一种适用于脉冲噪声有源控制的主动降噪方法与流程

本发明涉及主动噪声控制领域，同时涉及一种有源噪声控制方法，具体涉及一种适用于脉冲噪声有源控制的主动降噪方法。

背景技术：

随着现代工业、建筑业、交通运输业等领域的深入发展，噪声污染问题日益突出，严重影响着居民的学习、工作及生活。

现有的噪声控制技术主要分为被动降噪(passivenoisecontrol,pnc)与主动降噪(activenoisecontrol,anc)两类。被动降噪技术采用传统的吸声、隔声与消声来实现目标噪声的抑制，其在中高频噪声控制方面可取得较理想的效果，但在低频噪声控制方面却不尽人意。与此相反，主动降噪技术(也称有源噪声控制技术)采用声波相消性干涉原理，通过自适应控制算法来实现次级声源发出与目标噪声具有近似相同相位、相反幅值的抵消信号。主动噪声控制系统由控制器、扬声器及麦克风组成，通常具有较小的体型与较强的通用性，且在具体应用场景内布置灵活，因此其被广泛应用于工业、交通、军事等领域。

随着自适应滤波技术及信号处理系统的深入发展，主动降噪技术在近30年内得到迅猛发展，国内外研究团队在主动降噪的核心控制算法及硬件设计方面取得了诸多突破性进展。然而，主动降噪技术中仍存在的部分难题直接限制了主动噪声控制系统的实际应用，其中主动脉冲噪声控制(activeimpulsenoisecontrol)便是核心难题之一。

经典的主动降噪算法针对服从高斯分布的噪声信号具有较理想的控制效果。然而，脉冲噪声通常服从α稳态分布而不是高斯分布，因此，利用fxlms等经典算法在控制脉冲噪声时往往出现失效、系统发散等现象。脉冲噪声通常采用α稳态分布来建模，其特征函数为其中α为脉冲噪声的特征指数，α值越小，信号的脉冲特性越显著，脉冲强度越剧烈。

为实现脉冲噪声的有效控制，诸多研究人员进行了相关探索并提出了一系列主动脉冲降噪算法。这些算法中的典型代表有：fxlmp(filtered-xleastmeanp-norm)算法，该算法通过最小化误差信号的p阶矩来实现脉冲噪声的主动控制。相比于经典的fxlms算法，fxlmp算法具有较好的脉冲抑制性能，但其不足之处在于，该算法依赖于脉冲噪声特征指数α的先验获取，因此，其针对不同强度脉冲噪声的普适性较差；akhtar等人提出了th-fxlms(thresholding-basedfxlms)算法，该算法采用限幅函数来抑制参考信号与误差信号中的脉冲样本幅值，进而提升系统的脉冲降噪性能，然而，限幅函数中限幅阈值的必要估计是该算法的一个明显缺点，因为针对不同强度的脉冲噪声，该限幅阈值均需被重新估计；吴礼福等人提出了fxloglms(filtered-xlogarithmicerrorlms)算法，该算法以误差信号对数变换的均方值为代价函数来自适应更新滤波器的权值系数，进而实现脉冲噪声的有效控制，fxloglms算法不需要特征指数α的先验获取，同时不需要引入限幅阈值，与此同时，该算法申报相关专利并获授权(基于对数变换的脉冲噪声有源控制方法，zl201010017642.4)。但其不足在于当误差信号幅值小于1时，该算法的滤波器系数更新存在一段死区，致使算法的降噪性能及收敛速度有轻微程度恶化。

由此可见，提出一种自适应能力强、降噪性能优良、收敛速度快的脉冲噪声主动控制方法，对于实际场景中脉冲噪声的有效抑制是至关重要的。

技术实现要素：

本发明设计开发了一种适用于脉冲噪声有源控制的主动降噪方法，这种方法在进行脉冲噪声主动控制时，无需先验获取特征指数；无需引入限幅阈值，避免了较繁琐的阈值估计；同时当误差信号幅值小于1时预测滤波器权值迭代不存在死区。

本发明提供的技术方案为：

一种适用于脉冲噪声有源控制的主动降噪方法，包括如下步骤：

步骤一、采用参考麦克风采集噪声源发出的脉冲噪声作为参考信号，并以所述参考信号为自变量的高斯分布函数调整步长参数；

步骤二、采用误差麦克风采集被抵消后的噪声作为误差信号，并依据不断更新的所述参考信号、所述误差信号及所述调整后的步长参数更新预测滤波器权值系数；

步骤三、通过所述更新后的预测滤波器权值系数计算出抵消信号，并将所述抵消信号通过扬声器发出，用于抵消所述参考信号，进而进行主动降噪。

优选的是，在所述步骤一中，所述步长参数的调整公式为：

式中，n为时间序列，x(n)为参考信号，μ[x(n)]为以参考信号为自变量的步长参数，为基础步长参数，σ为分布函数的标准差。

优选的是，在所述步骤二中，所述预测滤波器的权值系数通过权值自适应迭代公式更新。

优选的是，所述权值自适应迭代公式表示为：

w(n+1)＝w(n)-μ·▽j(n)；

式中，w(n)为n时刻预测滤波器的权值系数，w(n+1)为n+1时刻预测滤波器的权值系数，j(n)为自适应迭代公式的代价函数，▽j(n)为j(n)的梯度。

优选的是，所述自适应迭代公式的代价函数表示为：

j(n)＝e{f²[e(n)]}≈f²[e(n)]；

式中，e(n)为误差信号，f[e(n)]为误差信号非线性变换函数。

优选的是，所述误差信号非线性变换函数表示为：

优选的是，所述代价函数梯度表示为：

式中，xf(n)为经次级通路后的参考信号。

优选的是，依据所述预测滤波器的权值系数得出所述抵消信号表示为：

y(n)＝w^t(n)·x(n)；

式中，y(n)为n时刻的抵消信号，t为矩阵转置。

本发明与现有技术相比较所具有的有益效果：

1、本发明提出了一种适用于脉冲噪声有源控制的主动降噪方法，这种方法无需引入限幅阈值，进而避免了较繁琐的阈值估计；无需对脉冲噪声的特征指数进行先验获取；同时预测滤波器权值迭代不存在死区。

