JPH08509823A

JPH08509823A - 能動的音響及び振動制御のための単一及び多重チャネルブロック適応方法と装置

Info

Publication number: JPH08509823A
Application number: JP6524609A
Authority: JP
Inventors: シェン、クン
Original assignee: ノイズキャンセレイションテクノロジイーズインコーポレーテッド
Priority date: 1993-04-27
Filing date: 1994-04-28
Publication date: 1996-10-15
Also published as: EP0724415B1; CA2160672A1; US5416845A; AU6670194A; EP0724415A4; CA2160672C; DE69428046T2; WO1994024970A1; DE69428046D1; EP0724415A1

Abstract

(57)【要約】少なくとも一つの場所において所望の騒音レベルを生ずるように１次騒音源を能動的に消去する方法と装置である。この装置は少なくとも一つのアクチュエータ（Ｈ′）、少なくとも一つの誤差センサ（e(k)）及び１次騒音基準信号（x(k)）を備えている。誤差信号はそれぞれの場所に近接して位置決めされる。誤差信号の出力と１次騒音基準信号が信号処理装置（３１２）に送られる。処理装置の駆動出力と誤差センサの出力の間の関係は１ブロックのフィルタ係数（３１４）によってモデル化される。モデルと１次騒音基準信号に基づいて、処理装置はアクチュエータを駆動してその場所に相殺騒音を発生する。処理装置は所望の騒音レベルとセンサの出力との間の差を計算する。可変収束係数とグラディエントブロックが残留騒音から導出されてフィルタ係数を適応させるために用いられる。

Description

【発明の詳細な説明】能動的音響及び振動制御のための単一及び多重チャンネルブロック適応方法と装置技術分野本発明は、振動相殺装置に関し、特に能動騒音消去装置に関する。発明の背景騒音減衰は、能動的又は受動的減衰技術のいずれを用いても達成できる。従来の受動吸音技術は高周波の音をうまく減衰できるが、それらは高価で扱いにくく、かつ低周波騒音の減衰に用いられるときに非常に効率が悪い。例えば、自動車や航空機の客室に用いられる自動騒音低減方法は遮音処理、普通は本体構造物に適用される吸音性の制振材料を主に含んでいる。これらの材料はかさばっていることが多く、余分な重量を持ち込み燃料効率を下げる傾向がある。対照的に、能動音響制御は上述のような低周波騒音低減用途により効率的で軽量な代替品を提供する。能動騒音消去の基本的考え方は、一つ以上の２次音響場場を減衰すべき１次騒音場に重ね合せることである。２次騒音場は理想的には１次騒音と同じ正確に同じ振幅であるが、位相が１８０°異なっている。初期の能動防音装置は連続時間方法とアナログハードウエアに大いに頼っていた。技術の進歩と効率的で非常に精巧な不連続時間のアルゴリズムの開発に従って、デジタル能動騒音消去が可能になった。現在の能動騒音消去装置は、通常、１）減衰されるべき１次騒音を検出するため（入力または検出センサ）及び消去性能を監視するために用いられる検知装置（誤差センサ）、最も多くは音響に対してマイクロホン、振動に対して加速度計、２）２次騒音場を作るのに用いられるアクチュエータ、最も普通には音響スピーカ、３）ＡＤ変換装置、ＤＡ変換装置、アンチエイリアシング・フィルタ、電力増幅器、Ｐ／ＳとＳ／Ｐ変換装置、サンプルホールド回路等を備える電子装置、及び４）高速実時間計算のためのハードウエア及び所定の性能基準に基づいてアクチュエータの出力を制御する方法を実現するソフトウエアの両方を備える信号処理装置、を備えている。図１Ａを参照すると、単チャンネル能動騒音防止装置１００が入力センサ１０２と誤差センサ１０４（例えばマイクロホン）、アクチュエータスピーカ１０６、及び能動騒音防止装置（信号処理装置）１０８を備えている。上述のように能動騒音減衰は外部音源１１０によって発生される騒音を消去する２次騒音場（アンチノイズ）を発生することに頼っている。アンチノイズを作るためには、入力センサ１０２は、騒音源１１０を監視し、誤差センサ１０４は、騒音低減が望まれる位置におけるすべての残留騒音を監視する。信号処理装置１０８は、入力センサ１０２と誤差センサ１０４からの測定値を用いてスピーカ１０６を駆動するアンチノイズ信号を作る。スピーカ１０６は消去されるべき１次騒音と振幅と振動数が同一であるが、位相の１８０°異なったアンチノイズを発生するように応答する。しかし、センサ１０２、１０４のところで測定された騒音とスピーカ１０６のところで測定された騒音は、スピーカ１０６が切られている場合でも、異なるであろう。この相違はセンサ１０２，１０４とスピーカ１０６の間の音響的経路及びハードウエア素子の特性に主によっている。音響的経路は、一般に伝達関数によって一般的に表わされる。音響的経路は時間と共に変ることがあるので、適応装置識別（特徴付け）方式も望ましい。さらに、センサ、アクチュエータ、及び電子回路は理想的でないので、用いられるハードウエアに対する電気的伝達関数も適応中考慮に入れられなければならない。従って、完全な伝達関数は現実には電気−音響的である。従って、信号処理装置１０８がシステムの実際の騒音電気音響伝達関数を反映する伝達関数に従ってセンサ１０４からの残留誤差信号に作用することによってアンチノイズ源１０６への駆動信号を発生する。「適応フィルタ」という用語は、例えば費用関数を最小にする所定の基準に従って調節される係数を有する時変デジタルフィルタのことを言う。「費用関数」は内在する騒音分布によって変る関数である。適応フィルタは、信号を歪めることなく騒音を取り除くことによって、入出力装置の性能を改良するのに用いられることが多い。適応フィルタの係数は信号処理装置に適応面確率的グラディエントまたは帰納的最小自乗または適当な適応アルゴリズムを用いることによって調整できる。例えば、最小平均自乗（ＬＭＳ）アルゴリズムは費用関数として平均自乗誤差を用いる確率的グラディエントアルゴリズムである。適応アルゴリズムは入力信号の前のことを少しもまたは全く知っている必要がないので、時間的に変る装置に適当である。適応フィルタはさまざまな分野に適用対象を見いだした。例えば、適応フィルタが音声符号化、スペクトル推定、適応制御およびデジタルフィルタ設計に適用対象に用いられてきた。なお、適応フィルタの考え方は、エコー消去、心電図記録や会話における雑音低減及びアンテナのサイドローブ消去において利用されてきた。能動騒音減衰の考え方は一般に知られているが、この用途のために頑丈な適応フィルタを開発または注文製作することに関する関心が高まっている。この関心は、信号処理の分野における最近の発展と共に実時間能力を持ったデジタル信号処理装置の出現によって剌激された。能動防音に伴う基本的信号処理問題は、適応アンチノイズフィルタの出力を制御するための装置の設計にある。能動防音に必要な適応アルゴリズムは古典的な騒音エコー消去の用途に適用対象用いられたものよりさらに複雑になる傾向がある。この相違は以下のことに帰せられる。１）アンチノイズ源とセンサとの間の音響経路（遅延）２）電気−音響装置の伝達関数、３）チャンネル間（多重チャンネルの適用対象において）の音響的相互結合干渉、４）アンチ入力センサへの音響的フィードバック、５）能動騒音伝播機構を支配する音響法則、６）潜在的時変音響源。結果として、適応ろ波アルゴリズムが能動防音装置の特性に合うように特別に作られなければならない。