CN116597806A - 一种自适应剪枝多参考降噪方法、装置、系统及存储介质 - Google Patents
一种自适应剪枝多参考降噪方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN116597806A CN116597806A CN202310748508.9A CN202310748508A CN116597806A CN 116597806 A CN116597806 A CN 116597806A CN 202310748508 A CN202310748508 A CN 202310748508A CN 116597806 A CN116597806 A CN 116597806A
- Authority
- CN
- China
- Prior art keywords
- self
- reference signal
- signal
- noise
- noise reduction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013138 pruning Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 66
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
- G10K11/1785—Methods, e.g. algorithms; Devices
- G10K11/17853—Methods, e.g. algorithms; Devices of the 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
- G10K11/17879—General system configurations using both a reference signal and an error signal
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开了一种自适应剪枝多参考降噪方法、装置、系统及存储介质，属于控制算法技术领域，方法包括：利用预构建的滤波‑x最小均方算法，对各参考信号分别设置迭代更新的自调整参数；根据所述自调整参数，对各所述参考信号赋予权重；根据所述权重，对所述参考信号进行滤波，获取滤波信号；利用所述滤波信号抵消噪声信号，实现降噪。该方法能够减小无关信号的影响，实现稳定的降噪。
Description
技术领域
本发明涉及一种自适应剪枝多参考降噪方法、装置、系统及存储介质，属于控制算法技术领域。
背景技术
日常生活与工作中广泛存在低频噪声，低频噪声可能引起器质性损害和精神损害，实际应用中通常存在多个噪声源，以汽车为例，就有发动机产生的噪声、轮胎与地面摩擦产生的噪声、底盘振动产生的噪声、高速行驶时的风噪声等，因此实际系统需要采用多参考信号(Multiple references)的多通道系统以获得高的降噪量。
参考信号的选取直接影响降噪效果的优劣，参考信号与误差信号的相关性越强，降噪效果越好。另一方面，实际环境中的噪声源可能是时变的，例如车速在50km/h及以下时，车内噪声主要来自传动系统和发动机；超过50km/h后，轮胎与路面摩擦的声音开始随着车速的提高而升高；当车速超过120km/h时，风噪成为车内噪声的主要来源。在时变噪声源条件下，每个参考信号对系统降噪性能的贡献量不同，如果预先选定参考信号后不做调整，可能导致系统性能下降，甚至发散；此外，持续多参考信号的运算是消耗系统资源的主要部分，因此对多参考信号进行自适应“剪枝”操作，可以一定程度上改善系统的稳定性并降低系统的运算量。
在现有的多参考信号有源降噪技术中，基于广义旁瓣抵消器的参考信号重塑方法，提高参考信号与目标噪声的相关性，方案A结合噪声源分离的多通道前馈ANC系统，在ANC系统使用两个参考麦克风并且参考麦克风不需要布置在噪声源附近的情况下，所提出的系统可以提高降噪性能；方案B基于到达时间差的最佳参考麦克风选择器的多通道有源噪声控制系统，选择器基于时差选择满足因果关系约束的参考麦克风，算法通过调整参考信号的幅度水平，从而缓解由于不同参考信号的不同动态特性而导致的系统不稳定，传统的滤波-x最小均方(Filtered-x Least Mean Square，FXLMS)算法是以LMS算法为基础，考虑了次级路径的影响，因其计算简单、稳定性强且对环境有自适应跟踪的能力，降噪效果和收敛速度都有提升，在噪声控制系统算法应用中，使用J个参考信号的单次级源、单误差传声器，每路参考信号都要经过一个自适应滤波器产生次级信号，由于参考信号之间的差异每个自适应滤波器都有一个控制收敛速度的最优步长，但是为了保证系统的稳定性，只能选择所有最优步长中最小的，导致每个自适应滤波器的输出以不同速度收敛，产生通道依赖的问题，整体的收敛速度减缓，系统的性能降低，且算法工作前需要收集所有独立的与待控噪声相关的信号，再对收集的信号进行相关系数计算，挑选出相关性高的作为参考信号。
发明内容
本发明的目的在于提供一种自适应剪枝多参考降噪方法、装置、系统及存储介质，能够减小无关信号的影响，实现稳定的降噪。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明提供一种自适应剪枝多参考降噪方法，包括：
利用预构建的滤波-x最小均方算法，对各参考信号分别设置迭代更新的自调整参数；
根据所述自调整参数，对各所述参考信号赋予权重；
根据所述权重，对所述参考信号进行滤波，获取滤波信号；
利用所述滤波信号抵消噪声信号，实现降噪。
结合第一方面，进一步的，所述滤波-x最小均方算法的表达式为：
其中，i为第i个噪声源，n为第n个时刻，xi(n)为传感器在第n个时刻第i个噪声源处拾取的参考信号，wi(n)为第n个时刻的滤波器，wi(n+1)为第n+1个时刻的滤波器，e(n)为误差麦克风在第n个时刻测量的噪声残留，s(n)为第n个时刻次级路径的冲激响应，为第n个时刻次级路径的冲激响应s(n)的估计值，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，μ为步长，*为线性卷积运算。
结合第一方面，进一步的，所述自调整参数的表达式为：
其中，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，ai(n)为第n个时刻的自调整参数变量。
结合第一方面，进一步的，所述自调整参数的迭代更新公式为：
其中，ai(n)为第n个时刻的自调整参数变量，ai(n+1)为第n+1个时刻的自调整参数变量，μa为第n个时刻的自调整参数变量ai(n)更新时的步长，e(n)为误差麦克风在第n个时刻测量的噪声残留，wi(n)为第n个时刻的滤波器，xi(n)为传感器在第n个时刻第i个噪声源处拾取的参考信号，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，s(n)为第n个时刻次级路径的冲激响应，*为线性卷积运算。
结合第一方面，进一步的，各所述滤波器均采用横向结构的有限脉冲响应滤波器，所述横向结构的有限脉冲响应滤波器的阶数为M。
第二方面，本发明提供一种自适应剪枝多参考降噪装置，包括：
自调整参数设置模块：用于利用预构建的滤波-x最小均方算法，对各参考信号分别设置迭代更新的自调整参数；
赋权重模块：用于根据所述自调整参数，对各所述参考信号赋予权重；
滤波模块：用于根据所述权重，对所述参考信号进行滤波，获取滤波信号；
降噪模块：用于利用所述滤波信号抵消噪声信号，实现降噪。
第三方面，本发明提供一种系统，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面任一项所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项所述方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供的自适应剪枝多参考降噪方法，在参考信号中引入自调整参数，通过调整该自调整参数，能够减小无关信号对系统的影响，可以看作对每个参考信号采用了变步长的策略，能够依据参考信号与误差信号的相关性高低调整参考信号的权重，实现自适应剪枝的功能以降低系统的开销，减小无关信号对系统的负作用。
附图说明
图1是本发明实施例提供的自适应剪枝多参考降噪方法流程图；
图2是本发明实施例提供的使用J个参考信号的SWFXLMS算法示意图；
图3是本发明实施例提供的取值范围在[-5,5]之间的Sigmoid函数图像示意图；
图4是本发明实施例提供的FXLMS算法的噪声残留图像示意图；
图5是本发明实施例提供的SWFXLMS算法的噪声残留图像示意图；
图6是本发明实施例提供的存在突变的第三路参考信号时域波形示意图；
图7是本发明实施例提供的存在突变的第二路参考信号时域波形示意图；
图8是本发明实施例提供的参考信号突变下FXLMS算法和SWFXLMS算法控制前后的误差信号频谱示意图；
图9是本发明实施例提供的SWFXLMS算法的自调整参数迭代过程示意图；
图10是本发明实施例提供的三种不同幅度的参考信号组合下SWFXLMS算法的性能示意图；
图11是本发明实施例提供的参考信号剪枝前后误差信号频谱对比示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利，而不能理解为对本专利的限制。在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
实施例一：
图1是本发明实施例一提供的一种自适应剪枝多参考降噪方法流程图，本流程图仅仅示出了本实施例方法的逻辑顺序，在互不冲突的前提下，在本发明其它可能的实施例中，可以以不同于图1所示的顺序完成所示出或描述的步骤。
本实施例提供的自适应剪枝多参考降噪方法可应用于终端，可以由自适应剪枝多参考降噪装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的平板电脑或计算机设备。参见图1，本实施例的方法具体包括如下步骤：
步骤一：利用预构建的滤波-x最小均方算法，对各参考信号分别设置迭代更新的自调整参数；
本实施例中，采用单次级源、单误差传声器的噪声控制系统，在此基础上可扩展到多次级源多误差传声器系统。如图2所示，为使用J个参考信号的SWFXLMS算法示意图。
滤波-x最小均方算法的表达式为：
其中，i为第i个噪声源，n为第n个时刻，xi(n)为传感器在第n个时刻第i个噪声源处拾取的参考信号，wi(n)为第n个时刻的滤波器，wi(n+1)为第n+1个时刻的滤波器，e(n)为误差麦克风在第n个时刻测量的噪声残留，s(n)为第n个时刻次级路径的冲激响应，为第n个时刻次级路径的冲激响应s(n)的估计值，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，μ为步长，*为线性卷积运算。
本实施例中，滤波器均采用横向结构的有限脉冲响应滤波器，横向结构的有限脉冲响应滤波器的阶数为M。
传感器在第i个噪声源处拾取的参考信号xi(n)的表达式为：
xi(n)＝[xi(n)，xi(n-1)，…，xi(n-M+1)]T
其中，xi(n-1)为传感器在第n-1个时刻第i个噪声源处拾取的参考信号，xi(n-M+1)为传感器在第n-M+1个时刻第i个噪声源处拾取的参考信号，M为滤波器的阶数。
第n个时刻的滤波器wi(n)的表达式为：
wi(n)＝[w0(n)，w1(n)，…，wM-1(n)]T
其中，w0(n)、w1(n)、…、wM-1(n)为第n个时刻的滤波器的第1、2、…、M个系数，M为滤波器的阶数。
次级信号经过次级路径产生的抵消信号y(n)的表达式为：
其中，y(n)为次级信号经过次级路径产生的抵消信号，用于抵消期望信号d(n)后产生噪声残留e(n)，J为参考信号的总数。
误差麦克风测量的噪声残留e(n)的表达式为：
e(n)＝d(n)-y(n)
步骤二：根据自调整参数，对各参考信号赋予权重；
本实施例中，引入一个在(0，1)之间的自调整参数给每个参考信号赋予不同的权重，以减小无关信号对系统的影响。
自调整参数的表达式为：
其中，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，ai(n)为第n个时刻的自调整参数变量。
本实施例中，自调整参数采用Sigmoid函数，exp表示以自然数e为底的指数函数，该函数可以把变量映射到(0，1)区间，如图3所示，为第n个时刻的自调整参数变量ai(n)取值范围在[-5，5]之间的Sigmoid函数图像示意图。
但是自调整参数的迭代更新并不是直接修改λi(n)，而是通过变量ai(n)定义的Sigmoid函数来控制，λi(n)与ai(n)之间存在正相关关系，通过自适应调整ai(n)再计算得到相应的λi(n)。第n个时刻的自调整参数变量ai(n)根据LSM算法自适应调整计算获取：
其中，w1(n)、w2(n)、…、wJ(n)为第n个时刻的滤波器的第1、2、…、J个系数，x1(n)、x2(n)、…、xJ(n)为传感器在第n个时刻第1、2、…、J个噪声源处拾取的参考信号。
在对求偏导时，存在以下两种情况：
其中，j为第j个参考信号，λj(n)为第n个时刻第j个参考信号的自调整参数。
根据以上计算公式可得：
进而得到：
将更新后的变量ai(n)代入Sigmoid函数中，得到第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数λi(n)，再与对应路径上的参考信号相乘，给所有参考信号重新分配权重。
引入Sigmoid函数加权的自适应算法具有两个方面的优点：第一，第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数λi(n)是一个变化的标量，如果近似将λi(n)提取出来并与步长μ结合，则滤波-x最小均方算法(SWFXLMS算法)可以看作对每个参考信号采用的是变步长的自适应算法，已有的自适应滤波理论表明变步长算法比定步长算法具有更好的收敛速度和稳定性能。
步骤三：根据权重，对参考信号进行滤波，获取滤波信号；
本实施例提供的自适应剪枝多参考降噪方法，能够依据参考信号与误差信号的相关性高低调整每个参考信号的权重，实现自适应剪枝的功能。由图3可知，变量ai(n)与λi(n)之间存在正相关的关系，即ai(n)越大，λi(n)越大，第i个参考信号的占比就越大。在调整ai(n)的过程中，可以将项近似看作第i个次级信号，则：
其中，yi(n)为第i个次级信号。
进而得到：
ai(n+1)≈ai(n)+μae(n)[yi(n)*s(n)]
根据自适应滤波理论，变化项是依赖于e(n)[yi(n)*s(n)]，而e(n)[yi(n)*sn是第i个次级信号yin与en之间互相关的近似值，即ain在迭代过程中依据的是yi(n)与e(n)的相关性高低。
步骤四：利用滤波信号抵消噪声信号，实现降噪。
为验证本实施例提供的自适应剪枝多参考降噪方法的有效性，对其进行试验验证。如图4所示，为FXLMS算法的噪声残留图像示意图，如图5所示，为SWFXLMS算法的噪声残留图像示意图，模拟仿真采用频率为200Hz、500Hz的正弦信号、白噪声作为三路参考信号，假设初级路径的冲激响应为[0.01，0.25，0.5，1，0.5，0.25，0.01]，次级路径的冲激响应为[0.0025，0.0625，0.125，0.25，0.125，0.0625，0.0025]，期望信号是200Hz、500Hz的正弦信号与初级路径卷积得到，因此，此处的白噪声参考信号是无关参考。滤波器阶数设为64。分别运用FXLMS算法、SWFXLMS算法进行主动控制仿真实验，两个算法的步长都设置为能够保证系统稳定的最大值：FXLMS算法的步长设为0.0004，SWFXLMS算法的步长设为0.0006，第n个时刻的自调整参数变量ai(n)更新时的步长μa设为0.03。根据图4、图5可知，FXLMS算法收敛速度较慢；而经过SWFXLMS算法的主动控制后，减小了白噪声对系统的影响，不仅收敛速度快于FXLMS算法，而且噪声残留也明显更小。
为了进一步验证本实施例提供的自适应剪枝多参考降噪方法的有效性和普遍性，对汽车内噪声信号进行采集，在汽车副驾驶位置固定一个双通道的有源降噪头靠原型，采集数据为汽车怠速时副驾驶双耳处的噪声信号和发动机正常工作状态下的转速计、参考传声器信号。此时车内噪声的主要来源是发动机噪声。双耳实验结果近似，本实施例中，以右耳结果进行讨论。
为得到强相关性信号和弱相关性信号的组合，我们把采集到的发动机转速计信号、参考传声器信号与额外添加的白噪声进行拼接组成四路参考信号模拟参考信号的突变情况。
试验一：验证SWFXLMS算法性能的提升。
分别应用FXLMS算法、SWFXLMS算法对采集的噪声进行主动控制，每个算法的步长都设置为能够保证系统稳定的最大值。如图6所示，为存在突变的第三路参考信号时域波形示意图，如图7所示，为存在突变的第二路参考信号时域波形示意图，其中，图6的前半段是依据发动机转速计得到的参考信号，相关性强，后半段切换成白噪声信号相关性弱，图7的参考信号前半段是白噪声，后半段是依据发动机转速计得到的参考信号。
如图8所示，为参考信号突变下FXLMS算法和SWFXLMS算法控制前后的误差信号频谱示意图，其中，点线为控制前的信号频谱，虚线为采用FXLMS算法控制后残留噪声的频谱，实线为采用SWFXLMS算法控制后残留噪声的频谱。由图8可知，在主要的谐波频率上，两个算法都能达到有效的降噪效果，而SWFXLMS算法比FXLMS算法的降噪效果好约3dB，其降噪效果更优。
SWFXLMS算法根据不同参考信号与噪声的相关性进行参数自调整，通过降低无关信号部分的自调整参数减小对系统的影响。如图9所示，为SWFXLMS算法的自调整参数迭代过程示意图，由图9可知，在第三路参考信号从相关信号突变为无关信号时，λi(n)逐渐被迭代减小，在第二路参考信号从无关信号突变为相关信号时，λi(n)发生了显著变化，权重增加，所以与FXLMS算法相比，SWFXLMS算法可以通过调整参考信号的权重以突出相关性强的参考信号。
试验二：考察SWFXLMS算法的性能受参考信号幅度的影响大小，即参考信号间幅度存在动态变化时，SWFXLMS算法的降噪效果是否稳定。
对试验一中的无关信号的幅度进行重新设置，把采集到的信号分别与较小幅度、相似幅度、较大幅度的无关信号组合，这三种信号幅度差异不同的组合都采用SWFXLMS算法进行主动控制，如图10所示，为三种不同幅度的参考信号组合下SWFXLMS算法的性能示意图，因为SWFXLMS算法对无关信号敏感，即使参考信号间幅度差异较大，在无关参考信号上的自调整参数也可以逐步迭代到最优解，最后赋予无关信号数值较小的权重，减小对系统的影响，最终降噪效果的优劣主要和高相关性信号有关，因此，图10中误差信号的频谱基本一致。
试验三：验证依据λi(n)大小动态剪枝参考信号后SWFXLMS算法的稳定性，即迭代过程中如果λi(n)小于设定的阈值时，该参考信号不参与次级信号的生成，此处设置阈值为0.15。
如图11所示，为参考信号剪枝前后误差信号频谱对比示意图，由图11可知，采用剪枝后，系统的降噪性能未明显恶化，而剪枝后系统的运算开销可以获得降低。
本实施例提供的自适应剪枝多参考降噪方法，利用Sigmoid函数加权不同参考信号的SWFXLMS算法，该算法通过在参考信号路径上引入自调整参数，减小无关信号对系统影响，仿真实验结果表明即使参考信号间存在较大的幅度差异，SWFXLMS算法依然可以保证稳定的降噪效果，有效地去除不相关噪声的干扰，而且算法引入的自调整参数形式简单且计算量较少，易于硬件实现，可以很好地应用于自适应噪声控制系统中。
实施例二：
本实施例提供一种自适应剪枝多参考降噪装置，包括：
自调整参数设置模块：用于利用预构建的滤波-x最小均方算法，对各参考信号分别设置迭代更新的自调整参数；
赋权重模块：用于根据自调整参数，对各参考信号赋予权重；
滤波模块：用于根据权重，对参考信号进行滤波，获取滤波信号；
降噪模块：用于利用滤波信号抵消噪声信号，实现降噪。
本发明实施例所提供的自适应剪枝多参考降噪装置可执行本发明任意实施例所提供的自适应剪枝多参考降噪方法，具备执行方法相应的功能模块和有益效果。
实施例三：
本实施例提供一种系统，包括处理器及存储介质；
存储介质用于存储指令；
处理器用于根据指令进行操作以执行实施例一中方法的步骤。
实施例四：
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一中方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种自适应剪枝多参考降噪方法，其特征在于，包括：
利用预构建的滤波-x最小均方算法，对各参考信号分别设置迭代更新的自调整参数；
根据所述自调整参数，对各所述参考信号赋予权重；
根据所述权重，对所述参考信号进行滤波，获取滤波信号；
利用所述滤波信号抵消噪声信号，实现降噪。
2.根据权利要求1所述的自适应剪枝多参考降噪方法，其特征在于，所述滤波-x最小均方算法的表达式为：
其中，i为第i个噪声源，n为第n个时刻，xi(n)为传感器在第n个时刻第i个噪声源处拾取的参考信号，wi(n)为第n个时刻的滤波器，wi(n+1)为第n+1个时刻的滤波器，e(n)为误差麦克风在第n个时刻测量的噪声残留，s(n)为第n个时刻次级路径的冲激响应，为第n个时刻次级路径的冲激响应s(n)的估计值，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，μ为步长，*为线性卷积运算。
3.根据权利要求1所述的自适应剪枝多参考降噪方法，其特征在于，所述自调整参数的表达式为：
其中，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，ai(n)为第n个时刻的自调整参数变量。
4.根据权利要求1所述的自适应剪枝多参考降噪方法，其特征在于，所述自调整参数的迭代更新公式为：
其中，ai(n)为第n个时刻的自调整参数变量，ai(n+1)为第n+1个时刻的自调整参数变量，μa为第n个时刻的自调整参数变量ai(n)更新时的步长，e(n)为误差麦克风在第n个时刻测量的噪声残留，wi(n)为第n个时刻的滤波器，xi(n)为传感器在第n个时刻第i个噪声源处拾取的参考信号，λi(n)为第n个时刻第i个噪声源处拾取的参考信号xi(n)的自调整参数，s(n)为第n个时刻次级路径的冲激响应，*为线性卷积运算。
5.根据权利要求2或4任一项所述的自适应剪枝多参考降噪方法，其特征在于，各所述滤波器均采用横向结构的有限脉冲响应滤波器，所述横向结构的有限脉冲响应滤波器的阶数为M。
6.一种自适应剪枝多参考降噪装置，其特征在于，包括：
自调整参数设置模块：用于利用预构建的滤波-x最小均方算法，对各参考信号分别设置迭代更新的自调整参数；
赋权重模块：用于根据所述自调整参数，对各所述参考信号赋予权重；
滤波模块：用于根据所述权重，对所述参考信号进行滤波，获取滤波信号；
降噪模块：用于利用所述滤波信号抵消噪声信号，实现降噪。
7.一种系统，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～5任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310748508.9A CN116597806A (zh) | 2023-06-25 | 2023-06-25 | 一种自适应剪枝多参考降噪方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310748508.9A CN116597806A (zh) | 2023-06-25 | 2023-06-25 | 一种自适应剪枝多参考降噪方法、装置、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116597806A true CN116597806A (zh) | 2023-08-15 |
Family
ID=87599289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310748508.9A Pending CN116597806A (zh) | 2023-06-25 | 2023-06-25 | 一种自适应剪枝多参考降噪方法、装置、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116597806A (zh) |
-
2023
- 2023-06-25 CN CN202310748508.9A patent/CN116597806A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108470562B (zh) | 使用可变步长调整的主动噪声控制 | |
| EP3745393B1 (en) | Dynamic in-vehicle noise cancellation divergence control | |
| RU2698639C2 (ru) | Субполосный алгоритм с пороговой величиной для устойчивой широкополосной системы активного шумоподавления | |
| CN111402853B (zh) | 一种适用于车内的宽窄带混合主动降噪算法 | |
| EP3736805B1 (en) | In-vehicle noise cancellation adaptive filter divergence control | |
| US11043202B2 (en) | Active noise control system, setting method of active noise control system, and audio system | |
| CN111862927B (zh) | 初级通道前馈-反馈混合在线建模的车内路噪控制方法 | |
| CN114677997B (zh) | 一种基于加速工况的实车主动降噪方法及系统 | |
| CN111971741B (zh) | 前馈有源噪声控制系统及方法 | |
| JP2022075543A (ja) | エンジンオーダーキャンセレーションのための仮想場所ノイズ信号推定 | |
| EP4439550A1 (en) | Active noise reduction method and device for vehicle and storage medium | |
| Chen et al. | A computationally efficient feedforward time–frequency-domain hybrid active sound profiling algorithm for vehicle interior noise | |
| Cheer et al. | Mutlichannel feedback control of interior road noise | |
| Liu et al. | Active control for vehicle interior noise using the improved iterative variable step-size and variable tap-length LMS algorithms | |
| CN116597806A (zh) | 一种自适应剪枝多参考降噪方法、装置、系统及存储介质 | |
| EP4187533A1 (en) | System and method for providing frequency dependent dynamic leakage for a feed forward active noise cancellation (anc) | |
| CN114080639A (zh) | 噪声控制方法和系统 | |
| Wang et al. | An adaptive algorithm for nonstationary active sound-profiling | |
| EP3994681B1 (en) | Automatic noise control | |
| CN111951775A (zh) | 一种车内声品质优化系统及优化方法 | |
| EP4224466A1 (en) | Road noise cancellation shaping filters | |
| JPH07104770A (ja) | 能動振動制御装置 | |
| EP3994682B1 (en) | Automatic noise control | |
| Xu et al. | Comparative study of adaptive algorithms for vehicle powertrain noise control | |
| CN118538191A (zh) | 一种自适应有源噪声控制方法、系统、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |