JP7374595B2 - 対角化フィルタ行列を利用した能動騒音消去システム - Google Patents

Description

開示の態様は、一般に、対角化フィルタ行列を利用した能動騒音消去システムに関する。

能動騒音消去（ＡＮＣ）は、望ましくない音波と破壊的に干渉する音波すなわち騒音防止を生成するのに用いられ得る。望ましくない騒音の、可能性のある源は、望ましくない声、加熱、換気、ならびに部屋の聴取空間における空気調節システム及び他の環境騒音によってもたらされ得る。可能性のある源はまた、車両エンジン、タイヤの道との相互作用、及び車室の聴取空間における他の環境騒音からももたらされ得る。ＡＮＣシステムは、フィードフォワード構造及びフィードバック構造を用いて、騒音防止信号を適応的に形成し得る。可能性のある源の近傍に配置されたセンサは、フィードフォワード構造に対する参照信号を提供する。聴取者の耳の位置の近傍に配置されたセンサは、フィードバック構造に対するエラー信号を提供する。形成が行われると、破壊的に干渉する騒音防止の音波がスピーカを通して生成されて、望ましくない騒音を消去しようと、望ましくない音波と組み合わされ得る。騒音防止音波と望ましくない音波を組み合わせることによって、聴取空間内の１人以上の聴取者による望ましくない音波の感知を排除または最小化することができる。

音声ゾーンは、スピーカアレイ及び遮音を提供するオーディオ処理技術を用いて生成され得る。そうしたシステムを用いて、隣接する音声ゾーンからの干渉信号が限定された状態で、異なる音声素材が異なるゾーンにおいて供給され得る。音声ゾーンを実現するために、システムは、複数の音源の応答を調整して再現領域における望ましい音場を近似するように学習アルゴリズムを用いて設計され得る。

１つまたは複数の例示的な例では、能動騒音消去システムは、対角化行列を用いて騒音防止信号を処理し得る。システムは、音声ゾーンを実現し、音声ゾーンの各々は１つまたは複数のマイク及び１つまたは複数のスピーカを含む。システムは、音声ゾーンを実現するようにオフライン設計されている対角化行列を含む。システムはさらに、適応フィルタシステムを通して、参照信号及びフィードバック信号に基づいて、物理的パスを横断する音波へ推定効果を与える推定音響伝達関数を用いて、音声ゾーンごとの騒音防止信号を生成するようにプログラムされているオーディオプロセッサを含む。適応フィルタは、学習アルゴリズムユニットによって駆動される。学習アルゴリズムユニットは、フィードバックエラー信号、参照信号、及び対角化行列と組み合わされた推定音響伝達関数によるフィルタリングされた参照信号に部分的に基づくものである。騒音防止信号は、音声ゾーンごとの信号を含む。システムは、適応フィルタ出力信号に対して、フィルタリングされた参照の合計を実行して、音声ゾーンごとの騒音防止信号のセットを生成し；対角化行列を用いて騒音防止信号のセットを処理して、スピーカごとの出力信号のセットを生成し；スピーカごとの出力信号をもってスピーカを駆動して騒音防止信号を適用して、各ゾーンにおける環境騒音を消去する。

