处理后的参考信号的平方欧式范数;
第二计算模块,用于利用处理后的参考信号的平方欧式范数对收敛步长可变LMS算法中的收敛步长的步长值进行归一化处理;
更新模块,用于根据误差信号、处理后的参考信号,利用收敛步长经归一化处理后的收敛步长可变LMS算法,更新滤波器权系数。
一个方案中,更新模块用于根据计算经归一化处理后的收敛步长的步长值;其中,/>n为滤波时间,/>为滤波时间为n的处理后的参考信号,e(n)为滤波时间为n的误差信号,μ(n)为滤波时间为n的步长值,α,β,γ分别为第一调节因子、第二调节因子和第三调节因子,ε为修正因子,sech()为双曲正割函数。
对于自适应滤波器实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的自适应滤波器实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施例还提供一种噪声控制系统。
图5为本发明实施例示出的噪声控制系统的结构框图,如图5所示,噪声控制系统包括:初级传感器、误差传感器、次级声源和前文描述的自适应滤波器;
初级传感器拾取初级声源的初级噪声信号并对初级噪声信号进行声电转换形成参考信号,将参考信号发送给自适应滤波器;
自适应滤波器接收所述参考信号,根据参考信号以及滤波权系数形成输出信号,并驱动扬声器基于输出信号产生次级声源;以及根据误差信号、参考信号计算预设算法的收敛步长,并利用参考信号、误差信号和确定收敛步长的预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至误差信号达到预设阈值;
误差传感器拾取由所述初级噪声信号以及次级噪声信号抵消后形成的误差信号,将误差信号发送给自适应滤波器。
其中,次级声源包括但不限于扬声器。
在一个实施例中,噪声控制系统还包括:次级通道建模滤波器;次级通道建模滤波器对参考信号进行处理,获得处理后的参考信号并将处理后的参考信号发送给自适应滤波器;自适应滤波器根据误差信号、处理后的参考信号,利用收敛步长经归一化处理后的VSS-LMS算法,更新滤波器权系数。
本实施例中,初级传感器包括一个或多个传声器,误差传感器包括一个或多个传声器。
为验证本实施例的噪声控制系统所实现的主动降噪方法的优点,本实施例采用MATLAB对基于LMS算法的主动控制方法(Filtered-X Least Mean Square,FXLMS)、基于NLMS算法的主动控制方法(Filtered-X Normalized Least Mean Square,FXNLMS)、基于变步长LMS算法的主动控制方法(Filtered-X Variable Step Size Least Mean Square,FX-VSSLMS)和本实施例的主动降噪方法进行仿真对比实验。
如图6所示,图6为四个方法的残余误差均方值变化,横坐标为迭代次数,纵坐标表示误差信号e(n)的均方误差(Mean Squared Error,MSE)。
从图6中可以看出,FXLMS收敛速度最慢;当迭代次数小于3000次时,FXNLMS收敛速度一直比FX-VSSLMS快;在输入信号能量变化较大的环境下FX-VSSLMS的收敛速度受到一定影响,FXNLMS可以很好应对输入信号的变化,保持较高收敛速度;在迭代次数大于10000次时,各方法的残余误差均趋于稳定,FX-VSSLMS相较于FXNLMS和FXLMS可以获得较低的稳态误差值,从图6中可以看出,本实施例的主动降噪方法具有高收敛速度和低稳态误差值的优势。
从图7中可以看出,FXLMS方法无论在降噪速度上还是降噪量上都是最差的;在迭代次数小于3000次时,FXNLMS方法的降噪速度明显高于FX-VSSLMS方法;之后FX-VSSLMS相较于FXNLMS具有较高的降噪量。本实施例的主动降噪方法利用参考信号的平方欧式范数对VSS-LMS算法的收敛步长进行归一化处理可以很好地应对输入信号梯度大的影响,方法稳定性较高,所以在初始阶段,本实施例的方法可以选取更大的步长值,降噪速度得以增加;随着迭代过程的继续,系统逐渐收敛,可以看出FX-VSSLMS方法的收敛步长会受到输入信号能量的影响,从而影响降噪量,而本实施例的主动降噪方法不仅拥有很好的降噪速度而且还有较高的降噪量。
通过实验仿真,本实施例的噪声控制系统实现的主动降噪方法对成分复杂且梯度较大的参考信号,在噪声控制方面表现出较高降噪量和较强鲁棒性。
本实施例利用参考信号和误差信号作为VSS-LMS算法的收敛步长的控制因子,利用次级通道建模滤波器对参考信号进行处理,利用处理后的参考信号的平方欧式范数对VSS-LMS算法的收敛步长的步长值进行归一化处理,使得在输入信号能量变化的情况下,自适应滤波器自动调整VSS-LMS算法的收敛步长以适应输入信号能量的变化,避免系统发散,提高系统收敛速度。
为了便于清楚描述本发明实施例的技术方案,在发明的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定。
以上所述,仅为本发明的具体实施方式,在本发明的上述教导下,本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白,上述的具体描述只是更好的解释本发明的目的,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种自适应滤波方法,其特征在于,包括:
