CN111326134A - 一种基于emfnl滤波器离线建模次级通道的有源降噪方法 - Google Patents

Abstract

本发明涉及有源噪声控制领域，公开了一种基于带线性部分偶镜像傅里叶非线性（EMFNL,Even Mirror Fourier Nonlinear with Linear section）滤波器离线建模次级通道的有源降噪方法，其包括S1：构建EMFNL滤波器抽头并采用自适应算法辨识其系数实现离线建模次级通道；S2：计算S1中辨识的次级通道系数对应的次级通道估计；S3：使用次级通道估计实现有源降噪方法。与现有技术相比，本发明基于二阶EMFNL滤波器非线性建模次级通道，同时使用EMFNL滤波器作为控制滤波器进行有源噪声控制。该方法建模出的次级通道估计为非线性模型，相比于线性次级通道，具有更强的非线性处理能力。

Description

一种基于EMFNL滤波器离线建模次级通道的有源降噪方法

技术领域

本发明涉及有源噪声控制领域，涉及有源噪声控制方法和非线性次级通道建模方法，尤其涉及一种基于带线性部分偶镜像傅里叶非线性(EMFNL,Even MirrorFourierNonlinear with Linear section)滤波器离线建模次级通道的有源降噪方法。

背景技术

基于叠加原理的有源噪声控制(ANC,Active Noise Control)技术因成本低、低频效果显著、布控简便等优势，得到了广泛研究和应用，未来极有可能成为封闭空间降噪的标配技术。

有源噪声控制模型分为有次级通道模型和无次级通道模型。无次级通道模型方面，中国专利CN 101393736B公开了一种无次级通道建模的有源噪声控制方法，采用四个更新方向搜索的方法寻找最优系数，实时性差。中国专利CN 103915091 A公开了一种无次级通道建模模型方法，该方法需统计噪声源信号和误差信号功率，本质上属于统计的方法，系统初始阶段难以实现实时，且噪声源有变化时，系统难以快速反应。因此有次级通道模型依然是目前的主要方向。国际专利WO2017/048480EN 2017.03.23(中国专利CN 108352156 A)和国际专利WO2017/048481 EN 2017.03.23(中国专利CN 108352157 A)公开了次级通道幅值和相位的估计方法，需对不同频率分量进行估计，算法复杂。中国专利CN 109448686 A公开了一种在线次级建模有源噪声控制系统，该系统使用线性次级通道模型，难以处理非线性次级通道情形。中国专利CN 109379652 A公开了一种耳机有源噪声控制的次级通道离线辨识方法及系统，该次级通道采用无限冲激响应响应(IIR,Infinite Impulse Response)滤波器，该滤波器虽然可用更少的系数逼近线性滤波器，但IIR模型存在输入有界输出有界(BIBO,Bounded Input Bounded Output)准则下的不稳定情形。

在控制滤波器方面，常用的滤波器包括函数扩展型滤波器，凸组合滤波器，递归型滤波器等，如专利CN 107181474 A公开了切比雪夫和勒让德滤波器，专利CN 106603038 B公开了一种有限冲击响应(Finite Impulse Response,FIR)凸组合滤波器，专利CN109617537 A公开了函数扩展双线性滤波器，但是上述滤波器都只能实现次级通道估计为线性模型，相比于非线性次级通道，非线性处理能力大大降低。

发明内容

发明目的：针对现有技术中存在的问题，本发明提出一种基于二阶EMFNL滤波器的非线性次级通道离线建模，同时使用EMFNL滤波器作为控制滤波器的有源噪声控制方法，该方法建模出的次级通道估计为非线性模型，相比于线性次级通道，具有更强的非线性处理能力。

技术方案：本发明提供了一种基于EMFNL滤波器离线建模次级通道的有源降噪方法，基于二阶带线性部分偶镜像傅里叶非线性EMFNL滤波器非线性离线建模次级通道，使用EMFNL滤波器作为控制滤波器进行有源噪声控制，该方法具体步骤包括：

