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的制作方法

本发明属于噪声消除技术领域，尤其涉及到一种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的研究。

背景技术：

传统的噪声控制主要以噪声的声学控制为主，主要的技术手段包括吸声处理、隔声处理、使用消声器、振动的隔离与降低等。这些噪声控制方法的机理在于使噪声声波与声学材料或结构相互作用而消耗声能，从而达到降噪的目的，属于无源控制的方法，称为“无源”噪声控制。总体上讲，无源控制的方法对降低中高频噪声较为有效，而对降低低频噪声的作用不大。而主动噪声控制(anc)对低频噪声却有着很好的降噪效果，因此受到了很大的关注。

到目前为止，有源降噪技术已有了较大的发展，应用场景越来越多。有源降噪技术正越来越深入人们的生活，商业化的产品也越来越多。有源降噪技术的发展前景也越来越广阔，目前的有源降噪技术开发的产品主要还是针对高端的产品，由于技术的原因，产品的成本相对较高，并且有些领域技术还不够成熟，需要更多的研究和发展。anc作为噪声消除中的重要组成部分，其设计中所面临的主要挑战与anc系统的收敛时间和降噪性能有关。而传统的fxlms算法使用的是lms算法来更新控制滤波器的权值，由于输入信号的自相关矩阵的特征值分散的问题会导致lms算法慢的收敛模式，为此对控制滤波器采用动量lms算法对控制滤波器的权值进行更新。次级通道(从噪声控制滤波器的输出到误差传感器测量残余噪声的路径)的存在会导致标准最小均方(lms)算法的不稳定性，并且次级通道路径是随时间变化或非线性的，这又会导致anc系统降噪性能的下降或发散。因此为了确保anc系统的收敛，需要对次级通道路径进行建模，以跟踪次级路径的变化，从而提高anc系统降噪性能的稳定性。

技术实现要素：

本发明旨在解决以上现有技术的问题。提出了一种提高anc系统降噪性能的稳定性的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。本发明的技术方案如下：

一种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，其包括：噪声信号滤波模块、动量lms算法模块、白噪声产生器、次级通道建模模块主通道路径及第三个自适应滤波器模块；其中

噪声信号滤波模块，用于对噪声源产生的参考信号x(n)通过次级建模滤波器s’(z)进行过滤得到x’(n)，并传输给动量fxlms算法模块；

动量lms算法模块，包括控制滤波器w(z)与动量lms算法，用于将过滤后的x’(n)信号输入到动量lms最小均方算法来更新控制滤波器w(z)的权系数，控制滤波器w(z)分别与噪声源、次级建模滤波器s’(z)、白噪声发生器模块和动量lms算法相连接，参考信号x(n)通过控制滤波器w(z)产生输出信号y(n)，y(n)通过次级路径s(z)产生抗噪声信号y’(n)；

白噪声发生器模块，在对次级路径进行实时建模的时候，对次级路径注入高斯白噪声；白噪声发生器产生一组随机信号v(n)，v(n)通过次级路径产生建模信号v’(n)，另外一端v(n)通过建模滤波器产生建模信号参与误差信号e(n)与建模信号做差；

次级通道建模模块，用于对次级通路s(z)进行建模，获得次级通路传递函数的估计值，包括s(z)、建模滤波器及选择变步长算法vsslms模块，s(z)用于提供一个初始的次级路径声学响应函数，建模滤波器用于提供一个估计的次级路径声学响应函数，选择变步长算法vsslms模块用于对建模滤波器的权值进行更快的更新，s(z)、建模滤波器及选择变步长算法vsslms模块叠加后的信号u’(n)与第三自适应滤波器模块相连接；

主通道路径模块，用于提供一个初始的主路径声学响应函数，噪声源产生的参考信号x(n)通过主通道产生干扰信号d(n)，并在误差麦克风e(n)处监测其降噪性能；

第三自适应滤波器模块，包括lmsn牛顿最小均方算法、h(z)，lmsn牛顿最小均方算法用于第三个自适应滤波器的权值进行更新，h(z)用于产生信号u(n)，从而在建模滤波器中消除该分量。用第三个自适应滤波器h(z)的输出来模拟误差信号中与参考输入相关的分量，从而得到误差通道辨识环节中只与白噪声相关的期望信号，参与误差信号e(n)与建模信号做差产生误差信号f(n)，f(n)作为动量lms模块和vsslms模块的误差信号。

进一步的，所述误差麦克风e(n)处监测其降噪性能，包括以下公式：

其中r：anc系统的降噪性能的好坏；e(n)：anc系统主控制自适应滤波器的误差函数；d(n)：anc系统主控制自适应滤波器的期望信号；△s：anc系统中次级通道建模的精确度大小；si(n)：anc系统中实际次级通道的路径函数；anc系统中模拟次级通道的路径函数

进一步的，所述主通道路径模块用于提供一个初始的主路径声学响应函数p(z)。

进一步的，所述动量lms算法只比lms算法增加了一个由权系数相关而引入的动量项，用于将过滤后的x’(n)信号输入到lms算法来更新控制滤波器w(z)的权系数，动量lms算法具体包括：

方程式中：α为动量因子，取|α|<1,uw表示控制滤波器的步长参数。

进一步的，所述lmsn更新第三个自适应滤波器的权值，步骤如下:

将参考噪声信号x(n)使用格型滤波器转换为后向预测误差样本向量b(n):

f0(n)＝b0(n)＝x(n)

fm(n)＝fm-1(n)-km(n)bm-1(n-1)

bm(n)＝bm-1(n)-km(n)fm-1(n-1)

β表示用于估计的遗忘因子，fm(n)表示第m阶预测器的正向误差，bm表示第m阶预测器的前向误差，km(n)表示第m阶的偏相关系数，up,0表示预测器步长，pm(n)表示bm(n)和fm(n)的短期能量估计，γ表示最大幅度；

if|km(n)|>γ,km(n)＝km(n-1)

对重构的信号u(n)进行更新：

fm′(n)＝fm-1′(n)-km(n)bm-1′(n-1)

bm′(n)＝bm-1′(n)-km(n)fm-1′(n-1)

ua(n)＝(pm(n)+ε)^-1(f′m-1(n)-kmb′m-1(n-1))

对滤波器的抽头权系数进行更新：

y(n)＝w^tx(n-m)

e(n)＝d(n-m)-y(n)

w(n+1)＝w(n)+2ua(n)e(n)。

进一步的，所述选择变步长算法vsslms模块，估计e(n)和f(n)的功率

pe(n)＝λpe(n)+(1-λ)e²(n)

pf(n)＝λpf(n)+(1-λ)f²(n)

这里的pe(n)和pf(n)分别为残余误差信号e(n)和建模误差信号f(n)；

计算两个功率的比值：ρ(n)＝pf(n)/pe(n)

计算步长参数μs(n)的具体数值：

μs(n)＝ρ(n)μmin+(1-ρ(n))μmax

μmin和μmax针对具体的实验中而测量的建模滤波器的最小步长和最大步长。

本发明的优点及有益效果如下：

本发明结合上述anc系统中的问题提出本发明提出一种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，次级通道在线辨识新算法是基于动量fxlms算法来更新控制滤波器权值：使用变步长lms(vsslms)算法的建模滤波器用于对次级路径进行建模；使用修改的牛顿lms(lmsn)算法的第三个自适应滤波器用来消除误差信号与参考输入信号相关的信号，提高建模滤波器的建模精度和收敛速度。

主动噪声控制(anc)主要是基于声叠加原理，利用机电组合来抑制声学噪声信号的方法。与传统的被动噪声控制(pnc)方法相比，传统的噪声控制方法只可以降低频段较窄的低频信号并且需要的装置或者体积庞大而且笨重，应用的场景受限。而anc系统在低频噪声的降噪、安装的便利、工作性能的稳定等方面有着很好的效果并且还可以通过控制参数来抵消不同特性的噪声。

而基于动量fxlms算法的次级通道建模的anc系统，不仅解决了对于次级路径的快速的跟踪，来保证控制滤波器算法的稳定性，而且也解决了由于噪声源产生的参考信号的自相关矩阵的特征值分散问题导致控制滤波器的收敛速度慢导致整个anc系统运行时间慢的问题。

基于vsslms算法对次级路径的建模，不仅加快次级路径收敛速度，而且提高次级路径的建模精度，还对次级路径具有更好的跟踪性能。

基于牛顿lms(lmsn)算法的第三个自适应滤波器模块，来模拟误差信号e(n)中与参考输入x(n)相关的分量，从而得到误差通道辨识环节中只与v(n)相关的期望信号，消除对误差通道辨识环节的不利影响。采用lmsn算法使得在实际应用中由于参考噪声的自相关矩阵的特征值分散的问题，来加速算法的收敛，提高整个anc系统的收敛速度。

本技术重点难点在于为了解决传统的fxlms算法对于输入信号的自相关矩阵的特征值的敏感性较高，采用动量fxlms算法。另外为了平衡次级路径的收敛速度与跟踪的灵敏性之间的矛盾，采用了vsslms算法。以及在实际操作中的参考信号对次级路径建模的影响，以及如何提高次级通道建模的精度。

噪声源产生的参考信号x(n)通过主通道产生干扰信号d(n)，为了产生抗噪声信号y’(n)，参考信号通过控制滤波器w(z)，产生输出信号y(n)，y(n)通过次级路径产生抗噪声信号y’(n)，为了使得动量lms算法对控制滤波器权值更新的稳定性，必须让参考信号x(n)通过次级建模滤波器为了解决次级路径随时间变化，必须在线的对次级建模滤波器进行估计，为此需要使用与参考信号不相关的随机噪声注入到次级路径里面，白噪声发生器产生这样一组随机信号v(n)，v(n)通过次级路径产生建模信号v’(n)，另外一端v(n)通过建模滤波器产生建模信号v’(n)，参与误差信号e(n)与建模信号做差产生误差信号f(n)。f(n)作为动量lms算法和vsslms算法的误差信号。

本发明在一定程度上提高了anc系统在对低频噪声的降噪时候整个系统的性能，具有如下突出的优点：

1.收敛速度快，动量lms只比lms算法增加了一个由于权系数相关而引入的动量项，在权系数变化较大的情况下，则目前的权系数就会增加，可以起到加速梯度下降，使权系数均值收敛的更快更平稳的作用。采用动量fxlms算法后，其收敛系数的取值较fxlms算法有所增加，来降低步长对参考信号自相关矩阵的特征值分散程度的敏感性，从而加速控制滤波器的收敛速度。

附图说明

图1是本发明提供优选实施例自适应有源前馈系统示意图；

图2为自适应有源前馈控制系统框图；

图3为本发明提出的有源噪声消除系统框图；

图4为anc系统综合仿真结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

本发明结合上述anc系统中的问题提出本发明提出一种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，次级通道在线辨识新算法是基于动量fxlms算法来更新控制滤波器权值：使用变步长lms(vsslms)算法的建模滤波器用于对次级路径进行建模；使用修改的牛顿lms(lmsn)算法的第三个自适应滤波器用来消除误差信号与参考输入信号相关的信号，提高建模滤波器的建模精度和收敛速度。

主动噪声控制(anc)主要是基于声叠加原理，利用机电组合来抑制声学噪声信号的方法。与传统的被动噪声控制(pnc)方法相比，传统的噪声控制方法只可以降低频段较窄的低频信号并且需要的装置或者体积庞大而且笨重，应用的场景受限。而anc系统在低频噪声的降噪、安装的便利、工作性能的稳定等方面有着很好的效果并且还可以通过控制参数来抵消不同特性的噪声。

而基于动量fxlms算法的次级通道建模的anc系统，不仅解决了对于次级路径的快速的跟踪，来保证控制滤波器算法的稳定性，而且也解决了由于噪声源产生的参考信号的自相关矩阵的特征值分散问题导致控制滤波器的收敛速度慢导致整个anc系统运行时间慢的问题。

基于vsslms算法对次级路径的建模，不仅加快次级路径收敛速度，而且提高次级路径的建模精度，还对次级路径具有更好的跟踪性能。

基于牛顿lms(lmsn)算法的第三个自适应滤波器模块，来模拟误差信号e(n)中与参考输入x(n)相关的分量，从而得到误差通道辨识环节中只与v(n)相关的期望信号，消除对误差通道辨识环节的不利影响。采用lmsn算法使得在实际应用中由于参考噪声的自相关矩阵的特征值分散的问题，来加速算法的收敛，提高整个anc系统的收敛速度。

本技术重点难点在于为了解决传统的fxlms算法对于输入信号的自相关矩阵的特征值的敏感性较高，采用动量fxlms算法。另外为了平衡次级路径的收敛速度与跟踪的灵敏性之间的矛盾，采用了vsslms算法。以及在实际操作中的参考信号对次级路径建模的影响，以及如何提高次级通道建模的精度。

本发明在一定程度上提高了anc系统在对低频噪声的降噪时候整个系统的性能，具有如下突出的优点：

1.收敛速度快，动量lms只比lms算法增加了一个由于权系数相关而引入的动量项，在权系数变化较大的情况下，则目前的权系数就会增加，可以起到加速梯度下降，使权系数均值收敛的更快更平稳的作用。采用动量fxlms算法后，其收敛系数的取值较fxlms算法有所增加，来降低步长对参考信号自相关矩阵的特征值分散程度的敏感性，从而加速控制滤波器的收敛速度。

2.对于次级通道建模滤波器而言，采用变步长lms算法进行建模滤波器的权值更新，下面着重来介绍vsslms来更新建模滤波器的权系数，步骤如下：

估计e(n)和f(n)的功率

pe(n)＝λpe(n)+(1-λ)e²(n)

pf(n)＝λpf(n)+(1-λ)f²(n)

这里的pe(n)和pf(n)分别为残余误差信号e(n)和建模误差信号f(n)。

计算两个功率的比值：ρ(n)＝pf(n)/pe(n)

计算步长参数μs(n)的具体数值：

μs(n)＝ρ(n)μmin+(1-ρ(n))μmax

μmin和μmax针对具体的实验中而测量的建模滤波器的最小步长和最大步长。

3.对于第三个自适应滤波器而言，采用lmsn算法进行对第三个自适应滤波器的权值进行更新，下面着重介绍lmsn更新第三个自适应滤波器的权值，步骤如下:

将参考噪声信号x(n)使用格型滤波器转换为后向预测误差样本向量b(n):

f0(n)＝b0(n)＝x(n)

fm(n)＝fm-1(n)-km(n)bm-1(n-1)

bm(n)＝bm-1(n)-km(n)fm-1(n-1)

常数ε的作用是当pm(n)下降到非常小的数值的时候保证算法的稳定性。

if|km(n)|>γ,km(n)＝km(n-1)

对重构的信号u(n)进行更新：

fm′(n)＝fm-1′(n)-km(n)bm-1′(n-1)

bm′(n)＝bm-1′(n)-km(n)fm-1′(n-1)

ua(n)＝(pm(n)+ε)^-1(f′m-1(n)-kmb′m-1(n-1))

对滤波器的抽头权系数进行更新：

y(n)＝w^tx(n-m)

e(n)＝d(n-m)-y(n)

w(n+1)＝w(n)+2ua(n)e(n)

4.所述一种基于动量fxlms算法的主动噪声控制系统，其特征在于，对于控制滤波器使用以下算法进行更新权值。

方程式中：α为动量因子，取|α|<1,uw表示控制滤波器的步长参数。

如附图1所示初级噪声源发出声波，参考传感器拾取参考信号x(t)作为控制器的输入。控制器根据算法规则计算出次级信号y(t)，输出后经过功率放大器驱动次级声源。初级声源和次级声源产生的声波分别形成初级声场和次级声场，误差传声器同时接收到初级声场和次级声场的声压(或其他声学参量)，两者叠加后形成误差信号e(t)。误差信号输入到控制器中，自适应算法根据预先设定的控制目标调整控制器权系数从而改变次级信号的强度(包括幅度和相位)。这样的过程不断持续下去，直至满足控制目标，系统达到稳定。

如附图2所示，控制器的传递函数记为w(ω)，并设mr、ls和me等电声器件的灵敏度分别为mr(ω)、ls(ω)和me(ω)。在空间中、声波从初级声源p到参考传感器mr、p到误差传感器me，以及次级声源ls到me的声传播通路的传递函数分别记为hpr(ω)、hpe(ω)和hse(ω),控制器外围的a/d转换器、前置放大器、抗混淆滤波器的传递函数为n1(ω),d/a转换器、平滑滤波器、功率放大器的传递函数为n2(ω)，将图一自适应有源前馈控制系统就转换为图2的形式。图2中的虚线表示的通路为次级声反馈通路对系统的稳定性有很大的影响，需要采用专门的滤波器结构或算法来处理。

如附图3所示，一种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，次级通道在线辨识新算法是基于动量fxlms算法来更新控制滤波器权值：使用变步长lms(vsslms)算法的建模滤波器用于对次级路径进行建模；使用修改的牛顿lms(lmsn)算法的第三个自适应滤波器用来消除误差信号与参考输入信号相关的信号，提高建模滤波器的建模精度和收敛速度。其特征在于，包括：

6个模块：(1)噪声信号滤波、(2)动量fxlms算法、(3)白噪声产生器、(4)次级通道建模、(5)主通道路径及(6)第三个自适应滤波器模块。

动量fxlms算法模块包含(1)和(2)，目的在于添加的次级通道建模滤波器的s’(z)是为了保证动量lms算法的稳定性，噪声源产生的信号通过s’(z)输入到lms算法来更新控制滤波器的权系数。原始的噪声信号通过控制滤波器输出y(n)，再经过次级路径产生抗噪信号y’(n),y’(n)与主路径的噪声d(n)相结合以减少误差扬声器周围的声压。

白噪声发生器模块(3)，在对次级路径进行实时建模的时候，需要在次级路径中注入的输入信号与噪声源产生的信号不相关，为了解决这个问题对使用白噪声发生器对次级路径注入高斯白噪声。

次级通道建模模块(4)，在实际的工程中，由于次级路径是时变的，这种情况下主控制滤波器中的动量lms算法会出现不稳定甚至发散，也会使得降噪的效果恶化。为了解决这个问题需要对次级通道进行实时的建模。

在次级通道建模中使用变步长算法，在更新建模滤波器的权值的时候，注意到不仅要关注算法的收敛速度还需要算法拥有更敏感跟踪性能，为了在这个限制条件之间取得更好的效果，选择变步长算法(vsslms)。

主通道路径模块(5)，目的在于给anc系统提供一个初始的主路径声学响应函数，进而结合其它几个模块一起构成对初始参考噪声x(n)的降噪，并在误差麦克风e(n)处监测其降噪性能。

第三个自适应滤波器模块(6)，目的在于用第三个自适应滤波器的输出来模拟误差信号中与参考输入相关的分量，从而得到误差通道辨识环节中只与白噪声相关的期望信号，消除对误差通道辨识环节的不利影响。

优选的，动量lms算法只比lms算法增加了一个由权系数相关而引入的动量项，也就是说，如果以前的权系数变化量较大的时候，则目前权系数的修正量就增加，可以起到加速梯度下降，使得权系数均值收敛的更快更平稳的作用。

优选的，为了解决次级路径随时间变化的问题，对anc系统在进行次级通道建模的一开始，采用在线建模，使其能够准确的跟踪次级通道的变化，保证控制滤波器的稳定性。

优选的，在真实的噪声环境中参考信号的自相关矩阵的特征值的的分散极其严重，直接导致控制滤波器的权值更新变慢，使用动量lms算法是在传统的lms算法中增加了动量项，会使得迭代步长μs(n)的取值范围围绕着fxlms算法有所增加，降低了迭代步长对特征值分散度的敏感性降低了。

优选的，使用了变步长lms算法(vsslms)去自适应建模滤波器建模可以更好的跟随次级路径的变化，并且提高建模滤波器的收敛速度。

优选的，引入了第三个自适应滤波器，用它的输出来模拟误差信号e(n)中与输入信号相关的x(n)相关的分量，从而得到误差辨识环节只与v(n)相关的期望信号。

优选的，为了解决在实际的噪声环境中输入信号的自相关矩阵的特征值的分散问题，使用改进的牛顿lms算法(lmsn)来更新第三个自适应滤波器的权系数，来提高收敛速度。

有源噪声消除是根据叠加原理，通过产生同等振幅并且相位相反的信号，噪声源产生的参考信号x(n)通过主通道产生干扰信号d(n)，为了产生抗噪声信号y’(n)，参考信号通过控制滤波器w(z)，产生输出信号y(n)，y(n)通过次级路径产生抗噪声信号y’(n)，为了使得动量lms算法对控制滤波器权值更新的稳定性，必须让参考信号x(n)通过次级建模滤波器为了解决次级路径随时间变化，必须在线的对次级建模滤波器进行估计，为此需要使用与参考信号不相关的随机噪声注入到次级路径里面，白噪声发生器产生这样一组随机信号v(n)，v(n)通过次级路径产生建模信号v’(n)，另外一端v(n)通过建模滤波器产生建模信号v’(n)，参与误差信号e(n)与建模信号做差产生误差信号f(n)。f(n)作为动量lms算法和vsslms算法的误差信号。

最后得到的数据可以根据如下公式反映出其降噪性能的大小和次级通道建模的精确度：

其中r：anc系统的降噪性能的好坏；

e(n)：anc系统主控制自适应滤波器的误差函数；

d(n)：anc系统主控制自适应滤波器的期望信号；

△s：anc系统中次级通道建模的精确度大小；

si(n)：anc系统中实际次级通道的路径函数；

anc系统中模拟次级通道的路径函数

如附图4(a)所示，在室内噪声环境下，提出的改进算法和eriksson和zhang的算法在降噪性能r(n)上的比较。可见通lmsn算法来消除误差信号，改进算法表现出了更好的降噪效果。

如附图4(b)所示，在室内噪声环境下，δs(n)很快稳定下降到-40db，这说明改进算法可以加快建模滤波器的收敛速度、提高了对次级路径的建模精度，优化了anc系统的降噪性能，保证整个anc系统的稳定性。

图4(c)所示由于所提出的算法加速了控制滤波器的收敛，使得次级通道变步长参数μs(n)比传统的方法更快的达到最大步长，从而加快了anc系统的降噪速度，提高了整个anc系统的收敛速度。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。