能動防音のための適応アルゴリズムには通常は二つの運用方式、すなわちシステムモデル化及びシステム制御がある。システムモデル化は装置の電気−音響特性を特徴づける。システム制御はいくつかの規定された基準に基づいてアンチノイズを計算する。システムモデル化は通常は１次騒音のない状態で行われる。しかし、システムモデル化はまた時変特性を持った装置を調整するために防音操作の間に行うこともできる。また、信号処理装置への入力信号は処理をする前に調整される。信号の予備調整は、センサとアクチュエータの間の伝達関数の由来を説明するために能動防音用途ににおいて一般に強調されている。この用途のための適応フィルタの構造は、普通、ろ波−Ｘ構造という。普通の適用対象においては、アルゴリズムは実時間で演算し、標本化周期内で全ての計算を完了する必要がある。急速な収束が過渡騒音に対して短い適応応答をするのを確実にするために必要である。このような過渡現象は騒音源の不規則な性質によることが多い。例示的従来の装置がタップの数が周知の最小平均自乗（ＬＭＳ）アルゴリズムを実現するＩである適応有限インパルス応答（ＦＩＲ）フィルタを備える処理装置１０８を用いている。用語「タップ」は、フィルター係数w_kの数を表わしている。フィルタの出力はy（k）は入力信号x（k）と標本の各々に対ずる一連のフィルタ係数w_kのたたみ込みによって与えられる、すなわちｋは特定の時間インデックスを表し、ｉは特定のタップである。入力信号x（k）及びフィルタ係数w_kは X _k=[x(k)x(k-1)...x(k-I+1)]^T 式（２）および W _k=[wk(0)w_k(1)...w_k(I-1)]^T 式（３）としてベクトルの形で表すことができる。そのとき適応装置の出力はとして書かれ、添字^Tは、ベクトル又はマトリックスの転置を表し、下線はベクトルとマトリックスを表わすのに用いられる。所望の出力とフィルタの出力の間の誤差はによって与えられここでｄ（ｋ）は時間インデックスｋにおける装置の所望の信号である。ＬＭＳアルゴリズムの費用関数（Ｊ）は平均自お誤差すなわち J=E｛e(k)²｝=E｛[d(k)-y(k)]²｝ =E｛[d(k)-x_k ^TW_k] ^T[d(k)-x_k ^TW_k]｝式（６）であり、ここでＥ｛・｝は期待値演算子を表わしている。費用関数のフィルタ係数ベクトルｗ_kの１次微分を取るとグラディエントを与えるこのグラディエントは費用関数の各個々のフィルタ係数に関する変化の割合と方向を定める。係数ベクトルｗ_kはそれによってフィルタ２０８を変化する条件に適応させるように更新される。適応フィルタの係数ベクトルｗ_kを最も険しい降下アルゴリズム、すなわち w _k+1=w _k-μ▽ _k =w _k+2μE｛e(k)x _k｝式（８）によって更新できる。グラディエントの瞬時推定値を用いると、すなわち更新方程式はによって表わすことかでき、ここでμはアルゴリズムの収束速度と安定性を制御する収束係数またはステップサイズである。費用関数の最小化に関連する最適（ウィーナーＷｉｅｎｅｒ−）解は従ってによって与えられ、ここでｒは入力自動相関マトリックスおよびｐは横相関ベクトル p=E｛d(k)x _k｝式（１３）である。ＬＭＳアルゴリズムは収束係数μがによって制限される場合に平均において収束し、ここでλ_maxは自動相関マトリックスの最大固有値である。従ってＬＭＳアルゴリズムの固有の欠点のひとつは全ての係数が最も遅いモードの速度と適応することである。ＬＭＳアルゴリズムの変形が多重チャンネル能動防音装置と共に用いるために開発された。「多重チャンネル」という用語は能動防音装置において２つ以上ののアクチュエータまたは誤差センサを用いることをいう。詳しく言えば、多重チャンネルＬＭＳ（ＭＬＭＳ）アルゴリズムはＭ個の誤差センサーとそれと関連したＮ（Ｍ≧Ｎ）個のアクチュエータを有する多重チャネル能動消音装置と共に用いることができる。このような装置はＭｘＮ能動防音装置と呼ばれている。図１Ｂを参照すると、ｎ個の例示的多重チャンネル能動防音装置１２０には入力センサ１２２、それぞれの誤差センサ１２４（例えばマイクロホン）、それぞれのアクチュエータスピーカ１２６、および能動防音装置（信号処理装置）１２８がある。上述のように、能動騒音減衰が外部源１３２によって作られる騒音を打ち消す２次騒音場（アンチノイズ）を発生することによっている。アンチノイズの発生を容易にするためには、入力センサ１２２が騒音源１３０を監視し、誤差センサ１２４は騒音低減を望む場所で任意の残留騒音を監視する。信号処理装置１２８は入力センサ１２２および誤差センサ１２４からの測定値を用いてスピーカ１２６を駆動するアンチノイズ信号を作る。スピーカ１２６はそれに応じて打ち消されるべる１次騒音に関して振幅と周波数において適当に同一で位相の１８０度異なるアンチノイズを発生する。ＬＭＳ装置の場合と同様に、センサとアクチュエータの間の電気音響経路の伝達関数はモデル化される。しかし、ＭｘＮ能動防音装置の場合、処理装置１２８にあるＮＭ適応フィルタがそのようなモデル化に必要である。なお、Ｎ個のスピーカ１２６からのＮ個の適応フィルタが全平均自乗誤差を最小にするようにアクチュエータの出力を制御するために用いられる。近年において、ブロック適応フィリタリングアルコリズムにかなりの関心が集まっていた。ブロッコアルゴリズムが監視データの逐次処理の代りにブロック処理（すなわち複数の標本の同時処理）を用いることを含んでいる。ブロック処理とは個々のデータ点に対立するものとしてデータのブロックを用いることをいう。上述のＬＭＳデジタルフィルタの標準の逐次実施においてはスカラー出力が逐次入力とフィルタ係数のたたみ込みから計算される。これに反してディジタルフィルタのブロックインプリメンテーションにおいては、フィルタ出力のブロックが入力の各ブロックに対して計算される。ブロック処理は多数の利点を与える。例えばグラディエントをより正確に見積ることができ、アルゴリズムを周波数領域においてより効率的に実施でき、従って処理される信号の個々の離散的周波数成分を呼び出して直接に制御できる。詳しく言えば、ディジタルフィルタのブロックインプレメンテーションはディジタルフィルタの逐次インプレメンテーションにまさる利点を持っている。例えば、高速フーリエ変換（ＳＦＴ）を周波数ドメイン内のブロックフィルタを製作するのに用いることができるので高次のインプレメンテーションのための単位標本あたりの計算の数を少なくすることができる。ブロックフィルタがまた並列処理装置インプレメンテーションにより適当である。ブロックＬＭＳ（ＢＬＭＳ）アルゴリズムが時間および周波数ドメインの両方において開発された。ブロック適応フィルタが最初に逐次処理装置のために提案されたが、最近は並列処理装置についてのそれらのインプリメンテーションに利点が置かれていた。シストリックアレイ処理装置（ＳＡＰ）または刃面アレイ処理装置（ＷＡＰ）等の並列処理装置を用いることによって、ブロック適応フィルタのスループと速度とかなり向上させることができた。個々の標本平均自乗誤差を最小にする逐次ＬＭＳアルゴリズムと対称的に、ブロックＬＭＳ（ＢＬＭＳ）は誤差のブロックから見積られる平均自乗誤差を最小にする。ＢＬＭＳアルゴリズムを用いる実際の防音装置を説明するために、以下の変数を定義する。ｊはブロックインデックスであり、Ｌはブロック長さであり、ｋＩは逐次アルゴリズム内にあるものとして定義される。図２を参照すると、ブロック適応ＦＩＲフィルタ２０１を採用する能動防音装置２００が直列−並列（Ｓ／Ｐ）回路２０２および２０４と、並列−直列（Ｐ／Ｓ）回路２０６と適応ＦＩＲフィルタ２０８とそれぞれのセクショニング回路２１０と２１２と加算器２１４（例えば誤差センサ）と処理装置２１６として略図で示すことができる。