S1：构建EMFNL滤波器抽头并采用自适应算法辨识其系数实现离线建模次级通道；

S2：利用步骤S1中次级通道，计算次级通道估计；

S3：根据S2中的次级通道估计，实现有源降噪。

进一步地，所述离线建模次级通道详细步骤包括：

S1.1产生高斯白噪声，并滤除高频部分；

S1.2构建辨识EMFNL滤波器抽头；

S1.3简化步骤1.2中EMFNL滤波器抽头；

S1.4对S1.3中简化滤波器抽头构建相应辨识权系数s(n)，即次级通道系数，采用自适应算法辨识系数。

进一步地，所述S1.3中简化滤波器抽头实现形式包括：

1)去除滤波器中部分抽头：如果次级通道是极弱非线性情形，则仅保留次级通道系数s(n)中的线性部分；如果系统表现出线性和三角非线性情形，则仅保留次级通道系数s(n)中线性、正弦和余弦抽头；或者

2)交叉抽头部分对角结构实现，仅保留部分主对角通道。

进一步地，所述次级通道估计的计算步骤包括：

S2.1确定次级通道传递函数：

其中，R₁≤M、R₂≤M、R₃≤M和R₃≤M(M-1)/2分别为线性项、正弦、余弦项和交叉项的数量，l_i,k_i,p_i和q_i为时延参数，s(n)＝[a_i ^T,b_i ^T,c_i ^T,d_i ^T]，a_i＝{a_i,i＝1,2,…,R₁}，b_i＝{b_i,i＝1,2,…,R₂}，c_i＝{c_i,i＝1,2,…,R₃}，d_i＝{d_i,i＝1,2,…,R₄}；

S2.2确定稀疏后的次级通道估计，次级通道稀疏估计s'(n)表示为：

其中，A_i～E_i为系数估计，l_i,k_i,p_i,q_i和r_i为时延参数，满足如下：

进一步地，所述步骤S3中实现有源降噪步骤包括：

S3.1采集噪声源信号；

S3.2利用S1.3简化方法，对S3.1采集到的噪声源信号使用EMFNL扩展并简化，其向量形式记为f_e(n)；

S3.3构建控制权向量w(n)并初始化为0向量，所述权向量表达式为：

w(n)＝[w₀(n),w₁(n),...,w_N-1(n)]^T

其中，w(n)为权向量，其长度等于控制滤波器f_e(n)的长度；

S3.4生成反噪声，其表达式为y(n)＝f_e ^T(n)w(n)；

S3.5自适应算法更新控制权系数。

进一步地，所述S3.5中自适应算法包括：滤波X最小均方误差算法，误差滤波最小均方误差算法以及滤波X递归最小均方。

有益效果：

本发明提供一种基于EMFNL滤波器离线建模次级通道的有源降噪方法，该方法使用EMFNL滤波器建模次级通道；同时，该方法使用EMFNL滤波器或其简化实现方式作为控制滤波器，该方法建模出的次级通道估计为非线性模型，相比于线性次级通道，具有更强的非线性处理能力。

附图说明

图1为基于EMFNL滤波器的有源降噪系统框图；

图2为次级通道建模硬件连接框图；

图3为EMFNL滤波器结构框图；

图4为EMFNL滤波器交叉项对角结构；

图5为次级通道自适应辨识算法框图；

图6为四种算法控制噪声的结果对比图。

具体实施方式

下面结合附图对本发明进行详细的介绍。

本发明提出一种基于EMFNL滤波器离线建模次级通道的有源降噪方法，基于二阶EMFNL滤波器离线非线性建模次级通道，同时使用EMFNL滤波器作为控制滤波器进行有源噪声控制，该方法建模出的次级通道估计为非线性模型，相比于线性次级通道，具有更强的非线性处理能力。