自适应滤波器接收参考信号,并根据所述参考信号以及滤波器权系数获得输出信号,以驱动次级声源产生次级噪声信号,其中,所述参考信号为初级传感器拾取初级声源产生的初级噪声信号并对所述初级噪声信号进行声电转换后所形成的电信号;
根据所述参考信号、误差信号计算预设算法的收敛步长,并利用所述参考信号、误差信号和确定收敛步长的所述预设算法更新所述滤波器权系数,以调整次级噪声信号的强度,直至所述误差信号达到预设阈值,其中,所述误差信号为误差传感器拾取所述初级噪声信号以及所述次级噪声信号抵消后形成的信号;
所述预设算法为收敛步长可变LMS算法;所述根据所述参考信号、误差信号计算预设算法的收敛步长,并利用所述参考信号、误差信号和确定收敛步长的所述预设算法更新所述滤波器权系数,包括:
利用次级通道建模滤波器对所述参考信号进行处理,获得处理后的参考信号;
计算所述处理后的参考信号的平方欧式范数;
利用所述处理后的参考信号的平方欧式范数对所述收敛步长可变LMS算法中的收敛步长的步长值进行归一化处理;
根据所述误差信号、所述处理后的参考信号,利用收敛步长经归一化处理后的收敛步长可变LMS算法,更新所述滤波器权系数。
4.一种自适应滤波器,其特征在于,包括:
自适应滤波单元,用于接收参考信号,并根据所述参考信号以及滤波器权系数获得输出信号,以驱动次级声源产生次级噪声信号,其中,所述参考信号为初级传感器拾取初级声源产生的初级噪声信号并对所述初级噪声信号进行声电转换后所形成的电信号;
权系数更新单元,用于根据所述参考信号、误差信号计算预设算法的收敛步长,并利用所述参考信号、误差信号和确定收敛步长的所述预设算法更新所述滤波器权系数,以调整次级噪声信号的强度,直至所述误差信号达到预设阈值,其中,所述误差信号为误差传感器拾取所述初级噪声信号以及所述次级噪声信号抵消后形成的信号;
所述预设算法为收敛步长可变LMS算法;所述权系数更新单元包括:
第一计算模块,用于获取经次级通道建模滤波器对所述参考信号进行处理后形成的处理后的参考信号并计算所述处理后的参考信号的平方欧式范数;
第二计算模块,用于利用所述处理后的参考信号的平方欧式范数对所述收敛步长可变LMS算法中的收敛步长的步长值进行归一化处理;
更新模块,用于根据所述误差信号、所述处理后的参考信号,利用收敛步长经归一化处理后的收敛步长可变LMS算法,更新所述滤波器权系数。
7.一种噪声控制系统,其特征在于,包括:初级传感器、误差传感器、次级声源和权利要求4-6任一项所述的自适应滤波器;
所述初级传感器拾取初级声源的初级噪声信号并对所述初级噪声信号进行声电转换形成参考信号,将所述参考信号发送给所述自适应滤波器;
所述自适应滤波器接收所述参考信号,根据所述参考信号以及滤波权系数形成输出信号,并驱动所述次级声源基于所述输出信号产生次级噪声信号;以及根据误差信号、所述参考信号计算预设算法的收敛步长,并利用所述参考信号、误差信号和确定收敛步长的所述预设算法更新滤波器权系数,以调整次级噪声信号的强度,直至所述误差信号达到预设阈值;
所述误差传感器拾取由所述初级噪声信号以及所述次级噪声信号抵消后形成的误差信号,将所述误差信号发送给所述自适应滤波器。
8.根据权利要求7所述的系统,其特征在于,还包括次级通道建模滤波器;
所述次级通道建模滤波器对所述参考信号进行处理,获得处理后的参考信号并将所述处理后的参考信号发送给所述自适应滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625084.2A CN109714023B (zh) | 2018-12-28 | 2018-12-28 | 自适应滤波方法、自适应滤波器和噪声控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625084.2A CN109714023B (zh) | 2018-12-28 | 2018-12-28 | 自适应滤波方法、自适应滤波器和噪声控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109714023A CN109714023A (zh) | 2019-05-03 |
CN109714023B true CN109714023B (zh) | 2023-07-11 |
Family
ID=66258027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811625084.2A Active CN109714023B (zh) | 2018-12-28 | 2018-12-28 | 自适应滤波方法、自适应滤波器和噪声控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109714023B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110311653B (zh) * | 2019-07-05 | 2022-05-17 | 海南大学 | 混合信号中有效信号的恢复方法和系统 |
CN110335582B (zh) * | 2019-07-11 | 2023-12-19 | 吉林大学 | 一种适用于脉冲噪声有源控制的主动降噪方法 |
CN111091805B (zh) * | 2019-11-15 | 2023-05-26 | 佳禾智能科技股份有限公司 | 一种基于神经网络的反馈式降噪方法 |
CN111445895B (zh) * | 2020-03-12 | 2023-05-16 | 中国科学院声学研究所 | 一种基于遗传算法的指向性有源噪声控制系统及方法 |
CN111800687B (zh) * | 2020-03-24 | 2022-04-12 | 深圳市豪恩声学股份有限公司 | 一种主动降噪方法、装置、电子设备及存储介质 |
CN112289295B (zh) * | 2020-06-08 | 2023-12-26 | 珠海市杰理科技股份有限公司 | 主动降噪系统训练方法以及相关设备 |
CN111862925B (zh) * | 2020-07-03 | 2024-04-12 | 天津大学 | 一种基于惰性学习的自适应有源噪声控制系统及其方法 |
CN112071298A (zh) * | 2020-09-08 | 2020-12-11 | 珠海格力电器股份有限公司 | 油烟机降噪控制方法、系统及油烟机 |
CN112037752A (zh) * | 2020-09-08 | 2020-12-04 | 珠海格力电器股份有限公司 | 家电设备降噪方法、装置、计算机设备和存储介质 |
CN112309361A (zh) * | 2020-10-29 | 2021-02-02 | 西安艾科特声学科技有限公司 | 一种用于有源噪声控制系统的声反馈抑制方法 |
CN112309362A (zh) * | 2020-10-30 | 2021-02-02 | 上海联影医疗科技股份有限公司 | Mr系统的主动声学降噪方法、装置和计算机设备 |
CN113035168B (zh) * | 2021-02-25 | 2023-10-24 | 泰凌微电子(上海)股份有限公司 | 一种自适应降噪方法以及装置 |
CN113345402B (zh) * | 2021-06-01 | 2022-08-09 | 广西南宁弘邹科技有限公司 | 一种基于自适应算法的光纤水听器本底噪声自适应抵消方法 |
CN113315490A (zh) * | 2021-06-04 | 2021-08-27 | 哈尔滨工程大学 | 一种基于后滤波器的滤波参考仿射投影符号主动控制系统 |
CN113539227B (zh) * | 2021-06-11 | 2023-06-30 | 西安交通大学 | 一种基于FxLMS的控制器长度自适应调节方法及系统 |
CN113488014A (zh) * | 2021-06-23 | 2021-10-08 | 武汉理工大学 | 一种无麦克风前馈局部主动噪声控制系统的控制方法 |
CN114464157A (zh) * | 2021-12-31 | 2022-05-10 | 苏州茹声电子有限公司 | 一种车辆的主动降噪方法及设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935293A (zh) * | 2015-06-25 | 2015-09-23 | 国网山东省电力公司莱芜供电公司 | 大功率变压器自适应有源降噪控制方法及控制系统 |
CN108900943A (zh) * | 2018-07-24 | 2018-11-27 | 四川长虹电器股份有限公司 | 一种场景自适应主动降噪方法及耳机 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9559736B2 (en) * | 2015-05-20 | 2017-01-31 | Mediatek Inc. | Auto-selection method for modeling secondary-path estimation filter for active noise control system |
-
2018
- 2018-12-28 CN CN201811625084.2A patent/CN109714023B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935293A (zh) * | 2015-06-25 | 2015-09-23 | 国网山东省电力公司莱芜供电公司 | 大功率变压器自适应有源降噪控制方法及控制系统 |
CN108900943A (zh) * | 2018-07-24 | 2018-11-27 | 四川长虹电器股份有限公司 | 一种场景自适应主动降噪方法及耳机 |
Also Published As
Publication number | Publication date |
---|---|
CN109714023A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109714023B (zh) | 自适应滤波方法、自适应滤波器和噪声控制系统 | |
