本发明属于噪声控制，涉及一种改进生成方式固定滤波器主动噪声控制方法与系统。
背景技术：
1、噪声污染对人的身心健康和工作效率的负面影响日益加剧，因而噪声控制成为研究热点。无源噪声控制通过利用特定的物理材料或结构以消耗声能的方式实现降噪，在中高频噪声的抑制上表现良好，但其处理低频噪声的能力有限。有源噪声控制(active noisecontrol,anc)基于声波干涉原理，通过生成一个与初级噪声相位相反、幅度相等的次级信号来抵消初级噪声，进而实现降噪，其对低频噪声降噪效率高，近年来已在汽车、耳机、头枕等多种场景得到了应用。
2、滤波x最小均方(filteredx least mean square,fxlms)算法及其衍生算法是anc中广泛使用的一类自适应算法，其通过添加次级路径估计以补偿次级路径对anc系统的影响。然而，自适应算法由于有限的收敛速度和跟踪能力，在处理快速变化或非平稳噪声时表现不佳。为了提高响应速度和鲁棒性，许多音频产品采用了固定控制滤波器anc方法。然而，固定控制滤波器在噪声类型变化时，其降噪性能会受影响。为了针对不同噪声选择不同的控制滤波器，现有技术提出了一种基于频带匹配的选择性固定滤波器有源噪声控制(selective fixedfilter activenoise control,sfanc)方法。然而，该方法的关键参数只能通过反复试验来确定，这限制了其在实际应用中的适用性。因此，现有技术又将卷积神经网络(cnn)集成到sfanc方法中，以实现所有参数均从噪声数据集中自动学习。然而，由于sfanc方法中预先训练的控制滤波器数量有限，当某些噪声与滤波器训练噪声存在显著差异时，其噪声控制性能较差。
技术实现思路
1、为解决现有技术中存在的不足，本发明提供一种改进生成方式固定滤波器主动噪声控制方法与系统，针对各种噪声生成合适的控制滤波器，具有良好的降噪性能。
2、本发明采用如下的技术方案。
3、本发明的第一方面提供了一种改进生成方式固定滤波器主动噪声控制方法，包括：
4、s1：构建宽带控制滤波器，并根据滤波器阶数进行分解，得到多个固定的子控制滤波器；
5、s2：将参考噪声信号输入至预训练的改进一维卷积神经网络中，得到噪声信号的二进制权重向量；
6、s3：将所述二进制权重向量与所有子控制滤波器进行加权求和，生成改进生成方式固定滤波器；
7、s4：基于改进生成方式固定滤波器对初级噪声信号进行主动控制，实现降噪。
8、优选地，s1中，构建宽带控制滤波器，具体包括：
9、采用次级路径对参考噪声信号进行滤波；
10、计算滤波后的参考噪声信号的自相关矩阵r；
11、计算滤波后的参考噪声信号与初级噪声信号的互相关矢量p；所述初级噪声信号由参考噪声信号经初级路径滤波后得到；
12、基于所述自相关矩阵r和所述互相关矢量p构建宽带控制滤波器c。
13、优选地，宽带控制滤波器c＝r-1p。
14、优选地，s2中，所述改进一维卷积神经网络依次包括：卷积层、批量归一化层、最大池化层、残差块、残差块、最大池化层、组合长短时记忆模块、全局池化层、全连接层和输出层；
15、每个残差块均采用快捷连接，且均包括两个卷积层、批量归一化层和relu非线性层；
16、组合长短时记忆模块包括两组lstm层，在对应的分组维度上分别处理输入数据；
17、输出层包括全连接层和双参数可调的激活函数tpt。
18、优选地，tpt的函数式为：
19、
20、其中，tpt(x)为x对应的类别的概率，ρ,η均为可调参数，x为全连接层的输出。
21、优选地，所述改进一维卷积神经网络训练时采用以下损失函数：
22、
23、其中，loss(e)为e对应的损失值，ln表示自然对数函数，exp()表示指数函数，e为误差信号，σ为设定的常数。
24、优选地，所述一维卷积神经网络的训练过程包括：
25、1)将训练用噪声信号输入至各所述子控制滤波器中，并将所有子控制滤波器的输出通过组合权重矢量进行加权求和，得到次级信号矢量；
26、2)基于所述次级信号矢量计算误差信号；
27、3)基于所述误差信号确定目标函数；
28、4)通过lms算法最小化所述目标函数，确定最优组合权重；
29、5)根据所述最优组合权重得到训练用噪声信号的二进制权重向量；
30、6)以所述训练用噪声信号为输入，以所述训练用噪声信号的二进制权重向量为标签，对所述一维卷积神经网络进行训练。
31、优选地，所述二进制权重向量的计算公式为：
32、
33、t＝[t1,…,tm,…,tm]t，m∈[1,m]
34、其中，t表示二进制权重向量集合；
35、tm表示第m个二进制权重向量；
36、表示第m个子控制滤波器的最优组合权重；
37、m表示子控制滤波器的数量。
38、优选地，s3中，所述改进生成方式固定滤波器的表达式为：
39、
40、其中，表示生成的改进生成方式固定滤波器；
41、tm表示第m个二进制权重向量；
42、cm表示第m个子控制滤波器；
43、m表示子控制滤波器的数量。
44、本发明的第二方面提供了一种改进生成方式固定滤波器主动噪声控制系统，包括：
45、滤波器构建模块，用于构建宽带控制滤波器，并进行分解，得到多个子控制滤波器；
46、权重向量生成模块，用于将噪声信号输入至预训练的改进一维卷积神经网络中，得到噪声信号的二进制权重向量；
47、滤波器生产模块，用于将所述二进制权重向量与所有子控制滤波器进行加权求和，生成改进生成方式固定滤波器；
48、噪声控制模块，用于基于改进生成方式固定滤波器对噪声信号进行控制，实现降噪。
49、一种终端，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
50、计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。
51、与现有技术相比，本发明的有益效果至少包括：
52、本发明首先将宽带控制滤波器分解为多个子控制滤波器，采用轻量级的改进一维卷积神经网络自动为噪声信号提供二进制权重向量，随后，通过与子控制滤波器进行加权求和，实现固定滤波器生成方式改进，能够自适应地组合生成适用于各种类型噪声的控制滤波器，用于实现噪声控制。
53、本发明的改进一维卷积神经网络对1d cnn进行了改进，通过添加组合长短时记忆模块，增强网络的时序建模能力，提高特征提取和表达的效果，所采用的激活函数和损失函数可有效增强网络的泛化能力、非线性映射能力，进而提升整个网络模型在处理时序数据时的性能，提高网络最终输出的二进制权重准确度。
54、本发明具有良好的降噪性能，并在实际声学环境下表现出良好的鲁棒性和可迁移性，且本发明处理谐波噪声时依旧具有良好的降噪性能。
55、本发明采用二进制权重，可以减少计算和存储空间的负载，可在协处理器上以噪声帧为单位执行控制滤波器的生成，以采样率为单位进行实时噪声控制。