１つまたは複数の例示的な例では、対角化行列を用いた能動騒音消去方法は、環境騒音の消去を行う。参照信号の推定出力信号は、物理的パスを横断する音波へ推定効果を与える推定フィルタパス伝達関数を用いて生成され、推定フィルタパス伝達関数は、対角化行列及び参照信号にしたがって処理を実行する。予備騒音防止信号は、学習アルゴリズムユニットから受信した学習ユニット信号によって駆動される適応フィルタを用いて、参照信号から生成される。学習ユニット信号は、推定出力信号から生成されたエラー出力信号に部分的に基づくものである。騒音防止信号は、音声ゾーンごとのかつ参照信号ごとの信号を含む。各音声ゾーンは、マイク及び１つまたは複数のスピーカを含む。参照合計は、予備騒音防止信号に対して実行されて、音声ゾーンごとの出力信号のセットを生成する。出力信号のセットは対角化行列によって処理されて、スピーカごとの出力信号のセットを生成する。スピーカは、スピーカごとの出力信号を用いて駆動されて、騒音防止信号を適用して環境騒音を消去する。
本願明細書は、例えば、以下の項目も提供する。
（項目１）
複数の音声ゾーンにおいて環境騒音を消去するための、対角化行列を用いて騒音防止信号を処理する能動騒音消去システムであって、
複数の音声ゾーンであって、各々は１つまたは複数のマイク及び１つまたは複数のスピーカを含む、上記複数の音声ゾーンと；
対角化行列と；
オーディオプロセッサであって、
適応フィルタのセットを通して参照信号及びフィードバックエラー信号に基づいて、物理的パスを横断する音波に推定効果を与える推定音響伝達関数を用いて、適応フィルタ出力信号を生成し、上記適応フィルタのセットは、上記フィードバックエラー信号、上記参照信号、及び上記対角化行列と組み合わされて上記推定音響伝達関数によってフィルタリングされた上記参照信号に部分的に基づいて、学習アルゴリズムユニットによって駆動され；
上記適応フィルタ出力信号に参照合計を行って、騒音防止信号のセットを生成し；
上記対角化行列を用いて上記騒音防止信号のセットを処理して、スピーカごとの出力信号のセットを生成し；
上記スピーカごとの出力信号を用いて上記スピーカを駆動して、上記騒音防止信号を適用して各ゾーンにおける上記環境騒音を消去するようにプログラムされた上記オーディオプロセッサとを備える、上記能動騒音消去システム。
（項目２）
上記項目に記載の能動騒音消去システムであって、上記学習アルゴリズムユニットが、上記学習アルゴリズムユニットから上記適応フィルタへの信号の適用による上記環境騒音を最小化するために最小二乗平均（ＬＭＳ）ベースのアルゴリズムを利用する、上記能動騒音消去システム。
（項目３）
上記オーディオプロセッサが、さらに、上記マイクから上記環境騒音を含むエラー信号を受信するようにプログラムされている、上記項目のいずれかに記載の能動騒音消去システム。
（項目４）
上記音声ゾーンが車室の座席である、上記項目のいずれかに記載の能動騒音消去システム。
（項目５）
上記オーディオプロセッサが、さらに、高速フーリエ変換を用いて上記参照信号から周波数領域参照信号を生成するように、かつ、上記周波数領域参照信号を推定パスフィルタ及び上記学習アルゴリズムユニットに提供するようにプログラムされている、上記項目のいずれかに記載の能動騒音消去システム。
（項目６）
上記オーディオプロセッサが、さらに、
高速フーリエ変換を用いて、上記マイクから受信した上記エラー信号から周波数領域エラー信号を生成し；
上記周波数領域エラー信号をエラープロセッサに提供し；
上記エラープロセッサを用いて、上記推定出力信号及び上記周波数領域エラー信号から上記フィードバックエラー信号を生成するようにプログラムされている、上記項目のいずれかに記載の能動騒音消去システム。
（項目７）
上記オーディオプロセッサが、さらに、周波数領域における時間非依存の適応ステップサイズを表す調整パラメータを上記学習アルゴリズムユニットに提供するようにプログラムされている、上記項目のいずれかに記載の能動騒音消去システム。
（項目８）
上記対角化行列が、上記能動騒音消去システムのランタイム前に事前計算されている、上記項目のいずれかに記載の能動騒音消去システム。
（項目９）
上記対角化行列が、周波数領域における室内に対するインパルス応答を表す測定値を含む伝達関数行列の逆行列を求めることによって室内用に設計されている、上記項目のいずれかに記載の能動騒音消去システム。
（項目１０）
環境騒音を消去するための、対角化行列を用いた能動騒音消去方法であって、
物理的パスを横断する音波へ推定効果を与える推定フィルタパス伝達関数を用いて上記参照信号の推定出力信号を生成することであって、上記推定フィルタパス伝達関数は、モデル化された音響伝達関数及び上記対角化行列に基づいて事前計算され対角化される、生成することと、参照信号にしたがって処理を行うことと；
学習アルゴリズムユニットから受信した学習ユニット信号によって駆動される適応フィルタを用いて、上記参照信号から予備騒音防止信号を生成することであって、上記学習ユニット信号は、上記推定出力信号から生成されたエラー出力信号に部分的に基づくものであり、上記騒音防止信号は、音声ゾーンごとのかつ参照信号ごとの信号を含み、各音声ゾーンはマイク及び１つまたは複数のスピーカを含む、生成することと；
上記予備騒音防止信号に参照合計を行って、音声ゾーンごとの騒音防止信号のセットを生成することと；
上記出力信号のセットを上記対角化行列によって処理して、スピーカごとの出力信号のセットを生成することと；
上記スピーカごとの出力信号を用いて上記スピーカを駆動して、上記騒音防止信号を適用して上記環境騒音を消去することとを含む、上記方法。
（項目１１）
上記学習ユニット信号の上記適応フィルタへの適用による上記環境騒音を最小化するために、上記学習アルゴリズムユニットによって最小二乗平均（ＬＭＳ）ベースのアルゴリズムを利用することをさらに含む、上記項目のいずれかに記載の能動騒音消去方法。
（項目１２）
上記環境騒音を含むエラー信号を上記マイクから受信することをさらに含む、上記項目のいずれかに記載の能動騒音消去方法。
（項目１３）
上記音声ゾーンが車室の座席である、上記項目のいずれかに記載の能動騒音消去方法。
（項目１４）
高速フーリエ変換を用いて上記参照信号から周波数領域参照信号を生成することと；
上記周波数領域参照信号を上記推定フィルタパス及び上記学習アルゴリズムユニットに提供することとをさらに含む、上記項目のいずれかに記載の能動騒音消去方法。
（項目１５）
高速フーリエ変換を用いて、上記マイクから受信した上記エラー信号から周波数領域エラー信号を生成することと；
上記周波数領域エラー信号をエラープロセッサに提供することと；
上記エラープロセッサを用いて、上記推定出力信号及び上記周波数領域エラー信号から上記エラー出力信号を生成することとをさらに含む、上記項目のいずれかに記載の能動騒音消去方法。
（項目１６）
周波数領域における時間非依存の適応ステップサイズを表す調整パラメータを上記学習アルゴリズムユニットに提供することをさらに含む、上記項目のいずれかに記載の能動騒音消去方法。
（項目１７）
上記対角化行列が、上記アクティブ騒音消去システムのランタイム前に事前計算されている、上記項目のいずれかに記載の能動騒音消去方法。
（項目１８）
周波数領域における室内に対するインパルス応答を表す伝達関数行列を測定し、上記伝達関数行列の逆行列を求めることによって、上記対角化行列を室内用に設計することをさらに含む、上記項目のいずれかに記載の能動騒音消去方法。
（摘要）
参照信号の推定出力信号は、物理的パスを横断する音波へ推定効果を与える推定フィルタパス伝達関数を用いて生成され、推定フィルタパス伝達関数は、対角化行列及び参照信号にしたがって処理を行う。騒音防止信号は、学習アルゴリズムユニットから受信した学習ユニット信号によって駆動される適応フィルタを用いて、参照信号から生成され、学習ユニット信号は、推定出力信号から生成されたエラー出力信号に部分的に基づくものであり、騒音防止信号は、音声ゾーンごとのかつ参照信号ごとの信号を含み、各音声ゾーンは、マイク及び１つまたは複数のスピーカを含む。騒音防止信号に対して参照合計が行われて、音声ゾーンごとの出力信号のセットを生成する。出力信号のセットは、対角化行列によって処理されて、スピーカごとの出力信号のセットを生成する。

２つの音声ゾーンを含む例示的な音声システムの図である。 図１の フィルタ行列を調整するシステムの例示的な半分のシグナルフローの図である。
例示的なＡＮＣシステム及び例示的な物理的環境の図である。 ＡＮＣを音声ゾーンの観点から実行するために対角化フィルタ行列を用いる例示的なマルチチャネルＡＮＣシステムの図である。 ＡＮＣシステムにおいて能動騒音消去を実行するために対角化フィルタ行列を用いる例示的なプロセスの図である。

本発明の詳細な実施形態は、必要に応じて本明細書中に開示される。しかしながら、開示された実施形態は様々なかつ代替の形式で具現化され得る発明の単なる例であることが理解されよう。図は必ずしも縮尺通りではなく、いくつかの特徴は、特定の構成要素の詳細を示すために誇張または最小化され得る。したがって、本明細書中に開示された具体的な構造のかつ機能の詳細は、限定するものではなく、単に当業者に本発明を様々に用いることを教示するための代表的な基盤として解釈されるであろう。

従来、能動騒音消去システムは、Ｆｉｌｔｅｒｅｄ－ｘ最小二乗平均（ＦｘＬＭＳ）または他の変形といった最小二乗平均（ＬＭＳ）ベースのアルゴリズムを用いる。そうしたスキームは、参照信号及びフィードバックマイク信号の大量の入力チャネル、ならびにスピーカの大量の出力チャネルを必要とする。従来のアルゴリズムは、通常、運用において適応的である大きなフィルタシステムを用いる。騒音消去のパフォーマンスは、フィルタシステム全体の収束に依存する。複雑な音響環境及び極度に制限された適応時間により、最適な収束は達成することが通常難しく、不満足なパフォーマンスにつながる。