次级通道为从数字信号处理器(DSP,Digital Signal Processor)输出数字电信号，到该数字信号变换为到达叠加点处声信号的整个过程。如图1所示，其间转换过程为：DSP输出数字控制信号y(n)，经数模转换器(DAC,Digital Analog Convertor)转换为模拟信号、模拟信号经功放放大后驱动次级执行器(典型为扬声器)做动，产生反噪声信号，声信号在传播介质中传递到叠加点处。

本发明以管道有源噪声控制系统为例。如图2连接次级通道中的硬件，采用如下流程辨识次级通道。具体的实现步骤包括：

第一步：离线建模次级通道。

1)产生高斯白噪声，并滤除高频部分。

高斯白噪声的生成方法多样，工程师可根据实际情况生成，由于有源噪声控制主要面向低频噪声，因此，系统的辨识时无需使用高频激励信号，可设计一低通滤波器，滤除激励白噪声中的高频分量，低通滤波器截止频率参考值为1500赫兹(Hz)。

2)构建辨识EMFNL滤波器抽头。

将激励白噪声的现时刻和M-1个前时刻信号记为v(n)＝[v(n),v(n-1),…,v(n-M+1)]，此时次级通道长度为M。采用二阶EMFNL扩展，如图3所示，滤波器抽头包括：

E₀₀(n)＝[v(n),v(n-1),v(n-2),…,v(n-M+1)]^T；

E₁₀(n)＝{sin[πv(n)/2],sin[πv(n)/2],…,sin[πv(n-M+1)/2]}^T；

E₂₀(n)＝{cos[πv(n)],cos[πv(n)],…,cos[πv(n-M+1)]}^T；

E₂₁(n)＝{sin[πv(n)/2]sin[πv(n-1)/2],…,sin[πv(n-M+2)/2]sin[πv(n-M+1)/2],

sin[πv(n)/2]sin[πv(n-2)/2],…,sin[πv(n-M+3)/2]sin[πv(n-M+1)/2],

…,

sin[πv(n)/2]sin[πv(n-M+1)/2}^T；

根据次级通道特性，仅保留线性抽头和部分非线性抽头，可有效减少抽头对应系数的数量，降低计算量。以下给出2种简化滤波器抽头实现形式：

(1)去除滤波器中部分抽头。如果次级通道是极弱非线性情形，则仅保留次级通道系数s(n)中的线性部分；如果系统表现出线性和三角非线性情形，则仅保留次级通道系数s(n)中线性、正弦和余弦抽头；

(2)交叉抽头部分对角结构实现，仅保留部分主通道。如图4所示，在逼近非线性系统时，交叉项部分中越靠近主对角通道的核函数对系统的逼近能力越强，因此可以通过仅保留图中较粗的主通道的方法，简化滤波器结果，主通道保留数量参考为M/3，实际保留数量由工程师根据需求确定。

滤波器的函数扩展抽头表示为向量形式：

f_e0(n)＝[E₀₀(n),E₁₀(n),E₂₀(n),E₂₁(n)]^T (1)

3)采用自适应算法辨识次级系数

以上滤波器抽头对应的系数即为次级通道传递函数系数，该系数为s(n)＝[s₀(n),s₁(n),s₂(n),…,s_M+1(n)]，长度为(M²+5M)/2，初始化为0。获得系数的自适应算法很多，本专利采用如图5所示自适应最小均方误差(LMS,Least Mean Square)算法(其余算法对本领域技术人员为简单变体)，迭代公式为：

s(n+1)＝s(n)+μ_sε(n)f_e0(n) (2)

其中，μ_s为辨识步长，取值为

P_v为输入辨识信号能量，ε(n)为叠加后残余信号，表示为：

ε(n)＝h(n)+h'(n)＝h(n)+f_e(n)*s(n) (3)

