CN112466271A - 一种分布式主动噪声控制方法、系统、设备及存储介质 - Google Patents
一种分布式主动噪声控制方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112466271A CN112466271A CN202011380936.3A CN202011380936A CN112466271A CN 112466271 A CN112466271 A CN 112466271A CN 202011380936 A CN202011380936 A CN 202011380936A CN 112466271 A CN112466271 A CN 112466271A
- Authority
- CN
- China
- Prior art keywords
- active noise
- loudspeaker
- noise control
- node
- cost function
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003637 basic solution Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000030279 gene silencing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G10K11/1785—Methods, e.g. algorithms; Devices
-
- 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
- G10K11/1783—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 handling or detecting of non-standard events or conditions, e.g. changing operating modes under specific operating conditions
- G10K11/17833—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 handling or detecting of non-standard events or conditions, e.g. changing operating modes under specific operating conditions by using a self-diagnostic function or a malfunction prevention function, e.g. detecting abnormal output levels
-
- 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
- G10K2210/3035—Models, e.g. of the acoustic system
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开了一种分布式主动噪声控制方法、系统、设备及存储介质,属于自适应信号处理领域。首先利用无线声传感器网络理论,建立波域主动噪声控制的分布式网络模型;然后将波域ANC问题的全局代价函数拆分为局部代价函数和的形式,建立分布式优化问题,最后利用扩散LMS算法,得到了仅需进行局部信息处理和更新,就可以对扬声器驱动信号进行估计。本发明方法利用扩散策略得到了分布式波域ANC算法,使得计算负担分散在节点之间,相比于集中式方案,本发明使波域ANC系统的扩展性更强,鲁棒性更高,更适合于大规模的应用场合。即本发明方法填补了分布式优化在空间主动噪声控制应用上的空白。
Description
技术领域
本发明属于自适应信号处理领域,涉及一种分布式主动噪声控制方法、系统、设备及存储介质。
背景技术
主动噪声控制(Active Noise Control,ANC)基于杨氏声波干涉原理,通过产生与初级声源振幅相等、相位相反的次级声源在一定区域内形成消声“静区”,达到降噪的目的。近年来,在大型控制区域实现主动噪声控制引起了研究人员的广泛关注,因为它在飞机和汽车工业中具有巨大的应用潜力。由于单通道ANC系统无法在复杂的声场环境中有效地实现噪声消除,因此,空间区域内的噪声消除通常使用多通道ANC系统。此外,由于大多数噪声场是未知的,且随时间变化,ANC系统需要采取自适应算法来产生次级噪声信号。
传统的时频域多通道ANC算法可以在多个观测点处显著降低噪声,但是在连续空间区域内的一致性不高。现有的多通道ANC算法大都使用集中式策略,即通过收集所有麦克风上的误差信号来更新扬声器的驱动信号。这种方法的高计算复杂度不仅对处理器的性能提出了要求,也给通信链路带来了负担。