入力信号x（k）は逐次入力からブロック入力に入力信号x（k）を再編成する（例えば所定の数の逐次データ入力を累算する）直列−並列回路２０２に加えられる。実際には、入力信号x（k）は入力センサ１０２（例えばマイクロホンまたは加速度計）から受けられる。適応ＦＩＲフィルタ２０８において、新しいブロックフォーマット入力信号x（k）はブロック係数ベクトルw（k）でたたみ込まれる（以下に説明する）。結果として生じたブロック出力ベクトルは並列−直列回路２０６によって逐次並列−直列回路２０６によって再変換される。結果として生じた逐次出力信号はデータを放送するためのアクチュエータ１０６（図示なし）によって用いるために編成するセクショニング手順２１０を受ける。結果として生ずる出力ｙ_j（ｅ）は加算器２１４に加えられる。実際には、出力ｙ_j（ｅ）はアクチュエータ（スピーカ１０６）によって発生されるうち消し用アンチノイズに相当する。所望の信号ｄ（ｋ）はやはり加算器２１４に加えられる前にそのデータを適当な用途に対して編成するセクショニング基準２１２を受ける。実際には、加算器２１４は所望の信号ｄ_j（ｌ）と出力信号ｙ_j（ｌ）を音響的に加算する誤差センサ１０４（マイクロホン）である。加算器２１４は誤差信号e_j（ｌ）を処理装置２１６において計算するために直列−並列回路２０４へ向ける。処理装置２１６はｅ（ｌ）を所望の信号ｄ（ｋ）と比較して誤差信号ｅ_j（ｌ）を最小にするようにブロック係数ベクトルｗ（ｋ）を調節する。処理装置２１６および適応ＦＩＲフィルタ２０８は実際には図１Ａの能動防音装置１０８に対応していることがわかるはずである。また構成要素の多くが独立の構成要素として示されているが、実際には各構成要素は物理的に同一の要素にすることもできることがわかるはずである。例えば、直列−並列回路２０２は代りに能動防音装置１０８の一部分としてソフトウエアで実現できるであろう。シーケンスｘ（ｋ）およびｄ（ｋ）はそれぞれｋ番目の時間インデックスにおいて入力信号と所望の信号に対応し、ｄ_j（l）およびｙ_j（l）はそれぞれｊ番目のプロックにおけるブロックの所望信号と出力ベクトルの１番目のエントリーである（ｌ＝１、２、・・・、Ｌ）。次に図２の数学的説明を行う。セクショニング手続２１０の後のブロック出力ｙ _j は次のように編成できる、 y _j=[y（jL)y(jL+1)...y(jL+1-1)]^T 式（１５）ここで、出力ベクトルの各エントリは式４から得られる。ブロック係数ベクトルｗ _j とブロック入力ｘ（ｋ）マトリックスは、 w _j=[w_j(0)w_j(1)・・・w_j(I-1)］^T 式（１６）および、として与えられる。次にＦＩＲフィルタ２０８のブロック出力をによって表わすことができる。ブロックの所望の信号ベクトルｄ _j（l）は d _j=[d(jL)d(jL+1)・・・d(jL+L-1)]^T 式（１９）として定義され、加算器２１４からの誤差信号ｅ _j（l）をとして書くことができる。ブロック平均自乗誤差（ＢＭＳＡ）は処理装置２１０における費用関数、すなわちとして用いられる。費用関数のフィルタ係数ベクトルｗ _jに関するグラディエントはによって与えられる。処理装置２１６におけるＢＬＭＳアルゴリズムはによって更新され、ここで、▽ _jはブロックグラディエントの推定値である。処理装置２１６のＢＬＭＳアルゴリズムは収束係数がによって制限されている場合，最適（ウィーナ）解に平均で収束し、ここで、λ_max は，入力自己相関マトリックスの最大固有値である。前述のように、ＢＬＭＳアルゴリズムに対する改良にはセンサとアクチュエータの間の電気−音響伝達関数を説明するためのフィルタ度Ｘ構造を用いることがある。図３を参照すると、このような例示的能動防音装置３００がそれぞれの直列−並列変換装置３０２、３０４および３０６、並列−直列変換装置３０８、ブロックＦＩＲフィルタ３１２とＢＬＭＳアルゴリズム３１４を備える処理装置３１０並びに加算器（例えばマイクロホンでの音響的加算）として略図で示すことができる。２次経路H^sは、まず、１次騒音x（k）のないときモデル化される。ブロックの有限インパルス応答（ＦＩＲ）フィルタが次にＸ−ＢＬＭＳアルゴリズムを用いて適応される。Ｘ−ＢＬＭＳアルゴリズムにおいて、誤差信号e(k)、所望の信号d(k)および係数ベクトルＷは e _j=[e(js)e(js+1)・・・e(js₊L-1)]^T 式（２５） d _j=[d(js)d(js+1)・・・d(js+L-1)]^T 式（２６）および w _j=[w_j(0)w_j(1)・・・w_j(I-1)]^T 式（２７）として定義され、ここで，整数ｊはブロックインデックスであり、Ｌはブロック長さであり、ｓはブロックシフトであり、データの順次のブロック内の新しいデータ標本の数は（後で説明するように）重なりの尺度であり、ｓ＝Ｌであれば、順次のデータブロックの間のデータの重なりはない。ｊ番目のブロックにおけるフィルタされた基準マトリックスr(k)は式（２８）によって与えられる。によって与えられる。マトリックスｒ _jの各成分はH^sを介してフィルタされ、伝達関数H^sの推定値はシステムモデル化の間に導かれてによって定義される。加算器３１６から得られ、所望の信号d(k)と出力信号y(k) の間の差を表わす誤差ベクトルe _jはによって与えられる。ブロックの平均自乗誤差（ＢＭＳＥ）、Ｘ−ＢＬＭＳアルゴリズム処理装置３１４における費用関数はで表わされる。従って、係数ベクトルｗ _jに関する費用関数、Ｊ_Bのためのグラディエントはとして表わすことができ、処理装置内で実現されるＸ−ＢＬＭＳアルゴリズムにおいてによって推定される。ブロックＦＩＲフィルタ３１２のなかのフィルタ係数Ｗを更新するために用いられるＸ−ＢＬＭＳアルゴリズム３１４に対する更新方程式はによって与えられる。Ｘ−ＢＬＭＳ及びＢＬＭＳアルゴリズムは傾斜騒音に関する従来の逐次ＬＭＳアプローチと比較して利点が多い。Ｘ−ＢＬＭＳおよびＢＬＭＳの両方において、傾斜は単一標本ではなく１ブロックのデータから推定される。従って、傾斜騒音は逐次ＬＭＳアルゴリズムと関連した騒音より少ない。なお、Ｘ−ＢＬＭＳアルゴリズムはデータ（例えばブロックごとまたは標本ごと方式）の順次グループの間の様々な程度の重なりを用いて更新できる（すなわちフィルタ係数を再計算できる）。定式化においてブロックシフトｓはこのアルゴリズムにおいて用いられる更新方式を規定する。ブロックシフトｓは整数１とＬの間にあるように選択できる。ｓ＝１のとき、Ｘ−ＢＬＭＳは最大重なりで標本ごとベースで更新される。ｓ＝Ｌの場合、アルゴリズムは互いに素なやり方でブロックごとに更新される。１＜ｓ＜Ｌの任意の値の場合、ある程度のブロックの重なりが含まれる。ブロックの重なりはデータの再使用を意味する。例えば、ｓ＝１＜Ｌであれば、古いデータのＬ−１個の標本は次のデータブロックの構成要素として用いられる。唯一の新しいデータ標本は新しいデータブロックを形成するために用いられル。データ再使用は追加の計算費用を犠牲にして収束速度を上げることができる。ブロックの長さとフィルタの更新の方法はノイズ信号の統計的性質に基づいて決められるべきであり、すなわち定常入力信号の場合、重なりのない長いデータブロックが有利に使用できる、非定常信号の場合には、短いブロックとデータの重なりが都合の良い傾向がある。Ｘ−ＢＬＭＳの最適解はによって得ることができ、ここでｒおよびｐは自己相関マトリックスおよび騒音相関ベクトルをそれぞれ表わし、すなわちおよびである。もしであれば適用フィルタ係数Ｗが平均で最適解に収束することを示すことができ、ここで、λ_maxはフィルタされた基準信号の自己相関マトリックスの最大固有値である。