2、本发明采用误差信号非线性变换函数对参与预测滤波器权值迭代的误差信号进行鲁棒处理，衰减了误差信号中脉冲样本对系统降噪性能及稳定性的影响；同时，采用以参考信号为自变量的高斯分布函数来自适应调整步长参数，削弱了参考信号中脉冲样本对系统降噪性能及稳定性的影响，这进一步改善了控制系统的脉冲抑制性能，比传统的脉冲降噪方法具有更理想的综合性能。

附图说明

图1为本发明所述的一种适用于脉冲噪声有源控制的主动降噪方法的原理示意图。

图2为本发明实施例所述的高强度脉冲噪声信号示意图。

图3为本发明实施例所述的低强度脉冲噪声信号示意图。

图4为本发明实施例所采用的初级通道与次级通道的幅频响应曲线示意图。

图5为本发明实施例所采用的初级通道与次级通道的相频响应曲线示意图。

图6为本发明实施例所述的高强度脉冲噪声信号下的降噪效果对比示意图。

图7为本发明实施例所述的低强度脉冲噪声信号下的降噪效果对比示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明在针对脉冲噪声进行主动降噪时，降噪过程如下：

步骤一、采用参考麦克风采集噪声源发出的脉冲噪声作为参考信号x(n)，并以参考信号x(n)为自变量的高斯分布函数调整步长参数；

如图1所示，在另一种实施例中，由步长参数自适应调整子模块调整步长参数，调整方法为：

式中，n为时间序列，μ[x(n)]为以参考信号为自变量的步长参数，为基础步长参数，σ为分布函数的标准差。

步骤二、采用误差麦克风采集被抵消后的噪声作为误差信号e(n)，并依据不断更新的参考信号、误差信号及调整后的步长参数自适应更新预测滤波器系数；

在另一种实施例中，权值更新子模块依据步长参数、参考信号及误差信号，采用权值自适应迭代公式实时更新预测滤波器系数，权值自适应迭代公式基于最速下降原理，表示为：

w(n+1)＝w(n)-μ·▽j(n)；

式中，w(n)为n时刻预测滤波器的权值系数，w(n+1)为n+1时刻预测滤波器的权值系数，j(n)为自适应迭代公式的代价函数，▽j(n)为j(n)的梯度。

在另一种实施例中，自适应迭代公式的代价函数表示为：

j(n)＝e{f²[e(n)]}≈f²[e(n)]；

式中，f[e(n)]为误差信号非线性变换函数。

在另一种实施例中，误差信号非线性变换函数的表示为：

在另一种实施例中，代价函数的梯度表示为：

进而，权值自适应迭代公式为：

式中，xf(n)为经估计次级通路滤波后的参考信号。

步骤三、通过预测滤波器权值系数计算出抵消信号，并将抵消信号通过扬声器发出，主动抵消参考信号。

在另一种实施例中，抵消信号由预测滤波器子模块计算并发出，抵消信号与参考信号具有近似相等的幅值及相反的相位，在实际应用中由扬声器发出，抵消信号表示为：

y(n)＝w^t(n)·x(n)；

式中，y(n)为抵消信号，t为矩阵转置。

在另一种实施例中，参考信号x(n)经初级通路p(z)后的信号d(n)，以及参考信号x(n)经估计次级通路后的信号xf(n)，计算方式如下：

d(n)＝p(z)*x(n)；

其中，*为卷积运算，p(z)为参考麦克风与误差麦克风间的初级通路，为估计所得的次级通路。

在另一种实施例中，由预测滤波器子模块发出的抵消信号y(n)经次级通路后的信号计算方式如下：

ys(n)＝s(z)*y(n)；

式中，*为卷积运算，s(z)为误差麦克风与扬声器间的次级通路，在此设定s(z)与结果一致。

在另一种实施例中，误差信号也可以表示为：

e(n)＝d(n)+ys(n)；

式中，ys(n)为抵消信号y(n)经次级通路后的信号。

作为一种优选，在此实例中σ取值为2。

作为一种优选，权值更新子模块不断重复更新过程，即可实现目标场景中脉冲噪声的有效控制。

为检验本发明所提方法的脉冲噪声降噪性能，现进行实验如下：

脉冲噪声通常服从α稳态分布，根据α稳态分布特征，利用随机信号产生目标脉冲噪声。

实施例

如图2、图3所示，为充分检验本发明有效性，采用本发明所提方法针对高强度脉冲噪声信号(特征指数为1.4)及低强度脉冲噪声信号(特征指数为1.8)分别进行主动降噪。同时，选取经典脉冲噪声控制算法中的th-fxlms算法、fxlmp算法以及fxloglms算法进行降噪对比。

本实施例中采用的初级通路p(z)与次级通路s(z)均以阶数为300阶的fir滤波器表示，且初级通路及次级通路的幅频响应曲线与相频响应曲线分别如图4与图5所示。

如图6、图7所示，为本实施例的实验结果。其中，图6表示四种算法针对高强度脉冲噪声信号(α＝1.4)的降噪效果，图7表示四种算法针对低强度脉冲噪声信号(α＝1.8)的降噪效果，对比图6、图7可以看出，相比于经典的脉冲噪声控制算法，本发明所提降噪方法具有更优的降噪量以及更快的收敛速度。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。