专利名称：有源噪声控制方法以及包含前馈和反馈控制器的设备的制作方法
技术领域：
本发明的领域包括噪声消除。本发明涉及其它更特殊的领域，包括但不局限于，利用前馈或反馈控制器的有源噪声控制。
背景技术：
声音是许多理想功能的非期望结果。在任意数量的装置中，控制非期望的声音是重要的。如果没有一些对于如现代化装置所发出的声音的控制，则许多现代化环境将在很大程度上令人难以忍受。无论是家庭、办公室、交通工具的内部、制造工厂的日常装置产生必须得以控制的噪声。
噪声降低的一个方面是使得装置和系统固有地产生较少噪声。例如，当与磁盘驱动器相比时，计算机中的固态存储器产生较少以至于没有的噪声。同样，当与CRT相比时，LCD显示器产生较少以至于没有的噪声。
然而在许多情况中，不能排除引起噪声的特征。产生噪声的装置的实例包括马达和风扇，通常两者都必需提供理想的操作。同样，电源、变压器、以及其它装置元件产生噪声。以液体或气体形态的循环流体也引起噪声。元件的加热和冷却引起噪声，例如当塑料和金属部件从高温来冷却时所发出的噪声。从而，在引起噪声之后消除它通常是重要的。
无源噪声消除包括吸声材料。这些是高度有效的。然而，由于许多原因，在有源噪声消除中逐渐令人感兴趣。在一些情况中，有源噪声消除系统可能比无源噪声消除更加有效和不那么庞大。存在对改良的有源噪声消除的需要。
许多需要噪声控制的系统呈现两类干扰周期的和非周期的。最近，重复控制(repetitive control)领域的工作在周期干扰的抑制上已经获得良好成效。可将周期控制器(repetitive controller)看作内模原理的扩充。为了消除重复干扰(repetitive disturbance)，将通常称作为记忆环的内部模型放置于反馈回路中。既然标准的记忆环是临界不稳定的，没有修正的实现就是不切实际的。有代表性地利用两个滤波器来修正记忆环。一个滤波器用来产生稳定模型，并且一个滤波器用来排除高频分量。这个方法导致在反复试验基础上所设计的高阶内部模型。另外，通常在分析中忽略非周期效应，并且因而发生的控制器可过度放大这些分量。
本发明针对处理这些需要的方法和系统。
发明内容
本发明的一个实施例利用宽带前馈声音补偿，是一种声音降低技术，其中声音干扰在(嘈杂的)声音传播的上游位置得到测量并且在(嘈杂的)声音传播的下游方向得到消除。有源噪声控制算法是控制信号(或补偿信号)的实际计算，其通过生成不同相位的声源，能够降低非期望声源的效应。为了完成适当的声音消除，有源噪声控制算法必须考虑非期望的和不同相位的声源两者传播的动态效应。本发面提供这种前馈噪声控制算法以及考虑了声音传播的动态效应的方法。
在本发明中所描述的发明的有源噪声控制算法利用FIR(有限脉冲响应)滤波器，其中在声音传播的动态性的基底上选择滤波器中的正交基底函数。在这个方法中，FIR滤波器的经分接的标准延迟线由包含声音如何通过系统传播的信息的FIR滤波器所取代。虽然维持常规FIR滤波器中所建立的线性参数相关性，所谓的广义FIR(GFIR)滤波器仍具有大的多的动态范围。结果，可以用自适应的和递归的估算技术来估算GFIR滤波器的参数。GFIR滤波器需要包含声音传播动态性信息的初始化。一旦将对于有源噪声控制的制动器和传感器放置于系统中。可利用来自制动器和传感器的数据来测量和描绘声音传播的动态性，并且利用这些信息来初始化GFIR滤波器。
本发明的另一个实施例涉及反馈声音补偿系统，其处理周期和非周期两者的噪声分量的影响。和本发明一起，我们能够不过度放大非周期声音分量来设计着重于排除周期分量的声音控制算法。调谐控制器来抑制周期干扰，直到周期和非周期干扰之间没有显著差异。
利用内部模型来使周期分量衰减。我们直接产生稳定的内部模型来塑造控制器以抑制特定的确定性干扰，而不是从标准记忆环和滤波开始。利用已知的H2控制理论，我们能够将周期和非周期干扰纳入至设计中。用这样的方式，我们可以设计低阶控制器，其利用内部模型和随机模型来排除在随机噪声出现时的周期干扰。
不同领域中的广泛多种装置和系统可以从本发明中获益，例如强迫通风系统(forced air system)、电子装置、计算机系统、制造系统、放映机，等等。
图1是依据本发明的一个实施例的前馈有源噪声控制(ANC)系统的原理图；图2是示出图1 ANC系统的一个模型的方框图；图3是得自图2模型的广义FIR滤波器的方框图；图4是依据本发明的一个实施例的反馈有源噪声控制(ANC)系统的原理图；图5是示出风扇噪声的时间数据的曲线图；图6是示出图5曲线图中所示风扇噪声的功率谱密度的曲线图；图7是示出关于周期和非周期噪声干扰的模型的方框图；以及图8是示出关于图7的反馈ANC系统中所示控制器的模型的方框图；具体实施方式
现在转至图1，依据本发明的一个实施例的有源噪声控制(ANC)系统10包括输入麦克风12，用于测量来自外部噪声源14的噪声，例如像强迫通风冷却系统中的风扇噪声。将来自输入麦克风12的(经放大的)信号u(t)馈入到前馈补偿器(F)16，该前馈补偿器(F)16控制信号uc(t)至控制扬声器18来补偿声音。将来自误差麦克风20的信号e(t)用于评价ANC系统10的效力。
为了分析前馈补偿器16的设计，考虑图2所述的方框图。遵循本方框图，用表示单位阶跃时间延迟的qu(t)＝u(t+1)，通过离散时间传递函数来描绘ANC系统10中信号之间的动态性关系。由经滤波的白噪声信号n(t)来描绘位于输入麦克风12处的噪声干扰u(t)的频谱，其中W(q)22是(未知)稳定的和稳定可逆噪声滤波器。由H(q)24来描绘输入u(t)和误差e(t)麦克风信号之间的动态关系，而G(q)26描绘控制扬声器信号和误差e(t)麦克风信号之间的关系。最后，利用Gc(q)28来表示从控制扬声器18信号回到输入u(t)麦克风12信号的声耦合，其和前馈F(q)一起，产生正反馈回路。为了分析，我们这样假定，图2中所有的传递函数都是稳定和已知的。可将误差麦克风信号e(t)描述为e(t)=W(q)[H(q)+G(q)F(q)1-Gc(q)F(q)]n(t)---(1)]]>以及如果F(q)30和Gc(q)28的正反馈连接稳定，则它是稳定传递函数。当图2中的传递函数已知时，在如下情形中可获得完美的前馈噪声消除F(q)=-H(q)G(q)-H(q)Gc(q)---(2)]]>F(q)=F~(q)1+F~(q)Gc(q),F~(q):=-H(q)G(q)]]>以及在F(q)30是稳定和临时(casual)的传递函数的情形中，可将完美的噪声消除作为前馈补偿器16来实现。对于可忽略声耦合Gc的效应的情形，可以将等式(2)中的表达式简化。在那种情形中，可将前馈补偿器16近似为F(q)≈F~(q)=-H(q)G(q)---(3)]]>以及为实现的目的，可能需要F(q)30是临时(casual)和稳定的滤波器。一般而言，由于支配前馈补偿器的解的G(q)26和H(q)24的动态性，等式(2)或(3)中的滤波器F(q)30不是临时和稳定的滤波器。因此，为了找到最优的临时和稳定的前馈补偿器，不得不进行最优逼近。用等式(1)给出离散时间误差信号e(t)的方差λ2π∫-ππ|W(ejω)|2|H(ejω)+G(ejω)F(ejω)1-Gc(ejω)F(ejω)|2dω]]>其中λ表示n(t)的方差。在ANC需要误差麦克风信号e(t)的方差最小化的情形中，由最小化找到最优前馈控制器(F)16minθ∫ω=-πω=π|L(ejω,θ)|2dω:minθ||L(q,θ||2,---(4)]]>L(q,θ)=W(q)[H(q)+G(q)F(q,θ)1-Gc(q)F(q,θ)]]]>其中需要经参数化的滤波器F(q，θ)是临时和稳定的滤波器，其中θ是由等式(4)中的最小化所确定的实值参数。
在可以忽略声耦合Gc的效应的情形中，可将等式(4)中的最小化简化为minθ∫ω=-πω=π|L(ejω,θ)|2dω:minθ||L(q,θ||2,]]>L(q，θ)＝W(q)[H(q)+G(q)F(q，θ)]