Ｘ−ＢＬＭＳのためのシステム識別方式はＬＭＳ又はＢＬＭＳアルゴリズムに対する識別方式と異なっている。主な差は適応ＦＩＲフイルター関数３１２が伝達関数H^sと従続接続されていることにある。上述の説明は、データがブロックフォーマットで編成できるとしてもデータを逐次に解析する時間領域アルゴリズムに関する。しかし、入力信号ｘ（ｋ）を処理する前に高速フーリエ変換（ＦＦＴ）又は離散フーリエ変換（ＤＦＴ）のいずれかによって変換することが望ましいことが多い。フーリエ変換を用いることはそれが音響における異なる周波性成分の個別制御とともに周波数正規化収束係数を用いることを可能にするので望ましいことが多い。この係数は収束速度を速めることができる。なお、周波数領域アルゴリズムが高次のフィルタインプリメンテーションにおいて非常に効率的になる。従って、初期の余分な処理段階は計算を遅くする可能性があるが、相違はそのような適用対象において効率の増加によって克服できる。しかし、過渡状態に対する反応時間を速くすることができるようにＸ−ＢＬＭＳアルゴリズムの収束速度を向上させることが望ましい。なお、収束係数μ_Bが制約されているが、それは明白には決められない。実際には、収束係数μ_Bは試行錯誤によって徹底される。適当な係数を試行錯誤に頼ることなく明らかに決定することが望ましいであろう。さらに、高速収束を達成できる任意の方法も望ましい。さらに、逐次ＬＭＳ技術が多重チャンネル状態に拡張されてきたが、ブロック技術の拡張がこれまでには報告されていなかった。従って、上述の単チャンネル技術の多重チャンネルへの場合への拡張が非常に望ましいであろう。発明の概要本発明は少なくとも一つの場所において所望の騒音レベルを作るように１次騒音源からの騒音を能動的に打消す方法と装置を提供する。本発明の好ましい実施例によれば、少なくとも一つのアクチュエータ、少なくとも一つの誤差センサおよび１次騒音基準信号と共働する制御装置（たとえば信号処理装置）を備える装置が提供される。誤差センサの出力および１次騒音基準信号は信号処理装置に入力されるのが望ましい。誤差センサは１次騒音源音は消音されるべき場所の各々に近く適当に位置決めされる。処理装置の駆動出力と誤差センサの出力の間の関係は１組のフィルタ係数によってモデル化される。フィルタ係数ブロックと１次騒音基準信号に基づいて、処理装置は所定の場所において打消騒音を発生するようにアクチュエータを駆動する。処理装置は出力信号を更新するために所望の騒音レベルと誤差センサの出力の間の全ての差を用いる。随意選択の時変収束係数とグラディエントブロックがそれらの差から導かれフィルタ係数ブロックを含む係数値を適応させるために用いられる。図面の簡単な説明本発明の好ましい例示的実施例はこの後添付図面と関連して説明され、ここで同様の記号は同様の要素を表している。図１ＡおよびＢは代表的な単チャンネルおよび多重チャンネル能動防音装置の線図である。図２はブロック最小平均自乗適応有限インパルス応答を（ＦＩＲ）フィルタの線図である。図３はフィルタド−Ｘブロック最小平均自乗方法のためのブロック線図である。図４はフィルタド−Ｘ周波数領域（円たたみ込み）最小平均自乗装置のブロック線図である。図５はフィルタド−Ｘ周波数領域最小平均自乗装置のブロック線図を示している。図６は多重チャンネル最小平均自乗アルゴリズムのブロック線図を示している。図７は多重チャンネルブロック適応アルゴリズムのブロック線図を示している。図８は周波数領域（円たたみ込み）多重チャンネル適応アルゴリズムのブロック線図を示している。図９は周波数領域（線形たたみ込み）多重チャンネル適応アルゴリズムのブロック線図を示している。好ましい例示的実施例の詳細な説明以下の説明は本発明の例示的実施例としての一連のアルゴリズムに関する。これらの実施例はそれによって発明を特定の説明した例に限定しない。類似した機能を行なうすべてのアルゴリズムは本発明の範囲内に含まれている。前述のように、適応フィルタ関数が固定収束係数をもったＸ−ＢＬＭＳアルゴリズムを用いる従来技術において考慮されてきた。本発明の一つの面によればＸＢＬＭＳアルゴリズムの収束性能は最適時変収束係数を用いることによって改良できる。時変収束係数を備えるＸ−ＢＬＭＳは以後最適Ｘ−ＢＬＭＳ（Ｘ−ＯＢＬＭＳ）方法という。時変収束係数はそれが主要関数を一つのデータブロックから次のデータブロックへ操作（すなわち最小化）できるように計算されるので最適であると考えられている。従って、より高速な収束速度が達成され、従ってこの方法は変化する騒音状態のあるときに特により良い追跡能力を備えている。例示的Ｘ−ＯＢＬＭＳ装置において、Ｘ−ＢＬＭＳ装置において用いられたものと大体類似の同じ能動防音方式のもとで、Ｘ−ＯＢＬＭＳアルゴリズムの更新方程式はによって与えることができ、ここで、μ_j ^Bは、一つのブロックから次のブロックへ異なる修正値を与える。時変収束係数μ_j ^Bは、ｊ番目のブロック内の誤差の関数として（ｊ＋１）番目のブロック内の謂差を表わすことによって得ることができる。実際には、（ｊ＋１）番目のブロックにおける誤差関数をテイラー級数展開すなわちを用いてｊ番目のブロックにおける誤差関数に関して展開でき、ここで、”ＨＯＴ”は高次の項と δw_j(i)=w_j+1(i)-w_j(i) i=0,...,I-1 δw_j(i)=w_j+1(i)-w_j(i) 1=0,...,I-1 式（４１）を表わす。誤差信号がフィルタ係数における線形関数であるのが適当なので、式（４０）における１より高い次数をもった導関数は０なので式（４２）を誤差ベクトルの各エントリに適用してそれをベクトルの形、およびで表わす。式（４４）を式（４３）に代入するとを与える。従って（ｊ＋１）番目のブロックにおける費用関数をラディエントをとってそれを０に置くと、すなわちであり、次にμ_j ^Bをでありα＝１である。式（４８）にある収束係数μ_j ^Bは主に適応アルゴリズムの収束速度を改良するために設計されている。μ_j ^Bの値は最初は大きくても良く、場合によっては一つの反復から次の反復へ極めて迅速に変化してもよい。これらの場合には、誤った調節や音圧レベルの変動は同様に大きくても良い。音の急速な変化による過渡的影響を避けて誤った調節を改良するために、小さな倍率αがμ_j ^Bを逓減するために導入され、ここで０＜α＜１である。小さな倍率を時変収束係数の代りに導入されるとき、より滑かな収束曲線が得られる。周波数領域アルゴリズムを円たたみ込みまたは線形たたみ込み技術のいずれかを介して実施できる。円たたみ込み（ＸＣ−ＦＬＭＣ）を用いる周波数領域アルゴリズムはすべての時間領域データシーケンスのストレートフーリエ変換を用いる。円たたみ込み技術は追加の誤差を犠牲にして計算段階を節約する。しかしデータの長さが長ければ、誤差は小さく無視できる。対照的に、線形たたみ込みアルゴリズムは周波数領域におけるＸ−ＢＬＭＳ（Ｘ−ＦＬＭＳ）の正確な実現である。線形たたみ込みにはより多くの計算電力を必要とするが正確性を大きくする。図４および５を参照すると、線形たたみ込みＸ−ＦＬＭＳ装置４００および円たたみ込みＸＣ−ＦＬＭＳ装置５００のブロック線図が示されている。上述のように、二つの技術の間の差は図４における高速フーリエ変換４０２と図５における高速フーリエ変換５１０の比較位置決めを含んでいる。図５におけるH^sの後入ってくるデータを変えるだけである。本願における約束事として、小文字は領域信号を表わすのに用いられ、大文字は周波数領域信号を表わす。Ｘ−ＦＬＭＳアルゴリズムはＸＣ−ＢＬＭＳアルゴリズムより多くの計算を必要とするが、それは又時間領域アルゴリズムに比較して高次の場合にいくらかの計算の節約を与える。Ｘ−ＦＬＭＳは個々の周波数成分の適用の直接のアクセスと制御を考慮しているので高度の相関信号に対するより高速な収束を達成する。