CN109741727A - 基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 - Google Patents
基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 Download PDFInfo
- Publication number
- CN109741727A CN109741727A CN201910012849.3A CN201910012849A CN109741727A CN 109741727 A CN109741727 A CN 109741727A CN 201910012849 A CN201910012849 A CN 201910012849A CN 109741727 A CN109741727 A CN 109741727A
- Authority
- CN
- China
- Prior art keywords
- noise
- active noise
- active
- algorithm
- noise control
- 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
Landscapes
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开了一种基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质，通过参考传声器采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；有源噪声控制系统对参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至消声扬声器；消声扬声器将接收到的抵消噪声对外输出，对实际噪声进行抵消。本发明所提出的新型基于有源噪声控制算法的主动降噪耳机，采用鲁棒性设计，将噪声信号通过该系统进行循环迭代处理，能够选择出最适合的降噪系统系数，更加快速准确地追踪噪声信号的变化，从而大幅度提升降噪效果。
Description
技术领域
本发明涉及移动终端技术领域，尤其涉及一种基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质。
背景技术
在日常生活、工作等环境中均存在声音噪声，噪声污染已经成为一个全世界都十分关注的环境问题。
为了更好地消除噪声，人们逐步开始采用“主动降噪”技术。它的原理是，所有的声音都由一定的频谱组成，如果可以找到一种声音，其频谱与所要消除的噪声完全一样，只是相位刚好相反(相差180°)，就可以将这噪声完全抵消掉。关键就在于如何得到抵消噪声的声音。实际采用的办法是，从噪声源本身着手，设法通过电子线路将原噪声的相位倒过来。目前主动降噪技术主要的应用就是耳机，但目前降噪耳机的鲁棒性教差，降噪系统结构相对简单，应对一些噪声突变的场景极易产生额外噪声，会对降噪效果产生极大影响，同时影响佩戴者的舒适程度。
有源噪声控制的核心算法是自适应滤波算法，寻求收敛速度快、计算复杂度低、稳定性好的自适应滤波算法是科研人员不断努力追求的目标。基于维纳滤波理论发展起来的最小均方算法，算法结构简单，性能稳定，计算复杂度低，易于硬件实现，是在实际中应用最广泛的自适应滤波算法之一。传统自适应算法的主要缺点是收敛速度慢、稳态性能差，严重影响了算法性能，影响了降噪效果。现有的主动降噪耳机，大多采用最基本的自适应滤波算法，并不适合一些非线性，非平稳时间噪声序列的处理，鲁棒性较差，且计算量大，对硬件要求较高，由于日常生活中的噪声变化较大，需要系统的实时性较强，而常规降噪系统结构相对简单，不具备足够的能力去应对一些噪声突变的场景，且极易产生额外噪声，会对降噪效果产生极大影响，同时影响佩戴者的舒适程度。
发明内容
本发明提供一种基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质，提高算法收敛性能，增强耳机降噪效果及鲁棒性。
为实现上述目的，本发明提供一种基于有源噪声控制算法的主动降噪耳机，包括：有源噪声控制系统、参考传声器以及消声扬声器，所述参考传声器以及消声扬声器均与所述有源噪声控制系统连接；其中：
所述参考传声器，用来采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；
所述有源噪声控制系统，用于对所述参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至所述消声扬声器；
所述消声扬声器，用于将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。
其中，所述基于有源噪声控制算法的主动降噪耳机还包括：误差传声器，所述误差传声器与所述有源噪声控制系统连接；
所述误差传声器，用于对外界残余噪声进行采集，传输给所述有源噪声控制系统；
所述有源噪声控制系统，还用于根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数。
其中，所述有源噪声控制系统包括：前馈有源噪声控制系统、反馈有源噪声控制系统以及处理模块，其中：
所述前馈有源噪声控制系统，用于接收所述参考传声器采集的外界噪声，对所述参考传声器采集的外界噪声进行处理，产生第一组噪声控制的权值系数；
所述反馈有源噪声控制系统，用于获取所述误差传声器采集的外界残余噪声，以及上一时刻所述消声扬声器输出的抵消噪声，产生估计噪声输入信号，基于所述估计噪声输入信号计算得到第二组噪声控制的权值系数；
所述处理模块，用于基于所述第一组噪声控制的权值系数及第二组噪声控制的权值系数，选取对噪声影响较大的系数进行重组，得到最优权值向量，以此计算最终的输出信号。
其中，所述变迭代参数与限定函数相结合的变阶数算法原理如下：
使用分数变阶数的方法，假设稳态时滤波器阶数收敛到一个固定的值，则将片断误差定义为：阶数为L的滤波器的前M个元素所产生的误差，即：
