CN113851104B - 含次级通道在线辨识的反馈型主动噪声控制系统及方法 - Google Patents

含次级通道在线辨识的反馈型主动噪声控制系统及方法 Download PDF

Info

Publication number
CN113851104B
CN113851104B CN202111096212.0A CN202111096212A CN113851104B CN 113851104 B CN113851104 B CN 113851104B CN 202111096212 A CN202111096212 A CN 202111096212A CN 113851104 B CN113851104 B CN 113851104B
Authority
CN
China
Prior art keywords
noise
secondary channel
subsystem
linear prediction
controller
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
Application number
CN202111096212.0A
Other languages
English (en)
Other versions
CN113851104A (zh
Inventor
马亚平
肖业贵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN202111096212.0A priority Critical patent/CN113851104B/zh
Priority to PCT/CN2021/130193 priority patent/WO2023040025A1/zh
Publication of CN113851104A publication Critical patent/CN113851104A/zh
Application granted granted Critical
Publication of CN113851104B publication Critical patent/CN113851104B/zh
Priority to US17/978,354 priority patent/US11688381B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G10K11/1787—General system configurations
    • G10K11/17879—General system configurations using both a reference signal and an error signal
    • 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
    • G10K11/1781—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 characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions
    • G10K11/17813—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 characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions characterised by the analysis of the acoustic paths, e.g. estimating, calibrating or testing of transfer functions or cross-terms
    • G10K11/17817—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 characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions characterised by the analysis of the acoustic paths, e.g. estimating, calibrating or testing of transfer functions or cross-terms between the output signals and the error signals, i.e. secondary path
    • 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
    • G10K11/17853—Methods, e.g. algorithms; Devices of the filter

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Noise Elimination (AREA)

Abstract

本发明涉及一种含次级通道在线辨识的反馈型主动噪声控制系统及方法，属于主动噪声控制技术领域。所述系统从残余噪声中分离出窄带分量和宽带分量。在实现主动噪声控制时，采用分离出的窄带分量来调整次级通道在线辨识时引入的辅助噪声的幅值，有效降低辅助噪声对残余噪声的影响，进而提升系统噪声抑制性能；同时，利用分离出的宽带分量更新次级通道在线辨识模块，利用分离出的窄带分量更新控制器，提升了控制器和次级通道在线辨识模块之间的独立性，进而提升系统整体动态性能；实时计算残余噪声经平滑滤波后的能量变化，监测次级通道或目标噪声可能发生的突变，改善了系统的鲁棒性，适用于复杂降噪场合。

