CN115243148A

CN115243148A - 自适应主动降噪方法及系统

Info

Publication number: CN115243148A
Application number: CN202210880283.8A
Authority: CN
Inventors: 鲁有宏; 王乐临; 李国梁; 叶景华
Original assignee: Shenzhen Goodix Technology Co Ltd
Current assignee: Shenzhen Goodix Technology Co Ltd
Priority date: 2022-03-15
Filing date: 2022-07-25
Publication date: 2022-10-25
Also published as: US11790882B2; US20230298558A1

Abstract

自适应主动降噪方法及系统。本申请实施例提供一种在通向用户耳膜的整个主路径MPED上进行路径补偿的耳腔频率响应EFCR自适应降噪ANC方法及系统。对许多ANC滤波器模型进行预训练，以包括相应的抗噪声路径ANP滤波器模型和代表ANC滤波器配置的相应MPED滤波器模型。当用户佩戴耳机听筒时，佩戴者的特征和佩戴位置/方位显示了佩戴者/佩戴状态。本申请所描述的技术可以连续地或周期性且有效地确定哪个预训练的ANC滤波器模型最准确地描述了当前佩戴者/佩戴状态的当前MPED，并且可以基于预训练的模型连续地或周期性地更新ANC滤波器配置以维持包括EFCR路径补偿的高性能ANC。

Description

自适应主动降噪方法及系统

相关申请的交叉引用

本申请要求以下申请的优先权，其内容通过引用整体结合于本申请中：2022年03月15日提交的发明名称为“ACTIVE NOISE CANCELLATION FILTER ADAPTATION WITH EARCAVITY FREQUENCY RESPONSE COMPENSATION[具有耳腔频率响应补偿的自适应主动降噪滤波器]”、专利申请号为17/695,816的美国专利申请。

技术领域

本申请描述的实施例通常涉及音频处理和降噪，并且更具体地，涉及耳机系统中具有耳腔频率响应补偿的自适应主动降噪滤波器。

背景技术

许多高性能耳机系统包括主动降噪(active noise cancellation，ANC)。ANC的目的是通过动态消除环境和/或其他噪音来改善佩戴者的聆听体验。这种消除通常涉及通过音频转换器(例如，位于该区域或该位置的扬声器)来生成合成噪声，使得生成的信号，“抗噪声”信号，在理想情况下具有与噪声相同的幅度和相位，但极性与噪声相反。将抗噪声信号与所需音频一起播放可以有效地消除大部分噪声。

出于各种原因，例如噪声的动态变化性质，抗噪声信号往往不能消除所有噪声。通常，误差传感器(例如，误差麦克风)被放置在音频输出路径中以接收环境噪声和生成的合成抗噪声信号的混合。误差传感器接收到的混合是一个误差信号，误差信号会随着时间而不断变化。通常，ANC算法用于ANC滤波器设计以动态适应并不断寻求最小化佩戴者所体验到的噪音。在一些常规ANC实现方式中，ANC滤波器设置在实验室和/或制造设置中以生成固定ANC，并且固定ANC被结合到耳机环境中。在这种情况下，耳机可能不包含集成误差传感器，并且ANC滤波器设置可能不会在使用耳机时动态更新。在其他常规实现方式中，耳机包括集成误差传感器，并且可以基于使用期间的误差信号反馈实时动态更新ANC滤波器设置。

许多不同类型的方法已与常规ANC实现方式一起使用以改善降噪。例如，各种技术用于缩短反馈路径、减少处理延迟、适应宽带和窄带类型的噪声等。然而，即使是非常高性能的ANC实现方式也往往不考虑由佩戴者的生理和/或耳机相对于佩戴者生理的特定位置而引起的误差(例如噪声)。例如，用户内耳的形状、到用户耳膜的距离、耳机输出扬声器与用户耳朵结构的相对位置、耳机提供的声学密封的有效性等都会影响用户听到耳机生成声音的方式，包括用户对所需音频的体验，以及所需音频与环境噪声的混合，以及生成的抗噪声信号。常规ANC方法往往根本无法补偿这种生理效应，而这种罕见的常规尝试通常都没有成功。

发明内容

实施例包括以补偿到用户耳膜的整个主噪声路径的方式用于主动降噪或控制的系统和方法。例如，耳腔频率响应(ear cavity frequency response，EFCR)自适应降噪(adaptive noise cancelation，ANC)系统集成在耳机听筒中，并且在整个通向耳膜的主路径(main path to the eardrum，MPED)上执行路径补偿。该系统包括ANC滤波器系统，用于基于当前ANC滤波器配置在目标位置处(在耳机听筒的正面)输出抗噪声信号，使得在目标位置处输出的抗噪声信号是入耳噪声信号的逆估计。由于MPED的声学路径效应，当用户在相对于用户外耳的当前佩戴者/佩戴状态下佩戴耳机听筒时，入耳噪声信号对应于环境噪声，在目标位置处显示。误差麦克风记录代表当前佩戴者/佩戴状态下的抗噪声信号和入耳噪声信号的组合的残余噪声信号。模型数据存储器，其上可以存储有K个(例如，50个或更多)预训练的ANC模型，每第K个预训练的ANC模型具有第K个抗噪声路径(anti-noise path，ANP)滤波器模型和之前在第K个受训的佩戴者/佩戴状态下受训的第k个MPED滤波器模型。

用户自适应引擎可以与ANC滤波器系统、误差麦克风和模型数据存储器相耦合。用户自适应引擎可以针对每第K个预训练的ANC模型而用于：利用第k个ANP滤波器模型计算第k个估计的实际噪声信号以将抗噪声信号转换为路径补偿的抗噪声信号，并且从残余噪声信号中去除路径补偿的抗噪声信号；利用第k个MPED滤波器模型计算第k个估计的耳膜噪声信号以转换参考噪声信号；以及计算第k个估计的实际噪声信号和第k个估计的耳膜噪声信号之间的第k个候选残余噪声。然后，用户自适应引擎可以选择预训练的ANC模型之一作为生成最低第k个候选残余噪声的模型，并且可以引导ANC滤波器系统用基于所选的预训练的ANC模型之一的新ANC滤波器配置来替换当前ANC滤波器配置。

附图说明

从本公开的实施例的详细描述和附图中，本发明构思的益处和优点将显而易见，在附图中，相同的附图标记和数字在所有附图中指代相同的部分。附图未按比例绘制；重点放在说明本发明概念的原理上。

图1示出了包括常规主动降噪ANC系统的耳机环境的简化图。

图2示出了常规耳机环境的另一简化图，其包括更明确地表示为单独的宽带(wideband，WB)ANC子系统和窄带(narrowband，NB)ANC子系统的常规混合型主动降噪系统。

图3示出了根据本申请描述的各种实施例的用于具有耳腔频率响应补偿的混合环境降噪的示例性ANC架构的简化框图。

图4示出了根据本申请描述的各种实施例的示例性经ECFR训练的ANC架构的简化框图。

图5示出了根据各种实施例的用户自适应引擎的示例性实现。

图6示出了基于通过用户自适应引擎更新响应于滤波器选择的所选索引而从一个ANC滤波器配置切换到另一个ANC滤波器配置的示例操作框图。

图7示出了根据本申请描述的各种实施例的基于耳腔频率响应的ANC模型预训练的示例性方法的流程图。

图8示出了根据本申请描述的各种实施例的一种用于在通向耳膜的整个主路径上具有路径补偿的耳腔频率响应自适应降噪的示例性方法的流程图。

具体实现方式

本申请描述的实施例提供了在耳机系统中具有动态耳腔频率响应补偿的主动降噪滤波器自适应。如本申请所用，“耳机”、“耳机系统”等通常可以指代扬声器直接定位在用户的一个或两个耳朵上方和/或耳中的任何类型的可佩戴扬声器系统。例如，本申请描述的实施例可用于封闭式耳机、开放式耳机、贴耳式耳机、耳挂式耳机、入耳式耳机、耳塞和/或任何其他合适类型的有线或无线耳机。通常，用户希望听到“所需音频”，例如音乐、录音等。同时，各种因素会降低用户对该所需音频的体验。因此，许多高性能耳机系统包括主动降噪ANC。

环境噪声的存在是阻碍耳机以最佳方式向用户提供所需音频的一组因素。本申请中使用的术语环境噪声通常包括任何环境噪声和/或用户可以听到但不是所需音频的一部分的任何其他音频。例如，如果用户试图在嘈杂的环境中收听音频，则用户可能无法很好地听到音频，和/或环境声音此外可能会干扰收听体验。耳机与用户耳朵生理之间的特定关系可能是阻碍耳机以最佳方式向用户提供所需音频的另一组因素。例如，无论耳机系统的听筒是在用户耳中、耳朵上方还是耳朵周围，听筒、耳腔、耳膜和其他相关结构的组合环境都显示出具有特定频率响应的特定声学环境。对于每个用户的耳朵以及听筒相对于耳朵的不同位置，声学环境和相应的频率响应可能是不同的。

如本申请所用，术语“佩戴者”用于指无论是在一只或两只耳朵上、在一只或两只耳朵上方、在一只或两只耳朵内等指佩戴耳机的个体。本申请假设在通过耳机播放音频时(例如，音乐、语音等)，佩戴者听到播放的音频和环境噪声的组合(即，假设没有ANC)。佩戴者耳朵的解剖结构可分为外耳、中耳和内耳。外耳(耳廓)是一种主要由软骨形成的结构，其可有效收集声波并通过耳腔(声道)将声波引导至耳膜(鼓膜)。外耳解剖结构(例如，耳轮、对耳轮、耳屏、对耳屏、耳道、耳垢等)的形状、大小和其他特征可以定义外耳直到耳膜的频率响应。为了简单起见，本申请假设佩戴者“听”主要基于进入外耳的所需和非所需的音频信息(声波)最终到达耳膜并与耳膜相互作用的方式。例如，这包括外耳解剖学和生理学对该音频信息的影响，但不包括中耳或内耳结构的解剖学或生理学影响。

当个人佩戴耳机时，耳机的每个听筒(或者在某些情况下为单个听筒)被放置在相对于佩戴者耳朵解剖结构的佩戴位置。一般可以假设佩戴位置定义了朝外环境和朝内环境，并且在朝外环境和朝内环境之间可能存在中间环境(例如，在耳机所占用的空间里)。耳机旨在使用主听筒扬声器将所需音频(例如，在ANC情况下为抗噪声信号)投射到朝内环境中，并且阻挡和/或消除来自朝外环境中的环境噪声。在典型的ANC实现方式中，这可能涉及记录来自朝外环境的环境噪声，根据记录的环境噪声和中间环境模型生成抗噪声信号，并将抗噪声信号与所需音频一起投射到朝内环境中(例如，使用次级抗噪声扬声器)。

图1示出了包括常规主动降噪ANC系统110的耳机环境100的简化图。例如，ANC系统110可以集成到耳机系统中，例如集成到耳机听筒中。如上所述，将每个听筒放置在佩戴者的耳中可以有效地限定朝外环境、朝内环境和中间环境。例如，参考麦克风在中间环境的朝外边界记录环境噪声，ANC系统110至少基于环境噪声生成抗噪声信号115(合成噪声信号)，并且耳机在中间环境(目标位置)的朝内边界处输出抗噪声信号115。目标位置通常非常靠近主听筒扬声器(和/或误差麦克风)的位置，听筒从该位置输出所需音频。

通常，在目标位置处输出抗噪声信号115的目的是至少部分地消除在相同目标位置处存在的任何版本的环境噪声(图示为入耳噪声信号125)。例如，通过在“主噪声路径”上穿过中间环境，来自耳朵外部的环境噪声的一部分作为入耳噪声信号125到达目标位置。基本上位于目标位置的小型扬声器输出抗噪声信号115，使得目标位置现在包括抗噪声信号115和入耳噪声信号125(此外和任何所需音频)的组合(例如，叠加)。通常，认为当抗噪声信号115与入耳噪声信号125的反相相同时，会发生最大化降噪。例如，抗噪声信号115和入耳噪声信号125的组合生成残余噪声信号135，其本质上是用于降噪的误差信号。一些常规实现方式包括误差麦克风(也位于目标位置)，其记录残余噪声信号135并将残余噪声信号135反馈给ANC系统110以进行动态自适应。

如上所述，环境噪声被认为是通过主噪声路径从朝外环境传播到目标位置，否则简称为主路径。主路径实际上是环境噪声可以到达目标位置的物理路径的集合，使得主路径还具有受耳机物理结构和外耳一些解剖结构影响的特定主路径频率响应。如图所示，常规ANC系统110可以考虑抗噪声路径120，也称为次级噪声路径，或更简单地称为次级路径。抗噪声路径120可以是生成抗噪声信号115的位置和输出抗噪声信号115的位置之间的路径(或路径的模型表示)。例如，可以在数学上假设参考噪声信号105和反馈残余噪声信号135都在与目标位置重合的空间点有一定距离的空间点处被接收。该距离可以向抗噪声信号115添加延迟和/或其他人工信号。因为具有ANC特征的耳机通常通过每个听筒的朝外组件处接收参考噪声并在每个听筒的朝内组件处输出生成的抗噪声信号115，因此常规ANC设计通常假定主路径基本上等同于中间环境，如图所示。因此，常规ANC系统110旨在使用抗噪声路径120作为主路径的表示，使得对抗噪声路径120的补偿被视为对主路径效应的补偿。

通常，ANC系统110寻求生成抗噪声信号115，使得作为在穿过抗噪声路径120之后在目标位置处的输出的抗噪声信号115与目标位置处的任何环境噪声组合，以将目标位置的残余噪声最小化。例如，ANC系统110包括一个或多个滤波器，该滤波器具有基于参考噪声信号105和/或残余噪声信号135的反馈而可调整的滤波器参数，以生成抗噪声信号115。滤波器参数的动态控制寻求生成抗噪声信号115，使得穿过抗噪声路径120的对应抗噪声信号115将与入耳噪声信号125组合(即，破坏性干扰)，以将残余噪声信号135最小化。因为环境噪声通常随时间而变化，所以在生成抗噪声信号并在抗噪声路径120上传输抗噪声信号的任何延迟都会导致生成的抗噪声信号115和其试图消除的噪声之间的不匹配(由入耳噪声信号125表示)。因此，抗噪声路径120希望具有尽可能少的延迟。

通常，ANC系统至少有三种方法合成抗噪声信号115。一种方法通过使用参考传感器捕获参考噪声来合成噪声。参考噪声可以是通过多路径对噪声进行额外反射的早期版本的噪声。可以通过将自适应滤波器或控制器应用于参考噪声来完成噪声的合成，从而使噪声与播放的合成噪声之间的误差(差异)最小化。噪声合成必须快速完成，这样其会增加很少的延迟，并且合成的噪声几乎可以与被消除的噪声同步到达目标位置。这种ANC方法被称为“前馈”ANC。由于存在参考传感器来感测早期版本的噪声，因此前馈ANC可以消除相对宽带的噪声。因此，这种基于前馈ANC方法在本申请中被称为宽带ANC。

通过ANC系统合成抗噪声信号的第二种方法寻求通过预测合成的噪声来消除窄带噪声(出于ANC目的，典型的噪声是从20Hz到1000Hz)，或包括多个音调信号的噪声分量。例如，ANC系统的实现方式可以使用来自误差传感器(例如，误差麦克风)的误差信号来估计噪声，并且可以从估计中预测经过次级路径后的噪声。这种ANC方法被称为“反馈”ANC。使用纯反馈ANC方法，可能不需要参考传感器。如果次级路径和处理具有低延迟，则预测性能可以更高，水床效应(具有相对窄频带的非所需噪声)较低。因此，对于某些带宽，反馈ANC具有更好的性能和更低的延迟。如果信号不是窄带，则可以通过强调一些需要降噪的频带来实现窄带要求。这种基于反馈的ANC方法在本申请中被称为窄带ANC。

通过ANC系统合成抗噪声信号的第三种方法寻求消除宽带和窄带噪声。这样的方法有效地将WB ANC实现方式和NB ANC实现方式组合成混合ANC，其在本申请中被称为“混合”ANC。图1的常规ANC系统110可以被视为混合ANC方法的简化图示，因为它既包括前馈类型的参考噪声信号105，也包括反馈类型的残余噪声信号135。在混合方法的WB ANC路径中，参考麦克风可用于检测参考噪声信号105，相对应于朝外环境中的环境噪声。参考麦克风可以将检测到的参考噪声信号105传递给生成抗噪声信号115的ANC系统110。抗噪声信号115经由抗噪声路径120被输出到目标位置(例如，同时在基本相同的目标位置处输出所需音频)。在理想情况下，抗噪声信号115完全消除目标位置中的任何环境噪声，如入耳噪声信号125所表示的。然而，实际上，会存在一些消除误差，因此目标位置处的抗噪声信号115和目标位置处的入耳噪声信号125(由加法器130表示)的总和生成残余噪声，表示为残余噪声信号135。在混合方法的NB ANC路径中，残余噪声信号135被反馈到ANC系统110，用于ANC滤波器参数的动态反馈控制。尽管未明确示出，但是可以通过将误差传感器放置在目标位置处或目标位置附近以检测残余噪声信号135来实现残余噪声信号135的反馈。例如，一个或多个误差麦克风可以与耳机系统集成(例如，在一个或两个听筒上的朝内位置处)以记录目标位置处或目标位置附近的噪声。

图2示出了常规耳机环境200的另一简化图，其包括更明确地表示为单独的宽带ANC子系统110w和窄带ANC子系统110n的常规混合型主动降噪系统110。为了方便参考，与图1中相似的组件和信号用相同的参考标识标记。如图所示，每个ANC子系统接收其自己的输入信号，从中生成其自己对抗噪声信号115的抗噪声成分215。具体地，如上所述，WB-ANC子系统110w基于从参考麦克风105接收参考噪声信号205w来生成其抗噪声成分215w，NB-ANC子系统110n基于接收与残余噪声信号135相关的反馈信号205n来生成其抗噪声成分215n。

WB抗噪声成分215w和NB抗噪声成分215n在求和节点210组合以生成抗噪声信号115。如图1所示，通过与图1的抗噪声路径120相对应的抗噪声路径120120将抗噪声信号115发送到目标位置。在目标位置，抗噪声信号115破坏性地干扰目标位置处的本地版本的环境噪声(入耳噪声信号125)以生成残余噪声信号135。例如，加法器130表示入耳噪声信号125和抗噪声信号115之间的目标位置处的干扰导致残余噪声信号135(即，表示降噪误差)。如图所示，实施例可以包括误差麦克风235以记录残余噪声信号135。

在所示实现方式中，不是将残余噪声信号135直接反馈到NB-ANC 110n，而是调整反馈以补偿抗噪声路径120的脉冲响应。如图所示，ANPi滤波器220用于匹配抗噪声路径120的频率响应(脉冲响应)。NB抗噪声成分215n可以通过ANPi滤波器220并在反馈补偿节点230处添加到残余噪声信号135，并且反馈补偿节点230的输出可以随着反馈信号205n输入到NB-ANC子系统110n而被反馈。在其他一些情况下，残余噪声可以直接用作NB ANC参考。

在数学上，残余噪声信号135(“e”)可以被描述为：e＝n–SP*y，其中“n”是目标位置噪声信号125，“y”是抗噪声信号115，并且“SP”是抗噪声路径120的相对应的表示。入耳噪声信号125是未知的，但它可以被估计为：n＝e+SPi*y，其中“SPi”是SP的预先计算的脉冲响应，如由ANPi滤波器220所实现的。在一些实现方式中，WB-ANC子系统110w的参考输入205w是参考麦克风信号105。在其他实现方式中，WB-ANC子系统110w的参考输入205w可以对应于参考噪声的早期版本，例如具有经由一个或多个路径的噪声的附加反射。在这样的实现方式中，参考输入205w(“x”)可以被描述为：x＝SPi*xw，其中“xw”是参考麦克风信号105。WB-ANC子系统110w的输出可以被描述为：yw＝WB*x，其中“yw”是由应用WB-ANC子系统110w滤波器生成的WB抗噪声成分215w，如“WB”所示。因此，在应用来自WB-ANC子系统110w的滤波之后的残余噪声可以被描述为：ew＝n–yw；并且WB-ANC子系统110w的滤波器系数可以根据以下公式进行更新：WB＝WB+mu*ew*x，其中“mu”是自适应系数，其可以是取决于使用何种自适应滤波算法的变量。

NB-ANC子系统110n的滤波器系数也可以根据相同或任何其他合适的自适应算法自适应地更新。可见，NB-ANC子系统110n的反馈参考输入205n对应于WB-ANC子系统110w在穿过抗噪声路径120之后的残余噪声过滤(响应建模为SPi)。因此，反馈参考信号205n可以被描述为：xn＝SPi*ew。NB-ANC子系统110n的输出可以被描述为：yn＝NB*xn，其中“yn”是由应用NB-ANC子系统110n滤波器生成的NB抗噪声成分215n，如“NB”所示。因此，在应用来自WB-ANC子系统110w和NB-ANC子系统110n的滤波之后的残余噪声可以被描述为：ee＝ew-yn；并且NB-ANC子系统110n的滤波器系数可以根据以下公式更新：NB＝NB+mu*ee*xn。

一般而言，WB-ANC子系统110w实现滤波器，参考麦克风105为其提供自适应滤波器参考(即，输入信号205w)，并且滤波器参数动态地适应以将目标位置处(例如，由误差麦克风235检测)的残余噪声最小化，而不受NB-ANC子系统110n的影响。NB-ANC子系统110n实现滤波器，来自目标位置的路径补偿反馈为其提供自适应滤波器参考(即，输入信号205n)，并且在WB-ANC子系统110w影响后，滤波器参数动态地适应以将目标位置处(例如，由误差麦克风235检测)的残余噪声最小化。WB-ANC子系统110w和NB-ANC子系统110n中的每一个都可以以不同的方式进行优化。例如，一些方法独立地、串联或并联地优化WB-ANC子系统110w和NB-ANC子系统110n中的每一个。其他方法共同优化NB-ANC子系统110n和WB-ANC子系统110w。

可以使用模拟和/或数字电路实现各种ANC设计。在一些设计中，例如对于轻量级设备，有源电阻器和电容器(resistor and capacitor，RC)电路对于模拟ANC设计可能是有效的。但是，很难实时更改RC电路参数以适应变化的环境。此外，由于RC组件之间存在差异，即使设备声学属于同一类型，它们也可能因设备而异。这可能涉及在每个设备的不同RC电路中使用不同的元件值，这可能涉及大量的设计工作，并且在大规模生产中可能不切实际甚至无法克服。数字设计可以比模拟设计更灵活，因为现代算法的处理可以很容易地通过数字组件实现，例如数字信号处理器(digital signal processor，DSP)等。因此，许多高性能ANC设计旨在主要或专门使用数字电路来实现。具有有限脉冲响应(finite impulseresponse，FIR)滤波器的滤波最小均方(least mean squares，LMS)算法被广泛使用。

参考图1和图2讨论了常规混合ANC设计，其仅代表许多不同类型的混合ANC设计架构中的一部分。如上所述，混合ANC方法一般使用反馈滤波器来预测噪声，以消除低频和/或类似音调的噪声，并使用前馈滤波器从参考噪声中合成抗噪声以消除宽带或宽带噪声。模拟和数字电路都可以使用。多年来，具有先进算法的数字电路已成功用于许多ANC设计，但至少由于回放合成噪声路径(即，抗噪声路径，或次级路径)中的高延迟，降噪性能往往会受到限制。最近，快速数字处理电路已被用于近乎实时地调整滤波器系数。虽然这提高了性能，但由于与实时运行此类算法相关的高计算成本和功耗，ANC设计在充分利用复杂算法方面的能力仍然有限。许多改进的混合ANC设计在2020年5月31日提交的名称为“混合主动噪声控制系统”的美国专利第11189261号中进行了描述，该专利通过引用整体并入本申请。

虽然已知许多不同的ANC设计，但常规ANC设计并不旨在考虑在常规目标位置和佩戴者耳膜之间的外耳区域中的声学效应。如上所述，包括ANC特征的耳机通常可以包括朝内的组件，例如用于在目标位置至少输出合成抗噪声信号115的扬声器，以及用于在目标位置检测残余噪声信号135的麦克风。当个人佩戴此类耳机时，每个单独的耳机(即，右耳耳机和左耳耳机)被放置在或被部分地放置在相应的耳朵上，从而将朝内的组件定位在佩戴者外耳的特定位置。由于每只耳中朝内的组件的位置从该耳朵的耳膜中移除(耳机并非设计为接触耳膜)，因此在目标位置和每只耳朵的耳膜之间形成了额外的声学环境。每个这样的声学环境都有自己的频率响应，该频率响应取决于许多因素，包括“佩戴者”因素和“佩戴”因素。佩戴者因素可以包括，例如外耳相应区域的解剖结构和那些外耳结构的生理性能。佩戴因素可以包括，例如，耳机在外耳中的位置和方向、由于插入式耳机而导致的朝外和朝内环境之间的声学密封、耳机本身的声学特性等。如本申请所用，当耳机被佩戴者放入耳朵时，它被称为处于特定的“佩戴者/佩戴状态”，它对应于一组佩戴者和佩戴因素。因此，任何佩戴者/佩戴状态都将表现出特征频率响应，本申请称为“耳腔频率响应”，或ECFR。虽然常规ANC实现方式寻求将目标位置(其中耳机的朝内的组件位于佩戴者的外耳中)处的环境噪声的影响最小化，但常规实现方式并不旨在在降噪中考虑ECFR。

本申请描述的实施例提供了动态调整ANC特征的新方法，以利用ECFR补偿的环境降噪来优化音频传送。例如，物理入耳式传感器硬件可用于测试环境，以对大量ECFR模型的混合ANC滤波器参数进行预训练。每个预训练的ECFR模型都可以与一个标识符相关联。在使用过程中，用户自适应引擎可以使用混合ANC滤波器来持续和自适应地消除环境噪声，同时还可以持续迭代预训练的ECFR模型，以动态确定ANC滤波器参数的哪种组合可以将耳腔中的残余噪声最小化。一些实施例可以进一步调整滤波器参数，使其远离预训练的ECFR模型设置，以进行额外的优化。在一些这样的实施例中，那些进一步优化的参数可以被存储为额外的ECFR模型。

图3示出了根据本申请描述的各种实施例的用于具有耳腔频率响应(ear cavityfrequency response，ECFR)补偿的混合环境降噪的示例性ANC架构300的简化框图。示例性ANC架构300包括ANC 110。为了更清楚起见，ANC 110的细节基本上被示为图2的混合ANC实现方式，包括WB-ANC子系统110w和NB-ANC子系统110n。应当理解，虽然本申请在特定图示的混合ANC实现方式的上下文中描述了一些新特征，但那些相同的特征可以应用于任何合适的ANC设计，包括仅具有WB-ANC子系统110w、仅具有NB-ANC子系统110n等的ANC设计。

如上所述，常规ANC结构力求使得与听筒的误差麦克风235的位置相对应的目标位置处的环境噪声最小化。常规目标位置通常也是输出所需音频的主听筒扬声器的位置或非常接近主听筒扬声器的位置。例如，常规ANC旨在使用一个或多个参考信号(例如，参考噪声信号205w和/或反馈信号205n)以生成抗噪声信号115，其经由与ANC次级路径相对应的抗噪声路径120在与误差麦克风235大致相同的位置处输出。环境噪声通过常规主路径到达大致相同的位置，这可以被认为是到误差麦克风(main path to the error microphone，MPEM)的大致主路径。MPEM具有特定的频率响应，其导致环境噪声在常规目标位置处表现为入耳噪声信号125。抗噪声信号115和入耳噪声信号125之间的期望干扰导致对应于常规目标位置处的降噪误差的残余噪声信号135。

如图所示，收听环境可以被认为包括MPEM末端的常规目标位置和佩戴者耳膜之间的附加“第三”路径。例如，第三路径至少包括耳腔。在一个简单的表示中，个体在与耳膜相互作用时“听到”声信号，而并不是它们存在于外耳的其他部分(当然，更完整的表示包括通过骨传导和/或其他机制的音频传输，这在此基本忽略)。因此，在常规目标位置处的任何环境噪声(如由入耳噪声信号125所表示的)与在耳膜处(在第三路径的末端处)所经历的环境噪声不同。耳膜处环境噪声的表现被表示为耳膜噪声信号325。耳膜噪声信号325本质上是环境噪声穿过到耳膜的整个主路径(MPED)的结果，其包括MPEM和第三路径。实际上，在常规目标位置处检测到的任何环境噪声也受到第三路径的影响，因为环境噪声从耳腔周围和其他第三路径结构反射回常规目标位置。

常规ANC实现方式力求将残余噪声信号135最小化而不考虑整个MPED。例如，可以基于误差麦克风235检测残余噪声信号135并反馈残余噪声信号135以用于更新ANC滤波器组件，从而优化抗噪声信号115的合成来初始训练(例如，在实验室环境中等)常规ANC滤波器。然而，这种常规训练仅基于优化抗噪声信号115合成到抗噪声路径120和MPEM，这忽略了任何佩戴者/佩戴状态的第三路径效应。如上所述，当个人佩戴耳机的听筒时，佩戴者的特定特征(耳朵解剖学和生理学)和佩戴位置结合形成特定的佩戴者/佩戴状态。例如，每个人可以具有不同的耳朵形状、不同的耳腔几何形状等。此外，即使听筒在佩戴者耳中的位置和/或方向的微小变化也将旨在改变MPED的多个特性。例如，听筒移动到耳中较松的佩戴位置会导致密封和/或听筒方向的改变、误差麦克风235相对于耳膜的位置改变、耳朵解剖结构的形状和/或其他因素的轻微变化，可能会影响MPEM和第三路径的频率响应。因此，每个佩戴者/佩戴状态可以具有不同的相关频率响应特性。

当佩戴者佩戴配备有ANC 110的耳机设备时，ANC 110需要自适应地选择ANC参数和滤波器以针对特定佩戴者/佩戴状态实现最佳降噪性能。进一步希望确保适应时间非常短(例如，在几秒内)，以使用户感觉到降噪性能是平滑和舒适的。ANC 110需要在很短的时间内，例如几秒钟内，最佳地调整其滤波器参数。这可以涉及设计ANC滤波器的参数以快速适应整个主路径，包括本申请新颖的实施例中的整个MPED。此外，在耳机的佩戴和使用过程中(即，随着时间的推移)，佩戴位置会发生变化，这会改变整个声学路径和MPED的相应频率响应。例如，听筒可以变得更紧或更松地位于用户的耳中，用户可以更换耳塞头等。

本申请描述的新颖的实施例有假设训练阶段和操作阶段。在发布供消费者使用之前，训练阶段发生在实验室和/或其他受控环境中，操作阶段发生在终端消费者佩戴包括本申请所述特征的耳机时。在训练阶段，听筒的训练版本使用至少两个麦克风(或三个位置中的每一个处的一个或多个麦克风)来实现：误差麦克风235和耳膜麦克风340。在某些情况下，训练还包括参考麦克风105。耳膜麦克风340是放置在耳膜处的一个或多个物理麦克风，或其他音频传感器。如本申请所用，诸如“在耳膜处”等短语是指在一个接触，或接近耳膜的实际或有用的位置，这取决于使用的声学传感器的类型。听筒的训练版本由多个个人以一种或多种方式佩戴，以获取代表不同佩戴者/佩戴状态的数据。例如，多个佩戴者中的每一个可以以一种或多种方式佩戴一个或多个听筒(例如，或多或少地紧紧插入、具有不同的听筒头、以略微不同的方式定向等)。具有非常相似MPED的佩戴者将产生一个候选者，以减少频繁切换ANC滤波器。

以下描述假设使用三个麦克风。每个佩戴者/佩戴状态，从三个麦克风收集声学信息。例如，参考环境噪声信号由所有三个麦克风记录，而没有任何ANC功能处于活动状态(例如，在某些情况下，听筒的训练版本甚至可能不包括与生产版本相同的ANC特征)。因此，参考麦克风105接收“原始”环境噪声信号(或直接输入参考噪声信号而不使用参考麦克风105)，误差麦克风235接收受MPEM影响的第一版本的环境噪声，并且耳膜麦克风340接收受MPED影响的第二版本的环境噪声。相同环境信号版本之间的差异可用于建模(例如，计算传递函数表示)MPEM和MPED的声程效应，其可进一步用于隔离第三路径的声程效应。至少基于计算的模型，可以设计滤波器(例如，可以设置滤波器系数)来表示相应的MPEM(其基本上可以对应于，或可以用于导出相应的抗噪声路径120)和每个佩戴者/佩戴状态的相应的MPED。例如，训练阶段生成K个预训练的ANC模型425，每个具有K个预训练的ANP模型中的相应一个，以及K个预训练的MPED模型中的相应一个。K可以是任何合适的整数，例如50。

在操作阶段，消费者佩戴听筒的消费者版本(在特定佩戴者/佩戴状态下)，并且ANC功能可操作。环境噪声的第一表现(入耳噪声信号125)和合成抗噪声信号115的第一表现都存在于常规目标位置，它们组合(例如，建模为求和节点130)以生成残余噪声信号135。入耳噪声信号125本质上是环境噪声，因为它已经穿过MPEM，并且抗噪声信号115的表现本质上是抗噪声信号115，因为它已经穿过抗噪声路径120。同时，在耳膜处，存在环境噪声的第二表现(耳膜噪声信号325)和合成抗噪声信号115的第二表现，它们组合(例如，建模为求和节点330)以生成耳膜残余信号335。耳膜噪声信号325本质上是环境噪声，因为它已经穿过MPED(即，MPEM加上第三路径)，并且抗噪声信号115的第二表现本质上是抗噪声信号115，因为它已经穿过抗噪声路径120和耳腔噪声路径(ear cavity noise path，ECNP)320。如上所述，在任何佩戴者/佩戴状态下，误差麦克风235实际上位于佩戴者的外耳内，基本上位于ECNP 320的开始处(ECNP 320的结束处是耳膜)。因此，当抗噪声信号115和入耳噪声信号125在常规目标位置组合时(当听筒被佩戴者佩戴时)，所得残余噪声信号135穿过ECNP 320并与ECNP 320相互作用，使得由误差麦克风235接收的信号实际上是受ECNP 320影响的残余噪声信号135。然而，常规ANC实现方式没有预训练以区分MPEM效应和MPED效应，这可能会破坏常规ANC实现方式针对不同佩戴者/佩戴状态优化消除噪声的能力。

如果听筒提供了良好的声学密封，则第三路径(tertiary path，TYSP)和ECNP 320的频率响应应该基本相同。因此，在特定佩戴者/佩戴状态下，通常可以假设耳膜残余信号335和残余噪声信号135之间的差异基于与耳膜噪声信号325和内部噪声信号125之间的差异相同的声学路径效应。例如，假设听筒当前在特定佩戴者/佩戴状态下佩戴(即，处于操作阶段)，并且该佩戴者/佩戴状态与在训练阶段预训练的第k个佩戴者/佩戴状态相同。在第k个佩戴者/佩戴状态下，由误差麦克风235测量的当前残余噪声信号135和当前耳膜残余信号335(不能在操作阶段配置中直接测量)之间的任何差异应由第k个预训练的ANC模型425k精确描述。

例如，如参考图2所描述的，入耳噪声信号125可以被估计为：n＝e+SPi*y，其中“SPi”是SP的预先计算的脉冲响应，如由ANPi滤波器220所实现的。因此，耳膜噪声信号325(ned)可以表示为：ned＝ECNP*n，其中“ECNP”是ECNP 320的数学表示。同样如参考图2所描述的，参考输入205w(“x”)可以被描述为：x＝SPi*xw，其中“xw”是参考麦克风105接收的参考噪声信号205w。因此，WB-ANC子系统110w自适应滤波算法参考信号(xed)可以被描述为：xed＝TYSP*x。WB-ANC子系统110w(eed)后耳膜区域的残余噪声可以被描述为：eed＝ned-WB*xed，其中“WB”为WB-ANC子系统110w自适应滤波系数。WB可以根据以下公式更新：WB＝WB+mu*eed*x，其中“mu”是自适应系数，其可以是取决于使用何种自适应滤波算法的变量。

实施例可以在WB-ANC子系统110w之后实现NB-ANC子系统110n，并且NB-ANC子系统110n的滤波器可以根据自适应算法自适应地更新。例如，WB-ANC子系统110w是一个滤波器，被设计成在不使用NB-ANC子系统110n的情况下将耳膜处的残余噪声(即，耳膜残余信号335)最小化，并且其中参考噪声信号205w是自适应滤波器参考。NB-ANC子系统110n是被设计为将耳膜处的残余噪声最小化(即，耳膜残余信号335)的滤波器，并且其中其自适应滤波器参考和要被最小化的噪声均基于使用WB-ANC子系统110w后耳膜处的残余噪声。因此，这种自适应算法独立地执行了两次最小化：WB-ANC子系统110w衰减较大的带宽噪声，以及NB-ANC子系统110n在WB-ANC子系统110w之后进一步降低了低频范围附近的噪声。WB-ANC子系统110w被过滤以考虑抗噪声路径120和ECNP 320之后的残余噪声可以被描述为：xned＝SPi*TYSP*eed。xned的公式可以作为NB-ANC子系统110n自适应的参考。这样，来自NB-ANC子系统110n的输出信号、NB抗噪声成分215n可以被描述为：yned＝NB*xned。因此，在实现WB-ANC子系统110w和NB-ANC子系统110n之后的残余噪声是eedn＝eed-yned。NB-ANC子系统110n的自适应滤波器可以用如下自适应滤波算法更新：NB＝NB+mu*eedn*xned。

如上所述，训练生成K个预训练的ANC模型425，每个对应于特定的佩戴者/佩戴状态。K个预训练的ANC模型425中的任何一个可以通过基于由预训练的ANC模型425定义的参数调整滤波器(例如，滤波器系数、滤波器选择等)来“应用”到ANC 110。例如，预训练的ANC模型425中的每一个都可以对应于设置为实现预训练的ANC模型425的相应的ANC滤波器(例如，一组滤波器系数和/或其他参数)，并且应用预训练的ANC模型425可以涉及用对应于预训练的ANC模型425的ANC滤波器有效地替换当前ANC滤波器。即使误差麦克风235位于相同的常规目标位置，将任何第k个预训练的ANC模型425k应用于ANC 110导致ANC 110处理误差麦克风235(例如，响应来自误差麦克风235的反馈)，就好像误差麦克风235位于对应第k个佩戴者/佩戴状态下的耳膜上一样。因此，通过将第k个预训练的ANC模型425k应用于ANC110，自适应降噪由ANC 110以考虑相应第k个佩戴者/佩戴状态的整个MPED(例如，包括第三路径、ECNP 320等)的声路径效应的方式执行。

图4示出了根据本申请描述的各种实施例的示例性经ECFR训练的ANC架构400的简化框图。类似于图1-3中描述的ANC架构，经ECFR训练的ANC架构400可以包括设置在参考麦克风105和误差麦克风235之间的ANC 110。一般而言，ANC 110基于一个或多个参考信号(例如，基于由参考麦克风105记录的参考噪声信号和由误差麦克风235记录的残余噪声信号135生成的反馈参考信号)生成并输出抗噪声信号115。参考麦克风105接收耳外显示的环境噪声版本(例如，参考输入205w)，误差麦克风235接收穿过主路径后相同环境噪声(耳内噪声信号125)的另一版本。如上所述，在没有任何基于ECFR的预训练的情况下，ANC 110无法区分来自MPEM的主路径效应和来自MPED的主路径效应，因此ANC 110无法补偿不同的佩戴者/佩戴状态。

如图所示，经ECFR训练的ANC架构400包括用户自适应引擎410和经ECFR训练的ANC模型存储420。经ECFR训练的ANC模型存储420是其上存储有K个预训练的ANC模型425的任何合适的数据存储。如上所述，K个预训练的ANC模型425中的每一个对应于特定的佩戴者/佩戴状态。在消费者使用期间，用户自适应引擎410用于从经ECFR训练的ANC模型存储425中快速确定和选择预训练的ANC模型425之一与相对应于当前佩戴者/佩戴状态最为接近。然后，用户自适应引擎410的实施例可以将所选的预训练的ANC模型425应用(或直接应用)到ANC110。用户自适应引擎410的确定和选择可以基于参考输入205w、抗噪声信号115和残余噪声信号135。在将确定的预训练的ANC模型425应用到ANC 110之后，可以允许ANC110执行自适应降噪，并且这种自适应降噪将自动考虑整个MPED，而不仅仅是MPEM。

根据ANC 110架构和/或其他因素，可以训练预训练的ANC模型420以提供不同类型的滤波器配置。例如，对于仅包括误差麦克风235的ANC 110(即，没有参考麦克风105，例如对于基于反馈的ANC架构)，每个预训练的ANC模型420可以包括表示次级路径模型的滤波器配置和表示NB-ANC子系统110n模型的滤波器配置。对于既包括参考麦克风105又包括误差麦克风235的ANC 110(例如，混合ANC架构)，每个预训练的ANC模型420可以包括表示次级路径模型的滤波器配置、表示NB-ANC子系统110n模型的滤波器配置，以及表示WB-ANC子系统110w模型的滤波器配置。代表NB-ANC子系统110n模型和/或WB-ANC子系统110w模型的滤波器配置在本申请中通常被视为MPED模型。

图5示出了根据各种实施例的用户自适应引擎500的示例性实现。与图4的用户自适应引擎410类似，图5的用户自适应引擎500将参考麦克风105记录的参考输入205w、ANC110输出的抗噪声信号115以及误差麦克风235记录的残余噪声信号135作为输入。在一些实现方式中，如图所示，这些输入信号中的每一个都可以通过相应的下采样器510。例如，参考输入205w(表示参考环境噪声)的下采样版本被示为“x(n)”；抗噪声信号115(代表ANC 110的输出)的下采样版本被示为“y(n)”；并且残余噪声信号135(表示降噪误差)的下采样版本被示为“e(n)”。例如，ANC 110可以在768千赫兹下运行，而下采样器510可以将每个信号转换为8千赫兹信号、4千赫兹信号等。

用户自适应引擎500的实施例可以尝试K个预训练的ANC模型425中的每一个，以确定哪个预训练的ANC模型425最接近代表当前佩戴者/佩戴状态。在一些实施例中，K个预训练的ANC模型425中的每一个被迭代地(例如，顺序地)尝试，一次一个。在其他实施例中，用户自适应引擎500的多个实例用于并行处理流水线，使得在每次迭代中并行地尝试K个预训练的ANC模型425中的多个。在一些这样的实施例中，用户自适应引擎500的K个并行实例用于同时尝试所有K个预训练的ANC模型425。如上所述，每第k个预训练的ANC模型425k可以包括第k个MPED模型530k，其定义了第k个佩戴者/佩戴状态的MPED的滤波器、传递函数等，以及第k个ANP模型520k，其定义了第k个佩戴者/佩戴状态的ANP(或MPEM)的滤波器、传递函数等。这样，图4的经ECFR训练的ANC模型存储425可被视为包括其上存储有K个MPED候选模型的MPED模型存储535和其上存储有K个ANP候选模型的ANP模型存储525。

在每第k次试验中，用户自适应引擎500寻求估计当前佩戴者/佩戴状态下的实际主路径噪声(即，目标位置处环境噪声的实际表现，包括跨实际MPED的声学效应)；如果环境噪声正在穿过对应于第k个预训练的ANC模型425k的建模MPED，则估计代表主路径噪声的候选噪声；并且确定候选残余噪声r(n)，作为估计的实际主路径噪声和估计的候选噪声之间的差。当前佩戴者/佩戴状态的实际MPED越接近特定预训练的ANC模型425的建模MPED，r(n)将越小。这样，用户自适应引擎500可以选择生成最小r(n)的预训练的ANC模型425。在一些实施例中，在滤波器选择之前，可以将噪声信号均衡为若干预配置的“典型”噪声类型之一。这有助于考虑从一个位置到另一个位置的环境噪声的巨大差异。

用户自适应引擎500的实施例可以通过从残余噪声信号135中基本上去除抗噪声信号115来估计当前佩戴者/佩戴状态下的实际主路径噪声。例如，如果没有ANC 110，则将没有抗噪声信号115，并且误差麦克风235将记录目标位置处的实际噪声(即，入耳噪声信号125)。然而，由于ANC 110正在输出抗噪声信号115，因此误差麦克风235记录残余噪声信号135，其是目标位置处的噪声和抗噪声信号115的组合。此外，作为在目标位置处输出的抗噪声信号115实际上是穿过抗噪声路径120之后的抗噪声信号115的一个版本。因此，为了在第k次试验中获得目标位置处实际噪声的估计值，抗噪声信号115(或下采样版本，y(n))被传递到第k个ANP模型520k以生成抗噪声信号115的路径补偿估计，作为目标位置处的输出。在求和节点540(例如，实现为加法器、减法器或以任何合适的方式)，从剩余噪声信号135(或降采样版本，e(n))中减去抗噪声信号115的路径补偿估计，以有效地留下实际噪声d(n)的估计。例如，d(n)可以被描述为e(n)-y(n)*S(k)，其中S(k)是第k个ANP模型520k的函数表示。

为了估计候选噪声，实施例可以将参考输入205w(或下采样版本，x(n))传递到第k个MPED模型530k，从而将环境噪声(如参考输入205w表示)转换为基于穿过与第k个预训练的ANC模型425k相对应的佩戴者/佩戴状态的整个MPED的建模声路效应的估计的耳膜噪声信号。例如，第k个MPED模型530k的输出是x(n)*W(k)，其中W(k)是第k个MPED模型530k的函数表示。在求和节点550(例如，实现为加法器、减法器或以任何合适的方式)，实施例将第k个MPED模型530k的输出与实际噪声估计d(n)组合以生成候选残余噪声，r(n)。

一些实施例根据算法估计实际噪声(d)和候选残余噪声(r)，例如以下：

K次试验(例如，串行、部分并行或完全并行地执行)可能导致生成Kr(n)信号。Kr(n)个信号中的每一个与索引(例如，K)相关联，该索引对应于K个预训练的ANC模型425中的哪一个生成该r(n)。用户自适应引擎500的实施例包括索引选择器560，以输出所选索引565，其基于确定K个预训练的ANC模型425中的哪一个生成最小r(n)，指示所选K个预训练的ANC模型425中的一个的索引，以应用于ANC 110。最小的r(n)可以通过确定Kr(n)个信号中的哪一个表示最小的最小均方误差来确定。如上所述，所选的索引565对应于具有最接近匹配当前佩戴者/佩戴状态的MPED的建模MPED的任何预训练的ANC模型425。通过将所选预训练的ANC模型425(对应于所选索引565)应用到ANC 110，如图4所示，ANC 110可以在低频范围的降噪深度和降噪频率的宽度上实现改进的性能。

用户自适应引擎500可以以任何合适的方式将所选预训练的ANC模型425应用，或直接应用到ANC 110。在一些实现方式中，用户自适应引擎500将一个或多个控制信号发送到ANC 110(例如，发送到WB-ANC子系统110w和/或NB-ANC子系统110n)以调整ANC滤波器系数和/或以其他方式配置基于所选预训练的ANC模型425的ANC滤波器。在其他实现方式中，用户自适应引擎500向ANC 110发送一个或多个控制信号以指示所选索引565，并且ANC 110相应地将所选索引565映射到一组存储的滤波器系数和/或其他滤波器配置。例如，ANC 110包括将K个索引中的每一个映射到K组ANC滤波器配置参数中的对应一个的查找表。

用户自适应引擎500的上述特征通常可以称为“滤波器选择”。在一些实施例中，用户自适应引擎500执行滤波器选择作为初始设置的一部分。例如，佩戴者将一个或两个听筒插入他们的耳朵并开始播放所需音频。就在开始回放所需音频之前或之后，用户自适应引擎500可以执行索引选择以找到ANC110的最佳初始ANC滤波器设置。然后，ANC 110可以动态地适应环境噪声的变化。在一些实施例中，用户自适应引擎500响应于来自用户的明确请求来执行滤波器选择。例如，用户按下耳机上的按钮，触发滤波器选择。

在一些实施例中，用户自适应引擎500在耳机的整个使用过程中，例如连续地或周期性地连续执行滤波器选择。使用下采样器510可以显著减少执行滤波器选择所需的功率、时间、计算资源和/或其他资源的量，使得实施例可以连续地重新执行滤波器选择，而不会给耳机系统带来明显的负担。在使用过程中，佩戴者可以有意识地调整听筒在耳中的位置(或关闭耳塞头等)，或者听筒在耳中的位置可能会无意中移动(例如，在使用过程中变得松动等)。通过连续地重新执行滤波器选择，用户自适应引擎500可以继续确保作为ANC 110滤波器配置的基础的预训练的ANC模型425中的任何一个在佩戴者/佩戴状态改变时仍然是最优的。

在一些这样的实施例中，每当滤波器选择确定当前所选索引565不是最优的时，新所选索引565被应用到ANC 110。例如，R(k)表示特定索引(k)的候选残余噪声，D(k)表示相同索引(k)的实际噪声估计。用户自适应引擎500的滤波器选择寻求将残余误差率i(k)最小化，其中，i(k)＝R(k)/D(k)。假设当前所选索引565是‘p’，并且每次重新执行的试验中的索引是‘n’；使得当前残余误差率为i(p)＝R(p)/D(p)，每个新尝试的残余误差率为i(n)＝R(n)/D(n)。一些实施例可以在i(n)小于i(p)时选择新尝试的索引n。例如，较低的残余误差率表明，与当前ANC滤波器配置所表示的MPED相比，与新尝试的索引相对应的预训练的ANC模型425更接近当前佩戴者/佩戴状态的实际MPED。每当i(n)比i(p)小至少预定阈值时，其他实施例可以选择新尝试的索引n。作为一个示例，假设ANC 110目前根据具有索引‘5’的预训练的ANC模型425进行配置，并且重新执行索引选择导致具有索引‘10’的预训练的ANC模型425现在表现出更优的候选残余噪声。实施例可以确定将所选索引565从‘5’切换到‘10’并且可以相应地更新ANC 110。

在一些实现方式中，可以突然执行更新索引。在以上示例中，与选定索引565‘5’相关联的ANC 110滤波器配置突然被与选定索引565‘10’相关联的ANC 110滤波器配置替换。在其他实现方式中，可以以渐进和/或平滑的方式来执行更新索引。图6示出了基于响应于用户自适应引擎500的滤波器选择而更新所选索引565，从一个ANC滤波器配置切换到另一个ANC滤波器配置的示例操作框图600。如上所述，滤波器系数集(例如，通常旨在包括任何合适的滤波器配置参数)由预训练的ANC模型425定义，并且每个预训练的ANC模型425与索引相关联。图6的上下文假设先前的滤波器选择是由用户自适应引擎500执行的，从而生成与预训练的ANC模型425中的所选一个相对应的当前(旧)所选索引565。在滤波器选择的任何改变之前，至少根据由“旧”选定索引565定义的滤波器系数集来设置ANC 110滤波器配置。上下文进一步假设用户自适应引擎500现在已经执行了后续滤波器选择，从而生成了对应于新选择的预训练的ANC模型425之一的新选择的索引565，并且期望根据新选择的预训练的ANC模型425对ANC 110滤波器配置进行更新。

如图所示，散度估计器块可以基于来自误差麦克风235(例如，残余噪声信号135)和参考麦克风105(例如，参考输入205w)的输入来生成散度标志(div_flag)615。如图所示，输入之一可以是“泄漏指示符”，其可以是误差麦克风235和参考麦克风105输入之间的比率。例如，当残余噪声信号135增加到阈值水平(err_th)使得泄漏指示符高于不同的阈值水平(li_th)时，可以断言div_flag 615(例如，设置为“1”，设置为HIGH等)，表明由ANC 110执行的噪声校正正趋于发散。当残余噪声信号135下降到低于err_th使得泄漏指示符低于li_th时，div_flag 615可以被取消断言(例如，设置为“0”、设置为LOW等)，指示ANC 110正在执行的噪声校正趋于稳定。

旧滤波器系数释放器块620可以获取当前(旧)ANC滤波器系数(由当前预训练的ANC模型425p定义)、新ANC滤波器系数(由新预训练的ANC模型425n定义)、发散标志615，以及作为输入的释放时间。旧滤波器系数释放器块620可以根据从散度估计器块610接收的散度标志615的状态而不同地操作。如果没有散度，实施例可以替换旧ANC滤波器配置中的极点和零点，只要新ANC滤波器配置的极点和零点接近旧ANC滤波器配置的极点和零点。旧ANC滤波器配置的其他极点和零点可以用零点替换。在替换之后，ANC 110可以保持该状态直到度过释放时间。如果存在发散，则实施例可以用零点替换旧ANC滤波器配置中的所有极点和零点。在替换之后，ANC 110可以保持该状态直到释放时间过去。

例如，一旦散度估计器块610检测到散度，就释放当前ANC滤波器系数，并且冻结自适应以防止散度啸叫。理想情况下，ANC滤波器状态可以设置为零，特别是在使用无限脉冲响应(infinite impulse response，IIR)滤波器时，因为零输入响应可能会持续存在。如果滤波器状态不可访问，则ANC 110可以等到零输入响应衰减。当噪声泵衰减以致泄漏指示符小于阈值时，ANC自适应可以启动或重新启动。当滤波器选择完成并且存在新的选定索引565时，可以用对应于新选定索引565的新滤波器配置来更新ANC 110。当不确定ANC 110的状态是否被释放用于新ANC滤波器配置时，ANC 110的输入可以逐渐增加到正常水平。由ANC滤波器切换导致的发散通常是NB-ANC子系统110n的产物，其基于反馈进行滤波并主要在低频上执行降噪。NB-ANC子系统110的实施例可以设计成使得滤波器是高性能低通滤波器，其在噪声没有衰减的任何频率区域中具有阻带。

新滤波器加法器和平滑器块630可以将新ANC滤波器系数和平滑时间作为输入。在一种实现方式中，新滤波器加法器和平滑器块630可以将新系数写入ANC滤波器位置，在平滑时间内逐渐将ANC输入信号电平增加到正常电平。在另一实现方式中，新滤波器加法器和平滑器块630将释放周期保持在平滑时间，在此之后新滤波器系数对ANC 110可用。在另一个实现方式中，新滤波器加法器和平滑器块630在平滑时间内逐渐将ANC滤波器系数放大到指定值。

上述方法通常获得和利用预训练的ANC模型420，包括使用经下采样的滤波器选择，以降低ANC 110的滤波器自适应的成本和复杂性。其他方法可以使用一些类似的技术。一种成本更高的替代方法是直接训练ANC 110。如本申请所述，当针对与当前佩戴者/佩戴状态基本匹配的佩戴者/佩戴状态训练ANC滤波器配置时，降噪性能可以是最佳的。如果不是，则可以选择ANC滤波器配置作为相对于其他候选配置的初始最佳选项，并且可以应用实时运行的自适应滤波来进一步提高ANC 110的性能。方法可以将所有ANC 110参数和滤波器应用于ANC 110输入数据，而不使用预训练的ANC模型420，同时禁用ANC 110。例如，如果有K个潜在的滤波器配置，则可以在ANC 110中尝试每种配置以生成K个相对应的残余噪声信号，并且可以比较各种残余噪声信号以找到提供最佳ANC 110性能的配置。如上所述，可以基于诸如优化低频附近的降噪深度、降噪频率的宽度和总降噪等因素来评估性能。使用这种方法，有可能将禁用ANC进行滤波器选择的时间减至最少，以限制对佩戴者舒适度和收听体验的影响。由于正在以全速率(即，以ANC 110的第一采样率)尝试不同的滤波器配置，因此尝试大量不同的候选配置可能代价高昂(即，可能需要可观的功率、计算和/或时间资源)。

另一种替代方法是在佩戴者佩戴设备时训练ANC 110。使用这种方法，有可能需要确保训练时间非常短，例如1或2秒。通过这种方法，为了训练次级路径脉冲响应(例如，ANPi220)，可以禁用ANC 110抗噪声信号115输出。相反，ANC 110可以在指定的第一训练时间窗口(例如，大约1秒)内传输一段音乐、粉红色噪声或其他信号。特定的数据段也可用于训练滤波器系数以表示次级路径模型(例如，类似于ANP模型520)。为了训练ANC滤波器脉冲响应(例如，WB和/或NB滤波器，类似于MPED模型530)，可以使用误差麦克风235和/或参考麦克风105以在第二个训练时间窗口(例如，大约1秒)内捕捉环境噪声，而禁用ANC 110抗噪声信号115输出。

一些这样的方法可以在弯折频率中训练ANC 110。频率弯折被设计成具有较高的分辨率的低频分量，而高频分量具有较低的分辨率。通过这种方式，几个频率窗口就足以生成ANC滤波器。例如，可以实时计算具有所选频率窗口的每个数据块(例如，4ms)的频率响应。在计算频率响应时可以应用时域窗口以减少响应变化。这种基于块的计算可能倾向于将计算负担分布在块上。

其他这样的方法可以在时域中直接训练ANC 110。可以对获得的时域数据进行下采样并输入到自适应算法中。对于每条数据，重复应用自适应算法，保证自适应滤波的时序正常。可以获得非常好的低采样频率有限脉冲响应ANC滤波器。ANC 110可以包括将ANC 110从低采样频率转换为高采样频率的算法模块，并且还具有将FIR滤波器转换为IIR滤波器的算法模块。这样的方法可以生成在频域上比较平滑且可靠的滤波器，因为自适应滤波算法可以在合适的条件下减少输入信号中的干扰分量。

其他此类方法可以通过将输入数据转换为频率弯折的时域数据来训练ANC 110。使用这种方法生成的数据量可以小得多，并且弯折频率FIR ANC长度可以非常短。这些方法与其他方法相同类型的自适应算法兼容。ANC 110可以具有用于将ANC 110从弯折频率转换为高采样频率的算法模块，并且还具有将弯折频率FIR转换为IIR的算法模块。

图7示出了根据本申请描述的各种实施例的基于耳腔频率响应的ANC模型预训练的示例性方法700的流程图。如本申请所述，可以使用耳机听筒的训练配置在实验室环境中执行一些预训练，该耳机听筒包括物理耳膜麦克风，该物理耳膜麦克风用于被定位在佩戴该设备的个人的耳膜处(或外耳和耳膜的人造模拟物)。方法700的实施例开始于阶段704，将设备的训练配置定位在佩戴者/佩戴状态中。假设将针对K(例如，50)个佩戴者/佩戴状态执行方法700，使得方法700的阶段表示对应于第k个佩戴者/佩戴状态的方法的第k次执行。

在阶段708，当设备定位在第k个佩戴者/佩戴状态时，可以训练ANC滤波器以补偿整个MPED(即，由第k个佩戴者/佩戴状态生成的第k个MPED)。这种训练可以涉及训练抗噪声路径滤波器，以及训练反馈(窄带)ANC滤波器和/或前馈(宽带)ANC滤波器。在阶段712，实施例可以使用受训的ANP滤波器来生成第k个ANP滤波器模型。在阶段716，实施例可以使用受训的反馈和/或前馈ANC滤波器模型来生成第k个MPED滤波器模型。在阶段720，将第k个ANP滤波器模型和第k个MPED滤波器模型与第k个佩戴者/佩戴状态相关联地存储(例如，使用索引)。例如，在后续生产使用过程中，由K个预训练的ANC模型(包括其第K个ANP滤波器模型和其第K个MPED滤波器模型)中的相应一个定义的任何特定ANC滤波器配置可以通过其索引来识别，并应用于设置耳机听筒的ANC系统的滤波器配置。

图8示出了根据本申请描述的各种实施例的一种用于在通向耳膜的整个主路径(MPED)上具有路径补偿的耳腔频率响应(EFCR)自适应降噪(ANC)的示例性方法800的流程图。方法800的实施例在用户佩戴耳机听筒时操作以显示相对于用户的外耳的当前佩戴者/佩戴状态。例如，用户已经将耳机听筒放在他或她的至少一只耳中，并且用户当前可能正在播放或可能没在播放所需音频。实施例通过接收一组输入信号在阶段804开始。一个输入信号是参考噪声信号(例如，参考输入205w)，其代表耳机听筒朝外侧的环境噪声。另一个输入信号是耳机听筒的ANC系统生成的抗噪声信号(例如，抗噪声信号115)，该系统使用当前ANC滤波器配置来消除与环境噪声相对应的入耳噪声信号，该环境噪声是由于MPED的声路效应而在耳机听筒朝内侧的目标位置处表现出来的。另一个输入信号是表示抗噪声信号和入耳噪声信号的组合的残余噪声信号(例如，残余噪声信号135)。在一些实施例中，残余噪声信号由设置在耳机听筒的朝内侧的误差麦克风接收。在一些实施例中，参考噪声信号由设置在耳机听筒的朝外侧的参考麦克风接收。

方法800的实施例在阶段808-816继续滤波器选择。可以在对应于K个预训练的ANC模型的K个试验上执行滤波器选择，其中K是大于1的正整数。通常，K远大于1，例如其中K为50、100、1000等。在一些实现方式中，阶段808-816顺序执行K次，针对K个预训练的ANC模型中的每一个执行一次。在其他实现方式中，阶段808-816在所有K个预训练的ANC模型上并行执行，使得阶段808-816的单次迭代包括阶段808-816的K个并发执行。在其他实现方式中，阶段808-816的每次迭代在多个但不是全部的预训练的ANC模型上并行执行，使得执行多于1次且少于K次的迭代。

每第K个预训练的ANC模型包括第K个抗噪声路径(ANP)滤波器模型和之前在第K个受训的佩戴者/佩戴状态下受训的第k个MPED滤波器模型。如本申请所述，ANC系统的一些实施例包括反馈ANC滤波器子系统，该反馈ANC滤波器子系统通过基于一组NB滤波器系数转换反馈参考信号来生成对所述抗噪声信号的窄带(narrow-band，NB)成分。反馈参考信号是从基本位于目标位置的耳机听筒的误差麦克风检测到的残余噪声信号生成的。在这样的实施例中，每第k个MPED滤波器模型包括定义第k组用于配置一组NB滤波器系数的值的第k个反馈ANC滤波器模型。ANC系统的其他实施例还包括前馈ANC滤波器子系统，该前馈ANC滤波器子系统通过基于一组WB滤波器系数转换参考噪声信号来生成对抗噪声信号的宽带(wide-band，WB)成分。在这样的实施例中，每第k个MPED滤波器模型还包括定义第k组用于配置所述一组WB滤波器系数的值的第k个前馈ANC滤波器模型。例如，在混合ANC架构的上下文中，K个预训练的ANC模型中的每一个都可以定义ANP滤波器模型和MPED滤波器模型，其中包括反馈ANC滤波器模型和前馈ANC滤波器模型。

如本申请所述，K个预训练的ANC模型中的每一个是基于在K个训练佩戴者/佩戴状态中的每一个中使用耳机听筒的训练配置来预训练的。在方法800的操作环境中，用户佩戴不包括耳膜麦克风的耳机听筒的生产配置(例如，它通常包括误差麦克风，并且它还可以包括参考麦克风)。相反，耳机听筒的训练配置包括在目标位置处的误差麦克风和用于在每第k个受训佩戴者/佩戴状态下定位在训练佩戴者的耳膜处的耳膜麦克风。在某些情况下，训练佩戴者包括一个或多个人类用户，耳机听筒的训练配置放置在一个或多个人类用户的外耳中以显示每个训练佩戴者/佩戴状态。在其他情况下，训练佩戴者是外耳的真实模拟物，其密切模仿一个或多个实际人类用户的外耳解剖学和生理学(包括耳膜的解剖学和生理学)。

由于耳机听筒的训练配置包括误差麦克风和耳膜麦克风，因此每第k个MPED滤波器模型是基于误差麦克风在目标位置处和耳膜麦克风在耳膜处的相同参考噪声表现的直接并发测量而受训的。例如，在每个第k个受训佩戴者/佩戴状态下，误差麦克风定位于相应的训练佩戴者外耳的相应的训练目标位置，而耳膜麦克风定位于相应的训练佩戴者的耳膜中。这可以在相应的训练目标位置和相应的训练佩戴者的耳膜之间定义第k个耳腔噪声路径，这样，每第k个MPED滤波器模型都经过训练，以补偿第k个耳腔噪声路径的ECFR效应。

在阶段808，实施例可以利用第k个ANP滤波器模型计算第k个估计的实际噪声信号以将抗噪声信号转换为路径补偿的抗噪声信号，并且实施例可以从残余噪声信号中去除路径补偿的抗噪声信号。在阶段812，实施例可以利用第k个MPED滤波器模型计算第k个估计的耳膜噪声信号以转换参考噪声信号。在阶段816，实施例可以计算第k个估计的实际噪声信号和第k个估计的耳膜噪声信号之间的第k个候选残余噪声。

耳机听筒的ANC系统以第一采样率工作。在一些实施例中，方法800还包括在执行滤波器选择之前在阶段806对输入信号进行下采样。特别地，这样的实施例包括将参考噪声信号从ANC系统的第一采样率下采样到第二采样率，以生成经下采样的参考噪声信号；将抗噪信号从第一采样率下采样到第二采样率，以生成经下采样的抗噪信号；以及将残余噪声信号从第一采样率下采样到第二采样率，以生成经下采样的残余噪声信号。第二采样率远小于第一采样率，比如小于第一采样率的百分之五。例如，第一采样率在800千赫左右，第二个采样率在8千赫左右(约1％)，甚至4千赫(约0.5％)。在这些实施例中，每第k个ANP滤波器模型和每第k个MPED滤波器模型以第二采样率运行。可以利用第k个ANP滤波器模型计算第k个估计的实际噪声信号以将经下采样的抗噪声信号转换为路径补偿的抗噪声信号，并可以从经下采样的残余噪声信号中去除路径补偿的抗噪声信号。可以利用第k个MPED滤波器模型计算第k个估计的耳膜噪声信号以转换经下采样的参考噪声信号。

在阶段820，实施例可以选择预训练的ANC模型之一作为生成最低第k个候选残余噪声。在阶段824，实施例可以引导耳机听筒的ANC系统以基于所选的预训练的ANC模型之一的新ANC滤波器配置来替换当前ANC滤波器配置。在一些实施例中，在阶段818，方法800可以基于当前候选残余噪声与当前估计的实际噪声信号的比率计算当前残余误差比率，当前候选残余噪声和当前估计的实际噪声信号与当前ANC滤波器配置相关联。在这些实施例中，在阶段820的选择可以包括，对于每第k个预训练的ANC模比，基于第k个候选残余噪声与第k个估计的实际噪声信号的比率计算第k个残余误差比率，并选择预训练的ANC模型之一作为生成最低残余比率的模型。此外，在这样的实施例中，可以响应于检测到最低残余误差比率小于当前残余误差比率来执行阶段824的引导。在一些这样的实施例中，可以响应于检测到最低残余误差比率小于当前残余误差比率至少预定阈值的量而执行阶段824的检测。

在一些实施例中，在阶段824的引导包括在预定的释放时间内对ANC系统进行冻结自适应；在释放时间过去之前，释放由当前ANC滤波器配置定义的当前滤波器系数；以及在释放时间过去后，将新滤波器系数写入由新ANC滤波器配置定义的ANC系统，并在预定平滑时间内根据新ANC滤波器配置逐渐解冻ANC系统的自适应。在一些这样的实施例中，可以通过在平滑时间内逐渐将ANC输入信号电平增加到正常电平(正常电平是冻结之前的ANC输入信号电平)来执行逐渐解冻自适应，或者通过在平滑时间内逐渐从经释放的滤波器系数值缩放到由新滤波器系数定义的值来执行。在一些这样的实施例中，释放当前滤波器系数可以包括通过确定残余噪声信号当前是否超过预定误差阈值水平，以及泄漏指示符当前是否超过预定泄漏阈值水平来确定是否存在发散条件，泄漏指示符是残余噪声信号与参考噪声之间的比率信号。如果存在发散条件，则这些实施例可以由当前ANC滤波器配置定义的旧极点/零点替换为全零点。如果不存在发散条件，那么对于每个旧极点/零点，这样的实施例可以：如果旧极点/零点在对应的新极点/零点之一的预定阈值距离内，则用新ANC滤波器配置定义的相对应的新极点/零点中之一来替换旧极点/零点；以及如果旧极点/零点不在相对应的新极点/零点之一的预定阈值距离内，则用零点替换旧极点/零点。

本申请所公开的实施例的范围不受本申请所描述的具体实施例的限制。根据前述描述和附图，除了本申请所描述的，对本发明实施例的各种修改对本领域普通技术人员是显而易见的。此外，虽然本发明的一些实施例已经在特定环境中用于特定目的的特定实施的上下文中进行了描述，但是本领域普通技术人员将认识到其用途不限于此，并且本发明的实施例可以在任何数量的环境中出于任何数量的目的有益地实现。

Claims

1.一种自适应主动降噪方法，其中，所述方法包括：

当用户佩戴耳机听筒以显示相对于所述用户外耳的当前佩戴者/佩戴状态时，接收表示所述耳机听筒朝外侧的环境噪声的参考噪声信号、由所述耳机听筒的ANC系统使用当前ANC滤波器配置而生成的抗噪声信号，以消除与所述环境噪声相对应的入耳噪声信号，所述环境噪声是由于通向耳膜的主路径MPED的声路效应而在所述耳机听筒的朝内侧的目标位置处显示出来的，以及表示所述抗噪声信号和所述入耳噪声信号的组合的残余噪声信号；

对于K个预训练的ANC模型中的每个第K个预训练的ANC模型，每个具有第K个抗噪声路径ANP滤波器模型和之前在第K个受过训练的佩戴者/佩戴状态下训练的第k个MPED滤波器模型，K是大于1的正整数：

利用所述第k个ANP滤波器模型计算第k个估计的实际噪声信号以将所述抗噪声信号转换为路径补偿的抗噪声信号，并从所述残余噪声信号中去除所述路径补偿的抗噪声信号；

利用所述第k个MPED滤波器模型计算第k个估计的耳膜噪声信号以转换所述参考噪声信号；以及

计算所述第k个估计的实际噪声信号和所述第k个估计的耳膜噪声信号之间的第k个候选残余噪声；

选择所述预训练的ANC模型之一作为生成最低第k个候选残余噪声的模型；以及

引导所述耳机听筒的ANC系统用基于所选的所述预训练的ANC模型之一的新ANC滤波器配置替换所述当前ANC滤波器配置。

2.根据权利要求1所述的方法，其中，所述耳机听筒的ANC系统以第一采样率运行，并且还包括：

将所述参考噪声信号从所述ANC系统的第一采样率下采样到小于所述第一采样率的百分之五的第二采样率，以生成经下采样的参考噪声信号；

将所述抗噪声信号从所述第一采样率下采样到所述第二采样率，以生成经下采样的抗噪声信号；以及

将所述残余噪声信号从所述第一采样率下采样到所述第二采样率，以生成经下采样的残余噪声信号，

其中，每第k个ANP滤波器模型和每第k个MPED滤波器模型以所述第二采样率运行，利用所述第k个ANP滤波器模型计算所述第k个估计的实际噪声信号以将所述经下采样的抗噪声信号转换为所述路径补偿的抗噪声信号,并从所述经下采样的残余噪声信号中去除所述路径补偿的抗噪声信号，并且利用所述第k个MPED滤波器模型计算所述第k个估计的耳膜噪声信号以转换所述经下采样的参考噪声信号。

3.根据权利要求1所述的方法，其中：

所述用户佩戴不包含耳膜麦克风的耳机听筒的生产配置；

所述K个预训练的ANC模型之前使用所述耳机听筒的训练配置进行训练，所述耳机听筒的训练配置包括所述目标位置处的误差麦克风和用于在每第k个受过训练的佩戴者/佩戴状态下定位在相应的训练佩戴者的耳膜处的耳膜麦克风，使得每第k个MPED滤波器模型是基于所述误差麦克风在所述目标位置处和所述耳膜麦克风在所述耳膜处的相同参考噪声表现的直接并发测量而训练的。

4.根据权利要求3所述的方法，其中：

在每第k个训练佩戴者/佩戴状态下，所述误差麦克风定位于相应的训练佩戴者外耳的相应的训练目标位置，而所述耳膜麦克风定位于所述相应的训练佩戴者的耳膜中，从而在所述相应的训练目标位置和相应的训练佩戴者的耳膜之间定义第k个耳腔噪声路径，这样，每第k个MPED滤波器模型都经过训练，以补偿所述第k个耳腔噪声路径的ECFR效应。

5.根据权利要求1所述的方法，其中：

所述耳机听筒的ANC系统包括反馈ANC滤波器子系统，所述反馈ANC滤波器子系统通过基于一组NB滤波器系数转换反馈参考信号来生成对所述抗噪声信号的窄带NB成分，所述反馈参考信号由基本上位于所述目标位置的耳机听筒的误差麦克风检测到的所述残余噪声信号生成；以及

每第k个MPED滤波器模型包括第k个反馈ANC滤波器模型，所述第k个反馈ANC滤波器模型定义了第k组用于配置所述一组NB滤波器系数的值。

6.根据权利要求5所述的方法，其中：

所述耳机听筒的ANC系统还包括前馈ANC滤波器子系统，所述前馈ANC滤波器子系统通过基于一组WB滤波器系数转换所述参考噪声信号来生成对所述抗噪声信号的宽带WB成分；以及

每第k个MPED滤波器模型还包括第k个前馈ANC滤波器模型，所述第k个反馈ANC滤波器模型定义了第k组用于配置所述一组WB滤波器系数的值。

7.根据权利要求1所述的方法，还包括：

基于当前候选残余噪声与当前估计的实际噪声信号的比率计算当前残余误差比率，所述当前候选残余噪声和所述当前估计的实际噪声信号与所述当前ANC滤波器配置相关联，

其中，所述选择所述预训练的ANC模型之一作为生成最低第k个候选残余噪声的模型包括，对于每第k个预训练的ANC模型，基于所述第k个候选残余噪声与所述第k个估计的实际噪声信号的比率计算第k个残余误差比率，并选择所述预训练的ANC模型之一作为生成所述最低误差比率的模型，以及

其中，所述引导所述耳机听筒的ANC系统用基于所选的所述预训练的ANC模型之一的新ANC滤波器配置来替换所述当前ANC滤波器配置，这是响应于检测到所述最低残余误差比率小于所述当前残余误差比率而执行的。

8.根据权利要求7所述的方法，其中：

其中，所述引导所述耳机听筒的ANC系统用基于所选的所述预训练的ANC模型之一的新ANC滤波器配置来替换所述当前ANC滤波器配置，这是响应于检测到所述最低残余误差比率小于所述当前残余误差比率至少预定阈值的量而执行的。

9.根据权利要求1所述的方法，其中，所述引导所述耳机听筒的ANC系统用基于选定的所述预训练的ANC模型之一的新ANC滤波器配置替换所述当前ANC滤波器配置包括：

将所述ANC系统的自适应冻结到预定的释放时间；

在所述释放时间过去之前，释放由所述当前ANC滤波器配置定义的当前滤波器系数；以及

在所述释放时间过去之后，将新滤波器系数写入由所述新ANC滤波器配置定义的ANC系统，并在预定的平滑时间内根据所述新ANC滤波器配置用所述ANC系统逐渐解冻自适应。

10.根据权利要求9的方法，其中，所述逐渐解冻自适应包括以下之一：

在所述平滑时间内逐渐增加ANC输入信号电平至正常电平，所述正常电平为所述冻结前的ANC输入信号电平；或者

在所述平滑时间内逐渐从经释放的滤波器系数值缩放到由所述新滤波器系数定义的值。

11.根据权利要求9所述的方法，其中，所述释放所述当前滤波系数包括：

通过确定所述残余噪声信号当前是否超过预定误差阈值水平，以及泄漏指示符当前是否超过预定泄漏阈值水平来确定是否存在发散条件，所述泄漏指示符是所述残余噪声信号与所述参考噪声之间的比率信号；

如果存在发散条件，则将由所述当前ANC滤波器配置定义的旧极点/零点替换为全部零点；以及

如果不存在发散条件，对于每个所述旧极点/零点：

如果所述旧极点/零点在相对应的新极点/零点之一的预定阈值距离内，则用所述新ANC滤波器配置定义的相对应的新极点/零点之一替换所述旧极点/零点；以及

如果所述旧极点/零点不在相对应的新极点/零点之一的预定阈值距离内，则用零点替换所述旧极点/零点。

12.根据权利要求1所述的方法，其中，所述残余噪声信号由设置在所述耳机听筒的朝内侧的误差麦克风接收，或者由设置在所述耳机听筒的朝外侧的参考麦克风接收。

13.根据权利1所述的方法，其中，K至少为50。

14.一种自适应主动降噪系统，其中，所述自适应主动降噪系统包括：

ANC滤波器系统，用于基于当前ANC滤波器配置在目标位置处输出抗噪声信号，使得在所述目标位置处输出的所述抗噪声信号是入耳噪声信号的逆估计，由于通向耳膜的主路径MPED的声学路径效应，当用户在相对于所述用户外耳的当前佩戴者/佩戴状态下佩戴所述耳机听筒时，所述入耳噪声信号对应于环境噪声，如在所述目标位置处所显示的，所述目标位置位于所述耳机听筒的朝内侧；

误差麦克风，用于记录代表所述当前佩戴者/佩戴状态下的所述抗噪声信号和所述入耳噪声信号的组合的残余噪声信号；

模型数据存储器，其上存储有K个预训练的ANC模型，每第K个预训练的ANC模型具有第K个抗噪声路径ANP滤波器模型和之前在第K个受过训练的佩戴者/佩戴状态下训练的第k个MPED滤波器模型，K是大于1的正整数；

用户自适应引擎与所述ANC滤波器系统、所述误差麦克风和所述模型数据存储器相耦合，用于：

对于每第k个预训练的ANC模型，利用所述第k个ANP滤波器模型计算第k个估计的实际噪声信号以将所述抗噪声信号转换为路径补偿的抗噪声信号，并从所述残余噪声信号中去除所述路径补偿的抗噪声信号；

对于每第k个预训练的ANC模型，利用所述第k个MPED滤波器模型计算第k个估计的耳膜噪声信号以转换所述参考噪声信号；以及

对于每第k个预训练的ANC模型，计算所述第k个估计的实际噪声信号和所述第k个估计的耳膜噪声信号之间的第k个候选残余噪声；

引导所述ANC系统用基于所选的所述预训练的ANC模型之一的新ANC滤波器配置来替换所述当前ANC滤波器配置。

15.根据权利要求14中所述的自适应主动降噪系统，还包括：

参考麦克风，设置在所述耳机听筒的朝外侧，并且用于测量所述参考噪声信号。

16.根据权利要求14中所述的自适应主动降噪系统，其中：

所述ANC滤波器系统以第一采样率运行；

所述用户自适应引擎还包括下采样器，用于：

将所述参考噪声信号从所述第一采样率下采样到小于所述第一采样率的百分之五的第二采样率，以生成经下采样的参考噪声信号；

将所述残余噪声信号从所述第一采样率下采样到所述第二采样率，以生成经下采样的残余噪声信号；

每第k个ANP滤波器模型和每第k个MPED滤波器模型以所述第二采样率运行；

所述用户自适应引擎利用所述第k个ANP滤波器模型计算所述第k个估计的实际噪声信号以将所述经下采样的抗噪声信号转换为所述路径补偿的抗噪声信号，并从所述经下采样的残余噪声信号中去除所述路径补偿的抗噪声信号；以及

所述用户自适应引擎利用所述第k个MPED滤波器模型计算所述第k个估计的耳膜噪声信号以转换所述经下采样的参考噪声信号。

17.根据权利要求14中所述的自适应主动降噪系统，其中：

所述ANC滤波器系统还包括反馈ANC滤波器子系统，所述反馈ANC滤波器子系统通过基于一组NB滤波器系数转换反馈参考信号来生成对所述抗噪声信号的窄带NB成分；以及

18.根据权利要求17中所述的自适应主动降噪系统，其中：

每第k个MPED滤波器模型还包括第k个反馈ANC滤波器模型，所述第k个反馈ANC滤波器模型定义了第k组用于配置所述一组WB滤波器系数的值。

19.根据权利要求14中所述的自适应主动降噪系统，其中：

所述用户自适应引擎还用于基于当前候选残余噪声与当前估计的实际噪声信号的比率计算当前残余误差比率，所述当前候选残余噪声和所述当前估计的实际噪声信号与所述当前ANC滤波器配置相关联；

所述用户自适应引擎用于选择所述预训练的ANC模型之一作为生成最低第k个候选残余噪声的模型，对于每第k个预训练的ANC模型，基于所述第k个候选残余噪声与所述第k个估计的实际噪声信号的比率计算第k个残余误差比率，并选择所述预训练的ANC模型之一作为生成所述最低误差比率的模型；以及

所述用户自适应引擎引导所述ANC滤波器系统用基于所选的所述预训练的ANC模型之一的新ANC滤波器配置来替换所述当前ANC滤波器配置，这是响应于检测到所述最低残余误差比率小于所述当前残余误差。

20.根据权利要求19中所述的自适应主动降噪系统，其中：

所述用户自适应引擎引导所述ANC滤波器系统用基于所选的所述预训练的ANC模型之一的新ANC滤波器配置来替换所述当前ANC滤波器配置，这是响应于检测到所述最低残余误差比率小于所述当前残余误差比率至少预定阈值的量而执行的。