其中1≤M≤L，WL和XL(n)分别表示稳态的滤波器系数和输入向量，WL,1:M和XL,1:M分别表示WL和XL(n)的前M个元素，d(n)表示在n时刻输入滤波器的噪声阵列；在FTLMS算法中,将滤波器阶数的代价函数定义为片段误差的平方，即则FTLMS算法需要寻找最小的L使其满足
其中，Δ是一个小于L的正整数，ε是由系统需要而定的一个小的正整数，满足上式的最小的L就被选择作为最优的滤波器阶数；该分数阶数迭代的过程如下:
同时对变阶数算法的阶数步长进行如下公式的平滑迭代处理，以加快阶数的收敛速度：
t(n)＝λt(n-1)+(1-λ)FE(n) (5)；
γ(n)＝ρt(n) (6)；
其中FE(n)为部分误差与完整误差之差，t(n)用来迭代计算FE(n)，λ和ρ均为迭代因子，其值一般接近于1，γ(n)为最后计算得到的变阶数步长。
将Sigmoid限定函数引变阶数算法中，用来减小阶数的不规则波动
本发明还提出一种基于有源噪声控制算法的主动降噪耳机降噪方法，所述方法应用于基于有源噪声控制算法的主动降噪耳机，所述基于有源噪声控制算法的主动降噪耳机包括：有源噪声控制系统、参考传声器以及消声扬声器，所述方法包括以下步骤：
所述参考传声器采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；
所述有源噪声控制系统对所述参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至所述消声扬声器；
所述消声扬声器将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。
其中，所述基于有源噪声控制算法的主动降噪耳机还包括：误差传声器，所述方法还包括：
所述误差传声器对外界残余噪声进行采集，传输给所述有源噪声控制系统；
所述有源噪声控制系统根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数。
其中，所述变迭代参数与限定函数相结合的变阶数算法原理如下：
使用分数变阶数的方法，假设稳态时滤波器阶数收敛到一个固定的值，则将片断误差定义为：阶数为L的滤波器的前M个元素所产生的误差，即：
其中1≤M≤L，WL和XL(n)分别表示稳态的滤波器系数和输入向量，WL,1:M和XL,1:M分别表示WL和XL(n)的前M个元素，d(n)表示在n时刻输入滤波器的噪声阵列；在FTLMS算法中,将滤波器阶数的代价函数定义为片段误差的平方，即则FTLMS算法需要寻找最小的L使其满足
其中，Δ是一个小于L的正整数，ε是由系统需要而定的一个小的正整数，满足上式的最小的L就被选择作为最优的滤波器阶数；该分数阶数迭代的过程如下:
同时对变阶数算法的阶数步长进行如下公式的平滑迭代处理，以加快阶数的收敛速度：
t(n)＝λt(n-1)+(1-λ)FE(n) (5)；
γ(n)＝ρt(n) (6)；
其中FE(n)为部分误差与完整误差之差，t(n)用来迭代计算FE(n)，λ和ρ均为迭代因子，其值一般接近于1，γ(n)为最后计算得到的变阶数步长。
将Sigmoid限定函数引变阶数算法中，用来减小阶数的不规则波动
其中，所述有源噪声控制系统根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数的步骤包括：
通过前馈有源噪声控制系统根据所述参考传声器采集的外界噪声，对所述参考传声器采集的外界噪声进行处理，产生第一组噪声控制的权值系数；
通过反馈有源噪声控制系统获取所述误差传声器采集的外界残余噪声，以及上一时刻所述消声扬声器输出的抵消噪声，产生估计噪声输入信号，基于所述估计噪声输入信号计算得到第二组噪声控制的权值系数；
基于所述第一组噪声控制的权值系数及第二组噪声控制的权值系数，选取对噪声影响较大的系数进行重组，得到最优权值向量，以此计算最终的输出信号；
重复上述步骤进行循环迭代处理。
本发明还提出一种基于有源噪声控制算法的主动降噪耳机，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如权利要求5-8中任一项所述的方法的步骤。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现如上所述的方法的步骤。
相比现有技术，本发明提出的一种基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质，通过参考传声器采集耳机外界噪声，并将采集的外界噪声发送至有源噪声控制系统；有源噪声控制系统对所述参考传声器采集的外界噪声进行处理，输出抵消噪声至所述消声扬声器；消声扬声器将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。此外，还可以通过误差传声器对外界残余噪声进行采集，传输给所述有源噪声控制系统；有源噪声控制系统根据误差传声器采集的外界残余噪声，调节有源噪声控制系统的降噪系统系数。
本发明从核心自适应算法入手，通过将高性能算法应用到耳机中，通过算法调节算法的关键参数，能够极大地减小计算量，提升收敛速度、稳态等性能，易于实现，从而增强耳机降噪效果及鲁棒性。本发明充分利用一种高性能的ANC(active noise control)有源噪声控制技术算法，然后通过整体耳机结构产生抵消声波，实现良好的降噪效果。本发明所提出的新型算法，采用鲁棒性设计，通过调节有源噪声控制算法中的关键参数，能够更加快速准确地追踪噪声信号的变化，从而大幅度提升降噪效果。
附图说明
图1是本发明提出的基于有源噪声控制算法的主动降噪耳机的电路结构示意图；
图2是本发明有源噪声控制系统的电路结构示意图；
图3-图6分别是本发明采用空调噪声和水壶噪声的原始算法和改进算法的降噪后的效果频谱图；
图7是本发明基于有源噪声控制算法的主动降噪耳机降噪方法第一实施例的流程示意图；
图8是本发明基于有源噪声控制算法的主动降噪耳机降噪方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