この開示は、能動騒音消去（ＡＮＣ）システムを、対角化フィルタ行列と組み合わせる。この組み合わせは、ＡＮＣのスピーカからマイクまでの伝達関数行列を対角化することによって、客室の音響管理を簡素化する。対角化行列をＡＮＣと組み合わせることによって、開示は、騒音消去の試みを、（ｉ）オフラインでの音響調整、すなわち対角化フィルタ行列の設計と、（ｉｉ）分離され簡素化されたＡＮＣフィルタシステムのリアルタイムでの適応とに分ける。かくして、対角化行列を用いて計算の複雑性を低減させることによって、システムは、より速い収束率を生じさせ、消去のパフォーマンスを向上させる。

図１は、２つの音声ゾーンを含む例示的なシステム１００を示す。音声ゾーンは、車室内における異なる座席位置に対してなどの様々な設定において実装され得る。描写したシステム１００では、オーディオ信号及び伝達関数は、それぞれ、対応する時間領域信号及び関数を有する周波数領域信号及び関数である。第１の音声ゾーンの入力オーディオ信号Ｙ_１（ｚ）は、第１の音声ゾーンＺ_１（ｚ）における再生を目的とし、第２の音声ゾーンの入力オーディオ信号Ｙ_２（ｚ）は、第２の音声ゾーンＺ_２（ｚ）における再生を目的とするものである。注目すべきことに、示された音声ゾーンシステムは、フィードバックなしの単方向システムである。２つの音声ゾーンの図は説明を易くするための最小バージョンとして提供されており、より多い数の音声ゾーンを有するシステムが用いられ得ることに留意すべきである。

例示された例では、入力オーディオ信号Ｙ_１（ｚ）及びＹ_２（ｚ）は、逆フィルタ
によってプレフィルタリングされる。フィルタ出力信号は図１に示すように組み合わされる。具体的には、第１のスピーカに供給される信号Ｕ_１（ｚ）は、以下のように表すことができる。
第２のスピーカに供給される信号Ｕ_２（ｚ）は、以下のように表すことができる。

第１のスピーカは、信号Ｕ_１（ｚ）を、物理的パスＳ_１１（ｚ）及びＳ_１２（ｚ）を通って横断し第１の音声ゾーン及び第２の音声ゾーンにそれぞれ到達する音響信号として放射する。第２のスピーカは、信号Ｕ_２（ｚ）を、物理的パスＳ_２１（ｚ）及びＳ_２２（ｚ）を通って横断し第１の音声ゾーン及び第２の音声ゾーンにそれぞれ到達する音響信号として放射する。理想的には、２つの音声ゾーン内に実際に存在する音声信号は、それぞれＺ_１（ｚ）及びＺ_２（ｚ）として示される。
Ｚ_１（ｚ）＝Ｈ_１１（ｚ）・Ｙ_１（ｚ）＋Ｈ_２１（ｚ）・Ｙ_２（ｚ） （３）
そして
Ｚ_２（ｚ）＝Ｈ_１２（ｚ）・Ｙ_１（ｚ）＋Ｈ_２２（ｚ）・Ｙ_２（ｚ） （４）
等式３及び４において、伝達関数Ｈ_１１（ｚ）は、周波数領域における全体的なシステム伝達関数、すなわち、対角化フィルタ
と室内伝達関数Ｓ_１１（ｚ）、Ｓ_２１（ｚ）、Ｓ_１２（ｚ）及びＳ_２２（ｚ）の組み合わせを示す。理想的には、Ｈ_１２（ｚ）及びＨ_２１（ｚ）は、０に等しい。

上記の等式１～４はまた、行列形式でも書かれ得、等式１及び２は組み合わされて以下のようになり得る。
そして
Ｚ（ｚ）＝Ｓ（ｚ）Ｕ（ｚ） （６）
Ｙ（ｚ）は、入力信号からなるベクトルである、すなわち、Ｙ（ｚ）＝［Ｙ_１（ｚ），Ｙ_２（ｚ）］^Ｔであり、Ｕ（ｚ）は、スピーカ信号からなるベクトルである、すなわち、Ｕ（ｚ）＝［Ｕ_１（ｚ），Ｕ_２（ｚ）］^Ｔであり、
は、対角化フィルタ伝達関数を表す２ｘ２の行列である、
であり、Ｓ（ｚ）は、周波数領域における室内インパルス応答を表す２ｘ２の行列である、Ｓ（ｚ）＝
である。等式５及び６を組み合わせると、以下のようになる。

上記の等式７から、以下のことを理解することができる。
である場合、すなわち、フィルタ行列
が、室温インパルス応答行列の逆行列、Ｓ^－１（ｚ）プラスＮ個のサンプルの追加遅延（少なくとも音響遅延を表す）に等しいとき、入力信号と比較してＮ個のサンプルの遅延によって遅延されるが、第１のゾーンＺ_１（ｚ）に到達する音響信号は、第１の音声ゾーン信号Ｙ_１（ｚ）に等しく、第２のゾーンＺ_２（ｚ）に到達する音響信号は、第２の音声ゾーン信号Ｙ_２（ｚ）に等しい。すなわち、
Ｚ（ｚ）＝Ｉ（ｚ）Ｙ（ｚ）・ｚ^―Ｎ＝Ｙ（ｚ）・ｚ^―Ｎ （９）
であり、Ｉ（ｚ）は、２ｘ２の単位行列である。

かくして、音声ゾーン再現システムを設計することは、数学的観点から、周波数領域における室内インパルス応答を表す伝達関数行列Ｓ（ｚ）の逆行列を求めるという問題である、すなわち、対角化行列
を設計することによって、全体的なシステム伝達関数行列を対角化するという問題である。この計算は、ゾーン音声再現システムが用いられる前に、オフラインで行うことができる。行列反転の様々な方法が知られている。例えば、正方行列の逆行列は、以下のように理論的に決定され得る。
これは、等式８に適用されたクラメールの公式によってもたらされる結果である（遅延は等式１０では無視される）。式ａｄｊ（Ｓ（ｚ））は、正方行列Ｓ（ｚ）の随伴行列を表す。プレフィルタリングは２段階で行われ得、フィルタ伝達関数ａｄｊ（Ｓ（ｚ））は、クロストークの減衰を確保するものであり、フィルタ伝達関数ｄｅｔ（Ｓ）^－１は、伝達関数ａｄｊ（Ｓ（ｚ））によって生じた直線ひずみを補償するものであることを理解することができる。随伴行列ａｄｊ（Ｓ（ｚ））は、因果性フィルタ伝達関数をもたらし、一方、補償フィルタＧ（ｚ）＝ｄｅｔ（Ｓ）^－１は、設計することがより難しくなり得る。それでもやはり、逆フィルタ設計のためのいくつかの既知の方法が適切であり得る。さらに、フィルタ行列の設計の態様は、本明細書中にその全体が参照によって援用される「Ｓｏｕｎｄ ｗａｖｅ ｆｉｅｌｄ ｇｅｎｅｒａｔｉｏｎ」と題された米国特許公開番号２０１５／３５０８０５に詳細が記載されたＩｎｄｉｖｉｄｕａｌ Ｓｏｕｎｄ Ｚｏｎｅ（ＩＳＺ）の機能性に明示される。