上式中，h(n)为辨识激励白噪声经次级通道传递后的信号，可由传感器直接采集，有源噪声控制中传感器的典型形式为麦克风。

第二步：计算次级通道估计。

次级通道传递函数表示为如下形式

其中，R₁≤M、R₂≤M、R₃≤M和R₃≤M(M-1)/2分别为线性项、正弦、余弦项和交叉项的数量，l_i,k_i,p_i和q_i为时延参数，此时s(n)＝[a_i ^T,b_i ^T,c_i ^T,d_i ^T]，其中a_i＝{a_i,i＝1,2,…,R₁}，b_i＝{b_i,i＝1,2,…,R₂}，c_i＝{c_i,i＝1,2,…,R₃}，d_i＝{d_i,i＝1,2,…,R₄}。

稀疏后的次级通道估计为：

其中，A_i～E_i为系数估计，l_i,k_i,p_i,q_i和r_i为时延参数，满足如下：

如果次级通道系数辨识时，仅使用滤波器中的线性抽头部分，则次级通道估计中只有A_i，此时次级通道为线性定常系统，次级系数估计A_i可直接存储于数字信号处理器(DSP)中。如果次级通道系数辨识时，包含非线性部分，次级通道系数估计是时变的，可将依据式(6)实时计算次级通道稀疏估计s'(n)。

第三步：实现有源降噪。

1)采集噪声源信号：

如图1所示，通过在噪声源附近布放声信号接收传感器，采集噪声源信号，典型声信号传感器为麦克风。该声信号传感器可将声信号转换为模拟电信号，并将模拟电信号转换为数字信号，n时刻采集的信号即为x(n)。传声器采集的声信号x(n)存储于数字信号处理器(DSP)中，存储长度为N，则存储的现时刻和前N-1个时延信号，构成输入噪声序列x(n)＝[x(n),x(n-1),x(n-2),…,x(n-N+1)]^T。实际应用中，N取值可根据性能、实时性等要求，由工程师具体确定，典型值为10、32、64、128等。

2)构建简化实现的EMFNL滤波器抽头。

完整的EMFNL滤波器中，由于交叉项的存在，结构复杂，计算复杂度高，因此，如图4所示，本专利采用仅保留部分主对角通道抽头的简化EMFNL滤波器作为控制滤波器。对采集到的噪声源信号使用EMFNL扩展并简化，将简化实现的EMFNL滤波器抽头表示为向量形式记为f_e(n)。

3)构建权向量并初始化。

权向量是滤波器抽头的系数，由DSP开辟存储空间生成，记为w(n)，并初始化为0向量。

权向量表达式为：

w(n)＝[w₀(n),w₁(n),...,w_N-1(n)]^T (7)

4)数字信号处理器(DSP)生成反噪声。

权向量的长度与稀疏EMFNL函数滤波器抽头数量相同。DSP输出反噪声可表示为：

y(n)＝f_e ^T(n)w(n) (8)

5)自适应更新权系数。

有源噪声控制领域中，常用的更新算法架构包括滤波X最小均方误差(FXLMS,filtered-xLMS)算法，误差滤波最小均方误差(FELMS,filtered-e LMS)算法，滤波X递归最小均方(FXRLS,filtered-x Recursive Least Square)等方法。

本发明以FXLMS自适应算法架构为例，给出EMFNL滤波器对应的权更新算法，对本领域工程师，其他算法架构为简单技术变体。权系数更新公式为：

w(n+1)＝w(n)+μe(n)f_e'(n) (9)

其中，e(n)为误差信号，由误差传声器采集，f_e'(n)＝f_e(n)*s'(n)，s'(n)为次级通道传递函数s(n)的估计，μ为控制步长，取值为

P_x为输入信号能量，N为控制滤波器长度。

采用如下条件验证本专利效果。噪声源为白噪声，经初级通道传递后到达叠加点处噪声d_p(n)与噪声源x(n)关系为：

次级通道为仅有线性部分的EMFNL模型，其传递关系为：

d_s(n)＝y(n-2)+0.5y(n-3) (11)