由于现有的主动降噪耳机，不适合一些非线性、非平稳时间噪声序列的处理，鲁棒性较差，由于日常生活中的噪声变化较大，需要系统的实时性较强，而常规降噪系统结构相对简单，不具备足够的能力去应对一些噪声突变的场景，不能准确地识别场景，选择出最适宜的降噪模式，且极易产生额外噪声，比如易出现瞬噪等一些突发噪声，会对降噪效果产生极大影响，同时影响佩戴者的舒适程度。
本发明提出一种高性能且可提升降噪效果的基于有源噪声控制算法的主动降噪耳机。
具体地，请参照图1，图1是本发明提出的基于有源噪声控制算法的主动降噪耳机的电路结构示意图。
如图1所示，本发明第一实施例提出一种基于有源噪声控制算法的主动降噪耳机，包括：有源噪声控制系统(ANC)、参考传声器以及消声扬声器，所述参考传声器以及消声扬声器均与所述有源噪声控制系统连接；其中：
所述参考传声器，用来采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；
所述有源噪声控制系统，用于对所述参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至所述消声扬声器；
所述消声扬声器，用于将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。
进一步地，所述基于有源噪声控制算法的主动降噪耳机还包括：误差传声器，所述误差传声器与所述有源噪声控制系统连接；
所述误差传声器，用于对外界残余噪声进行采集，传输给所述有源噪声控制系统；
所述有源噪声控制系统，还用于根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数。
参照图2所示，图2为本发明有源噪声控制系统的电路结构示意图。
如图2所示，所述有源噪声控制系统包括：前馈有源噪声控制系统、反馈有源噪声控制系统以及处理模块，其中：
所述前馈有源噪声控制系统，用于接收所述参考传声器采集的外界噪声，对所述参考传声器采集的外界噪声进行处理，产生第一组噪声控制的权值系数；
所述反馈有源噪声控制系统，用于获取所述误差传声器采集的外界残余噪声，以及上一时刻所述消声扬声器输出的抵消噪声，产生估计噪声输入信号，基于所述估计噪声输入信号计算得到第二组噪声控制的权值系数；
所述处理模块，用于基于所述第一组噪声控制的权值系数及第二组噪声控制的权值系数，选取对噪声影响较大的系数进行重组，得到最优权值向量，以此计算最终的输出信号。
以下对本发明方案实现降噪的原理进行详细阐述：
图1中参考传声器用来采集外界噪声，然后传输给ANC(active noise control)有源噪声控制系统，通过ANC处理，产生输出的抵消噪声y(n)，再通过消声扬声器传出，对实际噪声进行抵消，最后通过误差传声器对外界的残余噪声进行采集，传输给ANC系统，通过实际的降噪效果反馈调节ANC 的降噪系统系数。
图2为ANC中的混合结构系统，整个混合结构由前馈有源噪声控制系统和反馈有源噪声控制系统共同组成，噪声信号x(n)通过参考传声器进行采取获得，首先传输给图2上部的前馈有源噪声控制系统进行处理，并能够产生一组噪声控制的权值系数(即上述第一组噪声控制的权值系数)；同时下部的反馈有源噪声控制系统利用误差传声器取到的误差信号以及上一时刻的输出信号y(n)，产生估计噪声输入z(n)，通过计算得到另一组权值系数(即上述第二组噪声控制的权值系数)，然后系统对前馈有源噪声控制系统与反馈有源噪声控制系统的两组权值系数某种计算，选取对噪声影响较大的系数进行重组，得到最优权值向量，用来计算最终的输出信号。
主要的关键点为混合噪声控制结构以及噪声前端识别检测系统，通过这两者协调配合，能够使耳机产生更好的降噪效果。
在本发明，针对降噪算法计算量和收敛性能等问题，从变阶数方面进行深入研究，对现有算法进行理论分析，提出提高算法收敛性能的方案，研究的内容对自适应算法的收敛及稳态性能有较大意义，并为该算法在实际中有源噪声控制的应用奠定了基础，这对于自适应滤波算法及噪声控制的发展具有重要意义，研究工作对推动主动降噪具有重要理论意义和重大应用价值，其中核心的主要内容如下。
图1是主动降噪耳机的简易框图，由参考传声器、消声扬声器、误差传声器以及ANC系统组成，其中参考传声器用来采集外界噪声，消声扬声器发出抵消信号，误差传声器采集残余噪声，而整个降噪耳机的核心部分在于ANC 控制系统中，本发明主要是将新型变阶数算法应用在降噪耳机的ANC控制系统中，下面将介绍该算法。
一种变迭代参数与限定函数相结合的变阶数算法应用在有源噪声控制耳机中，使迭代参数在初始状态具有较大的值从而获得较快的迭代速度，而在稳态具有较小的值，而获得较小的稳态震荡，并减小自适应滤波器阶数过大或小于未知的滤波器阶数的可能性，减小稳态误差。使用分数变阶数的方法，假设稳态时滤波器阶数收敛到一个固定的值，则将片断误差定义为阶数为L 的滤波器的前M个元素所产生的误差，即
其中1≤M≤L，WL和XL(n)分别表示稳态的滤波器系数和输入向量，WL,1:M和XL,1:M分别表示WL和XL(n)的前M个元素。在FTLMS算法中,将滤波器阶数的代价函数定义为片段误差的平方，即则FTLMS算法需要寻找最小的L使其满足
其中，Δ是一个小于L的正整数，ε是由系统需要而定的一个小的正整数，那么满足上式的最小的L就被选择作为最优的滤波器阶数。该分数阶数迭代的过程如下
同时对变阶数算法的阶数步长进行如下公式的平滑迭代处理，从而加快阶数的收敛速度。
t(n)＝λt(n-1)+(1-λ)FE(n) (5)
γ(n)＝ρt(n) (6)
将Sigmoid限定函数引变阶数算法中，用来减小阶数的不规则波动
给出参数选择的合理依据，使得该算法具有一定的实用性。通过高噪声和低噪声环境下的仿真实验，验证出该算法的优良性。
通过上面的算法叙述，可以发现该算法较为简洁，易于在降噪耳机中的应用，可以随着噪声能量变化调节一些关键参数，从而大幅度减少计算量，并提升稳态、收敛、跟踪、鲁棒性能，对于时变的噪声，提升现有降噪耳机的降噪效果。
同时对一些常见噪声应用该算法进行了降噪实验，降噪效果如图3-图6 所示。