等式(4)中的最小化是标准的基于2-范数(norm)的反馈控制和模型匹配问题，在W(q)22、G(q)26、H(q)24和Gc(q)28的动态性已知的情形中，可求解该问题。
在传递函数H(q)24、G(q)26和Gc(q)28是预定的但可能是未知的情形中。为了估算和自适应的目的，对ANC系统10中的可变动态性和固定动态性加以区别是重要的。可利用离线识别技术来估算这些传递函数以确定前馈控制器的基本动态性。随后，由(未知)稳定的和稳定可逆滤波器W(q)22所描绘的声音干扰的频谱内容是唯一可变分量，其由前馈控制的自适应所需要。也可执行对前馈补偿器16的直接估算，而不是经等式(4)的自适应最优化来分别估算未知传递函数以及计算前馈控制器。
对于前馈补偿器16的直接估算的分析，我们假定可忽略声耦合Gc来简化公式。在那种情形中，给出误差信号e(t)e(t，θ)＝H(q)u(t)+F(q，θ)G(q)u(t) (5)以及信号的定义y(t)＝H(q)u(t)，uf(t)＝-G(q)u(t) (6)导致e(t，θ)＝y(t)-F(q，θ)uf(t)对其最小化minθ1NΣt=1Ne(t,θ)---(7)]]>以计算最优前馈滤波器F(q；θ)，是在预测误差框架中的标准输出误差(OE)最小化问题。利用输入信号u(t)满足‖u‖2＝|W(q)|2λ的事实，对于limN→∞来说，用帕斯维尔定理可将等式(7)的最小化改写为频域表达式minθ∫-ππ|W(ejω)|2|H(ejω)+G(ejω)F(ejω,θ)|2dω---(8)]]>由于等式(8)和(4)等价，利用相同的2-范数目标函数(2-norm ob jectives)来计算最优前馈补偿器。
应注意的是可通过执行一系列两个实验来获得等式(6)中的信号。在没有前馈补偿器16的情况下进行第一个实验，使得e(t)＝H(q)u(t)、 和e(t)是在误差麦克风20处所测得的信号。在没有声音干扰得情况下，通过将所测得的输入麦克风信号u(t)从这个实验应用到第二个实验中的控制扬声器18，可获得输入信号uf(t)。在那种情况下，e(t)=G(q)u(t),Δ=-uf(t).]]>
一般而言，等式(7)的OE最小化是非线性的最优化，但是在F(q，θ)对于参数θ是线性的情形中，退化为凸优化问题。参数θ的线性对于滤波器的在线递归估算也是有利的，以及可利用对于前馈补偿器F(q，θ)的FIR滤波器的参数化F(q,θ)=θ0+Σk=1Nθkq-k,θ=[θ0,θ1,...,θN]---(9)]]>来获得。为了实现的目的，FIR滤波器参数化也保证前馈补偿器16的临时性和稳定性。
为提高ANC系统10中前馈补偿器16的逼近特性，将(9)的FIR滤波器中经分接的延迟函数q-1的线性组合推广为F(q,θ)=θ0+Σk=1Nθkfk(q),θ=[θ0,θ1,...,θN]---(10)]]>其中fk(q)是可能包含关于系统动态性知识的广义(标准正交)基底函数，θ0是广义FIR滤波器的直接馈通项，以及θk是所述广义FIR滤波器的最优滤波器系数，正如P.S.C.Heuberger、P.M.J.Van Den Hof和O.H.Bosgra，“Ageneralized orthonormal basis for linear dynamical systems”，IEEETransactions on Automatic Control，vol.40(3)，pp.451-464，1995中所描述的，于此由参考书目所纳入。