Ｘ−ＦＬＭＳの計算上の節約はそのプログラミングの複雑さとメモリーの要求事項に対して不利になっているはずである。Ｘ−ＦＬＭＳはＸ−ＢＬＭＳの正確な実現なので、それはＸ−ＢＬＭＳアルゴリズムと同一の収束特性を持っている。時変収束係数はまたＸＣ−ＦＬＭＳおよびＸ−ＦＬＭＳ型アルゴリズムの両方に対して周波数領域において効率的に計算できる。最適時変収束係数をそなえた周波数領域アルゴリズムは以後それぞれＸＣ−ＯＦＬＭＳおよびＸ−ＯＦＬＭＳと称する。誤差関数の実数部と虚数部の両方にテーラー展開技術を用いることによって、ＸＣ−ＯＦＬＭＳに対する時変取束係数μ_j ^cをによって得ることができ、ＸＣ−ＯＦＬＭＳの更新方程式をによって与える。Ｘ−ＦＬＭＳのための時変集束係数はμ_j ^Bを周波数領域で計算することによって得られる。異なるアルゴリズムの複雑さは表１に与えられている。ここで与えられる解析はブロック毎更新方式に基づいている。周波数領域インプリメンテーションによって実現される計算効率の評価を容易にするために、以下の複雑度比を定義してもよい。および表２は異なる数のタップのフィルタに対する複雑度の比較を示している。フィルタタップの数が少なくとも８である時ＸＣ−ＦＬＭＳおよびＸＣ−ＯＦＬＭＳが効率的になることが示されている。Ｘ−ＦＬＭＳおよびＸ−ＯＦＬＭＳはタップの数が少なくとも６４および３２にそれぞれなっている時計算上の節約を達成する。上述の単チャンネルブロック適応方法は一次元適用対象に対して主に用いられる。フィルタ度Ｘ（Ｘ−ＬＭＳ）アルゴリズムおよび多重チャンネルフィルタ度ＸＬＭＳ（ＭＬＭＳ）などの既存の適応方法は逐次の場合に限られている。ブロック適応アルゴリズムは従来多重チャンネル能動騒音減衰に適応されなかった。多重チャンネルブロック適応アルゴリスム（ＭＢＡＡｓ）は一般にＭＬＭＳと同じ事実上同じ能動防音問題を扱っているが、それらはＭＬＭＳより勝るいくつかの利点を持っている。例えば、（ａ）それらがグラディエントを推定するために全ブロックの誤差を用いるのでグラディエントの少ない騒音と関連している、（ｂ）それらはデータの次々のブロック（例えばブロック毎または標本毎で更新されている）の間に重なりを取り入れることができる、および（ｃ）それらを周波数領域で効率的に実現できる。周波数領域インプリメンテーションは個々の周波数成分の適応利得の個別制御を考慮しており、それらは入力データが高調波である場合に有利になる可能性がある。ＭＢＡＡがＭＬＭＳと本質的に同じ能動制御構造に基づいているが、それはそれがデータをブロック形式で編成して短時間の窓（ブロック）に亘る自乗誤差の和が最小になるようにしてる点でＭＬＭＳと異なっている。１ブロックのデータについて平均を取ることによって、変動の少ないグラディエント推定値を得ることができる。定常的データおよびエルゴードデータの場合、平均ブロックグラディエントは一般に真の集合グラディエントにより近い。ＭＬＭＳアルゴリズムを用いる例示的能動消音装置の制御装置６００が図６に示されているように略図で表わすことができる。入力信号ｘ（ｋ）がＭ個の一次経路６０２に分割され、関連のそれぞれの経路がＭ個の誤差センサー６０４の各々を表わしている。次に、入力信号はＮがアクチュエーターの数を表わしているＮ個の適応フィルタ６０６に供給される。Ｎ個のアクチュエーターとＭ個の誤差センサー６０４の組み合せはＭ×Ｎ二次経路６０８をもたらす。結果として、入力信号x(k)は多重チャンネルＬＭＳアルゴリズム処理装置６１２に供給される前にＭ×Ｎフィルタ６１０を通してフィルタされる。次に、アルゴリズム処理装置６１２は例えばＭ×Ｎ個のフィルタ度x(k)６１０と誤差センサー６０４から受けられる誤差信号ベクトルe(k)に従ってＮ個の適応フィルタ６０６にあるフィルタ係数を更新する。対照的に、図７は例示的多重チャンネルブロック適応アルゴリズム（ＭＢＡＡ）装置７００のためのブロック線図を示している。ＭＢＡＡ装置はＭ個の１次経路７０２、Ｎ個の誤差センサー７０４、Ｎ個の適応フィルタ７０６、Ｍ×Ｎ個の２次経路７０８、Ｍ×Ｎ個のフィルタ７０２および多重チャンネルＢＬＭＳアルゴリズム７１２をそなえるＭＬＭＳのすべての要素を適当にそなえている。しかし、ＭＢＡＡは標本データエントリーによって標本の代りにブロックを適当に利用する。その技術はデータの流れをx(k)からおよびe _kからブロック様式に変えるために直列−並列変換器７１４、７１６および７１８の使用を適当に採用している。次にその変換は出力y _kを発生するために直列を再変換するために並列−直列変換器７２０を適当に採用している。ＭＢＡＡは数学的に以下のように表わすことができる。加算器７０４によって発生された誤差信号e _kベクトル、所望の信号d _r、およびｊ番目のブロックにおいてＭ個の適用フィルタ７０６のベクトルによって発生された出力信号y _kが e _m,j=[e_m(js)e_m（js+1)...e_m(js+L-1)]^T 式（５５） d _m,j=[d_m(js)d_m(js+1)...d_m(js+L-1)]^T 式（５６）および w _n,j=[w_n,j(0)w_n,j(1)...w_n,j(I-1)]^T 式（５７）によって定義されここでe _m,j、d _m,j(m=1,2,・・・,M)はそれぞれｍ番目のセンサー７０４およびｊ番目のブロックにおける誤差e _kおび所望の信号d _kのベクトルである。そしてw _n,jはｊ番目のブロックにおけるｍ番目のフィルタ７０６の係数ベクトルである。多重チャンネルブロックベクトルはおよび w _j=[w_1,j(0)w_1,j(1)...w_1,j(I-1) ｜w_2,j(0)w_2,j(1)...w_2,j(I-1) ｜・・・｜w_N,j(0)w_N,j(1)...w_N,j(I-1)]^T 式（６０）によって与えられ、ここでe _j、d _jはそれぞれｊ番目のブロックにおける（ＭＬ） ×１誤差および１次雑音ベクトルであり、w _jは、ｊ番目のブロックにおける（ＮＩ）×１適応係数ベクトル７０６である。さらに、ここで、を定義する。ここで，r _m,n,jはｊ番目のブロックにおけるｍ番目のセンサーとｎ番目のアクチュエーターの間の経路に対するＬ×Ｉフィルタ度基準７１２マトリックスであり、ｎ＝１，２，・・・，Ｎである。r _m,n,jsの各エントリは例えば式（２９）において定義されたフィルタド基準信号を適当に含み、r _m,jはｍ番目のセンサーのためのＬ×（ＬＩ）フィルタド基準マトリックスを適当に含んでいる。最後に、を定義し、ここで、r ^Tはｊ番目のブロックにおける（ＭＬ）×（ＮＩ）フィルタド基準マトリックスである。次に費用関数を式６４において与えられるブロック平均自乗誤差７１２の和、として定義でき、ここでブロック誤差ベクトルはによって与えられる。フィルタ係数に関するJ _Bのグラディエントをとると、を与える。グラディエント推定値、を用いると、フィルタ係数は処理装置７１２によってだけ更新される。標準多重チャンネルＭＬＳアルゴリズムは、ＭＢＡＡの特殊な場合であり、ブロック長さＬが１のとき、Ｍ３ＡＡはＭＬＬＳに収縮する。ＬＢＡＡの利点の一つはその柔軟な更新方式である。単チャンネルブロックアルゴリズムの場合のように、ＭＢＡＡを重なり（例えばブロック毎または標本毎）のさまざまな範囲を用いて更新できる。また、更新スキームをブロックシフトｓによって規定できる。ブロックシフトが１（ｓ＝１）の時、アルゴリズムはサンプル毎の方法で、すなわち、一つの新しいデータ標本だけを新しいデータブロックを形成するのに用いるように更新するのが好ましい。ｓ＝Ｌの場合、アルゴリズムは互いに素なやり方で更新される。１＜ｓ＜Ｌのとき、古いデータのＬ− ｓ個の標本ごとに１回更新される。このような柔軟な更新スキームは種々の適用対象に対する異なるインプリメンテーションを与える。適当な更新スキームが単チャンネルの場合に論じられたように音響の確率論的性質に基づいて適当に決められる。ＭＢＡＡは平均で最適解に収束する、ここでおよびは自己相関マトリックスおよびフィルタド基準シーケンスの相互相関ベクトルである。ＭＢＡＡに対する収束条件は単チャンネルの場合と同様に、本発明の一つの面によれば、ＭＢＡＡに対する可変収束係数を用いることが好ましい。前述のように、収束係数は安定度を定め、収束速度を制御し、アルゴリズムの適応精度に影響を与える。本発明の一つの面によれば、従って収束係数の適当な選択が非常に望ましい。フィルタドｘＬＭＳアルゴリズムまたは多重チャンネルＬＭＳアルゴリズムなどの能動防音のために普通に用いられる適応アルゴリズムは固定した収束係数を持った逐次のアルゴリズムである。前述のように、収束係数の選択は主に時間を消費することの多い「試行錯誤」に基づいている。可変収束係数を用いるＸ−ＯＢＬＭＳアルゴリズムを単チャンネル適用対象において用いるために上で説明した。同一の技術がＭＢＡＡに適当に適用できる。可変（例えば時変）収束係数を持ったＭＢＡＡが多重チャンネル最適ブロック適応アルゴリズム（ＭＯＢＡＡ）方法と呼ばれる。「最適」という用語はＭＢＡＡの費用関数が各反復ごとに小さくされる（例えば最小にされる）ようにＭＯＢＡＡはＭＢＡＡの性能を次の理由で向上させる。例えば、ａ）収束係数がアルゴリズムによって自動的に決められる、すなわち「試行錯誤」処理が必要でない、ｂ）収束係数が一つの反復から次の反復に至る費用関数を最小にするように設定をされているということによりより速い収束特性が観測される、ｃ）非定常信号に対してよりよい追跡能力が得られる。しかし、追加の計算が収束係数を計算するために必要なことがある。ＭＢＡＡに類似の制御スキームに基づいて、ＭＯＢＡＡの更新方程式はによって与えられ、ここでμ_j ^Bは時変収束係数である。最適μ_j ^Bを導出するために、ふたたびテイラー級数展開技術が多重チャンネル誤差関数に適応される。データ構造が単チャンネルの場合より複雑な事があるので、詳細な導出を以下に与える。便宜上、全ブロック誤差、所望の信号ベクトルおよび（ｊ＋１）番目のブロックにおけるフィルタされた基準マトリックスは以下のように書き変えられる、およびここでw _j+1におけるエントリのためのインデックスは明瞭にするために配列し直されている。ｍ番目の誤差センサに関連した誤差関数の式すなわちを考えると、e _m,j+1の１番目のエントリを e _m,j+1(1)=d _m,j+1(1)+｛r _m,j+1の第１行｝w _j+1 1=1,2,...,L 式（７７）として表わすことができる。式（７７）における誤差関数e _m,j+1(1)をテイラー級数展開を用いて誤差関数e _m,j+1(1)に関して展開できる、すなわちここで δw_j(i)=w_j+1(i)-w_j(i) i=0,1,...,NI-1 δw_j(i')=w_j+1(i')-w_j(i') i'=0,1,...,NI-1 式（７９）および”ＨＯＴ”はテイラー級数展開のより高次の項を表わす。誤差がフィルタ係数の線形関数なので、テイラー級数展開における１次より高いすべての項は０である。そのとき、式（７８）はになる。式（８０）または同様の関数がベクトルe _m,j+1の各エントリに適用されてもよく、ベクトル形式の式を与え、ここでである。各入力チャンネルにおける誤差ベクトルに対する同じ手順の次に、を定め、ここで、∂e _j／∂w _jは（ＭＬ）×（ＮＩ）の微分マトリックスであり、（ｊ＋１）番目のブロックにおける全誤差ベクトルをとして表わすことができ、ここでである。式（８５）を式（８４）に代入するとを得る。（ｊ＋１）番目のブロックにおいて最小化されるべき費用関数はとして定義される。次に最適取束係数μ_j ^BをJ_B（ｊ＋１）を最小にすることによって得ることができる。式（８６）を式（８７）に代入するとを与える。収束係数μ_j ^Bに関する費用関数J_B（ｊ＋１）のグラディエントをとりそれを０に設定すると、すなわちであり、その時費用関数を最小にする最適収束係数はによって与えられる。多重チャンネルブロック適応アルゴリズムの時変収束係数μ_j ^Bは各反復毎に費用関数を最小にすることによって高速収束を行なうことができる。単チャンネルＸ−ＯＢＬＭＳにおいて説明したように、収束速度はかなり向上する。しかし、 μ_j ^B大きくても良いし特に過渡現象の間一つの反復からもう一つの反復へ迅速に変化しても良い。これは誤調節を増大し音の強さの可能な迅速な変化によりある程度の過渡的影響を生じることがある。誤調節を改良し、過渡的効果を少なくするために、倍率αを適当に導入して０＜α＜１の範囲にあるように選択できる。より高速な収束速度が追加の計算を犠牲にしてブロックの重ね合せによって得られる。もっとも高速な収束は高いレベルのブロック重ね合せとともに標本ごとの更新を用いることによって達成する。多重チャンネルブロック適用アルゴリズムのインプリメンテーションの複雑さは実数掛算と実数加え算に関して評価される。この複雑さは出力のブロックごとに適当に計算されブロックごとの更新スキームに基づいている。表３はＭＬＭＳおよびＭＢＡＡがデータのＬ個の標本について演算するとき同じ複雑さを持っていることを示している。収束係数を計算するＭＯＢＡＡにはいくらかの追加の計算を必要とすることがある。標本ごとの更新の場合には一般にＭＢＡＡおよびＭＯＢＡＡの両方に対する標本ごとにより多くの計算を必要とする。前述のように、周波数領域アルゴリズムが少なくとも二つの威力ある特徴を一般に持っている。第１は、周波数領域適用アルゴリズムは音響の個々の周波数成分の制御従って異なるモードの収束速度の制御を可能にする。この特徴は入力が大きい固有値の広がりを持っている自己相関マトリックスに関連しているとき、特に有用である。第２には、アルゴリズムの複雑さはとりわけ、ブロックグラディエントの推定に含まれるたたみ込みおよび相関の演算がＦＦＴを用いて効率的に行われるので高次のフィルタインプリメンテーションに対して潜在的に少なくすることができる。多重チャンネル能動騒音制御の場合、複雑さはチャンネルの数の自乗に比例する。従って、アルゴリズムの効率はチャンネルの数が大きくなると重要な問題である。周波数領域適応アルゴリズムはまた例えば標本ごとまたはブロックごとのベースで適応できる。周波数領域適応アルゴリズムをグラディエントの拘束のある場合またはない場合の多重チャンネル適応面において適当に実現できる。以下に説明する周波数領域多重チャンネル適応アルゴリズム（円たたみ込み）（ＦＭＡＡＣ）、基礎をなすたたみ込みと相関が円形なのでグラディエントの拘束なしに適当に実現される。拘束を取り除くことによって、いくつかのＦＦＴ（ＩＦＦＴ）の演算をなくすことができる。従ってアルゴリズムの複雑さはさらに小さくすることができる。次に図８に移ると、周波数領域（円たたみ込み）多重チャンネル適応装置８００がそれぞれの高速フーリエ変換（ＦＦＴ）回路８０６と８１０、逆高速フーリエ変換回路８０８、それぞれの直列−並列回路８１４と８１２、Ｎ複素適応フィルタ８１６、Ｍ×Ｎ複素フィルタ８１８、それぞれの加算器８０２および処理装置８２０を適当に備え、ここでＭは誤差センサ８０２の数であり、ＮはＮ個の複素適応フィルタ８１６によって駆動されるアクチュエーターの数である。入力信号x(k)はＭ個の加算器８０２の各々におけるd(k)の同質信号であるＭ１次経路に適当に従う。入力信号x(k)はまた直列−並列変換器８１４に加えられて逐次様式からブロック様式に変換する。ブロック形式入力信号x(k)は次に高速フーリエ変換回路８０６に加えられる。