图3到图6为空调噪声和水壶噪声的原始算法和改进算法的降噪后的效果频谱图。从上图可以看到无论是针对空调常见噪声，还是水壶这类不易处理的噪声，相比于目前常规的有源噪声控制算法，本发明的改进算法对各个频率的噪声均产生了更好降噪效果。
如图7所示，本发明实施例提出一种基于有源噪声控制算法的主动降噪耳机降噪方法，所述方法应用于基于有源噪声控制算法的主动降噪耳机，所述基于有源噪声控制算法的主动降噪耳机包括：有源噪声控制系统、参考传声器以及消声扬声器，所述方法包括以下步骤：
S1，所述参考传声器采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；
S2，所述有源噪声控制系统对所述参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至所述消声扬声器；
S3，所述消声扬声器将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。
进一步地，参照图8所示，所述基于有源噪声控制算法的主动降噪耳机还包括：误差传声器，所述方法还包括：
S4，所述误差传声器对外界残余噪声进行采集，传输给所述有源噪声控制系统；
S5，所述有源噪声控制系统根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数。
其中，所述有源噪声控制系统根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数的步骤包括：
通过前馈有源噪声控制系统根据所述参考传声器采集的外界噪声，对所述参考传声器采集的外界噪声进行处理，产生第一组噪声控制的权值系数；
通过反馈有源噪声控制系统获取所述误差传声器采集的外界残余噪声，以及上一时刻所述消声扬声器输出的抵消噪声，产生估计噪声输入信号，基于所述估计噪声输入信号计算得到第二组噪声控制的权值系数；
基于所述第一组噪声控制的权值系数及第二组噪声控制的权值系数，选取对噪声影响较大的系数进行重组，得到最优权值向量，以此计算最终的输出信号；
重复上述步骤进行循环迭代处理。
相比现有技术，本发明充分利用一种新的混合结构的有源噪声控制技术方法，能够实现良好的有源噪声控制效果，同时耳机还能够有效地应对不同的噪声场景，实现噪声强度识别和分类，运用储存的各个场景特征量进行智能判断，选择出最适合的系统系数，最后通过新型混合结构产生抵消声波，实现良好的降噪效果。本发明所提出的新型混合结构，采用鲁棒性设计，将噪声信号通过该系统进行循环迭代处理，能够更加快速准确地追踪噪声信号的变化，从而大幅度提升降噪效果。
此外，本发明还提出一种基于有源噪声控制算法的主动降噪耳机，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如下操作：
通过参考传声器采集耳机外界噪声，并将采集的外界噪声发送至有源噪声控制系统；
通过所述有源噪声控制系统对所述参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至消声扬声器；
通过所述消声扬声器将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。
进一步地，所述计算机程序被所述处理器运行时还实现如下操作：
通过误差传声器对外界残余噪声进行采集，传输给所述有源噪声控制系统；
通过所述有源噪声控制系统根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数。
进一步地，所述计算机程序被所述处理器运行时还实现如下操作：
通过前馈有源噪声控制系统根据所述参考传声器采集的外界噪声，对所述参考传声器采集的外界噪声进行处理，产生第一组噪声控制的权值系数；
通过反馈有源噪声控制系统获取所述误差传声器采集的外界残余噪声，以及上一时刻所述消声扬声器输出的抵消噪声，产生估计噪声输入信号，基于所述估计噪声输入信号计算得到第二组噪声控制的权值系数；
基于所述第一组噪声控制的权值系数及第二组噪声控制的权值系数，选取对噪声影响较大的系数进行重组，得到最优权值向量，以此计算最终的输出信号；
重复上述步骤进行循环迭代处理。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现如上所述的方法的步骤。
相比现有技术，本发明提出的一种基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质，通过参考传声器采集耳机外界噪声，并将采集的外界噪声发送至有源噪声控制系统；有源噪声控制系统对所述参考传声器采集的外界噪声进行处理，输出抵消噪声至所述消声扬声器；消声扬声器将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。此外，还可以通过误差传声器对外界残余噪声进行采集，传输给所述有源噪声控制系统；有源噪声控制系统根据误差传声器采集的外界残余噪声，调节有源噪声控制系统的降噪系统系数。
本发明从核心自适应算法入手，通过将高性能算法应用到耳机中，通过算法调节算法的关键参数，能够极大地减小计算量，提升收敛速度、稳态等性能，易于实现，从而增强耳机降噪效果及鲁棒性。本发明充分利用一种高性能的ANC(active noise control)有源噪声控制技术算法，然后通过整体耳机结构产生抵消声波，实现良好的降噪效果。本发明所提出的新型算法，采用鲁棒性设计，通过调节有源噪声控制算法中的关键参数，能够更加快速准确地追踪噪声信号的变化，从而大幅度提升降噪效果。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于有源噪声控制算法的主动降噪耳机，其特征在于，包括：有源噪声控制系统、参考传声器以及消声扬声器，所述参考传声器以及消声扬声器均与所述有源噪声控制系统连接；其中：
所述参考传声器，用来采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；
所述有源噪声控制系统，用于对所述参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至所述消声扬声器；
所述消声扬声器，用于将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。
2.根据权利要求1所述的基于有源噪声控制算法的主动降噪耳机，其特征在于，所述基于有源噪声控制算法的主动降噪耳机还包括：误差传声器，所述误差传声器与所述有源噪声控制系统连接；
所述误差传声器，用于对外界残余噪声进行采集，传输给所述有源噪声控制系统；
所述有源噪声控制系统，还用于根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数。
3.根据权利要求2所述的基于有源噪声控制算法的主动降噪耳机，其特征在于，所述有源噪声控制系统包括：前馈有源噪声控制系统、反馈有源噪声控制系统以及处理模块，其中：
所述前馈有源噪声控制系统，用于接收所述参考传声器采集的外界噪声，对所述参考传声器采集的外界噪声进行处理，产生第一组噪声控制的权值系数；
所述反馈有源噪声控制系统，用于获取所述误差传声器采集的外界残余噪声，以及上一时刻所述消声扬声器输出的抵消噪声，产生估计噪声输入信号，基于所述估计噪声输入信号计算得到第二组噪声控制的权值系数；
所述处理模块，用于基于所述第一组噪声控制的权值系数及第二组噪声控制的权值系数，选取对噪声影响较大的系数进行重组，得到最优权值向量，以此计算最终的输出信号。
4.根据权利要求2所述的基于有源噪声控制算法的主动降噪耳机，其特征在于，所述变迭代参数与限定函数相结合的变阶数算法原理如下：
使用分数变阶数的方法，假设稳态时滤波器阶数收敛到一个固定的值，则将片断误差定义为：阶数为L的滤波器的前M个元素所产生的误差，即：
其中1≤M≤L，WL和XL(n)分别表示稳态的滤波器系数和输入向量，WL,1:M和XL,1:M分别表示WL和XL(n)的前M个元素，d(n)表示在n时刻输入滤波器的噪声阵列；在FTLMS算法中,将滤波器阶数的代价函数定义为片段误差的平方，即则FTLMS算法需要寻找最小的L使其满足
其中，Δ是一个小于L的正整数，ε是由系统需要而定的一个小的正整数，满足上式的最小的L就被选择作为最优的滤波器阶数；该分数阶数迭代的过程如下:
同时对变阶数算法的阶数步长进行如下公式的平滑迭代处理，以加快阶数的收敛速度：
t(n)＝λt(n-1)+(1-λ)FE(n) (5)；
γ(n)＝ρt(n) (6)；
其中FE(n)为部分误差与完整误差之差，t(n)用来迭代计算FE(n)，λ和ρ均为迭代因子，其值一般接近于1，γ(n)为最后计算得到的变阶数步长。
将Sigmoid限定函数引变阶数算法中，用来减小阶数的不规则波动
5.一种基于有源噪声控制算法的主动降噪耳机降噪方法，其特征在于，所述方法应用于基于有源噪声控制算法的主动降噪耳机，所述基于有源噪声控制算法的主动降噪耳机包括：有源噪声控制系统、参考传声器以及消声扬声器，所述方法包括以下步骤：
所述参考传声器采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；
所述有源噪声控制系统对所述参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至所述消声扬声器；
所述消声扬声器将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。
6.根据权利要求5所述的基于有源噪声控制算法的主动降噪耳机降噪方法，其特征在于，所述基于有源噪声控制算法的主动降噪耳机还包括：误差传声器，所述方法还包括：
所述误差传声器对外界残余噪声进行采集，传输给所述有源噪声控制系统；
所述有源噪声控制系统根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数。
7.根据权利要求6所述的基于有源噪声控制算法的主动降噪耳机降噪方法，其特征在于，所述变迭代参数与限定函数相结合的变阶数算法原理如下：
使用分数变阶数的方法，假设稳态时滤波器阶数收敛到一个固定的值，则将片断误差定义为：阶数为L的滤波器的前M个元素所产生的误差，即：
其中1≤M≤L，WL和XL(n)分别表示稳态的滤波器系数和输入向量，WL,1:M和XL,1:M分别表示WL和XL(n)的前M个元素，d(n)表示在n时刻输入滤波器的噪声阵列；在FTLMS算法中,将滤波器阶数的代价函数定义为片段误差的平方，即则FTLMS算法需要寻找最小的L使其满足
其中，Δ是一个小于L的正整数，ε是由系统需要而定的一个小的正整数，满足上式的最小的L就被选择作为最优的滤波器阶数；该分数阶数迭代的过程如下:
同时对变阶数算法的阶数步长进行如下公式的平滑迭代处理，以加快阶数的收敛速度：
t(n)＝λt(n-1)+(1-λ)FE(n)(5)；
γ(n)＝ρt(n)(6)；
其中FE(n)为部分误差与完整误差之差，t(n)用来迭代计算FE(n)，λ和ρ均为迭代因子，其值一般接近于1，γ(n)为最后计算得到的变阶数步长。
将Sigmoid限定函数引变阶数算法中，用来减小阶数的不规则波动
8.根据权利要求5所述的基于有源噪声控制算法的主动降噪耳机降噪方法，其特征在于，所述有源噪声控制系统根据所述误差传声器采集的外界残余噪声，调节所述有源噪声控制系统的降噪系统系数的步骤包括：
通过前馈有源噪声控制系统根据所述参考传声器采集的外界噪声，对所述参考传声器采集的外界噪声进行处理，产生第一组噪声控制的权值系数；
通过反馈有源噪声控制系统获取所述误差传声器采集的外界残余噪声，以及上一时刻所述消声扬声器输出的抵消噪声，产生估计噪声输入信号，基于所述估计噪声输入信号计算得到第二组噪声控制的权值系数；
基于所述第一组噪声控制的权值系数及第二组噪声控制的权值系数，选取对噪声影响较大的系数进行重组，得到最优权值向量，以此计算最终的输出信号；
重复上述步骤进行循环迭代处理。
9.一种基于有源噪声控制算法的主动降噪耳机，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如权利要求5-8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现如权利要求5-8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910012849.3A CN109741727B (zh) | 2019-01-07 | 2019-01-07 | 基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910012849.3A CN109741727B (zh) | 2019-01-07 | 2019-01-07 | 基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109741727A true CN109741727A (zh) | 2019-05-10 |
| CN109741727B CN109741727B (zh) | 2020-11-06 |
Family
ID=66363691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910012849.3A Expired - Fee Related CN109741727B (zh) | 2019-01-07 | 2019-01-07 | 基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109741727B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335582A (zh) * | 2019-07-11 | 2019-10-15 | 吉林大学 | 一种适用于脉冲噪声有源控制的主动降噪方法 |
| CN110610693A (zh) * | 2019-08-09 | 2019-12-24 | 漳州立达信光电子科技有限公司 | 权重式混合型态主动抗噪系统及控制器 |
| CN111035323A (zh) * | 2019-12-17 | 2020-04-21 | 上海岚豹智能科技有限公司 | 一种用于扫地机器人主动降噪的方法、设备及系统 |
| CN111565353A (zh) * | 2020-03-10 | 2020-08-21 | 南京大学 | 一种具有自适应多步长的扬声器非线性参数辨识方法 |
| CN111785243A (zh) * | 2020-06-10 | 2020-10-16 | 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 |
| CN111951776A (zh) * | 2020-08-21 | 2020-11-17 | 湖南工业大学 | 一种基于分数阶可变步长的列车牵引系统主动噪声控制方法及装置 |
| CN111971975A (zh) * | 2020-03-25 | 2020-11-20 | 深圳市汇顶科技股份有限公司 | 主动降噪的方法、系统、电子设备和芯片 |
| CN112562623A (zh) * | 2020-11-24 | 2021-03-26 | 南京航空航天大学 | 一种用于确定主动噪声控制扬声器最佳位置的方法 |
| CN113132848A (zh) * | 2021-04-13 | 2021-07-16 | 北京安声科技有限公司 | 滤波器设计方法、装置以及入耳式主动降噪耳机 |
| CN113132846A (zh) * | 2021-04-13 | 2021-07-16 | 北京安声科技有限公司 | 耳机的主动降噪方法及装置、半入耳式主动降噪耳机 |
| CN113382347A (zh) * | 2020-03-10 | 2021-09-10 | 南京大学 | 一种非线性分数阶扬声器的参数辨识方法 |
| CN113421541A (zh) * | 2021-08-23 | 2021-09-21 | 南京南大电子智慧型服务机器人研究院有限公司 | 一种基于系数平滑的频域有源噪声控制系统 |
| CN113542981A (zh) * | 2021-06-08 | 2021-10-22 | 深圳市和宏实业股份有限公司 | 一种基于固定噪声源的降噪模块及其降噪方法 |
| CN115019763A (zh) * | 2022-08-10 | 2022-09-06 | 深圳市长丰影像器材有限公司 | 语音设备的主动降噪方法、装置、设备及介质 |
| CN116405823A (zh) * | 2023-06-01 | 2023-07-07 | 深圳市匠心原创科技有限公司 | 一种骨传导耳机音频智能去噪增强方法 |
| CN117254782A (zh) * | 2023-11-13 | 2023-12-19 | 电子科技大学 | 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102170602A (zh) * | 2010-02-25 | 2011-08-31 | 哈曼贝克自动系统股份有限公司 | 主动降噪系统 |
| US20170004843A1 (en) * | 2013-11-07 | 2017-01-05 | Continental Automotive Systems, Inc. | Externally Estimated SNR Based Modifiers for Internal MMSE Calculations |
| CN107666637A (zh) * | 2016-07-28 | 2018-02-06 | 骅讯电子企业股份有限公司 | 自调式主动噪声消除方法、系统及耳机装置 |
| CN108665887A (zh) * | 2018-04-02 | 2018-10-16 | 重庆邮电大学 | 一种基于改进FxLMS算法的主动噪声控制系统与方法 |
-
2019
- 2019-01-07 CN CN201910012849.3A patent/CN109741727B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102170602A (zh) * | 2010-02-25 | 2011-08-31 | 哈曼贝克自动系统股份有限公司 | 主动降噪系统 |
| US20170004843A1 (en) * | 2013-11-07 | 2017-01-05 | Continental Automotive Systems, Inc. | Externally Estimated SNR Based Modifiers for Internal MMSE Calculations |
| CN107666637A (zh) * | 2016-07-28 | 2018-02-06 | 骅讯电子企业股份有限公司 | 自调式主动噪声消除方法、系统及耳机装置 |
| CN108665887A (zh) * | 2018-04-02 | 2018-10-16 | 重庆邮电大学 | 一种基于改进FxLMS算法的主动噪声控制系统与方法 |
Non-Patent Citations (5)
| Title |
|---|
| YING WEI ET AL.: "Variable Tap-Length LMS Algorithm with Adaptive Step Size", 《CIRCUITS SYST SIGNAL PROCESS》 * |
| YUFEI HAN ET AL.: "A new variable step-Size LMS algorithm based on piecewise function", 《PROCEEDING OF ASID2016》 * |
| YUFEI HAN ET AL.: "An improved variable tap-length algorithm with adaptive parameters", 《DIGITAL SIGNAL PROCESSING》 * |
| ZHANG YUAN ET AL.: "New LMS Adaptive Filtering Algorithm with Variable Step Size", 《2017 INTERNATIONAL CONFERENCE ON VISION, IMAGE AND SIGNAL PROCESSING (ICVISP)》 * |
| 张红梅等: "一种新的变步长LMS自适应滤波算法研究及其应用", 《仪器仪表学报》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110335582A (zh) * | 2019-07-11 | 2019-10-15 | 吉林大学 | 一种适用于脉冲噪声有源控制的主动降噪方法 |
| CN110610693A (zh) * | 2019-08-09 | 2019-12-24 | 漳州立达信光电子科技有限公司 | 权重式混合型态主动抗噪系统及控制器 |
| CN110610693B (zh) * | 2019-08-09 | 2022-04-05 | 漳州立达信光电子科技有限公司 | 权重式混合型态主动抗噪系统及控制器 |
| CN111035323A (zh) * | 2019-12-17 | 2020-04-21 | 上海岚豹智能科技有限公司 | 一种用于扫地机器人主动降噪的方法、设备及系统 |
| CN113382347A (zh) * | 2020-03-10 | 2021-09-10 | 南京大学 | 一种非线性分数阶扬声器的参数辨识方法 |
| CN111565353A (zh) * | 2020-03-10 | 2020-08-21 | 南京大学 | 一种具有自适应多步长的扬声器非线性参数辨识方法 |
| CN113382347B (zh) * | 2020-03-10 | 2023-03-03 | 南京大学 | 一种非线性分数阶扬声器的参数辨识方法 |
| CN111565353B (zh) * | 2020-03-10 | 2021-05-28 | 南京大学 | 一种具有自适应多步长的扬声器非线性参数辨识方法 |
| CN111971975A (zh) * | 2020-03-25 | 2020-11-20 | 深圳市汇顶科技股份有限公司 | 主动降噪的方法、系统、电子设备和芯片 |
| CN111971975B (zh) * | 2020-03-25 | 2022-11-01 | 深圳市汇顶科技股份有限公司 | 主动降噪的方法、系统、电子设备和芯片 |
| US11915680B2 (en) | 2020-03-25 | 2024-02-27 | Shenzhen GOODIX Technology Co., Ltd. | Method and system for active noise control |
| 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 |
| CN111785243A (zh) * | 2020-06-10 | 2020-10-16 | 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 |
| CN111951776A (zh) * | 2020-08-21 | 2020-11-17 | 湖南工业大学 | 一种基于分数阶可变步长的列车牵引系统主动噪声控制方法及装置 |
| CN112562623A (zh) * | 2020-11-24 | 2021-03-26 | 南京航空航天大学 | 一种用于确定主动噪声控制扬声器最佳位置的方法 |
| CN113132846A (zh) * | 2021-04-13 | 2021-07-16 | 北京安声科技有限公司 | 耳机的主动降噪方法及装置、半入耳式主动降噪耳机 |
| CN113132848A (zh) * | 2021-04-13 | 2021-07-16 | 北京安声科技有限公司 | 滤波器设计方法、装置以及入耳式主动降噪耳机 |
| CN113132846B (zh) * | 2021-04-13 | 2024-05-10 | 北京安声科技有限公司 | 耳机的主动降噪方法及装置、半入耳式主动降噪耳机 |