可用标准延迟函数来加强广义FIR滤波器F(q,θ)=q-nk[θ0+Σk=1Nθkfk(q)],θ=[θ0,θ1,...,θN]---(11)]]>以纳入在前馈补偿器中的nk个时间步长的延迟时间。在图3中描述等式(11)中的广义FIR滤波器F(q)31的方框图。可看出存在与常规FIR滤波器所建立的相同的经分接的延迟线结构，不同的是这里使用更一般的基底函数fk(q)。在广义FIR滤波器31中，可将(所期望的)动态性行为知识纳入基底函数fk(q)中。如果没有所期望的动态行为的任何知识，则fk(q)＝q-1的平凡选择将广义FIR滤波器31退化为常规FIR滤波器。如果纳入对基底函数fk(q)更精细的选择，那么对于比常规FIR滤波器31中所使用的参数N更小的数量来说，等式(11)可存在较好的逼近特性。从而，最优前馈控制器的精确性将充分地增加。
继续上述推理的思路，其中假定声耦合Gc(q)28(图2所示)的效应是可忽略的，则等式(11)中的广义FIR滤波器31的参数化将用于等式(7)的OE最小化中。由于广义FIR滤波器31对于参数是线性的，维持OE最小化的凸状，以及对于ANC目的来说，可利用在线递归估算技术来估算和自适应前馈控制器16。为了构建基于广义FIR滤波器F(q)31的前馈控制器16，我们在广义FIR滤波器31的初始化步骤和递归估算之间做出区分。
为了初始化广义FIR滤波器31的在线自适应，等式(6)中的信号y(t)和uf(t)不得不对于执行OE最小化来说是可利用的。没有处于适当位置的前馈控制器，经由下式，信号y(t)是便捷可得的，y(t)＝H(q)u(t)＝e(t) (12)因为一旦图2中的ANC系统的机械和几何特性固定，则G(q)26是固定的，所以可利用初始离线估算来估算对于G(q)26的模型以构建经滤波的输入信号uf(t)。
通过将控制扬声器信号uc(t)(见图1)用作激励信号以及将误差麦克风信号e(t)用作输出信号来执行实验，可以算出G(q)模型的估算，由 来表示。构建预测误差ε(t，β)＝e(t)-G(q，β)uc(t)以及最小化G^(q):G(q,β^),β^=argminβ1NΣt=0Nϵ2(t,β)---(13)]]>为滤波的目的提供模型 因为仅将 用于滤波的目的，所以经由下式可估算高阶模型以提供经滤波的输入信号的精确重建uf^(t):G^(q)u(t)---(14)]]>其中 是控制信号uf(t)的滤波器变形或模型。
为了促进广义FIR滤波器31的使用，对等式(10)中的基底函数fk(q)做出选择。对于基底函数的低阶模型将满足，其原因为广义FIR模型31将以fk(q)为基底来展开以提高前馈补偿器16的精确性。作为前馈补偿器16初始化的部分，利用从(12)、(14)和OE-最小化可得的初始信号，可估算前馈滤波器F(q)31的等式(10)中的低阶IIR模型 F^(q):F(q,θ^),θ^=argminθ1NΣt=0Nϵ2(t,θ)---(15)]]>其中的预测误差ϵ(t,θ)=y(t)-F(q,θ)u^f(t)]]>其中 在等式(14)中给出。利用低阶模型 的输入平衡状态空间实现来构建等式(10)中的基底函数fk(q)。
与已经处于适当位置的已知前馈F(q，θk-1)一起，经由下式可生成信号y(t)y(t)＝H(q)u(t)＝e(t)+F(q，θk-1)uf(t)(16)以及需要误差麦克风信号e(t)的测量，以及可由等式(14)来模拟经滤波的输入信号uf(t)＝G(q)u(t)。与等式(16)中的信号y(t)、等式(14)中的 和等式(10)中由等式(15)的初始化所建立的基底函数f(q)一起，经由如下的标准的递归最小二乘最小化来进行前馈滤波器的递归最小化θk=argminθ1kΣt=0kλ(t)[y(t)-F(q,θ)u^f(t)]2---(17)]]>其中依据等式(11)来将F(q，θ)参数化，以及λ(t)表示关于数据的指数遗忘因子(forgetting factor)。因为前馈补偿器或控制器16基于广义FIR模型31，则输入 也由基底函数的经分接的延迟线来滤波。既然滤波器对于参数是线性的，则可利用递归计算技术来更新参数θk。
在基于有源噪声控制(ANC)系统10的前馈的实现期间，应充分利用关于输入麦克风12位置的设计自由度来提高ANC系统的性能。可提高其性能通过1最小化控制扬声器18和输入麦克风12之间的耦合，也被称为声耦合以及2对于有源噪声控制而言，最大化前馈滤波器16的效应。
为了研究这两个对于ANC系统10性能的效应，考虑ANC系统10中输入麦克风的某个位置。对于那个特定位置而言，等式(3)中的传递函数H(q)、G(q)是固定但是未知的。结果，ANC系统10的性能完全依赖于前馈补偿器F(q，θ)31中的设计自由度来最小化等式(5)中的误差信号e(t，θ)。最小化误差信号e(t，θ)的能力由F(q，θ)的参数化来约束，以及通过按照等式(6)中的信号y(t)＝H(q)u(t)、uf(t)＝-G(q)u(t)来考虑经参数化的误差信号e(t，θ)，可执行前馈滤波器F(q，θ)的最优化。对于输入麦克风12的特定位置来说，通过执行一系列的两个实验，容易获得(6)中的信号。这两个实验测量输入和误差麦克风信号u(t)和e(t)。
在没有前馈补偿的条件下进行第一个实验。因此F(q，θ)＝0，以及误差麦克风信号满足e1(t)＝H(q)u(t) (18)另外，测量输入麦克风12u~(t)=u(t)+v(t)---(19)]]>
其中v(t)表示在输入麦克风信号u(t)上的可能测量噪声。这导致在输入麦克风信号u(t)上的额外干扰，需要将其考虑进麦克风12的最优位置中。
在随着噪声源14关断的条件下来进行第二个实验，这排除了外部声音干扰的存在。随后，将根据第一个实验的等式(19)中所给出的经测量的输入麦克风信号 施加到控制扬声器18，由此提供误差麦克风信号e2(t)=-G(q)u~(t)=-G(q)u(t)-G(q)v(t)---(20)]]>由uf(t)＝-G(q)u(t)，误差麦克风信号e(t，θ)可表示为e(t，θ)＝e1(t)-F(q，θ)e2(t)-F(q，θ)G(q)v(t) (21)可替换地，通过利用基于G(q)的所估算模型 的经滤波的输入信号uf(t)，来合并两个实验。因为控制扬声器18的位置一旦确定，则G(q)是固定的，所以可利用初始离线估算来估算G(q)的模型以构建经滤波的输入信号uf(t)。
当在输入麦克风12上缺少噪声v(t)时，(21)中e(θ)的最小化等价于(6)中e(t，θ)的最小化。结果，对于输入麦克风12的特定位置来说，以等式(18)和(20)中所定义的误差麦克风信号e1(t)和e2(t)为基底，可以直接计算ANC 10系统的可获得的性能的值，并且从上面所定义的第一和第二实验中获得。该结果概括于下面的命题中。
命题1.对于输入麦克风12的特定位置来说，由 来描绘前馈ANC系统10的性能。通过如上述实验所描述的测量对于t＝1，...，N而言的e1(t)和e2(t)并且求解OE模型估算问题，来建立 的数值。
θ^=argminθ∈RdVN(θ),]]>有VN(θ):=1NΣt=1Nϵ2(t,θ)]]>ε(t，θ)＝e1(t)-F(q，θ)e2(t)对于有限大小的d参数来说，θ∈Rd表示有限阶滤波器F(q，θ)的系数。
在命题1中选择滤波器系数的有限个数d以提供滤波器系数的可行的最优化。应该注意FIR参数化F(q,θ)=θ0+Σk=1dθkq-k,θ=[θ0,θ1,...,θd]]]>导致滤波器系数的仿射最优化。尽管FIR滤波器的表示(即等式(9))需要许多对于前馈滤波器的精确设计而言的滤波器系数θk，但是仅将FIR滤波器用来求出对于特定输入麦克风12位置的ANC系统10的可能性能的值。对于实际的ANC系统10来说，前馈滤波器由如上提出的广义FIR滤波器所替代。
依据本发明的另一个实施例，有源噪声控制(ANC)系统包括反馈系统，其既处理周期的又处理非周期的噪声干扰的影响。通过本系统，利用附加的反馈控制算法，我们能够不过度放大非周期分量来设计着重于排除周期分量的控制器。调谐控制器来抑制周期干扰，直到周期和非周期干扰之间没有显著差异。
转至图4，依据一个实施例的反馈ANC系统32包括用于测量来自如像服务器冷却风扇一样的噪声源36的噪声的麦克风34；用于生成适当信号以消除来自噪声源36的不必要的周期噪声的扬声器38；以及用于支撑麦克风34和靠近噪声源36的扬声器38的底座40。基于由麦克风34所测量的噪声，提供控制器42来控制扬声器38的输出。
将扬声器38和麦克风34安置于定向的(orientated)且可能是聚氨酯吸音泡沫(polyurethane acoustical foam)和丙烯酸树脂(acrylic)的底座40的内侧，由此来自噪声源36的声音朝麦克风34传播。应注意的是扬声器38与麦克风34相互之间靠的非常近，并且置于噪声源36的附近和下游。
通过麦克风34所测量的由如像服务器冷却风扇一样的噪声源36引起的噪声，在图5和6中示出。图5示出风扇噪声的时间数据，以及图6示出功率谱密度。有两类截然不同的干扰。一类是周期的；处于经均匀分隔的频率上的峰是风扇的谐波(例如，近似每1000Hz)。另一类是非周期噪声，由风扇的湍流、振动和实际非周期噪声引起。气流和振动的效应可以测量中的经滤波的白噪声为模型。
依据本发明的一个实施例，对于控制器42的有源噪声反馈控制算法的设计方法将噪声源分为两个截然不同的干扰周期和非周期的。本方法有助于降低控制器42的阶数，以及简化干扰建模。图7示出如何对两个干扰建模，其中Hn(q)44是非周期干扰模型，Hp(q)46是周期干扰模型，以及G(q)48是反馈控制扬声器38和反馈控制麦克风34之间的动态反馈关系，且在下面定义为“安置(the plant)”。在图7中，信号u(t)是发送到反馈控制扬声器38的信号，并且y(t)是由反馈控制麦克风34所测量的信号。信号vn(t)构造声音的非周期噪声分量的模型为经滤波的白噪声信号e(t)，并且vp(t)构造声音的周期噪声分量的模型。
构造非周期的或随机干扰的模型为色噪声。就是说，vn(t)是由经Hn(q)44滤波的白噪声e(t)所驱动的随机过程，其中q为时移算子(time shiftopertor)。构造周期干扰的模型为带有未知初始条件x0的标准记忆环Hp(q)46。当加在一起时，vn(t)和vp(t)产生与单一干扰模型相同的结果。
在本发明的一个实施例中，更改图7所示的干扰模型，如图8所示，以设计对于周期噪声干扰消除而言的最优控制算法。将信号z1(t)和z2(t)用来测量反馈ANC 32系统的性能，其中可将α用于指定性能信号z1(t)和z2(t)之间的相关权重。最优控制算法K(q)50将e(t)和(z1(t)z2(t))之间的传递函数矩阵的H2范数最小化。选择信号e(t)和(z1(t)z2(t))，由此将由最优反馈控制算法K(q)50把控制能量和输出最小化。为解决需要被消除的周期干扰，将内部模型表示Wi(q)52置于从e(t)到y(t)的路径中，所以由此而导致的控制器将具有内部模型的一般形式。所有周期噪声分量的基本上的完美消除可由选择Wi(q)＝Hp(q)(图8所示)来达到，但是在反馈控制算法中所存在的这个内部模型可能引起反馈ANC系统32的不稳定。Wi(q)52的主要目的是构造噪声滤波器Hp(q)46中的仅那些周期分量的模型，由此期望对Hp(q)的周期噪声干扰的抑制。这使得控制算法不那么复杂和反馈ANC系统32的稳定性更容易得到满足。随后，经由解下式的最小化，解出反馈控制算法的最优设计K(q)=argminK|αWi(q)K(q)Hn(q)1-G(q)Wi(q)K(q)Wi(q)Hn(q)1-G(q)Wi(q)K(q)|2---(22)]]>在等式(22)的最小化中计算反馈控制算法，其将不会使内部模型Wi(q)52的效应颠倒。结果，经组合的有源噪声反馈控制算法K(q)Wi(q)将具有Wi(q)的一般形式，并且在噪声分量中排除周期干扰。
虽然已示出和描述了本发明的特定实施例，但应该理解，其他修改、置换和抉择对于本领域普通技术人员而言是很显然的。在不脱离由所附权利要求书所限定的本发明的精神和范围的情况下，可以进行这种修改、置换和抉择。
在所附权利要求书中阐明本发明的各种特征。
权利要求
1.一种用于从噪声源减少噪声的有源噪声控制设备，包括用于探测由噪声源所产生的噪声的第一探测器；用于接收从所述第一探测器探测的噪声的噪声信号以及生成用来减少来自噪声源的噪声的控制信号的广义有限脉冲响应(FIR)滤波器；以及用于为了充分消除来自噪声源的噪声，基于来自所述广义FIR滤波器的所述控制信号来产生声音的声音发生器。
2.如权利要求1所述的设备，其中所述广义FIR滤波器是前馈补偿器。
3.如权利要求2所述的设备，其中将所述第一探测器置于噪声源的下游，以及将所述声音发生器置于所述第一探测器的下游。
4.如权利要求1所述的设备，其中将所述广义FIR滤波器描述为F(q,θ)=θ0+Σk=1Nθkfk(q),θ=[θ0,θ1,...,θN]]]>其中fk(q)是包括关于所述广义FIR滤波器所期望的动态行为信息的广义(标准正交)基底函数，θ0是所述广义FIR滤波器的直接馈通项，以及θk是所述广义FIR滤波器的最优滤波器系数。
5.如权利要求4所述的设备，其中由初始化所述基底函数fk(q)来构建所述广义FIR滤波器，以及基于所述经初始化的基底函数fk(q)来递归地估算所述θk。
6.如权利要求5所述的设备，其中所述基底函数fk(q)由预定的包括所述广义FIR滤波器的初始逼近信息的动态性的动态性模型来初始化。
7.如权利要求5所述的设备，其中所述参数θk由递归最小二乘最优化例程来递归估算。
8.如权利要求1所述的设备，进一步包括用于探测处于所述声音发生器下游的噪声的第二探测器。
9.如权利要求8所述的设备，其中将由第二探测器所探测的噪声信号描述为e(t)=W(q)[H(q)+G(q)F(q)1-Gc(q)F(q)]n(t)]]>其中，对于白噪声信号n(t)来说，W(q)是稳定的和稳定可逆的噪声滤波器；H(q)描绘来自所述第一探测器的输入信号u(t)和由所述第二探测器所探测的所述信号e(t)之间的动态关系；G(q)描绘来自所述广义FIR滤波器F(q)的所述控制信号和由所述第二探测器所探测的所述信号e(t)之间的关系；以及Gc(q)表示从所述声音发生器信号回到来自所述第一探测器的所述信号u(t)的声耦合，其和所述广义FIR滤波器F(q)一起产生正反馈回路。
10.如权利要求9所述的设备，其中基于情况，将所述第一探测器置于第二探测器处，其满足e1(t)＝H(q)u(t) 以及e2(t)=-G(q)u~(t)=-G(q)u(t)-G(q)v(t)]]>其中v(t)表示由所述第一探测器所探测的干扰。
11.如权利要求1所述的设备，其中所述第一探测器和所述第二探测器是麦克风，以及所述声音发生器是扬声器。
12.一种用于从有源噪声控制系统中的噪声源来减少噪声的方法，包括探测由噪声源所产生的第一噪声；从广义有限脉冲响应(FIR)滤波器来生成控制信号，以便基于所述探测的噪声的第一信号，减少来自噪声源的第一噪声；以及基于所述控制信号，产生用于充分消除来自噪声源的所述第一噪声的声音。
13.如权利要求12所述的方法，其中所述广义FIR滤波器是前馈补偿器。
14.如权利要求13所述的方法，其中所述第一噪声是由位于噪声源下游的麦克风所探测的，以及所述声音是由位于所述麦克风下游的扬声器所产生的。
15.如权利要求12所述的方法，其中将所述广义FIR滤波器描述为F(q,θ)=θ0+Σk=1Nθkfk(q),θ=[θ0,θ1,...,θN]]]>其中fk(q)是包含关于所述广义FIR滤波器的所期望的动态行为的信息的广义(标准正交)基底函数，θ0是所述广义FIR滤波器的直接馈通项，以及θk是所述广义FIR滤波器的最优滤波器系数。
16.如权利要求15所述的方法，其中由初始化所述基底函数fk(q)来构建所述广义FIR滤波器，以及基于所述经初始化的基底函数fk(q)来递归地估算所述θk。
17.如权利要求16所述的方法，其中所述基底函数fk(q)由预定的包括所述广义FIR滤波器的初始逼近信息的动态性的动态性模型来初始化。
18.如权利要求16所述的方法，其中所述θk由递归最小二乘最优化例程来递归估算。
19.如权利要求12所述的方法，进一步包括在产生基于所述控制信号的所述声音之后，探测第二噪声。
20.如权利要求19所述的方法，其中在产生基于所述控制信号的所述声音之后，由第二探测器所探测的噪声的第二信号，描述为e(t)=W(q)[H(q)+G(q)F(q)1-Gc(q)F(q)]n(t)]]>其中，对于白噪声信号n(t)来说，W(q)是稳定的和稳定可逆的噪声滤波器；H(q)描绘第一信号u(t)和所述第二信号e(t)之间的动态关系；G(q)描绘来自所述广义FIR滤波器F(q)的所述控制信号和所述第一信号e(t)之间的关系；以及Gc(q)表示从所述声音发生器信号回到所述第一信号u(t)的声耦合，其和所述广义FIR滤波器F(q)一起产生正反馈回路。
21.如权利要求20所述的方法，其中基于情况，在一位置处探测所述第一噪声，其满足e1(t)＝H(q)u(t) 以及e2(t)=-G(q)u~(t)=-G(q)u(t)-G(q)v(t)]]>其中v(t)表示与所述第一噪声一起被探测的第三噪声。
22.一种用于从噪声源减少周期噪声的有源噪声控制设备，包括用于探测由噪声源所产生的噪声的探测器；用于为了补偿在噪声中所探测的周期噪声而生成控制信号的控制器；以及用于为了充分消除来自噪声源的周期噪声，基于来自所述控制器的所述控制信号，产生声音的声音发生器；其中基于等式生成所述控制信号，K(q)=argminKαWi(q)K(q)Hn(q)1-G(q)Wi(q)K(q)Wi(q)Hn(q)1-G(q)Wi(q)K(q)2]]>其中，Wi(q)是用于减少周期干扰的离散时间内部动态性模型，Hn(q)是用来构造非周期噪声干扰频谱的模型的离散时间滤波器，G(q)是构造声音发生器和所述探测器之间动态性模型的离散时间滤波器，以及α是实值标量常数。
23.如权利要求22所述的设备，其中所述控制器包括反馈控制器。
24.如权利要求22所述的设备，其中所述探测器是麦克风，以及所述声音发生器是扬声器，所述麦克风和所述扬声器被置于噪声源的附近和下游。
25.一种用于从噪声源减少周期噪声的方法，包括探测由噪声源所产生的噪声；从控制器生成用于补偿在噪声中所探测的周期噪声的控制信号；以及基于来自所述控制器的所述控制信号，产生用于充分消除来自噪声源的周期噪声的声音；其中基于等式生成所述控制信号，K(q)=argminKαWi(q)K(q)Hn(q)1-G(q)Wi(q)K(q)Wi(q)Hn(q)1-G(q)Wi(q)K(q)2]]>其中，Wi(q)是用于减少周期干扰的离散时间内部动态模型，Hn(q)是用来构造非周期噪声干扰频谱的模型的离散时间滤波器，G(q)是离散时间滤波器，其构造用于产生基于所述控制信号的所述声音的声音发生器和用于探测由噪声源所产生的噪声的探测器之间的动态性的模型，以及α是实值标量常数。
26.如权利要求25所述的方法，其中所述控制器包括反馈控制器。
27.如权利要求25所述的方法，其中噪声由麦克风来探测，以及基于来自所述控制器的所述控制信号的所述声音由扬声器来产生，所述麦克风和所述扬声器被置于噪声源的附近和下游。
全文摘要
一种用于从噪声源减少噪声的有源噪声控制设备，包括用于探测由噪声源所产生的噪声的麦克风，以及用于接收从麦克风所探测的噪声的噪声信号和用于产生减少来自噪声源的噪声的控制信号的广义有限脉冲响应(FIR)滤波器。基于来自广义FIR滤波器的控制信号，扬声器产生用于充分消除来自噪声源的噪声的声音。
文档编号H03B29/00GK1886104SQ200480034970
公开日2006年12月27日 申请日期2004年11月24日 优先权日2003年11月26日
发明者雷蒙德·德卡拉方 申请人:加利福尼亚大学董事会