CN117789688A - 一种车内选择性噪声主动控制方法 - Google Patents

Abstract

一种车内选择性噪声主动控制方法，涉及汽车内部噪声控制领域，包括以下步骤：步骤1：采集车内噪声信号和期望声音信号的混合声音信号，并将噪声信号和期望声音信号分离；步骤2：将步骤1中分离出来的车内噪声信号作为前馈噪声主动控制系统的初级噪声信号输入，通过噪声主动控制系统输出次级噪声信号来抵消初级噪声信号。本发明可将车内噪声与期望声音信号分离开，进一步选择性地对分离出来的噪声信号进行主动控制，从而达到降低噪声信号的同时保留期望声音信号的效果。

Description

一种车内选择性噪声主动控制方法

技术领域

本发明涉及汽车内部噪声控制领域，更具体的说是一种针对汽车车内噪声的车内选择性噪声主动控制方法。

背景技术

汽车车内噪声控制是改善车内声环境、提高乘坐舒适性的一个有效措施。随着人们对汽车驾乘舒适性要求越来越高，车内噪声控制技术越来越受到人们的关注。

车内噪声控制方法分为被动控制方法和主动控制方法。被动控制方法是通过具有吸声、消声或隔声功能的材料来阻断噪声传播路径，以达到抑制噪声的目的，这种方法往往设计复杂、成本高，且不利于汽车轻量化。主动控制方法是通过产生与初级噪声幅值相同、相位相反的次级噪声来抵消初级噪声，这种方法布置简单、成本低，且有利于汽车轻量化。因此，噪声主动控制方法已逐渐被应用于车内噪声控制。目前应用广泛的噪声主动控制系统通常包括参考麦克风、误差麦克风、次级扬声器和控制器。参考麦克风用于采集初级噪声信号，误差麦克风用于采集误差噪声信号，控制器采用最小均方算法计算次级噪声信号，次级扬声器用于发出次级噪声信号来抵消初级噪声。

然而，现有的车内噪声主动控制技术都是“一刀切”的、无选择性的，即噪声主动控制系统开启后，目标区域内所有声音都将被抵消，被抵消的声音中通常会包含一些人们期望听到的声音，如导航声、音乐声、语音等。因此，现有的车内噪声主动控制技术在抵消噪声(如发动机噪声、路噪、风噪等)的同时也不同程度地抵消了一些人们期望听到的非噪声信号，非噪声信号也称期望声音信号，如导航声、音乐声、语音等。

发明内容

本发明的目的是解决上述现有噪声主动控制方法无法有效识别和分离噪声而对车内声音进行无差别抵消的缺陷，提供一种适用于车内噪声的主动控制方法，利用该方法控制车内噪声，可以将车内噪声与期望声音信号分离开，进一步选择性地对分离出来的噪声信号进行主动控制，从而达到降低噪声信号的同时保留期望声音信号的效果。

本发明解决上述现有技术缺陷所采用的技术方案是：

一种车内选择性噪声主动控制方法，包括以下步骤：

步骤1：采集车内噪声信号和期望声音信号的混合声音信号，并将噪声信号和期望声音信号分离；

具体步骤如下：

1.1汽车行驶时车内噪声信号和期望声音信号的混合声音信号包含多个统计独立未知源信号，表示为：

S(t)＝[s₁(t)，s₂(t)，s₃(t)，...，s_N(t)]^T式中，t表示时间，[*]^T表示矩阵转置，N为正整数、表示源信号的数量，s_N(t)表示t时刻第N个源信号(声音信号)；

1.2使用多个麦克风采集到的观测混合声音信号记为：

U(t)＝[u₁(t)，u₂(t)，u₃(t)，...，u_M(t)]^T

式中，t表示时间，[*]^T表示矩阵转置，M为正整数、表示麦克风的数量，u_M(t)表示t时刻第M个麦克风采集到的观测混合声音信号；

1.3观测混合声音信号是源信号与其延时信号线性混叠而成的，可表示为：

U(t)＝AS(t)

式中，A为信道冲击响应，表示为：

其中，a_nm为第n个源信号到第m个麦克风的冲击响应，n＝1，2，3，...，N，m＝1，2，3，...，M；

1.4假设Y(t)为源信号S(t)的估计，则

Y(t)＝BU(t)

式中，B为分离矩阵，表示为：

其中，b_nm为权重系数，n＝1，2，3，...，N，m＝1，2，3，...，M，理想情况下，B为A的逆矩阵；

1.5采用快速独立成分分析法迭代计算分离矩阵，代价函数取为分离矩阵的负熵，即：

L(B)＝{E[F(B^TU)]-E[F(G)]}²

式中，E[*]表示均值运算，F[*]表示非线性函数，F[*]可以是对数函数、指数函数或幂函数的一种，G是均值为0、方差为1的高斯随机变量，U＝U(t)；

1.6当L(B)值的变化率小于10^-9时，停止迭代，输出此时计算的分离矩阵B，将分离矩阵与麦克风采集到的观测混合声音信号相乘，得到分离出来的车内噪声信号和期望声音信号；

步骤2：将步骤1中分离出来的车内噪声信号作为前馈噪声主动控制系统的初级噪声信号输入，通过噪声主动控制系统输出次级噪声信号来抵消初级噪声信号；

具体步骤如下：

2.1将步骤1中分离出来的车内噪声信号记为ρ(τ)，并将车内噪声信号ρ(τ)作为初级噪声信号，输入噪声主动控制系统；其中，τ为正整数，表示离散时间变量；

2.2以白噪声为输入，利用滤波x最小均方算法辨识次级通路，次级通路辨识结果记为s′(τ)；

2.3将初级噪声信号经次级通路滤波，滤波后的噪声信号记为r(τ)，即：

γ(τ)＝ρ(τ)*s′(τ)

其中，*表示卷积运算；

2.4利用误差麦克风采集误差噪声信号，记为ε(τ)，并将误差噪声信号输入噪声主动控制系统；

2.5采用变步长归一化的滤波x最小均方算法更新噪声主动控制系统滤波器的权系数，权系数记为使用车内噪声信号和权系数计算次级噪声信号ψ(τ)，

其中，权系数按如下公式更新：

λ(τ)为步长；λ(τ)的计算式为：

其中，α、β和κ为控制步长的参数，一般取整数，||*||₂表示欧几里得范数；

2.6使用扬声器播放次级噪声信号ψ(τ)，用以抵消初级噪声信号，完成车内选择性噪声主动控制。

使用本发明“一种车内选择性噪声主动控制方法”，可以从车内混合声音信号中有效分离噪声信号和期望声音信号，从而仅针对车内噪声信号进行主动控制，而对车内期望声音信号不产生影响，既可以更大程度地降低车内噪声声压级，又可以提高期望声音信号的信噪比。

附图说明

图1是声音的采集和分离示意图。

图2是发动机噪声源信号和导航语音源信号。

图3是麦克风采集到的观测混合声音信号。

图4是分离后的噪声信号和期望声音信号。

图5是本发明提出的选择性噪声主动控制示意图。

图6是次级通路辨识示意图。

图7是分离噪声降噪效果时域图。

图8是分离噪声降噪效果声压级频谱图。

图9是传统方法降噪效果时域图。

图10是本发明方法降噪效果时域图。

图11是本发明具体实施方式中产生的混合声音信号、期望声音信号、传统方法降噪后的声音信号和本发明方法降噪后的声音信号的时频特性图。

图12是不同方法获得的误差噪声信号的均方误差对比图。

具体实施方式

下面结合附图详细描述本发明的实施例。

本实施例以一辆乘用车车内噪声主动控制为例，详细说明使用本发明的方法对车内噪声进行选择性主动控制的具体过程。

一种车内选择性噪声主动控制方法，包括以下步骤：

步骤1：采集车内噪声信号和期望声音信号的混合声音信号，并将噪声信号和期望声音信号分离；

如图1所示，步骤1的具体步骤如下：

1.1汽车行驶时车内噪声信号和期望声音信号的混合声音信号包含多个统计独立未知源信号，表示为：

S(t)＝[s₁(t)，s₂(t)，s₃(t)，...，s_N(t)]^T式中，t表示时间，[*]^T表示矩阵转置，N为正整数，表示源信号的数量，s_N(t)表示t时刻第N个源信号(声音信号)。本实施例中混合声音信号包含发动机噪声信号和导航语音信号，采集到的混合声音信号如图2所示，因此取N＝2，则混合声音信号可表示为：

S(t)＝[s₁(t)，s₂(t)]^T

1.2使用多个麦克风采集到的观测混合声音信号记为：

U(t)＝[u₁(t)，u₂(t)，u₃(t)，...，u_M(t)]^T式中，t表示时间，[*]^T表示矩阵转置，M为正整数，表示麦克风的数量，u_M(t)表示t时刻第M个麦克风采集到的观测混合声音信号。本实施例中取M＝2，则观测混合声音信号可表示为：

U(t)＝[u₁(t)，u₂(t)]^T

两个麦克风采集到的观测混合声音信号如图3所示；

1.3观测混合声音信号是源信号与其延时信号线性混叠而成的，可表示为：

U(t)＝AS(t)

式中，A为信道冲击响应，表示为：

其中，a_nm为第n个源信号到第m个麦克风的冲击响应，n＝1，2，3，...，N，m＝1，2，3，...，M；

本实施例中，N＝M＝2，则信道冲击响应为：

1.4假设Y(t)为源信号S(t)的估计，则

Y(t)＝BU(t)

式中，B为分离矩阵，表示为：

其中，b_nm为权重系数，n＝1，2，3，...，N，m＝1，2，3，...，M，理想情况下，B为A的逆矩阵；

本实施例中，M＝N＝2，则分离矩阵为：

1.5采用快速独立成分分析法迭代计算分离矩阵，代价函数取为分离矩阵的负熵，即：

L(B)＝{E[F(B^TU)]-E[F(G)]}²

式中，E[*]表示均值运算，F[*]表示非线性函数，本实施例中G是均值为0、方差为1的高斯随机变量，U＝U(t)；

1.6当L(B)值的变化率小于10^-9时，停止迭代，输出此时计算的分离矩阵，将分离矩阵与麦克风采集到的观测混合声音信号相乘，分离出车内噪声信号和期望声音信号；内噪声信号和期望声音信号的波形如图4所示。

步骤2：将步骤1中分离出来的车内噪声信号作为前馈给噪声主动控制系统的初级噪声信号输入，通过噪声主动控制系统输出次级噪声信号来抵消初级噪声信号；

如图5所示，步骤2的具体步骤如下：

2.1将步骤1中分离出来的车内噪声信号记为ρ(τ)，并将车内噪声信号ρ(τ)作为初级噪声信号，输入噪声主动控制系统；其中，τ为1，2，3，...连续的正整数，表示离散时间变量；

2.2以白噪声为输入，通过离线建模的方式，利用滤波x最小均方算法辨识次级通路，过程如图6所示；次级通路辨识结果记为s′(τ)；所述的次级通路是指次级扬声器到误差麦克风的声学传递路径(传递函数)。

2.3将初级噪声信号经次级通路滤波，滤波后的噪声信号记为r(τ)，即：

γ(τ)＝ρ(τ)*s′(τ)

其中，*表示卷积运算；

2.4利用误差麦克风采集误差噪声信号，记为ε(τ)，并将误差噪声信号输入噪声主动控制系统；

2.5采用变步长归一化的滤波x最小均方算法更新噪声主动控制系统滤波器的权系数，权系数记为使用车内噪声信号和权系数计算次级噪声信号ψ(τ)，

权系数按如下公式更新：

其中，λ(τ)为步长，由以下公式计算：

其中，α、β和κ为控制步长的参数，一般取整数，||*||₂表示欧几里得范数。本实施例中，取α＝30，β＝35，κ＝1；

2.6使用扬声器播放次级噪声信号ψ(τ)，用以抵消初级噪声信号，完成车内选择性噪声主动控制。

误差信号为次级噪声信号经次级通路滤波后与分离噪声的线性叠加，对分离噪声信号的控制效果如图7和图8所示，从图7中可以看出，在时域上，噪声信号的幅值被大幅削减；从图8中可以看出，在频域上，噪声信号各频率声压级明显下降；可见本发明方法在时域和频域上均显示出了良好的降噪效果；

为了进一步验证本发明方法对车内噪声选择性主动控制效果的优越性，采用传统的无选择性的降噪方法对本实施例所选用的乘用车车内噪声主动控制，获得的降噪效果时域图如图9所示；本实施例中采用本发明提供的方法对乘用车车内噪声主动控制，获得的降噪效果时域图如图10所示。由图9可见，采用传统的无选择性的降噪方法对车内混合声音信号直接降噪，会不加区分地将期望声音信号和噪声一同降低，破坏了期望声音信号的波形，导致车内人员无法听清期望声音信号；由图10可见，采用本发明方法只对噪声进行抑制，从而很好地保留了期望声音信号，只降低了噪声。

进一步地，对上述车内噪声主动控制过程中的车内混合声音信号、期望声音信号、传统方法降噪后的声音信号和本发明方法降噪后的声音信号进行了采集和对比，其时频特性对比图如图11所示。从图11中可以看出，本发明方法在降噪的同时很好地保留了期望声音信号的时频特征，而传统方法在降噪的同时造成了期望声音信号的严重失真，进一步证明了本发明方法降低噪声而保留期望声音信号的能力。此外，为了说明本发明方法在噪声抑制方面的优越性，比较了目前流行的滤波x最小均方算法(FxLMS)、归一化的滤波x最小均方算法(FxNLMS)、两种变步长算法(变步长算法1和变步长算法2)及本发明方法对分离出来的车内噪声的抑制能力；将分离出来的车内噪声作为初级噪声信号输入给参考麦克风，控制器分别采用上述所提各个方法计算次级噪声信号，利用次级扬声器播放次级噪声信号，利用误差麦克风采集误差噪声信号，计算上述所提各个方法采集到的误差噪声信号的均方值(均方误差)如图12所示，对比可见本发明方法具有收敛速度快、稳态误差小、鲁棒性好的优点。

补充说明：所述的传统的无选择性的降噪方法为：使用包括参考麦克风、误差麦克风、次级扬声器和控制器的噪声主动控制系统进行降噪；参考麦克风用于采集初级噪声信号，误差麦克风用于采集误差噪声信号，控制器采用最小均方算法计算次级噪声信号，次级扬声器用于发出次级噪声信号来抵消初级噪声。所述的滤波x最小均方算法的步长λ(τ)＝0.05，归一化的滤波x最小均方算法的步长变步长算法1的步长变步长算法2的步长/>

至此，本发明已得到了详细描述。所述内容只是为了便于理解本发明的实施方式，并非毫无遗漏的，亦并非用于限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围前提下，可以在实施的形式上及细节上作任何修改与变化。如此描述是为了更好地说明本发明的原理和实际应用。

Claims (3)

1.一种车内选择性噪声主动控制方法，包括以下步骤：

步骤1：采集车内噪声信号和期望声音信号的混合声音信号，并将噪声信号和期望声音信号分离；具体步骤如下：

1.1汽车行驶时车内噪声信号和期望声音信号的混合声音信号包含多个统计独立未知源信号，表示为：

S(t)＝[s₁(t)，s₂(t)，s₃(t)，...，s_N(t)]^T

式中，t表示时间，[*]^T表示矩阵转置，N为正整数、表示源信号的数量，s_N(t)表示t时刻第N个源信号；

1.2使用多个麦克风采集到的观测混合声音信号记为：

U(t)＝[u₁(t)，u₂(t)，u₃(t)，...，u_M(t)]^T

式中，t表示时间，[*]^T表示矩阵转置，M为正整数、表示麦克风的数量，u_M(t)表示t时刻第M个麦克风采集到的观测混合声音信号；

1.3观测混合声音信号是源信号与其延时信号线性混叠而成的，可表示为：

U(t)＝AS(t)

式中，A为信道冲击响应，表示为：

其中，a_nm为第n个源信号到第m个麦克风的冲击响应，n＝1，2，3，...，N，m＝1，2，3，...，M；

1.4假设T(t)为源信号S(t)的估计，则

Y(t)＝BU(t)

式中，B为分离矩阵，表示为：

其中，b_nm为权重系数，n＝1，2，3，...，N，m＝1，2，3，...，M，理想情况下，B为A的逆矩阵；

1.5采用快速独立成分分析法迭代计算分离矩阵，代价函数取为分离矩阵的负熵，即：

L(B)＝{E[F(B^TU)]-E[F(G)]}²

式中，E[*]表示均值运算，F[*]表示非线性函数，G是均值为0、方差为1的高斯随机变量；

1.6当L(B)值的变化率小于10^-9时，停止迭代，输出此时计算的分离矩阵B，将分离矩阵与麦克风采集到的观测混合声音信号相乘，得到车内噪声信号和期望声音信号；

步骤2：将步骤1中分离出来的车内噪声信号作为前馈噪声主动控制系统的初级噪声信号输入，通过噪声主动控制系统输出次级噪声信号来抵消初级噪声信号；具体步骤如下：

2.1将步骤1中分离出来的车内噪声信号记为ρ(τ)，并将车内噪声信号ρ(τ)作为初级噪声信号，输入噪声主动控制系统；其中，τ为正整数，表示离散时间变量；

2.2以白噪声为输入，利用滤波x最小均方算法辨识次级通路，次级通路辨识结果记为s′(τ)；

2.3将初级噪声信号经次级通路滤波，滤波后的噪声信号记为r(τ)，即：

γ(τ)＝ρ(τ)*s′(τ)

其中，*表示卷积运算；

2.4利用误差麦克风采集误差噪声信号，记为ε(τ)，并将误差噪声信号输入噪声主动控制系统；

2.5采用变步长归一化的滤波x最小均方算法更新噪声主动控制系统滤波器的权系数，权系数记为使用车内噪声信号和权系数计算次级噪声信号ψ(τ)，

其中，权系数按如下公式更新：

λ(τ)为步长；

2.6使用扬声器播放次级噪声信号ψ(τ)，用以抵消初级噪声信号，完成车内选择性噪声主动控制。

2.根据权利要求1所述车内选择性噪声主动控制方法，其特征在于：步骤1中所述的F[*]可以是对数函数、指数函数或幂函数的一种。

3.根据权利要求1所述车内选择性噪声主动控制方法，其特征在于：步骤2中所述的λ(τ)的计算式为：

其中，α、β和κ为控制步长的参数，一般取整数，||*||₂表示欧几里得范数。