Description

含次级通道在线辨识的反馈型主动噪声控制系统及方法
技术领域
本发明涉及含次级通道在线辨识的反馈型主动噪声控制系统及方法，属于主动噪声控制技术领域。
背景技术
主动噪声控制(Active Noise Control，ANC)利用声波相消干涉原理，针对目标噪声，产生一个与其幅度相同、相位相反的次级噪声，两声波相互叠加，以达到消声的目的。较传统的被动降噪技术，具有良好的低频噪声抑制性能，以及体积小、成本低等优点。
根据有无参考传感器(用于得到参考信号来控制次级噪声的产生)，主动噪声控制系统可分为前馈型主动噪声控制系统和反馈型主动噪声控制系统两种。根据目标噪声频谱的特点，它们可进一步分为宽带主动噪声控制系统和窄带主动噪声控制系统(S.M.Kuo andD.R.Morgan,“Active noise control:a tutorial review,”Proc.IEEE,vol.87,no.6,pp.943-973,Jun.1999.)。特别地，窄带主动噪声控制系统能够抑制实际应用中存在着大量的由切割机、风扇、引擎等旋转机械设备产生的周期性噪声或干扰。
在高温或严重污染的降噪场合中，反馈型主动噪声控制系统无需设置参考传感器，对物理空间的要求较低，同时减少硬件成本，因此具有更大的实际应用价值。
传统反馈型主动噪声控制系统主要包括次级扬声器(产生次级噪声)和误差传声器(检测系统残余噪声)。次级通道表示次级噪声到误差传感器之间的通道，在实际系统中包括次级扬声器、误差传声器以及两者之间的声学空间，由一系列电子设备、装置和物理通道组成。实际工况下次级通道往往具有复杂时变性，如噪声源移动，主动噪声控制装置的位置变化等导致实际次级通道模型的改变，这将会严重影响系统的稳定性。
因此，人们需要研究相应的次级通道辨识方法来估计实际次级通道模型，进而改善系统的稳定性。通常，次级通道辨识方法可分为次级通道离线辨识和次级通道在线辨识两种。次级通道在线辨识方法相较于传统的次级通道离线辨识方法，可以实时估计时变的次级通道，且具有适用于复杂应用场合的特点。
近年来，一些基于辅助高斯白噪声幅值调整策略的次级通道在线辨识方法被应用到反馈型主动噪声控制系统中。
学者Xiao等人提出基于自适应陷波器的反馈型主动噪声控制系统，直接采用残余噪声有关的函数来调整辅助噪声幅值，但是该方案中引入的辅助噪声对残余噪声的贡献量大，会制约该系统的噪声抑制性能，而且系统的控制器与次级通道在线辨识模块之间相互耦合，即残余噪声分别用于控制器的更新、以及次级通道在线辨识模块的期望输入，导致残余噪声中的宽带分量制约控制器的更新速度、残余噪声中的窄带分量制约次级通道在线辨识的速度，最终影响整体系统的动态性能(X.Tan,Y.Ma,Y.Xiao,L.Ma,and K.Khorasani,“Anew feedback narrowband active noise control system with online secondary-path modeling based on adaptive notch filtering,”Proc.of ICAMechS,pp.78-82,Dec.2020.)。
学者Akhtar提出了一种反馈型主动噪声控制，其采用延迟滤波器应用到次级通道在线辨识模块来监测次级通道在线辨识的收敛状态，并同时采用变步长算法来更新经过延迟之后的次级通道估计模型的系数，该系统可降低辅助噪声对残余噪声的贡献量，但是该系统难以适用当次级通道或目标噪声发生突变时的情形，且具有用户参数数目多且设置复杂、计算成本大的缺点，大大增加系统运行负担，不利于实际应用；另外，该系统的控制器与次级通道在线辨识模块之间的独立性较差，仍会制约整体系统的动态性能(M.T.Akhtar,“Narrowband feedback active noise control systems with secondary pathmodeling using gain-controlled additive random noise,”Digital SignalProcessing,vol.111,2021,Art.No.102976.)。
总之，上述传统的含次级通道在线辨识的反馈型主动噪声控制系统仍然存在着难以应对次级通道发生较大突变的情形、引入的辅助噪声对残余噪声的贡献量较大或系统参数数目多且设置复杂的问题，制约其实际应用，且其控制器与次级通道在线辨识模块之间独立性较差，严重影响系统的整体性能。
为解决上述问题，需要提供一种更有效且实用的含次级通道在线辨识的反馈型主动噪声控制系统。
发明内容
为了解决目前的含次级通道在线辨识的反馈型主动噪声控制系统，存在着引入的辅助噪声对残余噪声的贡献量较大进而制约系统的降噪性能、控制器与次级通道在线辨识模块之间独立性差进而严重影响系统的整体动态性能的问题，本发明提供了一种含次级通道在线辨识的反馈型主动噪声控制系统及方法。
本发明的第一个目的在于提供一种含次级通道在线辨识的反馈型主动噪声控制系统，其特征在于，所述主动噪声控制系统包括：参考信号合成子系统(1)、次级声源合成子系统(2)、线性预测子系统(3)和次级通道在线辨识子系统(4)；
所述参考信号合成子系统(1)分别与所述次级声源合成子系统(2)、所述线性预测子系统(3)连接；所述次级声源合成子系统(2)分别与所述参考信号合成子系统(1)、所述次级通道在线辨识子系统(4)连接；所述线性预测子系统(3)分别与所述参考信号合成子系统(1)、所述次级声源合成子系统(2)、次级通道在线辨识子系统(4)连接；所述次级通道在线辨识子系统(4)分别与所述次级声源合成子系统(2)、所述线性预测子系统(3)连接；
所述参考信号合成子系统(1)用于合成参考信号；所述次级声源合成子系统(2)用于合成次级声源；所述线性预测子系统(3)用于从残余噪声中分离出窄带分量和宽带分量；所述次级通道在线辨识子系统(4)用于实时在线地估计时变的次级通道估计模型。
可选的，所述线性预测子系统(3)包括：D阶延迟环节(31)和线性预测滤波器(32)，所述D阶延迟环节(31)和线性预测滤波器(32)串联，所述线性预测滤波器(32)的系数和长度分别为
Figure BDA0003264408720000031
和L，系数利用最小均方算法进行更新，更新公式为：
hj(n+1)＝hj(n)+μheLP(n)e(n-D-j)
其中，μh为线性预测滤波器更新步长，取值为正值；eLP(n)为所述线性预测子系统(3)分离出的宽带分量，e(n)为所述残余噪声；n为时刻，n≥0。
可选的，从所述残余噪声中分离出的宽带分量为：
eLP(n)＝e(n)-yLP(n)
Figure BDA0003264408720000032
其中，yLP(n)为从所述残余噪声中分离出的窄带分量。
可选的，所述次级通道在线辨识子系统(4)包括：次级通道在线辨识模块(41)和辅助噪声调整模块(42)；
所述次级通道在线辨识模块(41)包括次级通道估计模型
Figure BDA0003264408720000033
所述次级通道在线辨识模块(41)以所述宽带分量为期望输入、以高斯白噪声经所述辅助噪声调整模块(42)后产生的有色噪声v(n)为参考输入，并利用最小均方算法实时在线地估计并更新时变的次级通道估计模型；
所述次级通道在线辨识模块(41)的次级通道估计模型
Figure BDA0003264408720000034
的系数和长度分别为
Figure BDA0003264408720000041
和
Figure BDA0003264408720000042
系数更新公式为：
Figure BDA0003264408720000043
es(n)＝eLP(n)-ys(n)
其中，μs为次级通道估计模型更新步长，取值为正值；ys(n)为所述次级通道在线辨识模块(41)的次级通道估计模型的输出；
所述有色噪声v(n)为：
v(n)＝v0(n)Gs(n)
Figure BDA0003264408720000044
其中，Gs(n)为所述辅助噪声调整模块(42)的调整增益，辅助噪声调整模块遗忘因子λ∈(0,1)，通常取值接近于1；v0(n)为均值为零、方差为
Figure BDA0003264408720000045
的加性高斯白噪声。
可选的，所述参考信号合成子系统(1)包括：次级通道估计模型(11)和一阶延迟环节(12)，所述次级通道估计模型(11)由所述次级通道在线辨识模块(41)提供；
所述参考信号为：
Figure BDA0003264408720000046
其中，e(n)为残余噪声，e(n-1)为e(n)经过所述一阶延迟环节(12)的输出，
Figure BDA0003264408720000047
为y0(n)经所述次级通道估计模型(11)的输出，
Figure BDA0003264408720000048
为
Figure BDA0003264408720000049
经过所述一阶延迟环节(12)的输出。
可选的，所述次级声源合成子系统(2)包括：控制器(21)和滤波-X最小均方算法模块(22)；
所述滤波-X最小均方算法模块(22)采用从所述残余噪声中分离出的窄带分量yLP(n)作为误差输出，并用于更新控制器(21)的系数。
可选的，所述控制器(21)采用线性滤波器，所述线性滤波器的系数和长度分别为
Figure BDA00032644087200000410
和Mw；
所述控制器(21)的系数更新公式为：
Figure BDA00032644087200000411
其中，μw为控制器更新步长，取值为正值；yLP(n)为所述线性预测子系统(3)分离出的窄带分量；
Figure BDA0003264408720000051
为参考信号x(n)经所述滤波-X最小均方算法模块(22)的次级通道估计模型的输出。
可选的，次级声源为：
y(n)＝y0(n)-v(n)
其中，y0(n)为所述控制器(21)的输出。
可选的，所述系统通过实时计算残余噪声经平滑滤波后的能量变化，监测次级通道或目标噪声可能发生的较大突变，并对所述线性预测滤波器(32)的系数、所述次级通道估计模型
Figure BDA0003264408720000055
的系数、所述控制器(21)的系数和所述辅助噪声调整模块(42)的调整增益进行重新初始化；
所述残余噪声经平滑滤波后的能量为：
Pe(n)＝λmPe(n-1)+(1-λm)e2(n)
其中，λm∈(0,1)为平滑滤波遗忘因子，通常取接近于1的正值；
在n′Tp时刻，通过对残余噪声经平滑滤波后的能量Pe(n)，相继进行时间平均和平滑滤波后得到：
Figure BDA0003264408720000052
其中，n′为n整除Tp时大于1的正整数，Tp为时间平均窗的长度；
当n时刻满足
Figure BDA0003264408720000053
时，系统在n+1时刻进行重新初始化；其中，α∈(1,2)为阈值参数。
本发明的第二个目的在于提供一种主动噪声控制方法，其特征在于，所述方法基于上述的含次级通道在线辨识的反馈型主动噪声控制系统实现，所述方法包括：
步骤一：设置系统参数
设置控制器(21)、线性预测滤波器(32)、次级通道估计模型
Figure BDA0003264408720000054
的长度和更新步长；设置延迟环节的阶数D；设置辅助噪声调整模块(42)的遗忘因子；设置系统重新初始化所需的遗忘因子、阈值参数和时间平均窗的长度；设置控制器(21)、次级通道估计模型
Figure BDA0003264408720000061
的系数、线性预测滤波器(32)的系数、以及辅助噪声调整模块(42)的调整增益的初始值均为零；
步骤二：合成参考信号
利用误差传声器获得的残余噪声e(n)，与控制器(21)的输出y0(n)经次级通道估计模型(11)的输出
Figure BDA0003264408720000062
进行相加，得到的信号经一阶延迟环节(12)后获得参考信号x(n)：
Figure BDA0003264408720000063
即利用n-1时刻的残余噪声和次级通道估计模型(11)输出信号求和，合成得到n时刻的参考信号；
步骤三：在n时刻，首先，参考信号x(n)经控制器(21)得到y0(n)；然后，利用辅助噪声调整模块(42)获得辅助噪声v(n)，进而合成得到次级声源y(n)；最后，残余噪声e(n)经线性预测子系统(3)分离得到窄带分量yLP(n)和宽带分量eLP(n)；
步骤四：更新控制系统
根据所述参考信号和所述窄带分量yLP(n)计算更新控制器(21)在n+1时刻的系数；
根据残余噪声e(n)和窄带分量yLP(n)计算更新线性预测滤波器(32)在n+1时刻的系数；
根据辅助噪声v(n)和宽带分量eLP(n)计算更新次级通道估计模型
Figure BDA0003264408720000064
在n+1时刻的系数；
根据窄带分量yLP(n)更新辅助噪声调整模块(42)在n+1时刻的调整增益；
步骤五：实时计算残余噪声经平滑滤波后的能量变化，即：若满足
Figure BDA0003264408720000065
Figure BDA0003264408720000066
则在n+1时刻对线性预测滤波器(32)的系数、次级通道估计模型
Figure BDA0003264408720000067
的系数、辅助噪声调整模块(42)的调整增益、控制器(21)的系数进行重新初始化，然后进入步骤六；若不满足
Figure BDA0003264408720000068
则直接进入步骤六；
步骤六：返回到步骤二，重复上述步骤二到步骤五，直至系统收敛并达到稳态。
本发明有益效果是：
1、本发明通过分离残余噪声的窄带分量和宽带分量，利用残余噪声的窄带分量调整辅助高斯白噪声的幅值，显著地降低引入的辅助噪声对残余噪声的贡献量，提升了系统的噪声抑制性能；
2、利用从残余噪声分离出的宽带分量更新次级通道在线辨识模块，且利用从残余噪声分离出的窄带分量更新控制器，提升了控制器和次级通道在线辨识模块之间的独立性，改善了次级通道在线辨识的精度和速度，同时提升了系统动态性能；
3、通过实时计算残余噪声经平滑滤波后的能量变化，监测次级通道或目标噪声可能发生的较大突变，并对系统重新初始化，提升了系统应对次级通道或目标噪声发生较大突变的能力，改善了系统的鲁棒性，适用于复杂降噪场合；
此外，本发明无需设置参考传感器，降低了对物理空间的要求和系统硬件成本，不但具有良好的应对时变次级通道的性能，而且理论上可实现系统达到稳态后的残余噪声趋于环境水平，利于实际应用。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是实施例一的一种含次级通道在线辨识的反馈型主动噪声控制系统的原理图；
图2(a)是实施例三的残余噪声均方误差的变化曲线图；
图2(b)是实施例三的次级通道估计均方误差的变化曲线图；
图2(c)是实施例三的辅助噪声调整增益的变化曲线图；
图3(a)是实施例四的目标噪声和残余噪声的变化曲线图；
图3(b)是实施例四的辅助噪声调整增益的变化曲线图。
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。
实施例一：
本实施例提供了一种含次级通道在线辨识的反馈型主动噪声控制系统，参见图1，所述主动噪声控制系统包括：参考信号合成子系统(1)、次级声源合成子系统(2)、线性预测子系统(3)和次级通道在线辨识子系统(4)。
参考信号合成子系统(1)利用前一时刻的残余噪声和次级声源的叠加合成参考信号；次级声源合成子系统(2)采用线性滤波器作为控制器，控制器的输出和辅助噪声调整模块(42)的输出相加合成次级声源；线性预测子系统(3)由D阶延迟环节(31)和线性预测滤波器(32)按照串联方式组成，实现从残余噪声中分离出窄带分量和宽带分量；次级通道在线辨识子系统(4)随着反馈型主动噪声控制系统的运行，用于实时在线地估计时变的次级通道模型，提升系统的稳定性。
目标噪声为：
Figure BDA0003264408720000081
其中，p0(n)为目标噪声中的窄带噪声分量；q为目标噪声中的窄带分量数目，
Figure BDA0003264408720000082
为窄带分量的幅度；ωp,i为目标噪声中第i个窄带分量的频率；θi为第i个窄带分量的初始相位；vp(n)为均值为零、方差为
Figure BDA0003264408720000083
的加性高斯白噪声。
实际次级通道S(z)表示从次级扬声器到误差传声器之间的声学空间模型，可采用有限冲激响应滤波器或无限冲激响应滤波器来表示。
目标噪声p(n)与次级声源y(n)经过实际次级通道S(z)后信号yp(n)之差为残余噪声，即e(n)＝p(n)-yp(n)。
参考信号合成子系统(1)包括次级通道估计模型和一阶延迟环节，利用误差传声器采集到的残余噪声e(n)和控制器输出y0(n)经次级通道估计模型(11)的输出
Figure BDA0003264408720000084
进行相加，得到的信号经一阶延迟环节(12)后可合成参考信号，即：
Figure BDA0003264408720000085
其中，n为时刻，n≥0；次级通道估计模型(11)由次级通道在线辨识模块(41)提供。
次级声源合成子系统(2)包括控制器(21)、滤波-X最小均方算法模块(22)和带D阶延迟的线性预测补偿模型(23)；控制器(21)采用线性滤波器，其系数和长度分别为
Figure BDA0003264408720000086
和Mw；滤波-X最小均方算法模块(22)用于更新控制器(21)的系数，即：
Figure BDA0003264408720000091
其中，μw为控制器更新步长，取值为正值；yLP(n)为线性预测子系统(3)分离出的窄带分量；参考信号x(n)经次级通道估计模型
Figure BDA0003264408720000092
得到信号
Figure BDA0003264408720000093
控制器(21)的输出和次级通道在线辨识子系统(4)中辅助噪声调整模块(42)的输出进行相加，合成得到次级声源，即：y(n)＝y0(n)-v(n)。
线性预测子系统(3)由D阶延迟环节(31)和线性预测滤波器(32)按照串联方式组成；线性预测滤波器(32)用H(z)表示，其系数和长度分别为
Figure BDA0003264408720000094
和L，其系数利用最小均方算法进行更新，即
hj(n+1)＝hj(n)+μheLP(n)e(n-D-j)
式中，μh为线性预测滤波器更新步长，取值为正值；eLP(n)为线性预测子系统(3)分离出的宽带分量，即为残余噪声与线性预测滤波器(32)输出之差：eLP(n)＝e(n)-yLP(n)，其中
Figure BDA0003264408720000095
线性预测子系统(3)实现从残余噪声中分离出窄带分量yLP(n)和宽带分量eLP(n)。
次级通道在线辨识子系统(4)包括次级通道在线辨识模块(41)和辅助噪声调整模块(42)；次级通道在线辨识模块(41)以线性预测子系统(3)分离出的宽带分量为期望输入eLP(n)、以辅助高斯白噪声v0(n)经辅助噪声调整模块(42)后产生的有色噪声v(n)为参考输入，并利用最小均方算法实时在线地估计时变的次级通道模型，相应的次级通道估计模型
Figure BDA0003264408720000096
的系数和长度分别为
Figure BDA0003264408720000097
和
Figure BDA0003264408720000098
其系数更新公式为：
Figure BDA0003264408720000099
es(n)＝eLP(n)-ys(n)
式中，μs为次级通道估计模型更新步长，取值为正值；提升系统的稳定性；辅助噪声调整模块(42)以线性预测子系统(3)分离出的窄带分量yLP(n)为输入，调整增益表示为：
Figure BDA00032644087200000910
式中，辅助噪声调整模块遗忘因子λ∈(0,1)，通常取值接近于1；那么辅助高斯白噪声v0(n)经辅助噪声调整模块(42)后产生的有色噪声为v(n)＝v0(n)Gs(n)，其中，v0(n)为均值为零、方差为
Figure BDA0003264408720000101
的加性高斯白噪声。
系统通过实时计算残余噪声经平滑滤波后的能量变化，监测次级通道或目标噪声可能发生的突变，并对线性预测滤波器(32)的系数、次级通道估计模型
Figure BDA0003264408720000102
的系数、控制器(21)的系数和辅助噪声调整模块(42)的调整增益进行重新初始化。
残余噪声经平滑滤波后的能量为：
Pe(n)＝λmPe(n-1)+(1-λm)e2(n)
其中，λm∈(0,1)为平滑滤波遗忘因子；
在n′Tp时刻，通过对残余噪声经平滑滤波后的能量Pe(n)，相继进行时间平均和平滑滤波后得到：
Figure BDA0003264408720000103
其中，n′为n整除Tp时大于1的正整数，Tp为时间平均窗的长度；
当n时刻满足
Figure BDA0003264408720000104
时，系统在n+1时刻进行重新初始化；其中，α∈(1,2)为阈值参数。
实施例二
本实施例提供一种含次级通道在线辨识的反馈型主动噪声控制方法，所述方法基于上述含次级通道在线辨识的反馈型主动噪声控制实现，包括：
步骤一：设置系统参数：
设置控制器(21)、线性预测滤波器(32)、次级通道估计模型
Figure BDA0003264408720000105
的长度和更新步长；设置延迟环节的阶数D；设置辅助噪声调整模块(42)的遗忘因子；设置系统重新初始化所需的遗忘因子、阈值参数和时间平均窗的长度；设置控制器(21)、次级通道估计模型
Figure BDA0003264408720000106
的系数、线性预测滤波器(32)的系数初始值均为零；
步骤二：合成参考信号
利用误差传声器获得的残余噪声e(n)，与控制器(21)输出y0(n)经次级通道估计模型(11)的输出
Figure BDA0003264408720000111
进行相加，得到的信号经一阶延迟环节(12)后获得参考信号x(n)，即
Figure BDA0003264408720000112
即利用n-1时刻的残余噪声和次级通道估计模型(11)输出信号求和，合成得到n时刻的参考信号；
步骤三：在n时刻，首先，参考信号x(n)经控制器(21)得到y0(n)；然后，利用辅助噪声调整模块(42)获得辅助噪声v(n)，进而合成得到次级声源y(n)；最后，残余噪声e(n)经线性预测子系统(3)分离得到窄带分量yLP(n)和宽带分量eLP(n)；
步骤四：控制系统更新
根据所述参考信号和所述窄带分量yLP(n)计算更新控制器(21)在n+1时刻的系数；
根据残余噪声e(n)和窄带分量yLP(n)计算更新线性预测滤波器(32)在n+1时刻的系数；
根据辅助噪声v(n)和宽带分量eLP(n)计算更新次级通道估计模型
Figure BDA0003264408720000113
在n+1时刻的系数；
根据窄带分量yLP(n)更新辅助噪声调整模块(42)在n+1时刻的调整增益。
步骤五：实时计算残余噪声经平滑滤波后的能量变化，即：若满足
Figure BDA0003264408720000114
Figure BDA0003264408720000115
则在n+1时刻对线性预测滤波器(32)的系数、次级通道估计模型
Figure BDA0003264408720000116
的系数、辅助噪声调整模块(42)的调整增益、控制器(21)的系数进行重新初始化，然后进入步骤六；若不满足
Figure BDA0003264408720000117
则直接进入步骤六。
步骤六：返回到步骤二，重复上述步骤二到步骤五，直至系统收敛并达到稳态，实现主动噪声控制。
实施例三：仿真噪声与仿真次级通道情况下的验证
目标噪声由五个频率分量和加性高斯白噪声组成，其五个频率分量的归一化角频率分别为0.10π、0.15π、0.20π、0.25π和0.30π，相应的频率分量幅度分别为1.41、1.00、0.50、0.25和0.10；加性高斯白噪声的均值为零、方差为0.10。
为仿真次级通道的较大突变，实际次级通道S(z)采用线性FIR模型，其截止频率为0.5π，前半部分和后半部分的模型长度分别为51和31。次级通道估计模型
Figure BDA0003264408720000118
长度为53，相应的系数更新步长为0.0005；辅助高斯白噪声v0(n)的均值为零、方差为0.25；辅助噪声调整模块(42)遗忘因子为0.9995。D阶延迟环节(31)的延迟长度为55；线性预测滤波器(32)的长度为128，其系数更新步长为0.001；控制器(21)采用线性滤波器，其长度为128，其系数的更新步长为0.000075；λm、α、Tp分别为0.98、1.1、20。独立运行次数为100次；仿真数据长度为60000。
图2(a)为实施例三在仿真噪声与仿真次级通道情况下目标噪声和残余噪声的变化曲线；当系统达到稳态后，前半部分和后半部分的降噪量分别为10.84dB和10.46dB，相应的系统残余噪声能量分别约为0.15和0.16，其接近于目标噪声中加性高斯白噪声的方差，即趋于环境噪声水平，具有良好的目标噪声抑制性能。图2(b)为该情况下次级通道估计均方误差的变化曲线，图2(c)为该情况下辅助噪声调整增益的变化曲线，共同表明本发明系统不但能够有效跟踪次级通道的较大突变的情况，而且具有良好的次级通道在线辨识精度。
实施例四：实际噪声与实际次级通道情形下的验证
实际噪声源于工况下大型切割机械出料口的噪声，为仿真目标噪声的较大突变，目标噪声分为前后两半部分，前半部分对应转速为1400rpm、后半部分对应转速为1600rpm。实际次级通道为被同行广泛采用的IIR模型(S.M.Kuo and D.R.Morgan,Active NoiseControl Systems-Algorithms and DSP Implementation,New York:Wiley,1996.)；次级通道估计模型
Figure BDA0003264408720000121
长度为32，相应的系数更新步长为0.4；辅助高斯白噪声v0(n)的均值为零、方差为1.0；辅助噪声调整模块(42)遗忘因子为0.9995。D阶延迟环节(31)的延迟长度为61；线性预测滤波器(32)的长度为192，其系数更新步长为0.5；控制器(21)采用线性滤波器，其长度为192，其系数的更新步长为0.040；λm、α、Tp分别为0.98、1.8、20。独立运行次数为100次；实际数据长度为120000。
图3(a)为实施例四在实际目标噪声与实际次级通道情况下目标噪声和残余噪声的变化曲线；图3(b)为该情况下辅助噪声调整增益的变化曲线；当系统达到稳态后，系统前半部分和后半部分的降噪量分别为10.55dB和12.08dB，表明本发明系统不仅能够有效估计IIR类型的实际次级通道，还对产生较大突变的目标噪声具有良好的抑制性能。
本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种含次级通道在线辨识的反馈型主动噪声控制系统，其特征在于，所述主动噪声控制系统包括：参考信号合成子系统(1)、次级声源合成子系统(2)、线性预测子系统(3)和次级通道在线辨识子系统(4)；
所述参考信号合成子系统(1)分别与所述次级声源合成子系统(2)、所述线性预测子系统(3)连接；所述次级声源合成子系统(2)分别与所述参考信号合成子系统(1)、所述次级通道在线辨识子系统(4)连接；所述线性预测子系统(3)分别与所述参考信号合成子系统(1)、所述次级声源合成子系统(2)、次级通道在线辨识子系统(4)连接；所述次级通道在线辨识子系统(4)分别与所述次级声源合成子系统(2)、所述线性预测子系统(3)连接；
所述参考信号合成子系统(1)包括：次级通道估计模型(11)和一阶延迟环节(12)，利用残余噪声e(n)和控制器(21)的输出信号y0(n)经过所述次级通道估计模型(11)后的输出信号
Figure FDA0003675757290000015
合成参考信号：
所述参考信号为：
Figure FDA0003675757290000011
其中，e(n-1)为残余噪声e(n)经过所述一阶延迟环节(12)的输出，
Figure FDA0003675757290000012
为y0(n)经所述次级通道估计模型(11)的输出，
Figure FDA0003675757290000013
为
Figure FDA0003675757290000014
经过所述一阶延迟环节(12)的输出；
所述次级声源合成子系统(2)包括：控制器(21)和滤波-X最小均方算法模块(22)；所述滤波-X最小均方算法模块(22)采用从所述残余噪声e(n)中分离出的窄带分量yLP(n)作为误差输出，并用于更新所述控制器(21)的系数；首先，参考信号x(n)经所述控制器(21)得到y0(n)；然后，利用辅助噪声调整模块(42)获得辅助噪声v(n)，进而合成得到次级声源y(n)，所述次级声源y(n)为：
y(n)＝y0(n)-v(n)
其中，y0(n)为所述控制器(21)的输出；
所述线性预测子系统(3)包括：D阶延迟环节(31)和线性预测滤波器(32)，所述D阶延迟环节(31)和线性预测滤波器(32)串联，利用所述线性预测滤波器(32)从残余噪声e(n)中分离出窄带分量yLP(n)和宽带分量eLP(n)；
所述次级通道在线辨识子系统(4)包括：次级通道在线辨识模块(41)和辅助噪声调整模块(42)；
所述次级通道在线辨识模块(41)包括次级通道估计模型
Figure FDA0003675757290000021
所述次级通道在线辨识模块(41)以从所述残余噪声e(n)中离出的宽带分量eLP(n)为期望输入、以高斯白噪声经所述辅助噪声调整模块(42)后产生的辅助噪声v(n)为参考输入，并利用最小均方算法实时在线地估计并更新时变的次级通道估计模型；
所述次级通道在线辨识模块(41)的次级通道估计模型
Figure FDA0003675757290000022
的系数和长度分别为
Figure FDA0003675757290000023
和
Figure FDA0003675757290000024
系数更新公式为：
Figure FDA0003675757290000025
es(n)＝eLP(n)-ys(n)
其中，μs为次级通道估计模型更新步长，取值为正值；ys(n)为所述次级通道在线辨识模块(41)的次级通道估计模型的输出；
所述辅助噪声v(n)为：
v(n)＝v0(n)Gs(n)
Figure FDA0003675757290000026
其中，Gs(n)为所述辅助噪声调整模块(42)的调整增益；λ为辅助噪声调整模块遗忘因子，λ∈(0,1)；v0(n)为均值为零、方差为
Figure FDA0003675757290000027
的加性高斯白噪声。
2.根据权利要求1所述的系统，其特征在于，所述线性预测滤波器(32)的系数和长度分别为
Figure FDA0003675757290000028
和L，系数利用最小均方算法进行更新，更新公式为：
hj(n+1)＝hj(n)+μheLP(n)e(n-D-j)
其中，μh为线性预测滤波器更新步长，取值为正值；D为延迟阶数；eLP(n)为所述线性预测子系统(3)分离出的宽带分量，e(n)为所述残余噪声；n为时刻，n≥0。
3.根据权利要求2所述的系统，其特征在于，从所述残余噪声中分离出的宽带分量为：
eLP(n)＝e(n)-yLP(n)
Figure FDA0003675757290000031
其中，yLP(n)为从所述残余噪声中分离出的窄带分量。
4.根据权利要求3所述的系统，其特征在于，所述控制器(21)采用线性滤波器，所述线性滤波器的系数和长度分别为
Figure FDA0003675757290000032
和Mw；
所述控制器(21)的系数更新公式为：
Figure FDA0003675757290000033
其中，μw为所述控制器更新步长，取值为正值；yLP(n)为所述线性预测子系统(3)分离出的窄带分量；
Figure FDA0003675757290000036
为参考信号x(n)经所述滤波-X最小均方算法模块(22)的次级通道估计模型的输出。
5.根据权利要求4所述的系统，其特征在于，所述系统通过实时计算残余噪声经平滑滤波后的能量变化，监测次级通道或目标噪声可能发生的突变，并对所述线性预测滤波器(32)的系数、所述次级通道估计模型
Figure FDA0003675757290000034
的系数、所述控制器(21)的系数和所述辅助噪声调整模块(42)的调整增益进行重新初始化；
所述残余噪声经平滑滤波后的能量为：
Pe(n)＝λmPe(n-1)+(1-λm)e2(n)
其中，λm∈(0,1)为平滑滤波遗忘因子；
在n′Tp时刻，通过对残余噪声经平滑滤波后的能量Pe(n)，相继进行时间平均和平滑滤波后得到：
Figure FDA0003675757290000035
其中，n′为n整除Tp时大于1的正整数，Tp为时间平均窗的长度；
当n时刻满足
Figure FDA0003675757290000041
时，系统在n+1时刻进行重新初始化；其中，α∈(1,2)为阈值参数。
6.一种主动噪声控制方法，其特征在于，所述方法基于权利要求5所述的含次级通道在线辨识的反馈型主动噪声控制系统实现，所述方法包括：
步骤一：设置系统参数
设置控制器(21)、线性预测滤波器(32)、次级通道估计模型
Figure FDA0003675757290000042
的长度和更新步长；设置延迟环节的阶数D；设置辅助噪声调整模块(42)的遗忘因子；设置系统重新初始化所需的遗忘因子、阈值参数和时间平均窗的长度；设置控制器(21)、次级通道估计模型
Figure FDA0003675757290000043
的系数、线性预测滤波器(32)的系数、以及辅助噪声调整模块(42)的调整增益的初始值均为零；
步骤二：合成参考信号
利用误差传声器获得的残余噪声e(n)，与控制器(21)的输出y0(n)经次级通道估计模型(11)的输出
Figure FDA0003675757290000044
进行相加，得到的信号经一阶延迟环节(12)后获得参考信号x(n)：
Figure FDA0003675757290000045
即利用n-1时刻的残余噪声和次级通道估计模型(11)输出信号求和，合成得到n时刻的参考信号；
步骤三：在n时刻，首先，参考信号x(n)经控制器(21)得到y0(n)；然后，利用辅助噪声调整模块(42)获得辅助噪声v(n)，进而合成得到次级声源y(n)；最后，残余噪声e(n)经线性预测子系统(3)分离得到窄带分量yLP(n)和宽带分量eLP(n)；
步骤四：更新控制系统
根据所述参考信号和所述窄带分量yLP(n)计算更新控制器(21)在n+1时刻的系数；
根据残余噪声e(n)和窄带分量yLP(n)计算更新线性预测滤波器(32)在n+1时刻的系数；
根据辅助噪声v(n)和宽带分量eLP(n)计算更新次级通道估计模型
Figure FDA0003675757290000046
在n+1时刻的系数；
根据窄带分量yLP(n)更新辅助噪声调整模块(42)在n+1时刻的调整增益；
步骤五：实时计算残余噪声经平滑滤波后的能量变化，即：若满足
Figure FDA0003675757290000051
则在n+1时刻对线性预测滤波器(32)的系数、次级通道估计模型
Figure FDA0003675757290000052
的系数、辅助噪声调整模块(42)的调整增益、控制器(21)的系数进行重新初始化，然后进入步骤六；若不满足
Figure FDA0003675757290000053
则直接进入步骤六；
步骤六：返回到步骤二，重复上述步骤二到步骤五，直至系统收敛并达到稳态。
CN202111096212.0A 2021-09-15 2021-09-15 含次级通道在线辨识的反馈型主动噪声控制系统及方法 Active CN113851104B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111096212.0A CN113851104B (zh) 2021-09-15 2021-09-15 含次级通道在线辨识的反馈型主动噪声控制系统及方法
PCT/CN2021/130193 WO2023040025A1 (zh) 2021-09-15 2021-11-12 含次级通道在线辨识的反馈型主动噪声控制系统及方法
US17/978,354 US11688381B2 (en) 2021-09-15 2022-11-01 Feedback active noise control system and strategy with online secondary-path modeling

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111096212.0A CN113851104B (zh) 2021-09-15 2021-09-15 含次级通道在线辨识的反馈型主动噪声控制系统及方法

Publications (2)

Publication Number Publication Date
CN113851104A CN113851104A (zh) 2021-12-28
CN113851104B true CN113851104B (zh) 2022-07-19

Family

ID=78974389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111096212.0A Active CN113851104B (zh) 2021-09-15 2021-09-15 含次级通道在线辨识的反馈型主动噪声控制系统及方法

Country Status (2)

Country Link
CN (1) CN113851104B (zh)
WO (1) WO2023040025A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117672247B (zh) * 2024-01-31 2024-04-02 中国电子科技集团公司第十五研究所 一种实时音频滤除窄带噪声的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105489225A (zh) * 2015-11-27 2016-04-13 哈尔滨工业大学 一种含次级通道在线辨识的前馈型窄带主动噪声控制系统
CN108428445A (zh) * 2018-03-15 2018-08-21 中国科学院声学研究所 一种无误差传声器的自适应主动降噪方法
CN111986644A (zh) * 2020-08-12 2020-11-24 江南大学 一种宽窄带混合前馈型主动噪声控制系统
CN113327570A (zh) * 2021-05-26 2021-08-31 江南大学 一种窄带前馈型主动噪声控制系统及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0004243D0 (en) * 2000-02-24 2000-04-12 Wright Selwyn E Improvements in and relating to active noise reduction
US20100284546A1 (en) * 2005-08-18 2010-11-11 Debrunner Victor Active noise control algorithm that requires no secondary path identification based on the SPR property
WO2004009007A1 (en) * 2002-07-19 2004-01-29 The Penn State Research Foundation A linear independent method for noninvasive online secondary path modeling
US20160300563A1 (en) * 2015-04-13 2016-10-13 Qualcomm Incorporated Active noise cancellation featuring secondary path estimation
CN109448686A (zh) * 2018-12-13 2019-03-08 重庆邮电大学 基于次级通道在线辨识新算法交叉更新有源噪声控制系统
US10741162B1 (en) * 2019-07-02 2020-08-11 Harman International Industries, Incorporated Stored secondary path accuracy verification for vehicle-based active noise control systems
CN113299260B (zh) * 2020-02-24 2023-10-20 淮阴工学院 一种基于emfnl滤波器在线建模次级通道的有源降噪方法
CN111402853B (zh) * 2020-03-02 2022-11-29 吉林大学 一种适用于车内的宽窄带混合主动降噪算法
CN111968613B (zh) * 2020-08-24 2023-09-19 湖南工业大学 一种主动控制车辆全局空间噪声的卷积-模糊神经网络方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105489225A (zh) * 2015-11-27 2016-04-13 哈尔滨工业大学 一种含次级通道在线辨识的前馈型窄带主动噪声控制系统
CN108428445A (zh) * 2018-03-15 2018-08-21 中国科学院声学研究所 一种无误差传声器的自适应主动降噪方法
CN111986644A (zh) * 2020-08-12 2020-11-24 江南大学 一种宽窄带混合前馈型主动噪声控制系统
CN113327570A (zh) * 2021-05-26 2021-08-31 江南大学 一种窄带前馈型主动噪声控制系统及方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
《Active noise control with online feedback-path modeling using adaptive notch filter》;Tao Bai et al.;《2018 International Conference on Advanced Mechatronic Systems (ICAMechS)》;20181025;全文 *
《On Adaptation of Cancelation Path Modeling Filter in Single-Channel Feedback-Type Adaptive Active Noise Control Systems》;Muhammad Tahir Akhtar et al.;《2020 IEEE 63rd International Midwest Symposium on Circuits and Systems (MWSCAS)》;20200902;全文 *
《基于空调噪声的反馈性主动噪声控制系统的设计》;袁军 等;《重庆理工大学学报》;20200331;第34卷(第3期);第23-28页 *
《有源噪声控制中自适应算法研究及在局部空间降噪的应用》;韩宇菲;《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》;20200115(第01期);全文 *
一种含次级通道在线辨识的窄带主动噪声控制系统;孙金玮等;《仪器仪表学报》;20110215(第02期);全文 *

Also Published As

Publication number Publication date
WO2023040025A1 (zh) 2023-03-23
CN113851104A (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
CN108428445B (zh) 一种无误差传声器的自适应主动降噪方法
JP4742226B2 (ja) 能動消音制御装置及び方法
CN105489225B (zh) 一种含次级通道在线辨识的前馈型窄带主动噪声控制系统
CN113327570B (zh) 一种窄带前馈型主动噪声控制系统及方法
Carini et al. Optimal variable step-size NLMS algorithms with auxiliary noise power scheduling for feedforward active noise control
CN111986644B (zh) 一种宽窄带混合前馈型主动噪声控制系统
CN106531145B (zh) 基于m估计器的递归有源噪声控制方法
JP2009529261A (ja) 適応フィードバック抑制を伴う補聴器
CN113851104B (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
CN113078884B (zh) 添加非线性拟合的自适应算法
Kim et al. On-line fundamental frequency tracking method for harmonic signal and application to ANC
CN109658947A (zh) 一种同步建模和控制的主动噪声控制方法
CN113299260B (zh) 一种基于emfnl滤波器在线建模次级通道的有源降噪方法
CN113593515B (zh) 一种应对频率偏移的宽窄带混合主动噪声控制系统
CN111193497B (zh) 一种基于emfnl滤波器的次级通道建模方法
JP4690243B2 (ja) デジタルフィルタ、周期性騒音低減装置および騒音低減装置
CN115394311B (zh) 一种稳健的窄带反馈型主动噪声控制系统及方法
CN113488016B (zh) 系数确定方法及装置
US11688381B2 (en) Feedback active noise control system and strategy with online secondary-path modeling
CN113096629B (zh) 用于单通道反馈有源噪声控制系统的相对路径虚拟传感方法
Chang et al. Enhanced offline secondary path modeling method for narrowband active noise control system
CN112017683B (zh) 一种频域无次级路径有源噪声控制系统
CN116721649A (zh) 一种稳健的前馈型宽窄带混合主动噪声控制系统及方法
CN117524182A (zh) 一种窄带前反馈混合型主动噪声控制系统及方法
CN111862925B (zh) 一种基于惰性学习的自适应有源噪声控制系统及其方法

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