分别采用自适应切比雪夫滤波器对应的FCLMS算法、二阶Volterra滤波器对应的VFXLMS算法、函数链接人工神经网络(FLANN,Functional Link Artificial NeuralNetwork)滤波器对应的FSLMS算法和EMFNL滤波器对应的FFXLMS算法控制噪声，结果如图6所示。以归一化最小均方误差为标准，FCLMS、VFXLMS和FSLMS方法能达到约-12dB～-15dB的控制效果，而FFXLMS方法可达到约-28dB的控制效果，实验结果表明对于以上有源噪声控制系统，基于EMFNL滤波器具有更优的控制效果。

上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于EMFNL滤波器离线建模次级通道的有源降噪方法，其特征在于，基于二阶带线性部分偶镜像傅里叶非线性EMFNL滤波器离线非线性建模次级通道，使用EMFNL滤波器作为控制滤波器进行有源噪声控制，该方法具体步骤包括：

S1：构建EMFNL滤波器抽头并采用自适应算法辨识其系数实现离线建模次级通道；

S2：利用步骤S1中次级通道，计算次级通道估计；

S3：根据S2中的次级通道估计，实现有源降噪。

2.根据权利要求1所述的基于EMFNL滤波器离线建模次级通道的有源降噪方法，其特征在于，所述离线建模次级通道详细步骤包括：

S1.1产生高斯白噪声，并滤除高频部分；

S1.2构建辨识EMFNL滤波器抽头；

S1.3简化步骤1.2中EMFNL滤波器抽头；

S1.4对S1.3中简化滤波器抽头构建相应辨识权系数s(n)，即次级通道系数，采用自适应算法辨识系数。

3.根据权利要求2所述的基于EMFNL滤波器离线建模次级通道的有源降噪方法，其特征在于，所述S1.3中简化滤波器抽头实现形式包括：

1)去除滤波器中部分抽头：如果次级通道是极弱非线性情形，则仅保留次级通道系数s(n)中的线性部分；如果系统表现出线性和三角非线性情形，则仅保留次级通道系数s(n)中线性、正弦和余弦抽头；或者

2)交叉抽头部分对角结构实现，仅保留部分主对角通道。

4.根据权利要求1所述的基于EMFNL滤波器离线建模次级通道的有源降噪方法，其特征在于，所述次级通道估计的计算步骤包括：

S2.1确定次级通道传递函数：

其中，R₁≤M、R₂≤M、R₃≤M和R₃≤M(M-1)/2分别为线性项、正弦、余弦项和交叉项的数量，l_i,k_i,p_i和q_i为时延参数，s(n)＝[a_i ^T,b_i ^T,c_i ^T,d_i ^T]，a_i＝{a_i,i＝1,2,…,R₁}，b_i＝{b_i,i＝1,2,…,R₂}，c_i＝{c_i,i＝1,2,…,R₃}，d_i＝{d_i,i＝1,2,…,R₄}；

S2.2确定稀疏后的次级通道估计，次级通道稀疏估计s'(n)表示为：

其中，A_i～E_i为系数估计，l_i,k_i,p_i,q_i和r_i为时延参数，满足如下：

5.根据权利要求2所述的基于EMFNL滤波器离线建模次级通道的有源降噪方法，其特征在于，所述步骤S3中实现有源降噪步骤包括：

S3.1采集噪声源信号；

S3.2利用S1.3简化方法，对S3.1采集到的噪声源信号使用EMFNL扩展并简化，其向量形式记为f_e(n)；

S3.3构建控制权向量w(n)并初始化为0向量，所述权向量表达式为：

w(n)＝[w₀(n),w₁(n),...,w_N-1(n)]^T

其中，w(n)为权向量，其长度等于控制滤波器f_e(n)的长度；

S3.4生成反噪声，其表达式为y(n)＝f_e ^T(n)w(n)；

S3.5自适应算法更新控制权系数。

6.根据权利要求5所述的基于EMFNL滤波器离线建模次级通道的有源降噪方法，其特征在于，所述S3.5中自适应算法包括：滤波X最小均方误差算法，误差滤波最小均方误差算法以及滤波X递归最小均方。

Images