降低计算复杂度的一种有效方法是采用分布式算法来代替集中式解决方案。已有方法提出利用无线声传感器网络建立分布式ANC系统,同时通过增量策略实现节点之间的协作,可以使系统获得与集中式方案类似的性能。然而,增量策略对节点和链路的故障十分敏感,一旦出现问题就可能导致整个网络的瘫痪,实用性不高。此外,该方法基于时域的多重误差滤波-xLMS(MEFxLMS)算法,适用于多个观测点的噪声消除,并不能实现连续空间区域的噪声降低。
因此,亟需发展一种新的噪声控制方法,以解决上述问题。
发明内容
本发明的目的在于克服上述现有技术中,分布式算法增量策略对节点和链路的故障较为敏感导致网络易于瘫痪的缺点,提供一种分布式主动噪声控制方法、系统、设备及存储介质。
为了达到上述目的,本发明采用以下技术方案予以实现:
一种基于扩散策略的分布式主动噪声控制方法,包括以下步骤:
步骤1,建立波域ANC网络模型,计算获取梯度向量;
步骤2,利用步骤1得到的梯度向量,对扬声器及其驱动信号进行更新;
步骤3,扬声器获取更新后的扬声器驱动信号,产生与残余噪声信号抵消的次级声场,实现控制区域内噪声的降低。
优选地,步骤1的具体操作为:
1.1)建立波域ANC网络模型;
1.2)将波域ANC模型中的代价函数拆分为局部代价函数;
1.3)在指定时刻,基于节点处的局部代价函数对扬声器驱动信号求导,得到梯度向量。
优选地,步骤1.2的具体操作为:
基于控制区域内残余声场谐波系数的平方和,得到误差信号与扬声器驱动信号的关系,扬声器驱动信号为待估计的参数向量,之后将波域ANC模型的代价函数拆分,得到节点上的局部代价函数。
优选地,步骤1的网络模型的获取过程如下:
选定需要进行噪声消除的控制区域,控制区域外部设置噪声源;在控制区域边界捕获残余声场,建立节点的分布式网络,该分布式网络以拓扑形式连接。
优选地,所述控制区域为圆形;在捕获残余声场的同时获取控制区域外产生的次级声场。
优选地,步骤2的具体操作为:
选择待测节点对应的步长,利用步骤1得到的梯度向量对扬声器驱动信号的估计更新为中间值;
选择待测节点对应的组合系数,通过组合待测节点周围的节点的中间估计更新其扬声器估计。
一种主动噪声控制系统,包括:
网络构建单元,用于根据选定的控制区域捕获残余声场,建立节点的分布式网络,获取波域ANC网络模型;
函数求解模块,与网络构建单元相交互,用于获取全局代价函数并对全局代价函数进行拆分,计算后获取梯度向量;
数据更新模块,与函数求解模块相交互,用于对扬声器及其驱动信号进行更新;
数据处理模块,与数据更新模块相交互,用于对扬声器驱动信号进行估计。
优选地,所述节点包含一个麦克风、一个扬声器及数据处理器,数据处理器分别与麦克风和扬声器电连接。
一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述主动噪声控制方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述主动噪声控制方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明公开了一种基于扩散策略的分布式主动噪声控制方法,首先利用无线声传感器网络理论,建立波域主动噪声控制的分布式网络模型;然后将波域ANC问题的全局代价函数拆分为局部代价函数和的形式,建立分布式优化问题,最后利用扩散LMS算法,得到了仅需进行局部信息处理和更新,就可以对扬声器驱动信号进行估计。本发明方法利用扩散策略得到了分布式波域ANC算法,使得计算负担分散在节点之间,相比于集中式方案,本发明使波域ANC系统的扩展性更强,鲁棒性更高,更适合于大规模的应用场合。即本发明方法填补了分布式优化在空间主动噪声控制应用上的空白。
进一步地,使用多个麦克风传感器捕获残余声场,同时使用多个扬声器产生次级声场,能够使得本发明方法对噪声的控制更精准。
本发明还公开了一种主动噪声控制系统,包括网络构建单元、函数求解模块、数据更新模块和数据处理模块,分别实现如下功能,根据选定的控制区域捕获残余声场,建立节点的分布式网络,获取波域ANC网络模型;获取全局代价函数并对全局代价函数进行拆分,计算后获取梯度向量;对扬声器及其驱动信号进行更新;对扬声器驱动信号进行估计。本发明的主动噪声控制系统,是利用扩散LMS算法,得到了仅需进行局部信息交互就可以得到扬声器驱动信号估计的分布式解决方案,实现了空间噪声的降低。
附图说明
图1为本发明波域ANC系统模型示意图,该系统由半径为R1的麦克风圆阵和半径为R2的扬声器阵列组成;
图2为本发明分布式波域ANC网络模型示意图;
图3为本发明的流程示意图;
图4为本发明在自由场环境下的仿真结果示意图;