| CN113542981A (zh) * | 2021-06-08 | 2021-10-22 | 深圳市和宏实业股份有限公司 | 一种基于固定噪声源的降噪模块及其降噪方法 |
| CN113421541B (zh) * | 2021-08-23 | 2021-10-29 | 南京南大电子智慧型服务机器人研究院有限公司 | 一种基于系数平滑的频域有源噪声控制系统 |
| CN113421541A (zh) * | 2021-08-23 | 2021-09-21 | 南京南大电子智慧型服务机器人研究院有限公司 | 一种基于系数平滑的频域有源噪声控制系统 |
| CN115019763A (zh) * | 2022-08-10 | 2022-09-06 | 深圳市长丰影像器材有限公司 | 语音设备的主动降噪方法、装置、设备及介质 |
| CN116405823A (zh) * | 2023-06-01 | 2023-07-07 | 深圳市匠心原创科技有限公司 | 一种骨传导耳机音频智能去噪增强方法 |
| CN116405823B (zh) * | 2023-06-01 | 2023-08-29 | 深圳市匠心原创科技有限公司 | 一种骨传导耳机音频智能去噪增强方法 |
| CN117254782A (zh) * | 2023-11-13 | 2023-12-19 | 电子科技大学 | 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 |
| CN117254782B (zh) * | 2023-11-13 | 2024-02-23 | 电子科技大学 | 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109741727B (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109741727A (zh) | 基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 | |
| CN110619885A (zh) | 基于深度完全卷积神经网络的生成对抗网络语音增强方法 | |
| CN109977914B (zh) | 基于vmd的自适应降噪方法 | |
| Martinek et al. | Use of adaptive filtering for noise reduction in communications systems | |
| CN104064185B (zh) | 信息处理方法及系统、电子设备 | |
| CN106303838B (zh) | 声音处理装置及方法 | |
| CN102549659A (zh) | 抑制音频信号中的噪声 | |
| US11915680B2 (en) | Method and system for active noise control | |
| WO2021007841A1 (zh) | 噪声估计方法、噪声估计装置、语音处理芯片以及电子设备 | |
| CN106203386A (zh) | 基于语音压缩μ律函数的电力变压器有源噪声控制抗干扰自适应算法 | |
| CN107277669A (zh) | 耳机的数字降噪滤波器生成方法及装置 | |
| WO2021175267A1 (zh) | 一种实现主动噪声消除的方法、装置和电子设备 | |
| US9026436B2 (en) | Speech enhancement method using a cumulative histogram of sound signal intensities of a plurality of frames of a microphone array | |
| CN107657961A (zh) | 一种基于vad和ann的噪声消除方法 | |
| US20110211711A1 (en) | Factor setting device and noise suppression apparatus | |
| CN113763978B (zh) | 语音信号处理方法、装置、电子设备以及存储介质 | |
| CN114363753A (zh) | 耳机的降噪方法、装置、耳机及存储介质 | |
| CN109511044A (zh) | 混合结构主动降噪耳机、降噪方法及存储介质 | |
| Xu et al. | Improved variable ZA-LMS algorithm based on discrete cosine transform for high noise reduction | |
| CN114242103A (zh) | 语音降噪方法、装置、计算机设备和存储介质 | |
| Mehmood et al. | A comprehensive review of adaptive noise cancellation techniques in the internet of things | |
| CN113112983A (zh) | 一种采用变步长lms算法的噪声主动控制系统和方法 | |
| TWI517144B (zh) | Speech Enhancement of Generalized Maximal Event Spectrum Amplitude Predictor law | |
| CN117153178B (zh) | 音频信号处理方法、装置、电子设备和存储介质 | |
| CN113613143B (zh) | 适用于移动终端的音频处理方法、装置及存储介质 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201106 Termination date: 20220107 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |