CN117254782B - 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 - Google Patents
一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 Download PDFInfo
- Publication number
- CN117254782B CN117254782B CN202311503796.8A CN202311503796A CN117254782B CN 117254782 B CN117254782 B CN 117254782B CN 202311503796 A CN202311503796 A CN 202311503796A CN 117254782 B CN117254782 B CN 117254782B
- Authority
- CN
- China
- Prior art keywords
- noise control
- order
- noise
- control filter
- filter
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000009467 reduction Effects 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000012814 acoustic material Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000030279 gene silencing Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H9/00—Networks comprising electromechanical or electro-acoustic devices; Electromechanical resonators
- H03H9/02—Details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H9/00—Networks comprising electromechanical or electro-acoustic devices; Electromechanical resonators
- H03H9/46—Filters
Abstract
本发明提供一种不等阶数噪声控制滤波器的多通道有源噪声控制方法,属于有源噪声控制技术领域。该方法首先评估各个噪声控制滤波器的贡献度,贡献度反应参考信号的质量,包括参考信号和噪声信号间的相关性以及因果性等;然后根据贡献度为每个噪声控制滤波器分配相应的阶数。本发明提出的方法通过短时评估为质量越高的参考信号分配了越长的控制滤波器阶数,使多通道有源噪声控制系统在一定计算量下达到更高的降噪量。
Description
技术领域
本发明属于有源噪声控制技术领域,具体涉及一种不等阶数噪声控制滤波器的多通道有源噪声控制方法。
背景技术
随着生活质量的提升,人们日渐对日常生活和工作中的噪声问题重视起来,如交通噪声和办公室中的噪声,因为长期处于噪声环境会严重影响人们的身心健康。噪声控制可分为被动噪声控制和有源噪声控制。其中,被动噪声控制采用声学材料或消音结构来阻隔和吸收噪声的能量,而有源噪声则是利用声波干涉相消的原理,达到抑制噪声的目的。有源噪声控制相对于无源噪声控制在消除低频噪声方面有着易于布放和效率上的优势,已被广泛的应用于耳机、窗户、座椅中。
为了获取较大的降噪区域,必须使用较多通道数量的多通道有源噪声控制系统。前馈式多通道有源噪声控制系统中,包含至少一个参考麦克风、多个次级声源和多个误差麦克风,以及控制器。其中降噪效果、计算量是多通道有源噪声控制系统中被广泛关注的问题,例如专利号为CN114582313A的“一种基于FxLMS算法的有源噪声控制方法及装置 ”专利中,通过分解FxLMS算法的任务,可以实现更多通道数的有源噪声控制系统,并取得了更好的全局降噪效果;专利号为CN115691462A的“基于块扩散滤波最小均方算法的分布式有源噪声控制方法”专利中,基于块扩散滤波最小均方算法和搭建分布式控制网络,相较于现有的多通道有源噪声控制系统实现了较低的计算复杂度。
然而在一般的多通道有源噪声控制流程中,控制器的选型一开始便是确定的,所以允许的总的计算量是有上限的,即上面提到的前两个专利能实现的通道数量也是有上限的。在多通道有源噪声控制系统中,由于噪声源、参考麦克风、次级扬声器和误差麦克风位置的不能保证绝对的对称,就导致了各个控制滤波器能起到的实际降噪效果不同。而目前的控制器均为等阶数噪声控制器,其缺点在于为质量不高的参考信号分配了较多的运算资源。
因此,如何在通道数量、计算量和电声器件布放确定的情况下,实现全局降噪量的提升,就成为了需要迫切解决的问题。
发明内容
针对背景技术所存在的问题,本发明的目的在于提供一种不等阶数噪声控制滤波器的多通道有源噪声控制方法。该方法首先评估各个噪声控制滤波器的贡献度,贡献度反应参考信号的质量,包括参考信号和噪声信号间的相关性以及因果性等;然后根据贡献度为每个噪声控制滤波器分配相应的阶数,从而实现相比等阶数噪声控制滤波器更好的降噪效果。
为实现上述目的,本发明的技术方案如下:
一种基于不等阶数噪声控制滤波器的有源噪声控制方法,包括以下步骤:
步骤1:训练等阶数噪声控制滤波器组,并得到判定滤波器,具体过程为:
步骤1.1. 录制参考信号x(n)和噪声信号d(n),基于录制好的参考信号和噪声信号采用FxLMS算法训练等阶数噪声控制滤波器组;
步骤1.2. 在等阶数噪声控制滤波器组训练完成后,保存等阶数噪声控制滤波器组,作为判定滤波器,并记为;
步骤2. 基于步骤1得到的判定滤波器,计算各个噪声控制滤波器的贡献度,具体过程为:
步骤2.1. 计算误差信号,
其中,为卷积运算符,i为多通道有源噪声控制系统中的参考麦克风序号,i=1,
2,…I;j为次级声源序号,j=1,2,…J;k为误差麦克风序号,k=1,2,…K;n为采样点序号,n=
1,2,…N;
步骤2.2. 计算平均降噪量NRL(Noise Reduction Level),
步骤2.3. 计算每个判定滤波器的贡献度/>,计算公式为:
其中,为次级通路模型;
步骤3. 基于步骤2得到的贡献度对各个噪声控制滤波器的阶数进行分配:对于第i个参考麦克风和第j个误差麦克风被分配到的阶数为,
其中,表示向下取整,向下取整的目的一方面滤波器长度是整数的,另一方面避免超过最大运算量而导致多通道有源噪声控制系统崩溃;L为每个等阶数噪声控制滤波器的阶数,则总的滤波器可用阶数为IJL;
步骤4.基于步骤3得到的各个噪声控制滤波器的阶数,采用FxLMS算法进行有源噪声控制。
进一步地,步骤1.1中多通道有源噪声控制系统的声学结构中包含I个参考麦克风、J个次级扬声器和K个误差麦克风;等阶数噪声控制滤波器组中的每个等阶数噪声控制滤波器的阶数均为L,L的值由控制器的运算能力决定。
进一步地,步骤1.1中录制时间根据实际应用场景确定,如果噪声环境变化的间隔比较长,即噪声环境比较稳定,则录制较长时间,来进行更准确的评估;如果噪声环境变化比较快,则录制的时间可调整得较短,来适应更快的噪声环境变化。
进一步地,步骤1.1中基于采集的参考信号和噪声信号,采用FxLMS算法对等阶数噪声控制滤波器组训练的具体过程为:
(1) 对各参考麦克风的参考信号进行赋值移位:
(2)对控制信号进行赋值移位:,其中,/>为等阶数控制滤波器,T表示转秩;
(3) 计算误差信号:
(4) 对滤波参考信号进行赋值移位:,其中/>;
(5) 更新噪声控制滤波器系数:;其中,为控制系数;
待采样点数达到设定值,则此时得到的控制滤波器即为所需的等阶数控制滤波器。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明通过评估每个噪声控制滤波器的贡献度,侧面的反应了参考信号的质量,包括参考信号和噪声信号间的相关性、因果性等。相比于等阶数噪声控制滤波器,在相同的计算配置下(控制器型号确定时,能使用的总的运算量也即固定了),本发明可以实现更有效的噪声控制,同时能够实现对能量更高效的分配和利用。
附图说明
图1为多通道有源噪声控制系统的结构示意图。
图2 为本发明实施例1方式中的场景模拟图。
图3 为本发明实施例1中①②④噪声源发声时噪声场景降噪收敛曲线对比图。
图4 为传统等阶数和本发明不等阶数方法在各个场景中所取得的最终降噪量的数据图。
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,下面结合实施方式和附图,对本发明作进一步地详细描述。
图1为多通道有源噪声控制系统的结构示意图,包含I个参考麦克风、J个次级扬声器和K个误差麦克风和一个多通道有源噪声控制器;所述多通道有源噪声控制器基于等阶数噪声控制滤波器组训练、分配阶数得到;等阶数噪声控制滤波器的具体阶数由控制器的运算能力决定。
实施例1
一种基于不等阶数噪声控制滤波器的有源噪声控制方法,包括以下步骤:
步骤1:训练等阶数噪声控制滤波器,并得到判定滤波器,具体过程为:
步骤1.1. 录制多通道有源噪声控制系统中的参考信号和噪声信号;
在多通道有源噪声控制的应用中,比较常见的有座椅有源噪声控制,因此针对这种应用场景,搭建了办公室环境下的实验平台,如图2所示。本实验平台包含了四个噪声源,分别为①电脑主机、②空调、③空气净化器、④吊顶式投影仪。当各个电器运行情况不同时,会形成各参考信号的质量不同的场景。
对于有源噪声控制系统,其被安装在座椅上面,包含了八个参考麦克风、两个次级扬声器(次级声源)、两个误差麦克风,以及一个多通道有源噪声控制器(包括抗混叠滤波器、模数转换器、DSP、数模转换器以及平滑滤波器)。本实施例中系统采样率为16kHz;在等阶数噪声控制滤波器情况下,控制器可运行的阶数最大为300。
以电脑机箱①、空调②和吊顶式投影仪④三个噪声源同时工作构成的场景为例,
来阐述实施过程。首先是录制参考信号和误差麦克风处的噪声信号,并存入一个
数组中。为避免对造成干扰,在录制过程中多通道有源噪声控制系统不运行。本实施
例中,录制时长被设定为2秒。
步骤1.2.基于录制好的参考信号和噪声信号采用FxLMS算法对16个等阶数噪声控制滤波器训练,具体过程为;
(1) 对各参考麦克风的参考信号进行赋值移位:
(2)对控制信号进行赋值移位: ,其中,/>为等阶数控制滤波器,T表示转秩;
(3) 计算误差信号: ;
(4) 对滤波参考信号进行赋值移位: ,其中/>;
(5) 更新噪声控制滤波器系数: ;其中,/>为控制系数;
待采样点数达到设定值,则此时得到的控制滤波器组即为所需的等阶数控制滤波器组;
步骤1.3. 在等阶数噪声控制滤波器完成后,保存各个等阶数噪声控制滤波器,得到等阶数噪声控制滤波器组,作为判定滤波器,并记为;
步骤2. 基于步骤1得到的判定滤波器,计算各个噪声控制滤波器的贡献度,具体过程为:
步骤2.1. 计算误差信号,
其中,为卷积运算符,i为多通道有源噪声控制系统中的参考麦克风序号,i=1,
2,…I;j为次级声源序号,j=1,2,…J;k为误差麦克风序号,k=1,2,…K;n为采样点序号,n=
1,2,…N;
步骤2.2. 计算平均降噪量NRL(Noise Reduction Level),
步骤2.3. 计算每个判定滤波器的贡献度/>,计算公式为:
其中,为次级通路模型;
贡献度的评估相当于在剔除某个噪声控制滤波器后,观察其降噪量下降了多少,降噪量下降得越多则说明该噪声控制滤波器系数贡献度越大,反之则越小;
步骤3. 基于步骤2得到的贡献度对各个噪声控制滤波器的阶数进行分配:本实施例中,总的滤波器可用长度为4800,对于第i个参考麦克风和第j个误差麦克风被分配到的阶数为,
其中,表示向下取整,向下取整的目的一方面滤波器长度是整数的,另一方面避免超过最大运算量而导致多通道有源噪声控制系统崩溃;L为每个等阶数噪声控制滤波器的阶数,则总的滤波器可用阶数为IJL;
步骤4.基于步骤3各个噪声控制滤波器的阶数,采用FxLMS算法进行有源噪声控制。
图3 本发明具体实施方式中的某一噪声场景降噪收敛曲线对比图。图中实线代表不等阶数噪声控制滤波器的平均降噪收敛曲线,虚线为等阶数噪声控制滤波器的平均降噪收敛曲线。从图中可以看出,传统基于等阶数控制器的噪声控制方法和本发明基于不等阶数控制器的噪声控制方法,因为控制器选型相同,则总阶数相同,在每轮迭代具有相同的运算量,但是由于本实施中的不等阶数方案,使降噪量有了一定的提升。对应的各控制滤波器的贡献度和分配到的阶数如下表所示。
g1,1 | g2,1 | g3,1 | g4,1 | g5,1 | g6,1 | g7,1 | g8,1 | g1,2 | g2,2 | g3,2 | g4,2 | g5,2 | g6,2 | g7,2 | g8,2 |
6.2 | 6.3 | 6.6 | 4.9 | 5.4 | 7.6 | 11.3 | 7.1 | 7.7 | 7.4 | 9.1 | 4.8 | 6.2 | 8.1 | 11.3 | 7.7 |
l1,1 | l2,1 | l3,1 | l4,1 | l5,1 | l6,1 | l7,1 | l8,1 | l1,2 | l2,2 | l3,2 | l4,2 | l5,2 | l6,2 | l7,2 | l8,2 |
337 | 342 | 357 | 265 | 293 | 414 | 613 | 386 | 421 | 402 | 493 | 261 | 339 | 440 | 612 | 416 |
图4 为传统等阶数和本发明不等阶数方法在各个场景中所取得的最终降噪量的数据图。
场景中存在四个独立的噪声源,以组合的方式,一共存在15种噪声场景,传统等阶数方法和本发明不等阶数方法在各个场景中所取得的最终降噪量如图4所示。其中噪声场景1~15分别对应的发声组合为:①、②、③、④、①②、①③、①④、②③、②④、③④、①②③、①②④、①③④、②③④、①②③④,第16种噪声场景则为以上15种噪声场景的平均结果。相应的,相对于传统等阶数方法,本实施种的不等阶数方法在每种噪声场景降噪量上的提升分别为0.11 dB、-0.18 dB、0.15 dB、0.23 dB、0.69 dB、0 dB、1.05 dB、0.33 dB、0.48 dB、0.41 dB、0.92 dB、1.83 dB、1.58 dB、1.22 dB、1.39 dB,平均的降噪量提升为0.68 dB。可见在大多数情况下,本实施中的不等阶数噪声控制滤波器多通道有源噪声控制方法相对于传统等阶数方法能取得更大的降噪量。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (6)
1.一种不等阶数噪声控制滤波器的多通道有源噪声控制方法,其特征在于,包括以下步骤:
步骤1. 训练等阶数噪声控制滤波器组,并得到判定滤波器,具体过程为:
步骤1.1. 录制参考信号x(n)和噪声信号d(n),基于录制好的参考信号和噪声信号采用FxLMS算法训练等阶数噪声控制滤波器组;
步骤1.2. 在等阶数噪声控制滤波器组训练完成后,保存等阶数噪声控制滤波器组,作为判定滤波器,并记为;
步骤2. 基于步骤1得到的判定滤波器,计算各个噪声控制滤波器的贡献度,具体过程为:
步骤2.1. 基于参考信号x(n)、噪声信号d(n)、判定滤波器和次级通路模型/>计算误差信号/>,具体计算公式为:
;
其中,为卷积运算符,i为多通道有源噪声控制系统中的参考麦克风序号,i=1,2,…I;j为次级声源序号,j=1,2,…J;k为误差麦克风序号,k=1,2,…K;n为采样点序号,n=1,2,…N;
步骤2.2. 基于误差信号和噪声信号d(n) 计算平均降噪量NRL,计算公式为:
;
步骤2.3. 基于平均降噪量NRL计算每个判定滤波器的贡献度/>,计算公式为:
;
步骤3. 基于步骤2得到的贡献度对各个噪声控制滤波器的阶数进行分配;
步骤4.基于步骤3得到的各个噪声控制滤波器的阶数,采用FxLMS算法进行有源噪声控制。
2.如权利要求1所述的有源噪声控制方法,其特征在于,各个噪声控制滤波器的阶数具体分配规则为:对于第i个参考麦克风和第j个误差麦克风被分配到的阶数为,
;
其中,表示向下取整,L为每个等阶数噪声控制滤波器的阶数。
3.如权利要求1所述的有源噪声控制方法,其特征在于,步骤1.1中多通道有源噪声控制系统的声学结构中包含I个参考麦克风、J个次级扬声器和K个误差麦克风。
4.如权利要求1所述的有源噪声控制方法,其特征在于,步骤1中等阶数噪声控制滤波器组中的每个等阶数噪声控制滤波器的阶数均为L,L的值由多通道有源噪声控制系统的控制器的运算能力决定。
5.如权利要求1所述的有源噪声控制方法,其特征在于,步骤1.1中录制时间根据实际应用场景确定,如果噪声环境变化的时间间隔长,则录制时间长;如果噪声环境变化的时间间隔短,则录制的时间短。
6.如权利要求1所述的有源噪声控制方法,其特征在于,步骤1.1中基于采集的参考信号和噪声信号,采用FxLMS算法对等阶数噪声控制滤波器组训练的具体过程为:
(1) 对各参考麦克风的参考信号进行赋值移位:;
(2)对控制信号进行赋值移位: ,其中,/>为等阶数控制滤波器,T表示转秩;
(3) 计算误差信号: ;
(4) 对滤波参考信号进行赋值移位:,其中/>;
(5) 更新噪声控制滤波器系数: ;其中,/>为控制系数;
待采样点数达到设定值,则此时得到的控制滤波器即为所需的等阶数控制滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311503796.8A CN117254782B (zh) | 2023-11-13 | 2023-11-13 | 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311503796.8A CN117254782B (zh) | 2023-11-13 | 2023-11-13 | 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117254782A CN117254782A (zh) | 2023-12-19 |
CN117254782B true CN117254782B (zh) | 2024-02-23 |
Family
ID=89131599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311503796.8A Active CN117254782B (zh) | 2023-11-13 | 2023-11-13 | 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117254782B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109741727A (zh) * | 2019-01-07 | 2019-05-10 | 哈尔滨工业大学(深圳) | 基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 |
CN110335582A (zh) * | 2019-07-11 | 2019-10-15 | 吉林大学 | 一种适用于脉冲噪声有源控制的主动降噪方法 |
CN111128111A (zh) * | 2019-12-18 | 2020-05-08 | 清华大学苏州汽车研究院(相城) | 发动机主动噪声控制的变步长前馈控制系统及控制方法 |
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 |
CN113096630A (zh) * | 2021-03-11 | 2021-07-09 | 电子科技大学 | 一种无线有源噪声控制系统 |
CN115294953A (zh) * | 2022-08-15 | 2022-11-04 | 浙江大学 | 一种多通道独立阶数滤波器的汽车车厢噪声主动控制方法 |
CN116364044A (zh) * | 2023-02-07 | 2023-06-30 | 东华大学 | 一种变压器噪声的多通道分布式有源噪声控制系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE402468T1 (de) * | 2004-03-17 | 2008-08-15 | Harman Becker Automotive Sys | Geräuschabstimmungsvorrichtung, verwendung derselben und geräuschabstimmungsverfahren |
-
2023
- 2023-11-13 CN CN202311503796.8A patent/CN117254782B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109741727A (zh) * | 2019-01-07 | 2019-05-10 | 哈尔滨工业大学(深圳) | 基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质 |
CN110335582A (zh) * | 2019-07-11 | 2019-10-15 | 吉林大学 | 一种适用于脉冲噪声有源控制的主动降噪方法 |
CN111128111A (zh) * | 2019-12-18 | 2020-05-08 | 清华大学苏州汽车研究院(相城) | 发动机主动噪声控制的变步长前馈控制系统及控制方法 |
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 |
CN113096630A (zh) * | 2021-03-11 | 2021-07-09 | 电子科技大学 | 一种无线有源噪声控制系统 |
CN115294953A (zh) * | 2022-08-15 | 2022-11-04 | 浙江大学 | 一种多通道独立阶数滤波器的汽车车厢噪声主动控制方法 |
CN116364044A (zh) * | 2023-02-07 | 2023-06-30 | 东华大学 | 一种变压器噪声的多通道分布式有源噪声控制系统 |
Non-Patent Citations (2)
Title |
---|
Feed-Forward Active Noise Control System Using Microphone Array;Lichuan Liu;Yang Li;Sen M.Kuo;;IEEE/CAA Journal of Automatica Sinica(第05期);311-315 * |
基于最小误差熵的有源脉冲噪声控制算法;李朝霞;于宁;;信息通信(第01期);110-116 * |
Also Published As
Publication number | Publication date |
---|---|
CN117254782A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Feedforward selective fixed-filter active noise control: Algorithm and implementation | |
Mertins et al. | Room impulse response shortening/reshaping with infinity-and $ p $-norm optimization | |
WO2012026126A1 (ja) | 音源分離装置、音源分離方法、及び、プログラム | |
CN109747575B (zh) | 一种基于阶次优化的多模式车内声品质优化系统 | |
SE1150031A1 (sv) | Metod och anordning för mikrofonval | |
CN111818442B (zh) | 扬声器系统中的主动式房间补偿 | |
Shen et al. | A hybrid approach to combine wireless and earcup microphones for anc headphones with error separation module | |
Marin-Hurtado et al. | Perceptually inspired noise-reduction method for binaural hearing aids | |
CN117254782B (zh) | 一种不等阶数噪声控制滤波器的多通道有源噪声控制方法 | |
CN112331226B (zh) | 一种针对主动降噪系统的语音增强系统及方法 | |
CN103929704B (zh) | 一种基于变换域的自适应声反馈消除的方法和系统 | |
JP7342859B2 (ja) | 信号処理装置、信号処理方法および信号処理プログラム | |
Betlehem et al. | Efficient crosstalk canceler design with impulse response shortening filters | |
Streeter et al. | Hybrid feedforward-feedback active noise control | |
CN111968659B (zh) | 一种基于优化imcra的麦克风阵列语音增强方法 | |
Chu et al. | Performance analysis of diffusion filtered-x algorithms in multitask ANC systems | |
Dehlbæk et al. | The effect of human activity noise on the acoustic quality in open plan offices | |
CN113763984B (zh) | 一种用于分布式多说话人的参数化噪声消除系统 | |
CN111554263B (zh) | 一种用于开放式空间的主动噪声分布式控制系统及方法 | |
Estreder et al. | On perceptual audio equalization for multiple users in presence of ambient noise | |
Estreder et al. | Perceptual Active Equalization of Multi-frequency Noise. | |
Chang et al. | Distributed parameterized topology-independent noise reduction in acoustic sensor networks | |
González et al. | Practical implementation of multichannel adaptive filters based on FTF and AP algorithms for active control | |
Zhang et al. | Post-secondary filtering improvement of GSC beamforming algorithm | |
CN115132162A (zh) | 一种基于声源分离的有源噪声控制方法 |
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 |