CN114582312A - 一种车内抗干扰自适应路噪主动控制方法及控制系统 - Google Patents

一种车内抗干扰自适应路噪主动控制方法及控制系统 Download PDF

Info

Publication number
CN114582312A
CN114582312A CN202210132854.XA CN202210132854A CN114582312A CN 114582312 A CN114582312 A CN 114582312A CN 202210132854 A CN202210132854 A CN 202210132854A CN 114582312 A CN114582312 A CN 114582312A
Authority
CN
China
Prior art keywords
signal
reference signal
error
vehicle
updated
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
Application number
CN202210132854.XA
Other languages
English (en)
Other versions
CN114582312B (zh
Inventor
张哲�
杨飞然
杨军
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.)
Institute of Acoustics CAS
Original Assignee
Institute of Acoustics CAS
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 Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Priority to CN202210132854.XA priority Critical patent/CN114582312B/zh
Publication of CN114582312A publication Critical patent/CN114582312A/zh
Application granted granted Critical
Publication of CN114582312B publication Critical patent/CN114582312B/zh
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
    • G10K11/1781—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
    • G10K11/17854—Methods, e.g. algorithms; Devices of the filter the filter being an adaptive filter
    • 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
    • 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
    • G10K2210/10—Applications
    • G10K2210/128—Vehicles
    • G10K2210/1282—Automobiles
    • 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
    • G10K2210/3018—Correlators, e.g. convolvers or coherence calculators
    • 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
    • G10K2210/3023—Estimation of noise, e.g. on error signals
    • G10K2210/30232—Transfer functions, e.g. impulse response
    • 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
    • G10K2210/3028—Filtering, e.g. Kalman filters or special analogue or digital filters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)

Abstract

本发明属于汽车车内主动噪声控制技术领域，具体地说，涉及一种车内抗干扰自适应路噪主动控制方法，该方法包括：离线测试次级声源到目标降噪点之间的次级通道的传递函数，得到次级通道的传递函数，利用加速度传声器获取当前时刻的路噪参考信号；将当前时刻的路噪参考信号结合次级通道的传递函数，得到滤波参考信号；根据误差传声器拾取的误差信号，得到车内干扰信号的能量估计值，并将其引入到递归最小二乘算法的迭代过程，得到更新后的增益向量；利用滤波参考信号和更新的增益向量更新逆相关矩阵，利用误差信号和更新后的增益向量更新滤波器系数，再结合获取的当前时刻的路噪参考信号进行卷积，在控制器中生成当前时刻的次级源输出信号。

Description

一种车内抗干扰自适应路噪主动控制方法及控制系统
技术领域
本发明属于汽车车内主动噪声控制技术领域，具体地说，涉及一种车内抗干扰自适应路噪主动控制方法及控制系统。
背景技术
随着汽车行业的快速发展，人们对车内舒适性的要求日益提高。车内噪声是影响驾乘人员体验的重要因素，其会对车内人员造成心理和生理的负面影响，如驾驶疲劳、情绪紧张、注意力分散等，甚至带来驾驶安全隐患。因此，车内噪声控制成为汽车制造与设计中的重要环节，也成为打造汽车品牌的关键因素。传统的车内噪声被动控制是通过结构设计、减振隔振和增加阻尼等手段来降低噪声，但是，被动方法往往需要整体优化设计，普适性较差，且难以应对低频段(低于500Hz)噪声的影响。主动噪声控制(Active Noise Control,ANC)是利用声波干涉的原理，通过发出与噪声的幅值相同而相位相反的声波来抵消噪声。ANC技术应用于车内可以较好地应对低频噪声，且设计灵活方便，逐渐成为提升车内品质的重要技术。如今，新能源汽车以其绿色环保的优势成为汽车行业推广和发展的方向，没有了燃料燃烧的噪声，路噪便成为新能源汽车内的主要噪声来源。主动噪声控制的核心是滤波器的设计，滤波器可分为固定系数和自适应系数两种。路噪往往频带较宽且传递路径复杂，采用自适应滤波器可以实时追踪噪声的统计特性，从而达到更佳的降噪效果。
路噪的前馈控制需要准确获取参考信号，使用传声器获取参考信号，则不可避免地会掺杂车内的说话人声音。路噪主要来源是轮胎和路面的接触，经车体振动传到车内，故使用加速度传声器来获取参考信号的方法，可以有效防止其他声学信号的干扰。用于前馈控制的滤波-x归一化最小均方算法(Filtered-x Normalized Least Mean Square,FxNLMS)、滤波-x仿射投影算法(Filtered-x Affine Projection,FxAP)和滤波递归最小二乘(Filtered-x Recursive Least Square,FxRLS)是主动噪声控制的经典算法，上述三类算法在收敛速度和计算复杂度方面各具优势，已在车内有源头靠、头枕成功实现。但是，此类前馈控制算法需要保证误差信号的准确，车内有源头靠的降噪区域不同于耳机的封闭空间，当有外界鸣笛声、车内人说话声等干扰信号时，误差传声器拾取的便不是真正的误差信号，导致自适应滤波器便难以收敛到最优解甚至发散，这严重影响了路噪降噪效果。利用语音检测手段可判断车内是否存在说话声，当检测到说话声时便停止滤波器系数的更新来保证降噪系统的鲁棒性，常见的检测方法有基于信号能量、基于信号过零率、基于信号相关性的算法。由于车内降噪区域相对开阔，噪声水平变化范围较大，这造成能量检测算法中阈值设定的困难，也导致算法在低信噪比环境中不能发挥出令人满意的效果。此外，检测准则的选取和设置需要在检测精度和检测速度之间折中，检测过程也带来了额外的计算负担。
综上所述，前馈自适应算法是车内路噪主动控制的有效手段，但是，由于车内降噪空间的开放性，驾乘人员的说话声会导致误差传声器难以拾取真正的误差信号。因此，如何减小干扰信号对误差信号的影响从而保证自适应算法向最优解收敛是具有重要意义的问题。
发明内容
为了解决现有技术存在的问题，本发明提出了一种车内抗干扰自适应路噪主动控制方法，能够解决车内说话声对自适应主动降噪系统的干扰问题；利用加速度传声器获取路噪的参考信号并预先离线辨识次级通道传递函数，利用误差传声器信号来估计车内干扰信号并以此来调节控制滤波器系数的更新，以此达到抵抗车内干扰信号的效果，在目标区域实现降噪。
本发明提供了一种车内抗干扰自适应路噪主动控制方法，该方法包括：
离线测试次级声源到目标降噪点之间的次级通道的传递函数，得到次级通道的传递函数，利用加速度传声器获取当前时刻的路噪参考信号；
将加速度传声器拾取的当前时刻的路噪参考信号通过得到的次级通道的传递函数，得到滤波参考信号；
根据误差传声器拾取的误差信号，来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，设置遗忘因子，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，并结合路噪参考信号来更新递归最小二乘算法的增益向量，得到更新后的增益向量；
利用滤波参考信号和更新的增益向量更新逆相关矩阵，利用误差信号和更新后的增益向量更新滤波器系数，再结合获取的当前时刻的路噪参考信号进行卷积，在控制器中生成当前时刻的次级源输出信号。
作为上述技术方案的改进之一，所述离线测试次级声源到目标降噪点之间的次级通道的传递函数，得到估计的次级通道的传递函数；利用加速度传声器获取当前时刻的路噪参考信号；其具体过程包括：
保持车内环境安静，使用J个布放好的次级声源发出白噪声信号，并作为参考信号rj(n)，以K个目标降噪点的误差传声器拾取的信号为期望信号dk(n)；其中，次级声源为扬声器；
将参考信号和采集的期望信号使用最小均方误差算法处理，离线测试第j个布放好的次级声源到第k个目标降噪点之间的传递函数
Figure BDA0003503351080000031
其中，0≤j≤J；0≤k≤K；
对所有次级声源到所有目标降噪点的次级通道传递函数
Figure BDA0003503351080000032
通过播放白噪声离线建模,更新次级通道传递函数权向量的公式为：
Figure BDA0003503351080000033
其中，
Figure BDA0003503351080000034
Figure BDA0003503351080000035
为时刻为n长度为M的次级通道的传递函数滤波权向量；
Figure BDA0003503351080000036
为时刻为n+1长度为M的次级通道的传递函数滤波权向量；
其中，rj(n)＝[rj(n),rj(n-1),…,rj(n-M+1)]T；
rj(n)为时刻为n长度为M的离线建模的参考信号向量；μ为步长；σ为正则化因子；H表示共轭；T表示转置；
Figure BDA0003503351080000037
计算公式为：
Figure BDA0003503351080000038
通过不断迭代，直至仿真计算的误差信号
Figure BDA0003503351080000039
收敛，误差达到设定标准后，所得到的
Figure BDA00035033510800000310
作为估计的多通道次级通道传递函数；
将加速度传声器置于汽车底盘，利用I个加速度传声器，获取车内不同位置的路噪参考信号，第i个路噪参考信号表示为xi(n)；其中，0≤i≤I。
作为上述技术方案的改进之一，所述将加速度传声器拾取的当前时刻的路噪参考信号通过得到的估计的次级通道的传递函数，得到滤波参考信号；其具体过程包括：
使用FIR滤波器表示次级通道，
Figure BDA00035033510800000311
表示长度为M的估计的次级通道的传递函数，
Figure BDA00035033510800000312
wi,j(n)＝[wi,j(n),wi,j(n-1),…,wi,j(n-L+1)]T；wi,j(n)表示长度为L的控制滤波器系数权向量；
将加速度传声器拾取的路噪参考信号xi(n)通过得到的估计的次级通道的传递函数
Figure BDA0003503351080000041
得到滤波参考信号vi,j,k(n)：
Figure BDA0003503351080000042
其中，xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T；xi(n)为第i路参考信号的过去L个采样点组成的参考信号向量。
作为上述技术方案的改进之一，所述根据误差传声器拾取的误差信号，来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，设置遗忘因子，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，并结合路噪参考信号来更新递归最小二乘算法的增益向量，得到更新后的增益向量；其具体过程包括：
利用误差传声器拾取误差信号ek(n)，该误差信号等于上一时刻的第j个次级源输出信号表示为yj(n)1与期望信号dk(n)之差，记为ek(n)＝dk(n)-yj(n)1；
使用误差传声器拾取的信号ek(n)的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值λk(n)：
λk(n)＝|ek(n)|2
设置遗忘因子γ，将车内干扰信号的能量估计值λk(n)引入到递归最小二乘算法的迭代过程，利用滤波参考信号vi,j,k(n)、车内干扰信号的能量估计值λk(n)和逆相关矩阵P(n)并结合遗忘因子γ来更新增益向量，得到更新后的增益向量G(n)：
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，V(n)为滤波参考信号组成的矩阵；其中，
Figure BDA0003503351080000043
其中，Λ(n)为由K个车内干扰信号的能量估计值λk(n)组成的对角矩阵；
Figure BDA0003503351080000051
其中，逆相关矩阵P(n)初始化为P(0)＝δI；其中，0＜δ＜＜1；I为单位矩阵；γ为遗忘因子，其取值范围为(0,1]。
作为上述技术方案的改进之一，所述利用滤波参考信号和更新的增益向量更新逆相关矩阵，利用误差信号和更新后的增益向量更新滤波器系数，生成当前时刻的次级源输出信号；其具体过程包括：
利用滤波参考信号和更新的增益向量更新逆相关矩阵P(n)，得到更新后的逆相关矩阵P(n+1)：
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
其中，P(n)为逆相关矩阵；γ为遗忘因子，其取值范围为(0,1]；
V(n)为滤波参考信号vi,j,k(n)组成的矩阵；其中，
Figure BDA0003503351080000052
利用误差信号eK(n)组成误差信号向量e(n)，其中，e(n)＝[e1(n),e2(n),…,eK(n)]；利用更新后的增益向量和误差信号向量e(n)组成更新后的滤波器系数矩阵W(n+1)；
其中，W(n+1)＝W(n)-G(n)eT(n)；
其中，W(n)为由更新后的多通道滤波器系数wi,j(n)组成的矩阵，其中，
Figure BDA0003503351080000053
记为
W(n)＝[[w1,1(n) … wI,J(n)] … [w1,1(n-L+1) … wI,J(n-L+1)]]T；
对得到的当前时刻的路噪参考信号向量xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T和更新后的滤波器系数进行卷积，生成当前时刻的第j个次级源输出的次级源输出信号yj(n)；
Figure BDA0003503351080000061
其中，wi,j(n)为更新后的多通道滤波器系数。
本发明还提供了一种车内抗干扰自适应路噪主动控制系统，该系统包括：
路噪参考信号获取模块(101)，用于利用加速度传声器拾取当前时刻的路噪参考信号，将其发送至滤波参考信号获取模块(105)；
滤波参考信号获取模块(105)，用于根据当前时刻的路噪参考信号，再通过预先估计的次级通道的传递函数，得到滤波参考信号，并将其发送至抗干扰自适应算法模块(106)；
次级源信号输出模块(102)，用于利用扬声器播放上一时刻的次级源信号，并将该播放的上一时刻的次级源信号发送至误差信号获取模块(103)；
误差信号获取模块(103)，用于根据接收的上一时刻的次级源信号，在降噪区域与初级噪声干涉相消，得到残余噪声信号，作为误差信号，并利用误差传声器拾取，再利用拾取的误差信号的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，将其输入至抗干扰自适应算法模块(106)；
抗干扰自适应算法模块(106)，用于采用抗干扰自适应算法，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，利用滤波参考信号、车内干扰信号的能量估计值和逆相关矩阵，并结合遗忘因子来更新增益向量，得到更新后的增益向量；
利用误差信号和增益向量更新滤波器系数，得到更新后的滤波器系数；
利用滤波参考信号和增益向量更新逆相关矩阵，得到更新后的逆相关矩阵；和
次级源信号生成模块(104)，用于根据更新后的滤波器系数和当前时刻的路噪参考信号，生成当前时刻的次级源信号，并发送至级源信号输出模块(102)。
作为上述技术方案的改进之一，所述抗干扰自适应算法模块(106)包括：
更新逆相关矩阵单元(201)，用于利用滤波参考信号vi,j,k(n)和增益向量G(n)更新逆相关矩阵P(n)，得到更新后的逆相关矩阵P(n+1)；
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
其中，P(n)为逆相关矩阵；γ为遗忘因子，其取值范围为(0,1]；
增益向量获取与更新单元(202)，用于利用V(n)、Λ(n)和逆相关矩阵P(n)，更新增益向量，获得更新后的增益向量G(n)；
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，V(n)为滤波参考信号组成的矩阵；其中，
Figure BDA0003503351080000071
其中，Λ(n)为由K个车内干扰信号的能量估计值λk(n)组成的对角矩阵；
Figure BDA0003503351080000072
其中，逆相关矩阵P(n)初始化为P(0)＝δI；其中，0＜δ＜＜1；I为单位矩阵；γ为遗忘因子；
更新滤波器系数单元(203)，用于利用误差信号eK(n)组成误差信号向量e(n)，其中，e(n)＝[e1(n),e2(n),…,eK(n)]；利用更新后的增益向量和误差信号向量e(n)组成更新后的滤波器系数矩阵W(n+1)；
其中，W(n+1)＝W(n)-G(n)eT(n)；
其中，W(n)为由更新后的多通道滤波器系数wi,j(n)组成的矩阵，其中，
Figure BDA0003503351080000073
记为
W(n)＝[[w1,1(n) … wI,J(n)] … [w1,1(n-L+1) … wI,J(n-L+1)]]T；
更新后的滤波器系数矩阵W(n+1)为多通道更新后的滤波器参数组成的矩阵；
取平方对角化单元(205)，用于将误差传声器拾取的第k个误差信号ek(n)取平方后，得到车内干扰信号能量的估计λk(n)，并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)；
利用误差传声器拾取误差信号ek(n)，该误差信号等于上一时刻的第j个次级源输出信号表示为yj(n)1与期望信号dk(n)之差，记为ek(n)＝dk(n)-yj(n)1；
使用误差传声器拾取的信号ek(n)的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值λk(n)：
λk(n)＝|ek(n)|2
并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)；
Figure BDA0003503351080000081
作为上述技术方案的改进之一，所述次级源信号生成模块(104)的具体实现过程包括：
对得到的当前时刻的路噪参考信号向量xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T和更新后的滤波器系数进行卷积，生成当前时刻的第j个次级源输出的次级源输出信号yj(n)；
Figure BDA0003503351080000082
其中，wi,j(n)为更新后的多通道滤波器系数；
再将其发送至级源信号输出模块(102)。
本发明与现有技术相比的有益效果是：
1、本发明的方法保持了递归最小二乘算法收敛速度快的优点，与传统自适应算法相比，在无需干扰信号检测的情况下，便可实现对控制滤波器的稳健估计和控制滤波器系数的连续自适应更新，从而提升车内路噪主动控制系统的稳定性；
2、保持了传统递归最小二乘算法收敛速度快的优点，能够应对复杂多变的路噪环境，快速跟踪传递路径的变化；
3、本发明能够在车内有干扰噪声时保证自适应算法的稳定，提升了主动降噪系统的稳定性，同时无需额外的车内干扰信号检测步骤，降低了系统的计算负担；
4、本发明所采用的参考信号传声器为非声学传声器，有效避免了声学反馈问题。
附图说明
图1是本发明的一种车内抗干扰自适应路噪主动控制方法的方法流程图；
图2是本发明的系统中的抗干扰自适应算法模块106中的抗干扰自适应算法的原理图。
具体实施方式
现结合附图对本发明作进一步的描述。
本发明提供了一种车内抗干扰自适应路噪主动控制方法，该方法包括：预先估计各个次级通路的传递函数，利用加速度传声器获取路噪的参考信号；取误差传声器拾取信号的平方作为干扰信号(如车内说话声)能量的估计，将干扰信号能量的估计引入到递归最小二乘算法中的增益向量和逆相关矩阵的计算；利用误差信号和增益向量更新滤波器系数，产生次级源输出信号。
如图1所示，该方法包括：
预先估计次级通道的传递函数，
离线测试次级声源到目标降噪点之间的次级通道的传递函数，得到次级通道的传递函数，利用加速度传声器获取当前时刻的路噪参考信号；
具体地，保持车内环境安静，使用J个布放好的次级声源(即扬声器)发出白噪声信号，并作为参考信号rj(n)，以K个目标降噪点的误差传声器拾取的信号为期望信号dk(n)；
将参考信号和采集的期望信号使用最小均方误差(Least Mean Square,LMS)算法处理，离线测试第j个布放好的次级声源到第k个目标降噪点之间的传递函数
Figure BDA0003503351080000091
其中，0≤j≤J；0≤k≤K；对所有次级声源到所有目标降噪点的次级通道传递函数
Figure BDA0003503351080000101
通过播放白噪声离线建模,更新次级通道传递函数权向量的公式为：
Figure BDA0003503351080000102
其中，
Figure BDA0003503351080000103
Figure BDA0003503351080000104
为时刻为n长度为M的次级通道的传递函数滤波权向量；
Figure BDA0003503351080000105
为时刻为n+1长度为M的次级通道的传递函数滤波权向量；
rj(n)＝[rj(n),rj(n-1),…,rj(n-M+1)]T；rj(n)为时刻为n长度为M的离线建模的参考信号向量；μ为步长，可调节LMS算法的收敛速度；σ为正则化因子，以防止计算过程中的数值不稳定；H表示共轭；T表示转置；
Figure BDA0003503351080000106
计算公式为：
Figure BDA0003503351080000107
通过不断迭代，直至仿真计算的误差信号
Figure BDA0003503351080000108
收敛，误差达到设定标准后，所得到的系数
Figure BDA0003503351080000109
作为估计的多通道次级通道传递函数，将该系数
Figure BDA00035033510800001010
保存用于后续的实时控制。
其中，次级通道传递函数通过播放白噪声离线建模，可利用LMS算法进行系统辨识；
将加速度传声器置于汽车底盘等位置，布放点应选取与误差点信号相关性较强的位置；利用I个加速度传声器获取车内不同位置的路噪参考信号，第i个路噪参考信号表示为xi(n)；其中，0≤i≤I。
将加速度传声器拾取的当前时刻的路噪参考信号通过得到的次级通道的传递函数，得到滤波参考信号；
具体地，使用FIR滤波器表示次级通道，
Figure BDA00035033510800001011
表示长度为M的估计的次级通道的传递函数，
wi,j(n)＝[wi,j(n),wi,j(n-1),…,wi,j(n-L+1)]T表示长度为L的控制滤波器系数权向量；
将加速度传声器拾取的路噪参考信号xi(n)通过得到的估计的次级通道的传递函数
Figure BDA00035033510800001012
得到滤波参考信号vi,j,k(n)：
Figure BDA00035033510800001013
其中，xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T；xi(n)为第i路参考信号的过去L个采样点组成的参考信号向量。
根据误差传声器拾取的误差信号，来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，设置遗忘因子，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，并结合路噪参考信号来更新递归最小二乘算法的增益向量，得到更新后的增益向量；
具体地，利用误差传声器拾取误差信号ek(n)，该误差信号等于上一时刻的第j个次级源输出信号表示为yj(n)1与期望信号dk(n)之差，记为ek(n)＝dk(n)-yj(n)1；
使用误差传声器拾取的信号ek(n)的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值λk(n)：
λk(n)＝|ek(n)|2
设置遗忘因子γ，将车内干扰信号的能量估计值λk(n)引入到递归最小二乘算法的迭代过程，利用滤波参考信号vi,j,k(n)、车内干扰信号的能量估计值λk(n)和逆相关矩阵P(n)并结合遗忘因子γ来更新增益向量，得到更新后的增益向量G(n)：
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，V(n)为滤波参考信号组成的矩阵；其中，
Figure BDA0003503351080000111
其中，Λ(n)为由K个车内干扰信号的能量估计值λk(n)组成的对角矩阵；
Figure BDA0003503351080000112
其中，逆相关矩阵P(n)初始化为P(0)＝δI；其中，0＜δ＜＜1；I为单位矩阵；γ为遗忘因子，其取值范围为(0,1]。
利用滤波参考信号和更新的增益向量更新逆相关矩阵，利用误差信号和更新后的增益向量更新滤波器系数，再结合获取的当前时刻的路噪参考信号进行卷积，在控制器中生成当前时刻的次级源输出信号；
具体地，利用滤波参考信号和更新的增益向量更新逆相关矩阵P(n)，得到更新后的逆相关矩阵P(n+1)：
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
其中，P(n)为逆相关矩阵；γ为遗忘因子，其取值范围为(0,1]；
V(n)为滤波参考信号vi,j,k(n)组成的矩阵；其中，
Figure BDA0003503351080000121
利用误差信号eK(n)组成误差信号向量e(n)，其中，e(n)＝[e1(n),e2(n),…,eK(n)]；利用更新后的增益向量和误差信号向量e(n)组成更新后的滤波器系数矩阵W(n+1)；
其中，W(n+1)＝W(n)-G(n)eT(n)；
其中，W(n)为由更新后的多通道滤波器系数wi,j(n)组成的矩阵，其中，
Figure BDA0003503351080000122
记为
W(n)＝[[w1,1(n) … wI,J(n)] … [w1,1(n-L+1) … wI,J(n-L+1)]]T；
对得到的当前时刻的路噪参考信号向量xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T和更新后的滤波器系数进行卷积，生成当前时刻的第j个次级源输出的次级源输出信号yj(n)；
Figure BDA0003503351080000131
其中，wi,j(n)为更新后的多通道滤波器系数。
对于每一个输入采样点重复上述过程，根据实时变化的环境，不断更新次级源输出信号，再通过扬声器播放，实现对车内抗干扰自适应路噪主动实时控制。
本发明还提供了一种车内抗干扰自适应路噪主动控制系统，该系统包括：路噪参考信号获取模块101、滤波参考信号获取模块105、次级源信号输出模块102、误差信号获取模块103、抗干扰自适应算法模块106和次级源信号生成模块104；
所述路噪参考信号获取模块101，用于利用加速度传声器拾取当前时刻的路噪参考信号，将其发送至滤波参考信号获取模块105；
所述滤波参考信号获取模块105，用于根据当前时刻的路噪参考信号，再通过预先估计的次级通道的传递函数，得到滤波参考信号，并将其发送至抗干扰自适应算法模块106；
所述次级源信号输出模块102，用于利用扬声器播放上一时刻的次级源信号，并将该播放的上一时刻的次级源信号发送至误差信号获取模块103；
所述误差信号获取模块103，用于根据接收的上一时刻的次级源信号，在降噪区域与初级噪声干涉相消，得到残余噪声信号，作为误差信号，并利用误差传声器拾取，再利用拾取的误差信号的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，将其输入至抗干扰自适应算法模块106；
所述抗干扰自适应算法模块106，用于采用抗干扰自适应算法，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，利用滤波参考信号、车内干扰信号的能量估计值和逆相关矩阵，并结合遗忘因子来更新增益向量，得到更新后的增益向量；
利用误差信号和增益向量更新滤波器系数，得到更新后的滤波器系数；
利用滤波参考信号和增益向量更新逆相关矩阵，得到更新后的逆相关矩阵；
具体地，所述抗干扰自适应算法模块106包括：
更新逆相关矩阵单元201，用于利用滤波参考信号vi,j,k(n)和增益向量G(n)更新逆相关矩阵P(n)，得到更新后的逆相关矩阵P(n+1)；
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
其中，P(n)为逆相关矩阵；γ为遗忘因子，其取值范围为(0,1]；
增益向量获取与更新单元202，用于利用V(n)、Λ(n)和逆相关矩阵P(n)，更新增益向量，获得更新后的增益向量G(n)；
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，V(n)为滤波参考信号组成的矩阵；其中，
Figure BDA0003503351080000141
其中，Λ(n)为由K个车内干扰信号的能量估计值λk(n)组成的对角矩阵；
Figure BDA0003503351080000142
其中，逆相关矩阵P(n)初始化为P(0)＝δI；其中，0＜δ＜＜1；I为单位矩阵；γ为遗忘因子；
更新滤波器系数单元203，用于利用误差信号eK(n)组成误差信号向量e(n)，其中，e(n)＝[e1(n),e2(n),…,eK(n)]；利用更新后的增益向量和误差信号向量e(n)组成更新后的滤波器系数矩阵W(n+1)；
其中，W(n+1)＝W(n)-G(n)eT(n)；
其中，W(n)为由更新后的多通道滤波器系数wi,j(n)组成的矩阵，其中，
Figure BDA0003503351080000143
记为
W(n)＝[[w1,1(n) … wI,J(n)] … [w1,1(n-L+1) … wI,J(n-L+1)]]T；
更新后的滤波器系数矩阵W(n+1)为多通道更新后的滤波器参数组成的矩阵；
取平方对角化单元205，用于将误差传声器拾取的第k个误差信号ek(n)取平方后，得到车内干扰信号能量的估计λk(n)，并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)；
利用误差传声器拾取误差信号ek(n)，该误差信号等于上一时刻的第j个次级源输出信号表示为yj(n)1与期望信号dk(n)之差，记为ek(n)＝dk(n)-yj(n)1；
使用误差传声器拾取的信号ek(n)的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值λk(n)：
λk(n)＝|ek(n)|2
并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)；
Figure BDA0003503351080000151
所述次级源信号生成模块104，用于根据更新后的滤波器系数和当前时刻的路噪参考信号，生成当前时刻的次级源信号，并发送至级源信号输出模块102。
具体地，所述次级源信号生成模块104的具体实现过程包括：
对得到的当前时刻的路噪参考信号向量xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T和更新后的滤波器系数进行卷积，生成当前时刻的第j个次级源输出的次级源输出信号yj(n)；
Figure BDA0003503351080000152
其中，wi,j(n)为更新后的多通道滤波器系数；
再将其发送至级源信号输出模块102。
实施例1.
如图1所示，本发明提供了一种车内抗干扰自适应路噪主动控制方法，该方法无需检测干扰信号便可实现对控制滤波器的稳健估计，该方法包括：
步骤1)预先估计所有次级通道的传递函数，离线测试第j个次级声源到第k个目标降噪点之间的次级通道的传递函数
Figure BDA0003503351080000161
利用I个加速度传声器获取车内不同位置的路噪参考信号，第i个参考信号表示为xi(n)；
其中，步骤1)的次级通路传递函数
Figure BDA0003503351080000162
通过播放白噪声离线建模，可利用LMS算法进行系统辨识；获取参考信号所使用的加速度传声器置于汽车底盘等位置；布放点应选取与误差点信号相关性较强的位置。
步骤2)将加速度传声器拾取的信号xi(n)通过控制滤波器系数wi,j(n)得到次级源输出信号yj(n)，将加速度传声器拾取的信号xi(n)通过预先估计的次级通道的传递函数
Figure BDA0003503351080000163
得到滤波参考信号vi,j,k(n)；
其中，使用M阶FIR滤波器表示次级通道，使用L阶FIR滤波器表示控制器，加速度传声器拾取的信号分别与两个FIR滤波器卷积得到次级源输出信号和滤波参考信号；
利用
Figure BDA0003503351080000164
表示长度为M的次级通道传递函数，利用wi,j(n)＝[wi,j(n),wi,j(n-1),…,wi,j(n-L+1)]T表示长度为L的控制滤波器系数权向量；
步骤2)中的滤波参考信号vi,j,k(n)为：
Figure BDA0003503351080000165
式中xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)T]为第i路参考信号的过去L个采样点组成的参考信号向量。
步骤3)使用误差传声器拾取的误差信号ek(n)的平方来估计车内干扰信号的能量λk(n)，设置遗忘因子γ，将车内干扰信号的能量估计λk(n)引入到递归最小二乘算法的迭代过程，利用滤波参考信号vi,j,k(n)、λk(n)和逆相关矩阵P(n)并结合遗忘因子来更新增益向量，得到更新后的增益向量G(n)；
具体地，步骤3)估计的车内干扰信号的能量λk(n)由所布放的误差传声器拾取的误差信号取平方所得，并将估计的能量生成对角矩阵Λ(n)，以此代替递归最小二乘算法中增益向量更新过程中的单位矩阵。使用多通道滤波参考信号构成滤波参考信号矩阵，使用各误差信号构成误差信号向量。初始化逆相关矩阵，设置遗忘因子，使用递归最小二乘算法的迭代方式进行增益向量的更新。
其中，所述步骤3)估计的车内干扰信号能量λk(n)的计算公式为：
λk(n)＝|ek(n)|2
上式中ek(n)为第k个误差传声器拾取的误差信号。
所述步骤3)增益向量G(n)的更新公式为：
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，V(n)为滤波参考信号组成的矩阵，即
Figure BDA0003503351080000171
Λ(n)为由K个误差传声器拾取信号所估计的车内干扰信号能量λk(n)组成的对角矩阵，表示为
Figure BDA0003503351080000172
逆相关矩阵P(n)初始化为P(0)＝δI，其中0＜δ＜＜1。γ为遗忘因子，其取值范围为(0,1]。
步骤4)利用滤波参考信号vi,j,k(n)和增益向量G(n)更新逆相关矩阵P(n)，得到更新后的逆相关矩阵；利用误差信号ek(n)和增益向量G(n)更新滤波器系数wi,j(n)，得到更新后的滤波器系数；生成次级源输出信号；
其中，利用滤波参考信号和增益向量更新逆相关矩阵，遗忘因子与步骤3)相同。遗忘因子根据具体场景设置，若追求更高的说话声检测速度可设置较小的遗忘因子，若追求稳态时的降噪效果可设置较大的遗忘因子，遗忘因子γ的取值范围为(0,1]。
步骤4)中利用多通道滤波器权向量组成滤波器权向量矩阵，使用增益向量和误差信号向量更新滤波器权向量矩阵。
步骤4)中逆相关矩阵P(n)的更新公式为：
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
基于上述公式，得到更新后的逆相关矩阵；
步骤4)中滤波器权向量的更新公式为
W(n+1)＝W(n)-G(n)eT(n)
其中，e(n)为K个误差传声器拾取的信号组成的矩阵，即
e(n)＝[e1(n),e2(n),…,eK(n)]；
W(n)为多通道控制滤波器系数向量wi,j(n)组成的矩阵，即
W(n)＝[[w1,1(n) … wI,J(n)] … [w1,1(n-L+1) … wI,J(n-L+1)]]T
基于上述公式，得到更新后的滤波器系数；
步骤5)对于每一个输入采样点重复上述步骤2)至步骤4)，直至信号处理完毕。
实施例2.
如图1和2所示，本发明提供了一种车内抗干扰自适应路噪主动控制系统，该系统包括：
路噪参考信号获取模块101，用于利用加速度传声器拾取当前时刻的路噪参考信号xi(n)，将其发送至滤波参考信号获取模块105；
滤波参考信号获取模块105，用于根据当前时刻的路噪参考信号xi(n)通过预先估计的次级通道的传递函数
Figure BDA0003503351080000181
得到滤波参考信号vi,j,k(n)，并将其发送至抗干扰自适应算法模块106；
次级源信号输出模块102，用于输出扬声器播放上一时刻的次级源信号，并将其发送至误差信号获取模块103；
误差信号获取模块103，用于根据该播放的上一时刻的次级源信号，在降噪区域与初级噪声干涉相消，得到残余噪声信号，作为误差信号，并利用误差传声器拾取，再利用拾取的误差信号ek(n)的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计λk(n)，将其输入至抗干扰自适应算法模块106；
抗干扰自适应算法模块106，用于采用抗干扰自适应算法，设置遗忘因子γ，将车内干扰信号的能量估计λk(n)引入到递归最小二乘算法的迭代过程，利用滤波参考信号vi,j,k(n)、车内干扰信号的能量估计λk(n)和逆相关矩阵P(n)并结合遗忘因子来更新增益向量，得到更新后的增益向量G(n)；利用误差信号ek(n)和增益向量G(n)更新滤波器系数wi,j(n)，得到更新后的滤波器系数；
次级源信号生成模块104，用于利用滤波参考信号vi,j,k(n)和增益向量G(n)更新逆相关矩阵P(n)，得到更新后的逆相关矩阵；生成次级源输出信号。
路噪参考信号获取模块101中使用加速度传声器拾取当前时刻的路噪参考信号，该路噪参考信号在滤波参考信号获取模块105通过预先估计的次级通道(即次级源到误差点)的传递函数生成滤波参考信号并用于抗干扰自适应算法模块106的数据输入。控制滤波器系数由抗干扰自适应算法实时更新，并与路噪参考信号卷积由次级源信号生成模块104生成当前时刻的次级源信号。
上一时刻的次级源信号由次级源信号输出模块102中的扬声器播放，播放的上一时刻的次级源信号在降噪区域与初级噪声干涉相消，得到残余噪声，并将其作为误差信号，由误差信号获取模块103拾取，并输入至抗干扰自适应算法模块106，参与下一步的算法迭代。
该方法的信号输入模块为路噪参考信号获取模块101和误差信号获取模块103，路噪参考信号获取模块101中用于获取路噪参考信号的加速度传声器置于汽车底盘等位置，所选位置的加速度信号应与车内噪声有较强相关性，误差传声器置于汽车座椅靠枕两侧人耳附近，将获取的路噪参考信号和误差信号经模拟-数字转换后，输入控制器(如DSP处理器)。
滤波参考信号获取模块105中由参考信号与次级通道的传递函数卷积得到滤波参考信号，其中次级通道的传递函数
Figure BDA0003503351080000191
在控制前需预先辨识，可利用自适应系统辨识方法获得。保持车内环境安静，使用J个布放好的次级声源(即扬声器)发出白噪声信号并作为参考信号rj(n)，以K个目标降噪点的误差传声器拾取的信号为期望信号dk(n)。
将参考信号和采集的期望信号使用LMS算法处理，对所有次级声源到所有降噪点的次级通道传递函数
Figure BDA0003503351080000192
通过白噪声离线建模,更新次级通道传递函数权向量的公式为：
Figure BDA0003503351080000193
其中，
Figure BDA0003503351080000194
为n时刻长度为M的次级通道传递函数滤波权向量，rj(n)＝[rj(n),rj(n-1),…,rj(n-M+1)]T为n时刻长度为M的离线建模的参考信号向量，μ为步长，可调节算法的收敛速度。σ为正则化因子，以防止计算过程中的数值不稳定。
Figure BDA0003503351080000195
计算公式为：
Figure BDA0003503351080000196
当算法收敛、误差达到设定标准后，所得到的
Figure BDA0003503351080000197
作为估计的多通道次级通道传递函数，将该系数保存用于后续的实时控制；加速度传声器拾取的路噪参考信号xi(n)通过预先估计的次级通道得到滤波参考信号vi,j,k(n)，并将各路滤波参考信号组成滤波参考向量矩阵V(n)，即
Figure BDA0003503351080000201
上述矩阵中各元素
Figure BDA0003503351080000202
为n时刻第i个参考信号经过预先估计的次级通道
Figure BDA0003503351080000203
后生成的滤波参考信号。
抗干扰自适应算法模块106的输入包括滤波参考向量矩阵和误差信号向量，具体步骤如图2所示，图2为本发明的抗干扰自适应算法模块106框图。
具体地，所述抗干扰自适应算法模块106包括：
更新逆相关矩阵单元201，用于利用滤波参考信号vi,j,k(n)和增益向量G(n)更新逆相关矩阵P(n)，得到更新后的逆相关矩阵；
增益向量获取与更新单元202，用于利用V(n)、Λ(n)和逆相关矩阵P(n)，更新增益向量，获得更新后的增益向量G(n)；
更新滤波器系数单元203，用于利用误差信号ek(n)和增益向量G(n)更新滤波器系数wi,j(n)，得到更新后的滤波器系数；
延时单元204，用于保存上一时刻的逆相关矩阵；
取平方对角化单元205，用于将误差传声器拾取的第k个误差信号ek(n)取平方后，得到车内干扰信号能量的估计λk(n)，并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)；
具体地，第k个误差传声器拾取的误差信号ek(n)经过取平方对角化单元205取平方后作为车内干扰信号能量的估计λk(n)，干扰信号能量计算公式为：
λk(n)＝|ek(n)|2
并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)，表示为
Figure BDA0003503351080000211
其中，增益向量获取与更新单元202利用V(n)、Λ(n)和逆相关矩阵P(n)，在多通道FxRLS算法框架中更新增益向量G(n)，与传统多通道FxRLS算法不同的是将矩阵Λ(n)引入了滤波器系数计算过程，矩阵Λ(n)对增益向量更新速度起到调节作用，当Λ(n)中各元素较大时，意味着存在干扰信号，增益向量的更新速度会被减缓，以防止算法的发散、保证系统稳定。
增益向量获取与更新单元202中G(n)计算公式为：
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，P(n)初始化为P(0)＝δI，其中0＜δ＜＜1。γ为遗忘因子，遗忘因子γ根据具体场景设置，若追求更高的说话声检测速度可设置较小的遗忘因子，若追求稳态时的降噪效果可设置较大的遗忘因子，遗忘因子γ的取值范围为(0,1]。
更新逆相关矩阵单元201，202单元中计算所得的更新后的增益向量G(n)除了用来更新滤波器系数外，还用来更新更新逆相关矩阵P(n)，更新后的逆相关矩阵P(n+1)计算公式为：
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
P(n+1)经过延时单元204留存，用作下一时刻的迭代计算。计算所得的增益向量G(n)与误差信号组成的向量e(n)＝[e1(n),e2(n),…,eK(n)]经过203单元来更新滤波器系数，滤波器系数的计算公式为：
W(n+1)＝W(n)-G(n)eT(n)
W(n)为多通道滤波器系数wi,j(n)＝[wi,j(n),wi,j(n-1),…,wi,j(n-L+1)]T组成的矩阵，即
W(n)＝[[w1,1(n) … wI,J(n)] … [w1,1(n-L+1) … wI,J(n-L+1)]]T
W(n+1)经过延时单元204留存，用作下一时刻的迭代计算。
次级源信号生成模块104，路噪参考信号经过抗干扰自适应算法模块106得到的更新后的滤波器系数得到当前时刻的第j个次级源输出信号为
Figure BDA0003503351080000212
式中，xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T为过去L个采样点的参考信号组成的参考信号向量，wi,j(n)＝[wi,j(n),wi,j(n-1),…,wi,j(n-L+1)]T为长度为L的FIR滤波器权向量，算法中初始化滤波器系数为wi,j(0)＝0。
次级源信号由处理器转为模拟信号后由次级声源(即扬声器)发出，经过次级通道到达降噪点，与初级噪声发生干涉。抵消后的误差信号由误差传声器实时拾取并用作算法的下一步更新，如此迭代完成对噪声的实时控制
本方法的滤波器计算与传统多通道FxRLS算法框架相同，但传统FxRLS算法无法应对干扰噪声，所提供的方法在算法增益向量的更新过程中将误差信号引入，这可以为滤波器系数更新提供信息。当车内有说话声时，算法相应地减缓收敛速度，有效地避免了算法的发散，误差信号的引入起到了自动检测干扰并自动调整步长的作用。不可避免地，该方法相对于传统FxRLS算法会有一定程度的稳态降噪性能损失，但综合考虑降噪系统的稳定性、实用性以及计算资源的有限性，降噪水平的妥协在可接受范围，该方法在车内主动降噪系统的应用中比传统FxRLS算法更具优势。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种车内抗干扰自适应路噪主动控制方法，该方法包括：
离线测试次级声源到目标降噪点之间的次级通道的传递函数，得到次级通道的传递函数，利用加速度传声器获取当前时刻的路噪参考信号；
将加速度传声器拾取的当前时刻的路噪参考信号通过得到的次级通道的传递函数，得到滤波参考信号；
根据误差传声器拾取的误差信号，来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，设置遗忘因子，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，并结合路噪参考信号来更新递归最小二乘算法的增益向量，得到更新后的增益向量；
利用滤波参考信号和更新的增益向量更新逆相关矩阵，利用误差信号和更新后的增益向量更新滤波器系数，再结合获取的当前时刻的路噪参考信号进行卷积，在控制器中生成当前时刻的次级源输出信号。
2.根据权利要求1所述的车内抗干扰自适应路噪主动控制方法，其特征在于，所述离线测试次级声源到目标降噪点之间的次级通道的传递函数，得到估计的次级通道的传递函数；利用加速度传声器获取当前时刻的路噪参考信号；其具体过程包括：
保持车内环境安静，使用J个布放好的次级声源发出白噪声信号，并作为参考信号rj(n)，以K个目标降噪点的误差传声器拾取的信号为期望信号dk(n)；其中，次级声源为扬声器；
将参考信号和采集的期望信号使用最小均方误差算法处理，离线测试第j个布放好的次级声源到第k个目标降噪点之间的传递函数
Figure FDA0003503351070000011
其中，0≤j≤J；0≤k≤K；
对所有次级声源到所有目标降噪点的次级通道传递函数
Figure FDA0003503351070000012
通过播放白噪声离线建模,更新次级通道传递函数权向量的公式为：
Figure FDA0003503351070000013
其中，
Figure FDA0003503351070000014
Figure FDA0003503351070000015
为时刻为n、长度为M的次级通道的传递函数滤波权向量；
Figure FDA0003503351070000016
为时刻为n+1、长度为M的次级通道的传递函数滤波权向量；
其中，rj(n)＝[rj(n),rj(n-1),…,rj(n-M+1)]T；
rj(n)为时刻为n、长度为M的离线建模的参考信号向量；μ为步长；σ为正则化因子；H表示共轭；T表示转置；
Figure FDA0003503351070000021
计算公式为：
Figure FDA0003503351070000022
通过不断迭代，直至仿真计算的误差信号
Figure FDA0003503351070000023
收敛，误差达到设定标准后，所得到的
Figure FDA0003503351070000024
作为估计的多通道次级通道传递函数；
将加速度传声器置于汽车底盘，利用I个加速度传声器，获取车内不同位置的路噪参考信号，第i个路噪参考信号表示为xi(n)；其中，0≤i≤I。
3.根据权利要求1所述的车内抗干扰自适应路噪主动控制方法，其特征在于，所述将加速度传声器拾取的当前时刻的路噪参考信号通过得到的估计的次级通道的传递函数，得到滤波参考信号；其具体过程包括：
使用FIR滤波器表示次级通道，
Figure FDA0003503351070000025
表示长度为M的估计的次级通道的传递函数，
Figure FDA0003503351070000026
wi,j(n)＝[wi,j(n),wi,j(n-1),…,wi,j(n-L+1)]T；wi,j(n)表示长度为L的控制滤波器系数权向量；
将加速度传声器拾取的路噪参考信号xi(n)通过得到的估计的次级通道的传递函数
Figure FDA0003503351070000027
得到滤波参考信号vi,j,k(n)：
Figure FDA0003503351070000028
其中，xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T；xi(n)为第i路参考信号的过去L个采样点组成的参考信号向量。
4.根据权利要求3所述的车内抗干扰自适应路噪主动控制方法，其特征在于，所述根据误差传声器拾取的误差信号，来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，设置遗忘因子，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，并结合路噪参考信号来更新递归最小二乘算法的增益向量，得到更新后的增益向量；其具体过程包括：
利用误差传声器拾取误差信号ek(n)，该误差信号等于上一时刻的第j个次级源输出信号，表示为yj(n)1与期望信号dk(n)之差，记为ek(n)＝dk(n)-yj(n)1；
使用误差传声器拾取的信号ek(n)的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值λk(n)：
λk(n)＝|ek(n)|2
设置遗忘因子γ，将车内干扰信号的能量估计值λk(n)引入到递归最小二乘算法的迭代过程，利用滤波参考信号vi,j,k(n)、车内干扰信号的能量估计值λk(n)和逆相关矩阵P(n)并结合遗忘因子γ来更新增益向量，得到更新后的增益向量G(n)：
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，V(n)为滤波参考信号组成的矩阵；其中，
Figure FDA0003503351070000031
其中，Λ(n)为由K个车内干扰信号的能量估计值λk(n)组成的对角矩阵；
Figure FDA0003503351070000032
其中，逆相关矩阵P(n)初始化为P(0)＝δI；其中，0＜δ＜＜1；I为单位矩阵；γ为遗忘因子，其取值范围为(0,1]。
5.根据权利要求3所述的车内抗干扰自适应路噪主动控制方法，其特征在于，所述利用滤波参考信号和更新的增益向量更新逆相关矩阵，利用误差信号和更新后的增益向量更新滤波器系数，生成当前时刻的次级源输出信号；其具体过程包括：
利用滤波参考信号和更新的增益向量更新逆相关矩阵P(n)，得到更新后的逆相关矩阵P(n+1)：
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
其中，P(n)为逆相关矩阵；γ为遗忘因子，其取值范围为(0,1]；
V(n)为滤波参考信号vi,j,k(n)组成的矩阵；其中，
Figure FDA0003503351070000041
利用误差信号eK(n)组成误差信号向量e(n)，其中，e(n)＝[e1(n),e2(n),…,eK(n)]；利用更新后的增益向量和误差信号向量e(n)组成更新后的滤波器系数矩阵W(n+1)；
其中，W(n+1)＝W(n)-G(n)eT(n)；
其中，W(n)为由更新后的多通道滤波器系数wi,j(n)组成的矩阵，其中，
Figure FDA0003503351070000042
记为
W(n)＝[[w1,1(n)…wI,J(n)]…[w1,1(n-L+1)…wI,J(n-L+1)]]T；
对得到的当前时刻的路噪参考信号向量xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T和更新后的滤波器系数进行卷积，生成当前时刻的第j个次级源输出的次级源输出信号yj(n)；
Figure FDA0003503351070000043
其中，wi,j(n)为更新后的多通道滤波器系数。
6.一种车内抗干扰自适应路噪主动控制系统，其特征在于，该系统包括：
路噪参考信号获取模块(101)，用于利用加速度传声器拾取当前时刻的路噪参考信号，将其发送至滤波参考信号获取模块(105)；
滤波参考信号获取模块(105)，用于根据当前时刻的路噪参考信号，再通过预先估计的次级通道的传递函数，得到滤波参考信号，并将其发送至抗干扰自适应算法模块(106)；
次级源信号输出模块(102)，用于利用扬声器播放上一时刻的次级源信号，并将该播放的上一时刻的次级源信号发送至误差信号获取模块(103)；
误差信号获取模块(103)，用于根据接收的上一时刻的次级源信号，在降噪区域与初级噪声干涉相消，得到残余噪声信号，作为误差信号，并利用误差传声器拾取，再利用拾取的误差信号的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值，将其输入至抗干扰自适应算法模块(106)；
抗干扰自适应算法模块(106)，用于采用抗干扰自适应算法，将车内干扰信号的能量估计值引入到递归最小二乘算法的迭代过程，利用滤波参考信号、车内干扰信号的能量估计值和逆相关矩阵，并结合遗忘因子来更新增益向量，得到更新后的增益向量；
利用误差信号和增益向量更新滤波器系数，得到更新后的滤波器系数；
利用滤波参考信号和增益向量更新逆相关矩阵，得到更新后的逆相关矩阵；和
次级源信号生成模块(104)，用于根据更新后的滤波器系数和当前时刻的路噪参考信号，生成当前时刻的次级源信号，并发送至级源信号输出模块(102)。
7.根据权利要求6所述的车内抗干扰自适应路噪主动控制系统，其特征在于，所述抗干扰自适应算法模块(106)包括：
更新逆相关矩阵单元(201)，用于利用滤波参考信号vi,j,k(n)和增益向量G(n)更新逆相关矩阵P(n)，得到更新后的逆相关矩阵P(n+1)；
P(n+1)＝γ-1P(n)-γ-1G(n)VT(n)P(n)
其中，P(n)为逆相关矩阵；γ为遗忘因子，其取值范围为(0,1]；
增益向量获取与更新单元(202)，用于利用V(n)、Λ(n)和逆相关矩阵P(n)，更新增益向量，获得更新后的增益向量G(n)；
G(n)＝γ-1P(n)V(n)(Λ(n)+γ-1VT(n)P(n)V(n))-1
其中，V(n)为滤波参考信号组成的矩阵；其中，
Figure FDA0003503351070000061
其中，Λ(n)为由K个车内干扰信号的能量估计值λk(n)组成的对角矩阵；
Figure FDA0003503351070000062
其中，逆相关矩阵P(n)初始化为P(0)＝δI；其中，0＜δ＜＜1；I为单位矩阵；γ为遗忘因子；
更新滤波器系数单元(203)，用于利用误差信号eK(n)组成误差信号向量e(n)，其中，e(n)＝[e1(n),e2(n),…,eK(n)]；利用更新后的增益向量和误差信号向量e(n)组成更新后的滤波器系数矩阵W(n+1)；
其中，W(n+1)＝W(n)-G(n)eT(n)；
其中，W(n)为由更新后的多通道滤波器系数wi,j(n)组成的矩阵，其中，
Figure FDA0003503351070000063
记为
W(n)＝[[w1,1(n)…wI,J(n)]…[w1,1(n-L+1)…wI,J(n-L+1)]]T；
更新后的滤波器系数矩阵W(n+1)为多通道更新后的滤波器参数组成的矩阵；
取平方对角化单元(205)，用于将误差传声器拾取的第k个误差信号ek(n)取平方后，得到车内干扰信号能量的估计λk(n)，并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)；
利用误差传声器拾取误差信号ek(n)，该误差信号等于上一时刻的第j个次级源输出信号表示为yj(n)1与期望信号dk(n)之差，记为ek(n)＝dk(n)-yj(n)1；
使用误差传声器拾取的信号ek(n)的平方来估计车内干扰信号的能量，得到车内干扰信号的能量估计值λk(n)：
λk(n)＝|ek(n)|2
并由全部K个误差传声器拾取的误差信号所估计的车内干扰信号能量估计λk(n)组成对角矩阵Λ(n)；
Figure FDA0003503351070000071
8.根据权利要求7所述的车内抗干扰自适应路噪主动控制系统，其特征在于，所述次级源信号生成模块(104)的具体实现过程包括：
对得到的当前时刻的路噪参考信号向量xi(n)＝[xi(n),xi(n-1),…,xi(n-L+1)]T和更新后的滤波器系数进行卷积，生成当前时刻的第j个次级源输出的次级源输出信号yj(n)；
Figure FDA0003503351070000072
其中，wi,j(n)为更新后的多通道滤波器系数；
再将其发送至级源信号输出模块(102)。
CN202210132854.XA 2022-02-14 2022-02-14 一种车内抗干扰自适应路噪主动控制方法及控制系统 Active CN114582312B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210132854.XA CN114582312B (zh) 2022-02-14 2022-02-14 一种车内抗干扰自适应路噪主动控制方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210132854.XA CN114582312B (zh) 2022-02-14 2022-02-14 一种车内抗干扰自适应路噪主动控制方法及控制系统

Publications (2)

Publication Number Publication Date
CN114582312A true CN114582312A (zh) 2022-06-03
CN114582312B CN114582312B (zh) 2022-11-22

Family

ID=81774993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210132854.XA Active CN114582312B (zh) 2022-02-14 2022-02-14 一种车内抗干扰自适应路噪主动控制方法及控制系统

Country Status (1)

Country Link
CN (1) CN114582312B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115175061A (zh) * 2022-06-08 2022-10-11 中国第一汽车股份有限公司 一种主动降噪系统误差麦克风布局优化方法
CN117435873A (zh) * 2023-12-21 2024-01-23 山东中都机器有限公司 一种基于智能喷雾降尘的数据管理方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002546A1 (en) * 2004-06-30 2006-01-05 Microsoft Corporation Multi-input channel and multi-output channel echo cancellation
US20110305347A1 (en) * 2010-06-14 2011-12-15 Michael Wurm Adaptive noise control
JP2012247738A (ja) * 2011-05-31 2012-12-13 Tokai Rubber Ind Ltd 能動型消音装置
EP2629289A1 (en) * 2012-02-15 2013-08-21 Harman Becker Automotive Systems GmbH Feedback active noise control system with a long secondary path
US20140126621A1 (en) * 2012-11-02 2014-05-08 Harris Corporation Communications receiver with channel identification using a-priori generated gain vectors and associated methods
US20170034623A1 (en) * 2014-04-07 2017-02-02 Harman Becker Automotive Systems Gmbh Sound wave field generation
CN108538304A (zh) * 2018-03-09 2018-09-14 华侨大学 车内噪声主动控制系统
US20180350379A1 (en) * 2017-06-02 2018-12-06 Apple Inc. Multi-Channel Speech Signal Enhancement for Robust Voice Trigger Detection and Automatic Speech Recognition
CN110912536A (zh) * 2019-12-24 2020-03-24 昆山九毫米电子科技有限公司 用于敞开式激波报靶系统的rls自适应滤波方法
CN111243568A (zh) * 2020-01-15 2020-06-05 西南交通大学 一种凸约束自适应回声消除方法
CN111610715A (zh) * 2020-04-23 2020-09-01 清华大学 直线运动系统的自适应递归前馈控制方法
CN112233644A (zh) * 2020-11-04 2021-01-15 华北电力大学 一种基于四元数自适应滤波器的滤波-x最小均方有源噪声控制方法
US20210104218A1 (en) * 2018-02-27 2021-04-08 Harman Becker Automotive Systems Gmbh Feedforward active noise control

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002546A1 (en) * 2004-06-30 2006-01-05 Microsoft Corporation Multi-input channel and multi-output channel echo cancellation
US20110305347A1 (en) * 2010-06-14 2011-12-15 Michael Wurm Adaptive noise control
JP2012247738A (ja) * 2011-05-31 2012-12-13 Tokai Rubber Ind Ltd 能動型消音装置
EP2629289A1 (en) * 2012-02-15 2013-08-21 Harman Becker Automotive Systems GmbH Feedback active noise control system with a long secondary path
US20140126621A1 (en) * 2012-11-02 2014-05-08 Harris Corporation Communications receiver with channel identification using a-priori generated gain vectors and associated methods
US20170034623A1 (en) * 2014-04-07 2017-02-02 Harman Becker Automotive Systems Gmbh Sound wave field generation
US20180350379A1 (en) * 2017-06-02 2018-12-06 Apple Inc. Multi-Channel Speech Signal Enhancement for Robust Voice Trigger Detection and Automatic Speech Recognition
US20210104218A1 (en) * 2018-02-27 2021-04-08 Harman Becker Automotive Systems Gmbh Feedforward active noise control
CN108538304A (zh) * 2018-03-09 2018-09-14 华侨大学 车内噪声主动控制系统
CN110912536A (zh) * 2019-12-24 2020-03-24 昆山九毫米电子科技有限公司 用于敞开式激波报靶系统的rls自适应滤波方法
CN111243568A (zh) * 2020-01-15 2020-06-05 西南交通大学 一种凸约束自适应回声消除方法
CN111610715A (zh) * 2020-04-23 2020-09-01 清华大学 直线运动系统的自适应递归前馈控制方法
CN112233644A (zh) * 2020-11-04 2021-01-15 华北电力大学 一种基于四元数自适应滤波器的滤波-x最小均方有源噪声控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MUHAMMAD TAHIR AKHTAR: "Novel Recursive Least Squares-Based Filtered-x Adaptive Algorithm Developed for Active Control of Impulsive Noise Sources", 《2020 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS 》 *
袁鹏飞: "基于DSP的自适应噪声抵消技术的研究", 《中国优秀博硕士学位论文全文数据库》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115175061A (zh) * 2022-06-08 2022-10-11 中国第一汽车股份有限公司 一种主动降噪系统误差麦克风布局优化方法
CN117435873A (zh) * 2023-12-21 2024-01-23 山东中都机器有限公司 一种基于智能喷雾降尘的数据管理方法
CN117435873B (zh) * 2023-12-21 2024-03-08 山东中都机器有限公司 一种基于智能喷雾降尘的数据管理方法

Also Published As

Publication number Publication date
CN114582312B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
US9633645B2 (en) Adaptive noise control system with improved robustness
CN114582312B (zh) 一种车内抗干扰自适应路噪主动控制方法及控制系统
US8000482B2 (en) Microphone array processing system for noisy multipath environments
CN108900943A (zh) 一种场景自适应主动降噪方法及耳机
JP2760373B2 (ja) 雑音消去装置
US10854187B2 (en) Active noise control system and on-vehicle audio system
US20020071573A1 (en) DVE system with customized equalization
WO2007046435A1 (ja) 騒音制御装置
CN107071635A (zh) 音频增强
US11043202B2 (en) Active noise control system, setting method of active noise control system, and audio system
CN111445895A (zh) 一种基于遗传算法的指向性有源噪声控制系统及方法
CN114464157A (zh) 一种车辆的主动降噪方法及设备、存储介质
CN114127845A (zh) 用于消除麦克风信号中的道路噪声的系统和方法
US20220189450A1 (en) Audio processing system and audio processing device
JP2000106700A (ja) 立体音響生成方法および仮想現実実現システム
JP5383008B2 (ja) 音声明瞭度改善システム及び音声明瞭度改善方法
Kuo et al. An integrated audio and active noise control system
CN113096629A (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
WO2007063467A2 (en) Noise reduction system and method
US11462205B2 (en) In-vehicle communication support system
JP3489587B2 (ja) 適応型雑音低減装置
CN113345457B (zh) 一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法
JPH06292293A (ja) マイクロホン装置
CN117351922A (zh) 一种车内噪声控制方法、系统、计算机设备及存储介质
JP2021135310A (ja) 音声処理装置および音声処理方法

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