ブロックおよび変換された入力信号x(k)はＮ個の出力信号y(k)を発生するためにＮ個の複素適応フィルタ８１６に送り込まれる。Ｎ個の出力信号はＭの加算器８０２の各々に至るＭ×Ｎ個の経路を辿る前に逆高速フーリエ変換回路８０８および並列−直列回路（図示なし）に加えられる。なお、ロックおよび変換された入力信号x(k)はまたフィルタド−Ｘ構造ＲｊＨを発生するためにＭ×Ｎ個の複素フィルタ８１８に加えられる。フィルタド−Ｘ構造R_j ^Hは次に処理装置８２０に加えられる。Ｍ個の加算器８０２の各々は誤差信号e _k、すなわちd _kとy _kの和、を直列−並列回路８１２、従って高速フーリエ変換回路８１０へ中継する。加算器８０２はマイクロフォンのような音響加算器であるのが好ましい。高速フーリエ変換回路８１０から、誤差信号e _kは処理装置８２０に加えられる。処理装置８２０はＮ個の複素適応フィルタ８１６を適当に含む係数を修正するために以下に説明するアルゴリズムを適用する。ＦＭＡＡＣアルゴリズムは次のように適当に時間領域入力信号x(k)はＬ×Ｉベクトル x _j=[x(js)x(js+1)...x(js+L-1)]^T 式（９１）として形成される。ｍ番目の誤差センサにおける時間領域誤差信号e _kおよび所望の信号d _kベクトルは e _m,j=[e_m(js)e_m(js+1)...e_m(js+L-1)]^T 式（９２）および d _m,j=[d_m(js）d_m(js+1)...d_m(js+L-1)]^T 式（９３） m=1,2,...,M によって与えられ、ここでｊはブロックインデックスであり、ブロック長さＬは基数−２の整数である。ｍ番目の誤差センサとｎ番目のアクチュエーターの間の伝達関数をモデル化するＭ×Ｎ複素フィルタ８１８において見い出されたＦＩＲ係数ベクトルは h ^s _m,n=[h^s _m,n(0)h^s _m,n(1)...h^s _m,n(L-1)]^T 式（９４）によって与えられる。ここでフィルタタップはブロック長さと同じになるように選択されるのが望ましい。ＦＦＴ演算８０６が入力信号ベクトルx_jおよび２次フィルタ係数h^s _m,nについて行われ、すなわち X_j=diag｛FFT[x_j]｝式（９５）および H^s _m,n=diag｛FFT[h^s _m,n]｝式（９６）ここでX _jおよびH^s _m,nはＬ×Ｌ複素対角マトリックスである。またｎ番目の出力チャンネルのためのＮ個の複素適応フィルタ８１６において見い出されたＬ×１複素適応係数ベクトルを W^c _n.j=[W^c _n,j(0)W^c _n,j(1)...W^c _n,j(L-1)]^T 式（９７）と定義する。次にｍ番目の誤差センサにおける周波数領域出力ベクトルY _kをによって与えることができ、ここで、ｍ番目の入力とｎ番目の出力の間のＬ×Ｌ複素フィルタド基準マトリックスR ^c _m,n,jは R ^c _m,n,j=X_jH^s _m,n 式（９９）によって与えられる。ｍ番目のセンサによって観測される時間領域２次出力は逆フーリエ変換８０８Y _m,j、すなわち y _m,j=IFFT｛Y _m,j｝式（１００）である。次にｍ番目のセンサにおける誤差ベクトルe _kは e _m,j=d _m,j+y_m,j 式（１０１）によって与えられる。e _m,nｅｍ，ｊのＦＦＴ演算８１０は周波数領域誤差ベクトル、すなわち E _m,j=FFT｛e _m,j｝式（１０２）を与える。すべての誤差センサに対する全周波数領域ブロック誤差は処理装置８２０の中で例えば（ＭＬ）×１複素ベクトルとして処理装置８２０において形成される。同様に、例えば、として処理装置８２０において形成されることができ、ここで D _m,j=FFT｛d _m,j｝式（１０５）はｍ番目のセンサにおけるＬ×１複素所望信号ベクトルである。なお、（ＮＬ） ×１複素係数ベクトル、 W ^c _j=[W ^c _1,jW^c _2,j...W ^c _N,j]^T 式（１０６）およびを定め、ここでR_j ^cはブロック対角線構造を持った（ＭＬ）×（ＮＬ）複素フィルタド基準マトリックスである。複素誤差ベクトルは次にによって与えられる。ＦＭＡＡＣの処理装置８２０における費用関数は周波数領域ブロック平均自乗誤差、すなわちとして定義される。w _j ^cの実数部および虚数部それぞれに関する費用関数J_Bのグラディエントを取ってそれらを結合するととなる。グラディエント推定値を用いて、ＦＭＡＡＣの更新方程式はによって得られる。ＦＭＡＡＣを周波数領域費用関数を最小にするように構成できるが、誤差は実際には時間領域で形成され周波数領域に変換されることに注意すべきである。円たたみ込み演算がアルゴリズム定式化に含まれているので、ＦＭＡＡＣは普通はＭＢＡＡと同じ最適解に収束する必要はない。ＦＭＡＡＣの最適回をによって与えることを示すことができ、ここでおよびはパワースペクトルマトリックスおよびフィルタされた入力信号の横スペクトルベクトルである。収束係数がここで逆Ｖの字型記号Λ^c _maxがパワースペクトルマトリックスR _p ^cであり、平均で最適解に収束する。なお、前述の理由で、最適時変収束係数をＦＭＡＡＣが各反復ごとに周波数領域費用関数を最小にするように導出することもできる。最適時変収束係数を持ったＦＭＡＡＣは周波数領域多重チャンネル最適適応アルゴリズム（ＦＭＯＡＡＣ）と言われている。ＭＯＢＡＡと同様の同質の次に誤差ベクトルE _m,j+1の１番目のエントリをE _m,jの１番目のエントリに関して処理装置８２０においてテイラー級数展開によって表わすことができる。周波数領域誤差は係数ベクトルの線形関数なので、１より上の高次の項は０である。式（１１７）はとなる。式（１１８）を誤差ベクトルの各エントリに適応してそれらをベクトルの形に結合する。式（１１９）と式（１１８）からとなり、ここで、である。（ｊ＋１）番目のブロックにおける費用関数はによって与えられる。μ_j ^c関する費用関数J_B（j＋1）グラディエントを取ってそれを０に置く、すなわちと時変収束係数はによって得られ、ここで０＜α≦１がアルゴリズムの誤った調整を制御する。時変収束係数を用いることによって、周波数領域誤差エネルギーは一つの反復から次の反復へ減少、または（例えば最小化）させることができる。従って収束速度はかなり高められる。別の実施例においては、正規化収束係数をＦＭＡＡＣに採用できる。正規化収束係数をそなえたＦＭＡＡＣをＦＭＮＡＡＣという。状況によっては、正規化収束係数が望ましいことがある。正規化収束係数は別々の周波数に対して個々の固定した収束係数を決めるために周波数領域アルゴリズムを利用している。入力信号x(k)を調和に構成するとき、正規化収束係数は最適収束回数を計算する必要なしに高速収束を変更する。さらに、具体的に言えば、にさせ、ここで０＜α≦１は倍率である。異なる収束係数がより一様にされた収束速度を達成するために各異なる周波数成分に適当に割り当てられる。ＦＭＮＡＡＣの更新方程式をによって与えることができる。正規化収束係数の計算はR _j ^cHR _j ^cの逆演算を含んでいるということを述べておく。マトリックスR _j ^cHR _j ^cが対角線になっている単チャンネルアルゴリズムにおいて逆関数を計算することは簡単なことである。多重チャンネルアルゴリズムにおいては、標本パワースペクトルマトリックス、R _j ^cHR _j ^cはブロック対角線構造のものであっても良いのでもっと逆転しにくい。数値誤差を避けるためにマトリックスの条件をさらに考えるべきである。ＭＢＡＡおよびＭＯＢＡＡと同様に、ＦＭＡＡＣとＦＭＯＡＡＣを異なる更新スキームで更新できる。更新スキームはまたなかんずくブロックシフトｓによって指定される。ＦＭＡＡは周波数領域におけるＭＢＡＡの線形たたみ込みを表わしている。従ってＦＭＡＡはなかんずくを参照すると、周波数領域（線形たたみ込み）適応アルゴリズム装置９００のブロック線図がそれぞれの直列−並列回路９１２，９１４および９１６、並列−直列回路９１８、それぞれの高速フーリエ変換回路９０６，９１０，９１８，９２０、それぞれの逆高速フーリエ変換回路９０８および９２２、Ｎの複素適応フィルタ９２４およびＭ×Ｎフィルタ９２６を適当に備えている。前述のように、線形たたみ込みスキームにおいては、高速フーリエ変換回路９１０はＭ×Ｎフィルタ９２６の後におかれる場合出力と共働するようにうまく配置できる。ＦＭＡＡは以下のように適当に公式化できる。まず、ｍ番目のセンサとｍ番目のアクチュエーターの間の経路に対する二つのＬ点フィルタされた基準ベクトルのものである２Ｌ×１ベクトルのＦＦＴ成分を定める。ＦＦＴ成分{R_m,n(i),i=0,1,・・・2L-1}は２Ｌ×２Ｌ対角マトリックスを形成する。ｍ番目の番目の誤差センサーによって観測された周波数ドメイン出力はによって与えられ、ここでw _n,jはｎ番目の適応フィルターの周波数ドメイン係数を含む２Ｌ×１複素ベクトルである。拘束たたみ込みに対するオーバーラップ点アンド点節約方法によれば、Y _m,jの逆ＦＦＴの最後のＬ項は適正な線形たたみ込みの結果であるので０パッド演算が y _m,j=[IFFTの最後のL項{Y _m,j}] 式（１３０）となる。ｍ番目のセンサーにおける誤差ベクトルは e _m,j=d _m,j+Y _m,j 式（１３１）であり、ｍ番目のセンサーにおける周波数領域誤差はによって与えられる。全周波数領域誤差ベクトルe _jはとして形成され、フィルター係数ベクトルは、によって与えられる。ｎ番目の適応フィルターに対する周波数領域グラティエントはによって得られる。次にグラディエントは零パッド９３０、すなわち ▽ ^B _n,j=[IFFTの最初のL項{G _n,j}] 式（１３６）およびを介して制約される。およびを定める。最後に、ＦＭＡＡの更新方程式はによって与えられる。ＦＭＡＡが本質的にＭＢＡＡの正確なインプリメンテーションになるので、それはＭＢＡＡと同じ最適解に収束する。ＦＭＡＡの収束の条件は式（６９）によって与えられる。最適時変収束係数をまたＦＭＡＡに対する周波数領域において効率的に計算できる。時変収束係数をもったＦＭＡＡを周波数領域多重チャンネル最適適応アルゴリズム（ＦＭＯＡＡ）という。ＭＯＢＡＡの収束係数が式（１２４）において与えられていたことを思い出して、できるグラディエント推定値の積である。この式の分母は実際には周波数領域において効率的に計算できるg _jの内積である。と定義する。g _jの各部分ベクトルをによって得ることができる。正規化収束係数はまたＦＭＡＡに対して与えることができる、すなわちであり、ここでマトリックスM=R _j ^HR _jの逆はフィルターされた入力の誤差エネルギーのグラディエントを本質的に正規化したものである。そしてR_jはによって定義される。このグラディエントは再び式（１３６）および式（１３７）に従って制約される。収束係数の正規化は相関された入力に対するアルゴリズムの収束を改良できる。実際の用途では、標本のパワースペクトルマトリックスの条件を調べる必要がある。条件付けが悪ければ、非常に小さな標本パワーに関連した収束係数は上限に拘束されるのが好ましい。パワースペクトルの評価をもっと正確にするには平均化処理が有用なことが多い。ＦＭＡＡＣｓと同様に、ＦＭＡＡｓの更新を例えばブロック毎または標本毎にすることができる。周波数領域適応アルゴリズムの計算量はまた出力の各ブロック毎に真の掛算および加え算の数に関して評価されることができる。上に与えられたと同様の解析に基づいて、各アルゴリズムの複雑さは表４にまとめられている。周波数領域アルゴリズムの計算節約を評価するために、以下の複雑さ比をおよびと定義する。この複雑さ比はチャンネルの数とともに変わる。表５は異なるフィルタータップに対してＭ＝Ｎ＝４の時の複雑さ比較を与えている。これまでの説明は本発明の好ましい例示的実施例についてのものであり、この発明は示された特定の形式に限定されない。例えば浮動点デジタル信号処理装置を固定点モトローラ（Motorola）チップの代りに用いることができであろう。もう一つの例として、上述の方法と装置はまた振動制御に適用できる。従って添付請求の範囲に表現された本発明の範囲内で各要素の設計および配置の変更をなすことができる。

Claims

【特許請求の範囲】１．少なくとも一つの場所における１次騒音源の能動消去の方法であり、ａ．少なくとも一つのアクチュエータを一つの処理装置で駆動する工程と、ｂ．誤差センサを数カ所に位置決めする工程と、ｃ．一つの１次騒音基準信号をブロック様式で前記処理装置に与える工程と、ｄ．前記誤差センサの出力をブロック様式で前記処理装置に向ける工程と、ｅ．前記アクチュエータの駆動と前記誤差センサの出力との間の関係を適応フィルタによってモデル化する工程と、ｆ．前記処理装置によって駆動されたアクチュエータからモデル信号と１次騒音基準信号に基づいて消去信号を発生する工程と、ｇ．処理装置内での誤差信号のモデルとの比較に応じてフィルタ係数を適応する工程とを含む能動消音方法。２．１次振動を能動的に減衰する装置であり、加えられる駆動信号に応じて１次信号と重畳して減衰させる逆振動を発生させる少なくとも一つのアクチュエータと、特定の場所の近くで逆振動と１次振動の重ね合わせから生ずる残留振動を示す誤差信号を発生する少なくとも一つの第１の検知装置と、前記１次振動の入力信号インジケータを発生する少なくとも一つの第２の検知装置と、前記入力信号に応じて前記アクチュエータへの駆動信号を発生する制御装置とを備え、前記駆動信号は所定のアルゴリズムに従って定められた伝達関数によって前記入力信号に関係づけられ、前記伝達関数は前記誤差信号に応じて前記アルゴリズムによって更新され、前記アルゴリズムは所定のパラメータに従って変化する収束係数を有することを特徴とする１次振動を能動的に減衰する装置。３．前記伝達関数はフィルタド−Ｘ最適ブロック最小平均自乗アルゴリズムに従って定められる請求項２に記載の装置。４．前記伝達関数はフィルタド−Ｘ最適周波数領域ブロック最小平均自乗アルゴリズムに従って定められる請求項２に記載の装置。５．前記伝達関数が多重チャンネルブロック適応アルゴリズムに従って定められる請求項２に記載の装置。６．前記伝達関数が多重チャンネル最適ブロック適応アルゴリズムに従って定められる請求項２に記載の装置。７．前記伝達関数が多重チャンネル円たたみ込み周波数領域最適ブロック適応アルゴリズムに従って定められる請求項２に記載の装置。８．前記伝達関数が多重チャンネル線形たたみ込み最適適応アルゴリズムに従って定められる請求項２に記載の装置。９．前記所定のパラメータが前記誤差信号である請求項２に記載の装置。１０．前記振動が音波からなる請求項２に記載の装置。１１．１次振動を能動的に減衰する装置であり、加えられる駆動信号に応じて１次信号と重畳して減衰させる逆振動を発生させる所定数のアクチュエータと、特定の場所の近くで逆振動と１次振動の重ね合わせから生ずる残留振動を示す誤差信号をそれぞれ発生する所定数の第１の検知装置と、前記１次振動の入力信号インジケータをそれぞれ発生する所定数の第２の検知装置と、前記入力信号に応じて前記アクチュエータへの駆動信号を発生する制御装置とを備え、前記駆動信号は所定のアルゴリズムに従って定められて更新された伝達関数によって前記入力信号に関係づけられ、前記アルゴリズムは多重チャンネルブロック適応アルゴリズムからなることを特徴とする１次振動を能動的に減衰する装置。