図２は、図１の
対角化フィルタ行列を調整するシステムの半分のシグナルフローの例２００を示す。例えば、図２に示す詳細は、入力信号Ｙ_１（ｚ）の処理のために行われるフィルタリングに対応する。一般に、示されたシステムは、入力信号Ｙ_１（ｚ）を受信し、信号Ｙ_１（ｚ）をフィルタ行列
を用いて処理して、スピーカ信号Ｕ_１（ｚ）及びＵ_２（ｚ）を生成する。Ｕ_１（ｚ）は、物理的パスＳ_１１（ｚ）及びＳ_１２（ｚ）を通って横断し、第１の音声ゾーン及び第２の音声ゾーンそれぞれに到達する。同様に、Ｕ_２（ｚ）は、物理的パスＳ_２１（ｚ）及びＳ_２２（ｚ）を通って横断し、第１の音声ゾーン及び第２の音声ゾーンそれぞれに到達する。音響的に混合されマイクによって受信された後で、マイク２１５の出力は、さらに、入力信号Ｙ_１（ｚ）と比較されてエラー信号Ｅ_１（ｚ）を生成し、マイク２１６の出力は、エラー信号Ｅ_２（ｚ）を生成するのに用いられる。
を調整することによって、エラー信号Ｅ_１（ｚ）及びＥ_２（ｚ）は、Ｙ_１（ｚ）が第１の音声ゾーンで生成され、第２の音声ゾーンで最小化されるように、それぞれ最小化される。同様のシグナルフローが、入力信号Ｙ_２（ｚ）の処理のためにフィルタ行列
にしたがって追加して提供され得、Ｙ_２（ｚ）を第２の音声ゾーンで再生させ、第１の音声ゾーンで最小化させる。

より具体的には、入力信号Ｙ_１（ｚ）は、モデル化された音響伝達関数
の２ｘ２の行列を形成する４つのフィルタ２０１～２０４に、かつ、
を備えるフィルタ行列を形成する２つのフィルタ２０５及び２０６に供給される。フィルタ２０５及び２０６は、学習ユニット２０７及び２０８によって制御され、学習ユニット２０７は、フィルタ２０１及び２０２からの信号ならびにエラー信号Ｅ_１（ｚ）及びＥ_２（ｚ）を受信し、学習ユニット２０８は、フィルタ２０３及び２０４からの信号ならびにエラー信号Ｅ_１（ｚ）及びＥ_２（ｚ）を受信する。フィルタ２０５及び２０６は、スピーカ２０９及び２１０に対して信号Ｕ_１（ｚ）及びＵ_２（ｚ）を提供する。

信号Ｕ_１（ｚ）は、第１のスピーカ２０９によって、音響パス２１１及び２１２を介してマイク２１５及び２１６それぞれに放射される。信号Ｕ_２（ｚ）は、第２のスピーカ２１０によって、音響パス２１３及び２１４を介してマイク２１５及び２１６それぞれに放射される。マイク２１５及び２１６はそれぞれ、エラー信号Ｅ_１（ｚ）及びＥ_２（ｚ）を、受信した信号及び所望の信号Ｙ_１（ｚ）に基づいて生成する。伝達関数
を有するフィルタ２０１～２０４は、それぞれ伝達関数Ｓ_１１（ｚ）、Ｓ_１２（ｚ）、Ｓ_２１（ｚ）及びＳ_２２（ｚ）を有する様々な音響パス２１１～２１４をモデル化する。示された例２００は音声ゾーンごとに１つのマイクを含むが、精度を高めるために音声ゾーンごとに複数のマイクを利用する他の調整システムが実装され得ることに留意すべきである。

図３は、例示的なＡＮＣシステム３００及び例示的な物理的環境を示す。ＡＮＣシステム３００では、望ましくない騒音源Ｘ（ｚ）は、マイク３０６まで物理的パス３０４を横断し得る。物理的パス３０４は、未知である周波数領域伝達関数Ｐ（ｚ）によって表され得る。結果として得られる望ましくない騒音は、騒音が物理的パス３０４上を横断することによって、Ｐ（ｚ）Ｘ（ｚ）と称され得る。Ｘ（ｚ）は、センサを用いて測定され得、アナログ―デジタル（Ａ／Ｄ）コンバータを用いて取得され得る。望ましくない騒音源Ｘ（ｚ）はまた、適応フィルタ３０８への入力としても用いられ得、適応フィルタ３０８は騒音防止ジェネレータ３０９に含まれ得る。適応フィルタ３０８は、周波数領域伝達関数Ｗ（ｚ）によって表され得る。適応フィルタ３０８は、望ましい騒音防止信号３１０を出力として生成するように入力をフィルタリングするよう動的に適応するように構成されたデジタルフィルタであり得る。

騒音防止信号３１０及びオーディオシステム３１４によって生成されたオーディオ信号３１２は組み合わされて、スピーカ３１６を駆動し得る。騒音防止信号３１０とオーディオ信号３１２の組み合わせは、スピーカ３１６から音波出力を生成し得る。（スピーカ３１６は、図３において加算演算によって表され、スピーカ出力３１８を有する。）スピーカ出力３１８は、スピーカ３１６からマイク３０６までのパスを含む物理的パス３２０を通って横断する音波であり得る。物理的パス３２０は、図３において、周波数領域伝達関数Ｓ（ｚ）によって表され得る。スピーカ出力３１８及び望ましくない騒音は、マイク３０６によって受信され得、マイク出力信号３２２は、マイク３０６によって生成され得る。他の例では、任意の数のスピーカ及びマイクが存在し得る。

オーディオ信号３１２を代表するコンポーネントは、マイク出力信号３２２の処理を通してマイク出力信号３２２から削除され得る。オーディオ信号３１２は、オーディオ信号３１２の音波による物理的パス３２０の横断を反映するように処理され得る。この処理は、物理的パス３２０を、モデル化された音響パスフィルタ３２４として推定することによって行われ得、物理的パス３２０を横断するオーディオ信号の音波に推定効果を与える。モデル化された音響パスフィルタ３２４は、物理的パス３２０を通って移動しているオーディオ信号３１２の音波への効果をシミュレートし、出力信号３３４を生成するように構成されている。図３では、モデル化された音響パスフィルタ３２４は、周波数領域伝達関数
として表され得る。

マイク出力信号３２２は、オーディオ出力信号３３４を代表するコンポーネントが削除されるように加算演算３２６によって示されるように処理され得る。これは、加算演算３２６において、フィルタリングされたオーディオ信号を反転し反転された信号をマイク出力信号３２２に付加することによって生じ得る。代替として、フィルタリングされたオーディオ信号は引かれ得、または、信号を除去する任意の他のメカニズムまたは方法が用いられ得る。加算演算３２６の出力は、エラー信号３２８であり、これは、スピーカ３１６を通して射影された騒音防止信号３１０とＸ（ｚ）から生じた望ましくない騒音の任意の破壊的な干渉の後に残存する可聴信号を表し得る。マイク出力信号３２２からオーディオ出力信号を代表するコンポーネント３３４を除去する加算演算３２６は、ＡＮＣシステム３００に含まれているとみなされ得る。

エラー信号３２８は、騒音防止ジェネレータ３０９に含まれ得るリアルタイム学習アルゴリズムユニット（ＬＡＵ）３３０に送信される。ＬＡＵ３３０は、最小二乗平均（ＬＭＳ）、再帰的最小二乗平均（ＲＬＭＳ）、正規化最小二乗平均（ＮＬＭＳ）または任意の他の適切な学習アルゴリズムなどの様々な学習アルゴリズムを実装し得る。ＬＡＵ３３０はまた、モデル化された音響パスフィルタ３２４によってフィルタリングされた望ましくない騒音源Ｘ（ｚ）を入力として受信する。ＬＡＵ出力３３２は、適応フィルタ３０８に送信される更新信号であり得る。かくして、適応フィルタ３０８は、望ましくない騒音源Ｘ（ｚ）及びＬＡＵ出力３３２を受信するように構成されている。ＬＡＵ出力３３２は、騒音防止信号３１０を提供することによって望ましくない騒音源Ｘ（ｚ）をより正確に消去するために、適応フィルタ３０８に送信される。

図３に記載したようなＡＮＣスキームは、騒音源の参照信号及びフィードバックマイク信号の大量の入力チャネル、ならびにスピーカの大量の出力チャネルを必要とする。さらに、騒音消去のパフォーマンスは、フィルタシステム全体の収束に依存する。複雑な客室音響環境及び極度に制限された適応時間により、最適な収束は、達成することが通常難しく、満足のいかないパフォーマンスにつながる。

そうした実装例において、複雑な客室音響環境に直面して、フルリアルタイム適応アルゴリズムは、適応時間の不適当さ及び計算リソースの限界に悩まされる。そうしたシステムは、したがって、最適な解決策を通常作成せず、満足のいかない消去パフォーマンスにつながる。

さらに、完全結合された適応フィルタシステムＷ（ｚ）により、図３に示すもののようなＡＮＣシステムのパフォーマンスは、全てのマイク３０６の入力に感受性がある。１つのマイク３０６の不具合は、不具合が起きたマイク３０６に関連付けられた特定の座席／ゾーンにおけるパフォーマンス低下を引き起こし得る。それはまた、システムは次に可能な最適な解決策に、より少ない入力情報をもって適応しようとするので、他の座席／ゾーンにおけるパフォーマンス変動をも生じさせ得る。

図４は、対角化フィルタ行列４１８を用いてＡＮＣを音声ゾーンという観点で実行する例示的なマルチチャネルＡＮＣシステム４００を示す。システム４００における慣例のように、Ｌをスピーカの数とし、Ｍをマイク及び座席ゾーンの数とし、Ｒを参照信号の数（例えば、測定された騒音源のチャネル）とし、［ｋ］を周波数領域におけるｋ番目のサンプルとし、［ｎ］を時間領域におけるｎ番目のサンプルまたはｎ番目のフレームとする。さらなる詳細を以下に説明するように、マルチチャネルＡＮＣシステム４００は、図３に関して記述したようなＡＮＣシステム３００と同様に動作し得るが、図１～２に関して記述したような音声ゾーンの概念を用いて、システム処理の要件を減らす。

より具体的には、Ｒ個の参照信号４０２は、騒音の源に物理的に近接している、かつ物理的パス４０４を横断する感知信号を示す。参照信号４０２は源に近接しているので、それらは時間的な立ち上がり信号をもたらし得る。参照信号４０２は、ｘ_ｒ［ｎ］として表され得、ｒ＝１ＫＲであり、次元Ｒのベクトルとして、時間領域における時間依存の参照信号４０２を表す。物理的パス４０４は、ｐ_ｒ，ｍ［ｎ］として表され得、ｒ＝１ＫＲであり、ｍ＝１ＫＭであり、Ｒ×Ｍの行列として、時間領域におけるプライマリパスの時間依存の伝達関数を表す。さらなる詳細を以下に論じるように、スピーカ４２２からの音声と参照信号４０２から生じる騒音は、空中４０６で組み合わされ、Ｍ個のエラーマイク４０８によって受信される。

Ｒ個の参照信号４０２はまた、適応フィルタ４１０にも入力され得、適応フィルタ４１０は、所望の騒音防止信号４１６を、参照合計４１４後の出力として生成するように参照信号４０２をフィルタリングするよう動的に適応するように構成されたデジタルフィルタであり得る。適応フィルタ４１０は、時間領域における時間依存の適応ｗ－フィルタを表す、ｗ_ｒ，ｍ［ｎ］の表記を用い得、ｒ＝１ＫＲであり、ｍ＝１ＫＭであり、Ｒ×Ｍの行列を提供する。名前の通り、適応フィルタ４１０は、即座に変化し、ＡＮＣシステム４００の適応機能を実行するように時間的に適応する。

適応フィルタ４１０の出力は、参照合計４１４結合器に提供され得る。参照合計４１４は、ｙ_ｍ［ｎ］の形式でＭ個の出力を有する騒音防止信号４１６を提供し得、ｍ＝１ＫＭであり、マイクごとの時間領域における時間依存の騒音防止信号を表す。

しかしながら、騒音防止信号４１６はＭ個の信号のセットを含む（エラーマイク４０８ごとに１個）ので、騒音防止信号４１６は、Ｌ個のスピーカ４２２に提供されるために、変換を必要とする。騒音防止信号４１６は、適切に、対角化フィルタ行列４１８に提供され得、対角化フィルタ行列４１８は、Ｍ個の騒音防止信号４１６を、スピーカごとにＬ個の出力信号４２０に変換し得る。対角化フィルタ行列４１８は、表記
を利用し得、ｍ＝１ＫＭであり、ｌ＝１ＫＬであり、Ｍ×Ｌの行列を提供し、時間領域における時間非依存のオフライン最適化された対角化フィルタを表す。注目すべきことに、対角化フィルタ行列４１８は、図２で行われた最適化に対して上述したように事前プログラムされている。適応フィルタ４１０とは対照的に、対角化フィルタ行列４１８は固定され、ＡＮＣシステム４００の運用中に調整を行わない。スピーカごとの出力信号４２０は、ｙ_ｌ［ｎ］の形式で言及され得、ｌ＝１ＫＬであり、時間領域における時間依存のスピーカ入力信号を表す。

スピーカごとの４１８の出力信号４２０は、スピーカ４２２への入力に加えられ得る。スピーカごとの信号４２０に基づいて、スピーカ４２２は、適切に、スピーカ４２２から空中４０６を介してエラーマイク４０８までの音響物理的パス４２４を横断する音響音波としてスピーカ出力を生成し得る。物理的パス４２４は、伝達関数ｓ_ｌ，ｍ［ｎ］によって表され得、ｌ＝１ＫＬであり、ｍ＝１ＫＭであり、Ｌ×Ｍの行列を作成し、時間領域における音響パスの時間依存の伝達関数を表す。

かくして、プライマリ物理的パス４０４を横断するＲ個の参照信号４０２及び音響物理的パス４２４を横断するスピーカ出力の両方は、空中４０６で組み合わされて、Ｍ個のエラーマイク４０８によって受信される。Ｍ個のエラーマイク４０８は、Ｍ個のエラー信号４２６を生成し得る。エラー信号４２６は、ｅ_ｍ［ｎ］の形式で言及され得、ｍ＝１ＫＭであり、次元Ｍのベクトルであり、時間領域におけるエラーマイク信号を表す。

高速フーリエ変換（ＦＦＴ）４２８は、エラー信号４２６を周波数領域エラー信号４４０に変換するのに利用され得る。周波数領域エラー信号４４０は、Ｅ_ｍ［ｋ，ｎ］として言及され得、ｍ＝１ＫＭであり、次元Ｍのベクトルであり、周波数領域における時間依存のエラーマイク信号を表す。

Ｒ個の参照信号４０２はまた、ＦＦＴ４４２にも入力され得、それによって、周波数領域参照信号４４５を生成する。周波数領域参照信号４４５は、Ｘ_ｒ［ｋ，ｎ］として表され得、ｒ＝１ＫＲであり、次元Ｒのベクトルであり、周波数領域における時間依存の参照信号を表す。

周波数領域参照信号４４５は、４１８による対角化フィルタリングと組み合わされた音響物理的パス４２４を通っての横断の効果を反映するように処理され得る。この処理は、対角化フィルタ行列４１８と共にモデル化された物理的パス４２４を、結果として生じる対角化された推定パスフィルタ４３６と組み合わせることによって行われ得る。推定パスフィルタ４３６は、等式
にしたがって形成され得、ｍ＝１ＫＭであり、Ｍのベクトルであり、周波数領域における音響パスの時間非依存の対角化された推定伝達関数を表す。
の量は、周波数領域における対角化フィルタ行列４１８の時間非依存のオフライン最適化された設計解を表し得、ｍ＝１ＫＭであり、ｌ＝１ＫＬであり、Ｍ×Ｌの行列を提供する。
の量は、周波数領域における音響パス４２４の時間非依存の推定伝達関数を表し得る。演算子ｄｉａｇ（）を用いて対角線エントリを抽出し、Ｍ×Ｍ行列を次元Ｍのベクトルに変換する。

推定パスフィルタ４３６は、周波数領域における時間依存の処理済み周波数領域参照信号４４５を表す推定出力信号４３８を提供し得る（対角化フィルタ行列４１８を考慮に入れて）。推定出力信号４３８は、
の形式で称され得、ｒ＝１ＫＲであり、ｍ＝１ＫＭであり、Ｒ×Ｍの行列を有する。

エラープロセッサ４４１は、周波数領域エラー信号４４０及び推定出力信号４３８を受信し得る。エラープロセッサ４４０は、エラー処理出力信号４４３を
の形式で生成し得、周波数領域において時間依存の処理済みマイク周波数領域エラー信号４４０を表し（周波数領域参照信号４４５に基づき推定出力信号４３８を用いて）、ｒ＝１ＫＲであり、ｍ＝１ＫＭであり、Ｒ×Ｍの行列を有する。エラープロセッサ４４１は、等式
にしたがって処理を行い得、
の複素共役であり、Ｅ_ｍ［ｋ，ｎ］は、周波数領域における時間依存のエラーマイク信号４４０を表し、ｍ＝１ＫＭであり、次元Ｍのベクトルを有する。

エラー処理出力信号４４３は、学習アルゴリズムユニット（ＬＡＵ）４４４に提供され得る。ＬＡＵ４４４はまた、入力として、周波数領域参照信号４４５も受信し得る。ＬＡＵ４４４は、最小二乗平均（ＬＭＳ）、再帰的最小二乗平均（ＲＬＭＳ）、正規化最小二乗平均（ＮＬＭＳ）または任意の他の適切な学習アルゴリズムなどの様々な学習アルゴリズムを実装し得る。

受信した入力４４３及び４４５を用いて、ＬＡＵ４４４は、ＬＡＵ出力４４６を生成する。ＬＡＵ出力４４６は適応フィルタ４１０に提供されて、適応フィルタ４１０を、所望の騒音防止信号４１６を出力として生成するように参照信号４０２をフィルタリングするように動的に適応させ得る。場合によっては、ＬＡＵ４４４はまた、入力として、１つまたは複数の調整パラメータ４４８も受信し得る。例では、μ［ｋ］の調整パラメータ４４８がＬＡＵ４４４に提供され得る。パラメータμ［ｋ］は、周波数領域における時間非依存の適応ステップサイズを表し得る。これは単に一例であり他の調整パラメータ４４８が可能であることに留意すべきである。

対角化フィルタ行列４１８は、スピーカをフィルタでグループ化し、スピーカ伝達関数をゾーンごとに分け、客室音響をオフラインで調整し分離し、リアルタイムで、独立したマイクフィードバックに基づく騒音消去に適応する。マルチチャネルＡＮＣシステム４００において対角化フィルタ行列４１８を用いるこの組み合わせは、ＡＮＣのスピーカからマイクへの伝達関数行列を対角化することによって、客室音響管理を簡素化する。対角化フィルタ行列４１８をＡＮＣと組み合わせることによって、示されたシステム４００は、騒音消去の試みを、（ｉ）オフラインでの音響調整、すなわち、対角化フィルタ行列４１８の設計と（ｉｉ）分離され簡素化されたＡＮＣシステム４００のリアルタイムでの適応とに分ける。

オフラインでの音響調整及び対角化フィルタ行列４１８の設計において、対角化フィルタ行列４１８は、スピーカ４２２を、スピーカ４２２からマイク４０８への伝達関数の音響測定データに基づいてグループ化するように調整される。この対角化フィルタ行列４１８の設計の一例は、上述したように、米国特許公開番号２０１５／３５０８０５に詳細が記載されたＩｎｄｉｖｉｄｕａｌ Ｓｏｕｎｄ Ｚｏｎｅ（ＩＳＺ）の機能性に明示される。この学習セッションはオフラインで生じるので、対角化フィルタ行列４１８の設計は、計算時間及びまたはランタイム計算資源への圧力なしに行われ得、それによって、最適な解決策の包括的な検索が可能になる。対角化フィルタ行列４１８の最適な解決策が計算された状態で、それから個々の音声ゾーンが形成される。したがって、スピーカ４２２は、フィルタによってグループ化され、ゾーン／エラーマイク４０８間の干渉は最小の状態で、エラーマイク４０８の各々での音声を独立して供給するように設計された様に協働する。

リアルタイムでの適応動作において、対角化フィルタ行列４１８によってグループ化されたようなスピーカ４２２を用いて、適応消去フィルタはゾーン単位で分離される。ＬＭＳベースの制御を用いて、システム４００は、各ゾーンからの独立したマイクフィードバックエラー信号４２６に、また参照信号４０２にも基づいて適応する。スピーカ４２２ごとに出力を提供することとは対照的に、この動作では、適応フィルタ４１０の１つのセットは、ゾーンごとに１つの出力を提供するのみである。次いで、単一のゾーン出力は、事前調整された対角化フィルタ行列４１８を用いて混合され、ゾーン間の干渉を最小にするためにスピーカ４２２の協働を維持する。この分離された設定は、適応消去フィルタ４１０の入力及び出力の数を減らし、それによって、より速い収束率及びより良い消去パフォーマンスを約束する。

かくして、消去の試みを、オフラインでの音響調整とリアルタイムでの適応とに分けることにより、システム４００は、対角化フィルタ行列４１８を構築することによって複雑な客室音響特性を分離し、検索時間及び計算資源を適切なものとし、入力及び出力チャネル数を減らすことによって、適応消去フィルタシステムを簡素化する。より速い収束率及びより良い消去パフォーマンスという利点全体が得られる。

さらに、ＡＮＣシステム４００は分離されているので、より頑健である。１つのゾーンにおけるパフォーマンスが他のゾーンに与える影響は最小である。ゾーンが互いから独立しているということにより、任意のマイク４０８の不具合は、対応する座席／ゾーンにおいて制限された局所的なパフォーマンス低下を引き起こすのみであり得、他の座席／ゾーンのパフォーマンスを維持する。

図５は、対角化フィルタ行列４１８を用いてマルチチャネルＡＮＣシステム４００において能動騒音消去を行う例示的なプロセス５００を示す。例では、プロセス５００は、図４に対して詳細を上述した動作を行うようにプログラムされたオーディオプロセッサを用いて行われ得る。

５０２で、対角化フィルタ行列４１８は設計され調整される。オフラインでの音響調整及び対角化フィルタ行列４１８の設計において、対角化フィルタ行列４１８は、スピーカ４２２からマイク４０８への伝達関数の音響測定データに基づいて、スピーカ４２２をグループ化するように調整される。対角化フィルタ行列４１８の設計及び調整のさらなる態様は、図１～２に関して上述される。

５０４で、オーディオプロセッサは、マイク４０８から生成されたエラー信号４２６を受信する。エラー信号４２６は、音声ゾーンごとに生成され得る。例では、各音声ゾーンは、１つまたは複数のスピーカ４２２及び１つの対応するマイク４０８を含み得る。

５０６で、オーディオプロセッサは、推定パスフィルタ４３６を用いて、参照信号４０２に対する推定出力信号４３８を生成する。例では、推定パスフィルタ４３６は、参照信号４０２からＦＦＴ４４２によって生成された周波数領域参照信号４４５を受信し、推定関数
を用いて、スピーカによって放射されフィルタ行列４１８によって対角化された音響物理的パス４２４を横断するオーディオ信号に推定効果を与える。

５０８で、オーディオプロセッサは、推定出力信号４３８及びエラー信号４２６を用い、エラープロセッサ４４０を用いてエラー出力信号を生成する。例では、エラープロセッサ４４０は、エラー信号４２６からＦＦＴ４２８によって生成された周波数領域エラー信号４４０を受信し得る。エラープロセッサ４４０は、
の形式でエラー処理出力信号４４３を生成し得、推定出力信号４３８を用いて時間依存の処理済みマイク周波数領域エラー信号４４０を表す。

５１０では、オーディオプロセッサは、ＬＡＵ出力４４６の信号をＬＡＵ４４４を用いて生成して、適応フィルタ４１０を駆動する。例では、ＬＡＵ４４４は、エラー処理出力信号４４３及び周波数領域参照信号４４５を受信し得、最小二乗平均（ＬＭＳ）、再帰的最小二乗平均（ＲＬＭＳ）、正規化最小二乗平均（ＮＬＭＳ）または任意の他の適切な学習アルゴリズムなどの様々な学習アルゴリズムを実装して、適応フィルタ４１０によって処理されると環境騒音を最も良く最小化するＬＡＵ出力４４６の信号を生成し得る。

５１２では、オーディオプロセッサは、騒音防止信号４１６を、参照信号４０２から、ＬＡＵ４４４のＬＡＵ出力４４６によって駆動される適応フィルタ４１０を用いて生成する。例では、適応フィルタ４１０は、参照信号４０２を受信し得、ＬＡＵ出力４４６にしたがって参照信号４０２をフィルタリングして望ましい騒音防止信号４１６を出力として生成し得る。

５１４では、オーディオプロセッサは、適応フィルタ４１０の出力に参照合計４１４を行って、騒音防止信号４１６を生成する（すなわち音声ゾーンごとに）。例では、適応フィルタ４１０は、音声ゾーンごとのかつ参照信号４０２ごとの騒音防止信号４１６を提供し得る。参照合計４１４は、これらの騒音防止信号４１６を処理して、音声ゾーンごとに単一の合計を提供し得る。

５１６では、オーディオプロセッサは、対角化フィルタ行列４１８を用いて、騒音防止信号４１６からスピーカごとの出力信号４２０を生成する。例では、騒音防止信号４１６は、Ｍ個の騒音防止信号４１６をスピーカ４２２ごとのＬ個の出力信号に変換し得る対角化フィルタ行列４１８に提供され得る。

５１８では、オーディオプロセッサは、スピーカ４２２を、スピーカ４２０ごとの出力信号を用いて駆動して、環境騒音を消去する。スピーカ４２２は、適切に、スピーカ出力を騒音防止の音響音波として生成して環境騒音を消去し得る。動作５１６の後で、プロセス５００は終了する。

本明細書中に記載したコンピューティングデバイスは、一般に、コンピュータ実行可能命令を含み、命令は、上記に列挙したもののような１つまたは複数のコンピューティングデバイスによって実行可能であり得る。コンピュータ実行可能命令は、以下に限定するものではないが、Ｊａｖａ（登録商標）、Ｃ、Ｃ＋＋、Ｃ＃、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｊａｖａ Ｓｃｒｉｐｔ、Ｐｅｒｌなどを単独でまたは組み合わせて含む各種のプログラミング言語及び／または技術を用いて作成されるコンピュータプログラムからコンパイルまたは解釈され得る。一般に、プロセッサ（例えばマイクロプロセッサ）は、例えばメモリ、コンピュータ可読媒体などから命令を受信し、これらの命令を実行し、それによって、本明細書中に記載されたプロセスのうち１つまたは複数を含む１つまたは複数のプロセスを行う。そうした命令及び他のデータは、各種のコンピュータ可読媒体を用いて格納かつ送信され得る。

例示的な実施形態が上述されたが、これらの実施形態が発明のすべての可能な形式を記載することは意図されない。むしろ、明細書中に用いられる単語は、限定ではなく説明のための単語であり、様々な変更が発明の精神及び範囲から逸脱することなくなされ得ることが理解される。さらに、様々な実装実施形態の特徴は組み合わされて、発明のさらなる実施形態を形成し得る。

Claims (18)

1. 複数の音声ゾーンにおいて環境騒音を消去するための、対角化行列を用いて騒音防止信号を処理する能動騒音消去システムであって、
   複数の音声ゾーンであって、各々は１つまたは複数のマイク及び１つまたは複数のスピーカを含む、複数の音声ゾーンと；
   対角化行列と；
   オーディオプロセッサであって、
   適応フィルタのセットを通して参照信号及びフィードバックエラー信号に基づいて、物理的パスを横断する音波に推定効果を与える推定音響伝達関数を用いて、適応フィルタ出力信号を生成することであって、前記適応フィルタのセットは、前記フィードバックエラー信号、前記参照信号、及び前記対角化行列と組み合わされて前記推定音響伝達関数によってフィルタリングされた前記参照信号に部分的に基づいて、学習アルゴリズムユニットによって駆動される、ことと；
   前記適応フィルタ出力信号に参照合計を行って、騒音防止信号のセットを生成することと；
   前記対角化行列を用いて前記騒音防止信号のセットを処理して、スピーカごとの出力信号のセットを生成することと；
   前記スピーカごとの出力信号を用いて前記スピーカを駆動して、前記騒音防止信号を適用して各ゾーンにおける前記環境騒音を消去することとを行うようにプログラムされている、オーディオプロセッサとを備える、能動騒音消去システム。
2. 前記学習アルゴリズムユニットが、前記学習アルゴリズムユニットから前記適応フィルタへの信号の適用による前記環境騒音を最小化するために最小二乗平均（ＬＭＳ）ベースのアルゴリズムを利用する、請求項１に記載の能動騒音消去システム。
3. 前記オーディオプロセッサが、さらに、前記マイクから前記環境騒音を含むエラー信号を受信するようにプログラムされている、請求項１に記載の能動騒音消去システム。
4. 前記音声ゾーンが車室の座席である、請求項１に記載の能動騒音消去システム。
5. 前記オーディオプロセッサが、さらに、高速フーリエ変換を用いて前記参照信号から周波数領域参照信号を生成するように、かつ、前記周波数領域参照信号を推定パスフィルタ及び前記学習アルゴリズムユニットに提供するようにプログラムされている、請求項１に記載の能動騒音消去システム。
6. 前記オーディオプロセッサが、さらに、
   高速フーリエ変換を用いて、前記マイクから受信した前記エラー信号から周波数領域エラー信号を生成することと；
   前記周波数領域エラー信号をエラープロセッサに提供することと；
   前記エラープロセッサを用いて、推定出力信号及び前記周波数領域エラー信号から前記フィードバックエラー信号を生成することとを行うようにプログラムされている、請求項１に記載の能動騒音消去システム。
7. 前記オーディオプロセッサが、さらに、周波数領域における時間非依存の適応ステップサイズを表す調整パラメータを前記学習アルゴリズムユニットに提供するようにプログラムされている、請求項１に記載の能動騒音消去システム。
8. 前記対角化行列が、前記能動騒音消去システムのランタイム前に事前計算されている、請求項１に記載の能動騒音消去システム。
9. 前記対角化行列が、周波数領域における室内に対するインパルス応答を表す測定値を含む伝達関数行列の逆行列を求めることによって室内用に設計されている、請求項１に記載の能動騒音消去システム。
10. 複数の音声ゾーンにおいて環境騒音を消去するための、対角化行列を用いた能動騒音消去方法であって、各音声ゾーンはマイク及び１つまたは複数のスピーカを含み、前記能動騒音消去方法は、
    物理的パスを横断する音波へ推定効果を与える推定フィルタパス伝達関数を用いて参照信号の推定出力信号を生成することであって、前記推定フィルタパス伝達関数は、モデル化された音響伝達関数及び前記対角化行列に基づいて事前計算され対角化される、ことと、前記参照信号にしたがって処理を行うことと；
    学習アルゴリズムユニットから受信した学習ユニット信号によって駆動される適応フィルタを用いて、前記参照信号から予備騒音防止信号を生成することであって、前記学習ユニット信号は、前記推定出力信号から生成されたエラー出力信号に部分的に基づくものであり、前記予備騒音防止信号は、音声ゾーンごとのかつ参照信号ごとの信号を含む、ことと；
    前記予備騒音防止信号に参照合計を行って、音声ゾーンごとの騒音防止信号のセットを生成することと；
    前記音声ゾーンごとの騒音防止信号のセットを前記対角化行列によって処理して、スピーカごとの出力信号のセットを生成することと；
    前記スピーカごとの出力信号のセットを用いて前記スピーカを駆動して、前記音声ゾーンごとの騒音防止信号のセットを適用して前記環境騒音を消去することとを含む、能動騒音消去方法。
11. 前記学習ユニット信号の前記適応フィルタへの適用による前記環境騒音を最小化するために、前記学習アルゴリズムユニットによって最小二乗平均（ＬＭＳ）ベースのアルゴリズムを利用することをさらに含む、請求項１０に記載の能動騒音消去方法。
12. 前記環境騒音を含むエラー信号を前記マイクから受信することをさらに含む、請求項１０に記載の能動騒音消去方法。
13. 前記音声ゾーンが車室の座席である、請求項１０に記載の能動騒音消去方法。
14. 高速フーリエ変換を用いて前記参照信号から周波数領域参照信号を生成することと；
    前記周波数領域参照信号を前記推定フィルタパス伝達関数及び前記学習アルゴリズムユニットに提供することとをさらに含む、請求項１０に記載の能動騒音消去方法。
15. 高速フーリエ変換を用いて、前記マイクから受信したエラー信号から周波数領域エラー信号を生成することと；
    前記周波数領域エラー信号をエラープロセッサに提供することと；
    前記エラープロセッサを用いて、前記推定出力信号及び前記周波数領域エラー信号から前記エラー出力信号を生成することとをさらに含む、請求項１０に記載の能動騒音消去方法。
16. 周波数領域における時間非依存の適応ステップサイズを表す調整パラメータを前記学習アルゴリズムユニットに提供することをさらに含む、請求項１０に記載の能動騒音消去方法。
17. 前記対角化行列が、前記能動騒音消去方法を行う能動騒音消去システムのランタイム前に事前計算されている、請求項１０に記載の能動騒音消去方法。
18. 周波数領域における室内に対するインパルス応答を表す伝達関数行列を測定し、前記伝達関数行列の逆行列を求めることによって、前記対角化行列を室内用に設計することをさらに含む、請求項１０に記載の能動騒音消去方法。