图5为本发明在混响场环境下的仿真结果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
波域信号使用亥姆霍兹方程的基本解作为基函数,它可以描述控制区域上的任何声场。与时频域ANC最小化平方误差信号之和不同,波域ANC的目标是最小化平方谐波系数之和,其中谐波系数与整个控制区域的能量有关。
如图3所示,一种基于扩散策略的分布式主动噪声控制方法,包括如下步骤:
步骤1:定义波域ANC的网络模型,该模型为一个以某种拓补连接的N节点分布式网络;
步骤1的具体操作包括:
1.1)定义一个半径为R1的圆形区域为需要进行噪声消除的控制区域,且噪声源位于控制区域之外;
1.2)将N个麦克风阵列均匀地放置在控制区域的边界上以捕获残余声场,同时将N个扬声器均匀地放置控制区域外半径为R2的圆环上以产生次级声场;
1.3)建立一个N节点的分布式网络,每个节点包含一个麦克风、一个扬声器以及具有通信和计算能力的处理器,并且该网络以某种拓扑进行连接。
步骤2:将波域ANC问题的代价函数J(d)拆分为局部代价函数和的形式;
步骤2的具体操作包括:
2.1)波域ANC问题的优化目标为最小化控制区域内残余声场谐波系数的平方和,即最小化代价函数J(d)=αHα。其中,α=B-1Eme为控制区域内残余声场的谐波系数向量,矩阵B和Em用于将误差信号e转化为波域系数α;
使第k个节点局部代价函数的梯度向量仅与该节点处测量到的误差信号相关。
步骤4:选择合适的步长μ0,节点k(k=1,…,N)利用所得的梯度向量,将其对扬声器驱动信号的估计dk,n更新为中间值ψk,n+1;
即节点k使用其采集到的误差信号对局部估计dk,n进行更新,得到中间值ψk,n+1:
步骤5:选择合适的组合系数{alk},满足以下条件:
步骤5.2:节点k(k=1,…,N)通过组合其邻居节点的中间估计,来更新扬声器驱动信号的局部估计dk,n+1:
步骤6:节点k(k=1,…,N)将其估计dk,n+1中对k节点处驱动信号的估计dk,k,n+1发送给对应的扬声器;
步骤7:扬声器根据所得的驱动信号,产生次级声场与残余噪声信号进行抵消,从而实现控制区域内噪声的降低。
实施例1
本发明公开的一种基于扩散策略的分布式主动噪声控制方法,包含以下步骤:
步骤1,定义波域ANC网络模型,该模型为一个以某种拓补连接的分布式网络;
步骤1的具体操作为:
1.1)如图1所示,定义一个半径为R1=0.5m的圆形区域为需要进行噪声消除的控制区域,噪声源为控制区域之外(2,0°)处的2D点声源,频率为500Hz,幅度为15;
1.2)将N=11个麦克风阵列均匀地放置在控制区域的边界上以捕获残余声场,同时将N=11个扬声器均匀地放置控制区域外半径为R2=1.5m的圆环上以产生次级声场;
1.3)如图2所示,建立一个N=11节点的分布式网络,每个节点包含一个麦克风、一个扬声器以及具有通信和计算能力的处理器,并且该网络以某种拓扑进行连接,这里我们考虑两种拓扑结构:拓扑1为所有节点依次连接的环形拓扑,拓扑2则在拓扑1的基础上增加了4条连接链路。
该模型中的每个节点含有一个麦克风和一个扬声器,在迭代时刻n,节点k首先利用自身麦克风上的信息执行自适应步骤:接着利用其邻居节点上的中间值信息执行融合步骤:最后将所得的驱动信号估计发送至自身节点上的扬声器。
步骤3:在n时刻,令节点k(k=1,…,11)处的代价函数Jk(d)对扬声器驱动信号d求导,得到梯度向量为:
并选择步长μ0=11。
步骤5:节点k(k=1,…,N)通过组合其邻居节点的中间估计来更新其扬声器估计dk,n+1,更新方法为:
步骤6:节点k(k=1,…,11)将其估计dk,n+1中对k节点处驱动信号的估计dk,k,n+1发送给对应的扬声器;
步骤7:扬声器根据所得的驱动信号,产生次级声场与残余噪声信号进行抵消,从而实现控制区域内噪声的降低。
其中,el(n)表示n时刻区域内第l个点处的残留信号,而el(0)表示该区域内第l个点处的主噪声场。
为了验证本发明方法在空间上的降噪效果,本发明分别在自由场与混响场环境中进行了仿真。仿真从采集时域信号开始进行,设采样率为8KHz,窗口长度为2048,每个节点上的麦克风信号都添加了信噪比(SNR)为40dB的高斯白噪声。
自由场环境中的仿真结果如图4所示,与集中式算法进行了对比。由该结果可以看出,本发明在稳态下可以达到与集中式算法相似的降噪水平。此外,选择拓扑2可以使算法的收敛速度更快,因为相比于拓扑1,拓扑2增加了节点之间的连接。
混响场环境中的仿真结果如图5所示,同样与集中式算法进行了对比。为了模拟混响场环境,本发明选择采用镜像源模型建立了一个大小为6m×6m的矩形房间,房间具有完美吸收的天花板和地板,所有侧壁的反射系数均为0.5。由该结果可以看出,在混响场环境中,本发明仍然可以实现与集中式算法相似的衰减。
本发明方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。其中,所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
在示例性实施例中,还提供计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明方法的步骤。处理器可能是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
综上所述,由于波域ANC问题的代价函数耦合了所有麦克风收集到的误差信号,因此,本发明采用了与传统时频域ANC问题中不同的全局代价函数拆分方法,使各节点上局部代价函数的梯度向量仅需要该节点处收集到的误差信号;本发明将扩散自适应策略应用于波域ANC问题中,采用该方法可以在降噪水平上达到与集中式方法相似性能,同时又能将计算和通信负担分散到各个节点,大大提高了波域ANC系统的鲁棒性、可扩展性以及实用性。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种基于扩散策略的分布式主动噪声控制方法,其特征在于,包括以下步骤:
步骤1,建立波域ANC网络模型,计算获取梯度向量;
步骤2,利用步骤1得到的梯度向量,对扬声器及其驱动信号进行更新;
步骤3,扬声器获取更新后的扬声器驱动信号,产生与残余噪声信号抵消的次级声场,实现控制区域内噪声的降低。
2.根据权利要求1所述的主动噪声控制方法,其特征在于,步骤1的具体操作为:
1.1)建立波域ANC网络模型;
1.2)将波域ANC模型中的代价函数拆分为局部代价函数;
1.3)在指定时刻,基于节点处的局部代价函数对扬声器驱动信号求导,得到梯度向量。
3.根据权利要求2所述的主动噪声控制方法,其特征在于,步骤1.2的具体操作为:
基于控制区域内残余声场谐波系数的平方和,得到误差信号与扬声器驱动信号的关系,扬声器驱动信号为待估计的参数向量,之后将波域ANC模型的代价函数拆分,得到节点上的局部代价函数。
4.根据权利要求1所述的主动噪声控制方法,其特征在于,步骤1的网络模型的获取过程如下:
选定需要进行噪声消除的控制区域,控制区域外部设置噪声源;在控制区域边界捕获残余声场,建立节点的分布式网络,该分布式网络以拓扑形式连接。
5.根据权利要求4所述的主动噪声控制方法,其特征在于,所述控制区域为圆形;在捕获残余声场的同时获取控制区域外产生的次级声场。
6.根据权利要求1所述的主动噪声控制方法,其特征在于,步骤2的具体操作为:
选择待测节点对应的步长,利用步骤1得到的梯度向量对扬声器驱动信号的估计更新为中间值;
选择待测节点对应的组合系数,通过组合待测节点周围的节点的中间估计更新其扬声器估计。
7.一种主动噪声控制系统,其特征在于,包括:
网络构建单元,用于根据选定的控制区域捕获残余声场,建立节点的分布式网络,获取波域ANC网络模型;
函数求解模块,与网络构建单元相交互,用于获取全局代价函数并对全局代价函数进行拆分,计算后获取梯度向量;
数据更新模块,与函数求解模块相交互,用于对扬声器及其驱动信号进行更新;
数据处理模块,与数据更新模块相交互,用于对扬声器驱动信号进行估计。
8.根据权利要求7所述的主动噪声控制系统,其特征在于,所述节点包含一个麦克风、一个扬声器及数据处理器,数据处理器分别与麦克风和扬声器电连接。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述主动噪声控制方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述主动噪声控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011380936.3A CN112466271A (zh) | 2020-11-30 | 2020-11-30 | 一种分布式主动噪声控制方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011380936.3A CN112466271A (zh) | 2020-11-30 | 2020-11-30 | 一种分布式主动噪声控制方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112466271A true CN112466271A (zh) | 2021-03-09 |
Family
ID=74805871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011380936.3A Pending CN112466271A (zh) | 2020-11-30 | 2020-11-30 | 一种分布式主动噪声控制方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112466271A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000204921A (ja) * | 1999-01-14 | 2000-07-25 | Ishikawajima Harima Heavy Ind Co Ltd | アクティブ制御騒音低減法 |
KR20030066928A (ko) * | 2002-02-06 | 2003-08-14 | 가람정보산업(주) | 상향노이즈 대역별 차단기능을 갖는 네트웍 증폭기 |
CN102724152A (zh) * | 2012-07-12 | 2012-10-10 | 西南交通大学 | 基于Laguerre结构的多项式自适应有源噪声对消方法 |
CN106603038A (zh) * | 2016-11-29 | 2017-04-26 | 武汉大学 | 基于凸组合自适应滤波器的电力变压器有源噪声控制方法 |
CN106982099A (zh) * | 2017-03-24 | 2017-07-25 | 电子科技大学 | 一种基于链路噪声的变步长分布式自适应参数估计方法 |
CN107086034A (zh) * | 2016-11-03 | 2017-08-22 | 北京安声科技有限公司 | 一种车载主动降噪系统及方法 |
CN107464552A (zh) * | 2017-08-24 | 2017-12-12 | 徐银海 | 一种分布式车载主动降噪系统及方法 |
KR101945776B1 (ko) * | 2017-09-25 | 2019-02-08 | 한국과학기술원 | 스마트폰을 이용한 능동소음제어 |
CN109671100A (zh) * | 2018-11-30 | 2019-04-23 | 电子科技大学 | 一种分布式可变扩散组合系数粒子滤波直接跟踪方法 |
CN110121184A (zh) * | 2019-04-26 | 2019-08-13 | 电子科技大学 | 一种非负约束的分布式在线自适应扩散组合系数优化方法 |
CN110207276A (zh) * | 2019-07-16 | 2019-09-06 | 上海应用技术大学 | 用于空调室外机组的噪音采集分析和主动降噪系统及方法 |
US20200074978A1 (en) * | 2017-03-07 | 2020-03-05 | Sony Corporation | Signal processing device and method, and program |
WO2020085117A1 (ja) * | 2018-10-25 | 2020-04-30 | ソニー株式会社 | 信号処理装置および方法、並びにプログラム |
-
2020
- 2020-11-30 CN CN202011380936.3A patent/CN112466271A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000204921A (ja) * | 1999-01-14 | 2000-07-25 | Ishikawajima Harima Heavy Ind Co Ltd | アクティブ制御騒音低減法 |
KR20030066928A (ko) * | 2002-02-06 | 2003-08-14 | 가람정보산업(주) | 상향노이즈 대역별 차단기능을 갖는 네트웍 증폭기 |
CN102724152A (zh) * | 2012-07-12 | 2012-10-10 | 西南交通大学 | 基于Laguerre结构的多项式自适应有源噪声对消方法 |
CN107086034A (zh) * | 2016-11-03 | 2017-08-22 | 北京安声科技有限公司 | 一种车载主动降噪系统及方法 |
CN106603038A (zh) * | 2016-11-29 | 2017-04-26 | 武汉大学 | 基于凸组合自适应滤波器的电力变压器有源噪声控制方法 |
US20200074978A1 (en) * | 2017-03-07 | 2020-03-05 | Sony Corporation | Signal processing device and method, and program |
CN106982099A (zh) * | 2017-03-24 | 2017-07-25 | 电子科技大学 | 一种基于链路噪声的变步长分布式自适应参数估计方法 |
CN107464552A (zh) * | 2017-08-24 | 2017-12-12 | 徐银海 | 一种分布式车载主动降噪系统及方法 |
KR101945776B1 (ko) * | 2017-09-25 | 2019-02-08 | 한국과학기술원 | 스마트폰을 이용한 능동소음제어 |
WO2020085117A1 (ja) * | 2018-10-25 | 2020-04-30 | ソニー株式会社 | 信号処理装置および方法、並びにプログラム |
CN109671100A (zh) * | 2018-11-30 | 2019-04-23 | 电子科技大学 | 一种分布式可变扩散组合系数粒子滤波直接跟踪方法 |
CN110121184A (zh) * | 2019-04-26 | 2019-08-13 | 电子科技大学 | 一种非负约束的分布式在线自适应扩散组合系数优化方法 |
CN110207276A (zh) * | 2019-07-16 | 2019-09-06 | 上海应用技术大学 | 用于空调室外机组的噪音采集分析和主动降噪系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3232686B1 (en) | Neural network-based loudspeaker modeling with a deconvolution filter | |
US9584909B2 (en) | Distributed beamforming based on message passing | |
JP4654777B2 (ja) | 音響エコーキャンセル装置 | |
JP2016218078A (ja) | マルチセンサ音源定位 | |
WO2018163810A1 (ja) | 信号処理装置および方法、並びにプログラム | |
Heusdens et al. | Distributed MVDR beamforming for (wireless) microphone networks using message passing | |
CN108141691B (zh) | 自适应混响消除系统 | |
CN104158990A (zh) | 用于处理音频信号的方法和音频接收电路 | |
CN110265054B (zh) | 语音信号处理方法、装置、计算机可读存储介质和计算机设备 | |
Koutrouvelis et al. | A low-cost robust distributed linearly constrained beamformer for wireless acoustic sensor networks with arbitrary topology | |
CA2782228A1 (en) | Method and apparatus for noise cancellation in signals | |
JP3795610B2 (ja) | 信号処理装置 | |
O'Connor et al. | Diffusion-based distributed MVDR beamformer | |
CN108401218A (zh) | 主动降噪耳机故障诊断方法 | |
CN109379652B (zh) | 一种耳机有源噪声控制的次级通道离线辨识方法 | |
CN110289011A (zh) | 一种用于分布式无线声传感器网络的语音增强系统 | |
CN105766000A (zh) | 用于评估声学传递函数的系统和方法 | |
CN114788302B (zh) | 一种信号处理装置、方法以及系统 | |
Huang et al. | Time delay estimation and source localization | |
Li et al. | Distributed active noise control based on an augmented diffusion FxLMS algorithm | |
CN112466271A (zh) | 一种分布式主动噪声控制方法、系统、设备及存储介质 | |
Gburrek et al. | Deep neural network based distance estimation for geometry calibration in acoustic sensor networks | |
CN116840785A (zh) | 一种变电站低频声源定位系统及方法 | |
Rombouts et al. | Generalized sidelobe canceller based combined acoustic feedback-and noise cancellation | |
CN116106826A (zh) | 声源定位方法、相关装置和介质 |
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 |