Aslam et al. | A new adaptive strategy to improve online secondary path modeling in active noise control systems using fractional signal processing approach | |
Ardekani et al. | On the convergence of real-time active noise control systems | |
US9704470B2 (en) | Method and apparatus for nonlinear compensation in an active noise control system | |
CN113094904B (zh) | 一种非凸多约束下的阵列天线波束赋形优化方法 | |
Zhou et al. | An optimal repetitive control algorithm for periodic impulsive noise attenuation in a non-minimum phase ANC system | |
Yu et al. | Sparseness-controlled proportionate affine projection sign algorithms for acoustic echo cancellation | |
US8014517B2 (en) | Method and apparatus for enhanced convergence of the normalized LMS algorithm | |
CN113078884B (zh) | 添加非线性拟合的自适应算法 | |
Lu et al. | Adaptive combination of affine projection sign subband adaptive filters for modeling of acoustic paths in impulsive noise environments | |
CN109119061A (zh) | 一种基于梯度矩阵的有源噪声控制方法 | |
Guldenschuh et al. | Detection of secondary-path irregularities in active noise control headphones | |
JPH11168792A (ja) | 音場制御装置 | |
Akhtar et al. | Improved adaptive algorithm for active noise control of impulsive noise | |
Akhtar et al. | Robust adaptive algorithm for active noise control of impulsive noise | |
CN112309362A (zh) | Mr系统的主动声学降噪方法、装置和计算机设备 | |
US20230131827A1 (en) | Method for generating active noise reduction filter, storage medium and earphone | |
Mosquera-Sánchez et al. | Multichannel active sound quality control for independent-channel sound profiling | |
JP6343585B2 (ja) | 未知伝達系推定装置、未知伝達系推定方法、およびプログラム | |
Hilgemann et al. | Active Acoustic Equalization: Performance Bounds for Time-Invariant Systems | |
Zhu et al. | Quantized information-theoretic learning based Laguerre functional linked neural networks for nonlinear active noise control | |
US6831983B1 (en) | Method for controlling an active control system and system using such method | |
US20230137830A1 (en) | Wideband adaptation of echo path changes in an acoustic echo canceller | |
Zhu et al. | Quantized Information-Driven Laguerre Functional Linked Neural Networks for Nonlinear Active Noise Control | |
Mengüç et al. | A complex-valued adaptive filter algorithm for system identification problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |