一种基于EMFNL滤波器的次级通道建模方法与流程

本发明涉及有源噪声控制领域，尤其涉及一种基于带线性部分偶镜像傅里叶非线性(emfnl,evenmirrorfouriernonlinearwithlinearsection)滤波器的次级通道建模方法。

背景技术：

基于叠加原理的有源噪声控制(anc,activenoisecontrol)技术因成本低、低频效果显著、布控简便等优势，得到了广泛研究和应用，未来极有可能成为封闭空间降噪的标配技术。

有源噪声控制模型分为有次级通道模型和无次级通道模型。无次级通道模型方面，中国专利cn101393736b公开了一种无次级通道建模的有源噪声控制方法，采用四个更新方向搜索的方法寻找最优系数，实时性差。中国专利cn103915091a公开了一种无次级通道建模模型方法，该方法需统计噪声源信号和误差信号功率，本质上属于统计的方法，系统初始阶段难以实现实时，且噪声源有变化时，系统难以快速反应。因此有次级通道模型依然是目前的主要方向。国际专利wo2017/048480en2017.03.23(中国专利cn108352156a)和国际专利wo2017/048481en2017.03.23(中国专利cn108352157a)公开了次级通道幅值和相位的估计方法，需对不同频率分量进行估计，算法复杂。中国专利cn109448686a公开了一种在线次级建模有源噪声控制系统，该系统使用线性次级通道模型，难以处理非线性次级通道情形。中国专利cn109379652a公开了一种耳机有源噪声控制的次级通道离线辨识方法及系统，该次级通道采用无限冲激响应响应(iir,infiniteimpulseresponse)滤波器，该滤波器虽然可用更少的系数逼近线性滤波器，但存在不稳定情形。

本发明针对目前非线性次级建模方法，尤其是强非线性情形建模方法缺失的问题，提出一种基于二阶带线性部分偶镜像傅里叶非线性(emfnl,evenmirrorfouriernonlinearwithlinearsection)滤波器的次级通道建模方法，并给出该建模系数下的次级通道估计计算方法。

技术实现要素：

发明目的：针对现有技术中非线性次级建模方法，尤其是强非线性情形建模方法缺失问题，本发明提出提供一种基于二阶带线性部分偶镜像傅里叶非线性(emfnl)滤波器的非线性次级通道建模方法，该方法可非线性建模次级通道，并给出了计算时变次级通道估计的方法，同时给出了稀疏次级系数及次级估计的计算方法。

技术方案：本发明提供了一种基于emfnl滤波器的次级通道建模方法，包括如下步骤：

s1：产生高斯白噪声，并滤除高频部分；

s2：对s1中激励白噪声，构建带线性部分偶镜像傅里叶非线性emfnl滤波器抽头并简化；

s3：对s2中滤波器抽头，采用自适应算法辨识系数；

s4：稀疏化s3中的次级通道传递函数系数；

s5：对稀疏化的次级通道计算其次级通道估计。

进一步地，所述s2中简化滤波器抽头实现形式包括：

1)去除滤波器中部分抽头：如果次级通道是极弱非线性情形，则仅保留次级通道系数s(n)中的线性部分；如果系统表现出线性和三角非线性情形，则仅保留次级通道系数s(n)中线性、正弦和余弦抽头；或者

2)交叉抽头部分对角结构实现，仅保留部分主对角通道。

进一步地，s4所述稀疏化指通过保留贡献大的系数，完成稀疏化，其稀疏化方法包括：

1)权系数贡献大小排序，仅更新权系数中贡献从大到小排序的前部分项，在更新环节完成系数稀疏化，稀疏化系数更新算法为：

sp(n+1)＝sp(n)+μe(n)fc(n)

其中，sp为s(n)中贡献排序前m/a个系数，a取值为2或3；或者，

2)使用稀疏阈值，仅保留大于阈值的系数值，完成系数稀疏化。

进一步地，所述稀疏化方法2)中线性部分和非线性部分稀疏阈值取值为σ1/4和σ2，其中，σ1和σ2分别为s(n)中线性部分和非线性部分系数的方差。

进一步地，所述s4中次级通道传递函数表示为如下形式：

其中，r1≤m、r2≤m、r3≤m和r3≤m(m-1)/2分别为线性项、正弦、余弦项和交叉项的数量，li,ki,pi和qi为时延参数，此时s(n)＝[ai^t,bi^t,ci^t,di^t]，其中ai＝{ai,i＝1,2,…,r1}，bi＝{bi,i＝1,2,…,r2}，ci＝{ci,i＝1,2,…,r3}，di＝{di,i＝1,2,…,r4}。

进一步地，所述s5稀疏后的次级通道估计为：

其中，ai～ei为系数估计，li,ki,pi,qi和ri为时延参数，满足如下：

有益效果：

本发明提供一种基于二阶带线性部分偶镜像傅里叶非线性(emfnl)滤波器的非线性次级通道建模方法，该方法可非线性建模次级通道，并给出了计算时变次级通道估计的方法，同时给出了稀疏次级系数及次级估计的计算方法。该非线性次级通道建模方法可有效建模有源噪声控制系统中的非线性次级通道情形，使非线性有源噪声控制模型更精确，同时给出的稀疏系数方法，可有效降低次级通道估计系数数量，减少算法计算量。

附图说明

图1为有源降噪系统框图；

图2为带线性部分偶镜像傅里叶非线性(emfnl)滤波器结构框图；

图3为带线性部分偶镜像傅里叶非线性(emfnl)滤波器交叉项对角结构；

图4为次级通道自适应辨识算法框图；

图5为本发明与其他3种滤波器辨识次级通道的辨识曲线。

具体实施方式

下面结合附图对本发明进行详细的介绍。

本发明中，次级通道为从数字信号处理器(dsp,digitalsignalprocessor)输出数字电信号，到该数字信号变换为到达叠加点处声信号的整个过程。如图1所示，次级通道中，信号的转换过程为：dsp输出数字电信号，经数模转换器(dac,digitalanalogconvertor)转换为模拟信号、模拟信号经功放放大后驱动次级执行器(典型为扬声器)做动，产生反噪声信号，声信号在传播介质中传递到叠加点处，经误差传感器采集为模拟电信号，经模数转换器(adc,analogdigitalconvertor)转换为数字误差信号。

本发明涉及有源噪声控制领域，公开了一种有源降噪系统中非线性次级通道建模方法，实现步骤包括：

第一步：产生高斯白噪声，并滤除高频部分。

高斯白噪声的生成方法多样，工程师可根据实际情况生成，由于有源噪声控制主要面向低频噪声，因此，系统的辨识时无需使用高频激励信号，可设计一低通滤波器，滤除激励白噪声中的高频分量，低通滤波器截止频率参考值为1500赫兹(hz)。

第二步：构建带线性部分偶镜像傅里叶非线性(emfnl)滤波器抽头。

将激励白噪声的现时刻和m-1个前时刻信号记为v(n)＝[v(n),v(n-1),…,v(n-m+1)]，此时次级通道长度为m。采用二阶带线性部分偶镜像傅里叶非线性(emfnl)扩展，如图2所示，滤波器抽头包括：

c00(n)＝[v(n),v(n-1),v(n-2),…,v(n-m+1)]^t；

c10(n)＝{sin[πv(n)/2],sin[πv(n)/2],…,sin[πv(n-m+1)/2]}^t；

c20(n)＝{cos[πv(n)],cos[πv(n)],…,cos[πv(n-m+1)]}^t；

c21(n)＝{sin[πv(n)/2]sin[πv(n-1)/2],…,sin[πv(n-m+2)/2]sin[πv(n-m+1)/2],

sin[πv(n)/2]sin[πv(n-2)/2],…,sin[πv(n-m+3)/2]sin[πv(n-m+1)/2],

…,

sin[πv(n)/2]sin[πv(n-m+1)/2}^t。

根据次级通道特性，仅保留线性部分系数和部分非线性部分系数，可有效降低计算量。以下给出2种简化滤波器抽头实现形式：

(1)去除滤波器中部分抽头。如果次级通道是极弱非线性情形，则仅保留次级通道系数s(n)中的线性部分；如果系统表现出线性和三角非线性情形，则仅保留次级通道系数s(n)中线性、正弦和余弦抽头。

(2)交叉抽头部分对角结构实现，仅保留部分主对角通道。如图3所示，在逼近非线性系统时，交叉项部分中越靠近主对角通道的核函数对系统的逼近能力越强，因此可以通过仅保留图中较粗的主通道的方法，简化滤波器结果。主通道保留数量参考为m/4，工程师根据实际系统需求确定。

滤波器的函数扩展抽头表示为向量形式：

fc(n)＝[c00(n),c10(n),c20(n),c21(n)]^t(1)

第三步：采用自适应算法辨识系数。

以上第二步中滤波器抽头对应的系数即为次级通道传递函数系数，该系数对应图2中为s(n)＝[s0(n),s1(n),s2(n),…,sm+1(n)]，长度为(m²+5m)/2，初始化为0。如图4所示，采用自适应最小均方误差(lms,leastmeansquare)算法迭代获得权系数，迭代公式为：

s(n+1)＝s(n)+μe(n)fc(n)(2)

其中，μ为步长，e(n)为两路信号叠加后的误差信号，通过下式获得：

e(n)＝d(n)+d'(n)＝d(n)+fc(n)*s(n)(3)

上式中，d(n)为白噪声v(n)经次级通道传递后到达误差传声器处的噪声，可由误差传感器直接采集，有源噪声控制中传感器的典型形式为麦克风，d'(n)为辨识emfnl滤波器和权系数s(n)卷积后生成的噪声。图4虚线框中处理过程由计算设备完成，典型为dsp。

第四步：稀疏化步骤三中的次级通道传递函数系数。

系数中可能存在大量的近零项，近零项可能是辨识过程中的噪声，因此，通过保留贡献较大的系数，完成稀疏化。本发明公开2种稀疏化方法：

(1)仅更新权系数中贡献较大的项，在更新环节完成系数稀疏化。稀疏化系数更新算法变为：

sp(n+1)＝sp(n)+μe(n)fc(n)(4)

其中，sp为s(n)中较大的m/a个系数，a的典型值为2或3，可由工程师根据实际需求确定。

(2)使用稀疏阈值，完成系数稀疏化。迭代获得完整的次级通道系数s(n)后，工程人员依据实际系统选取阈值，仅保留大于阈值的系数值。阈值的典型取值为σ1/4和σ2，其中σ1和σ2分别为s(n)中线性部分和非线性部分系数的方差。

第五步：对稀疏化的次级通道计算其次级通道估计。

次级通道传递函数表示为如下形式

其中，r1≤m、r2≤m、r3≤m和r3≤m(m-1)/2分别为线性项、正弦、余弦项和交叉项的数量，li,ki,pi和qi为时延参数，此时s(n)＝[ai^t,bi^t,ci^t,di^t]，其中ai＝{ai,i＝1,2,…,r1}，bi＝{bi,i＝1,2,…,r2}，ci＝{ci,i＝1,2,…,r3}，di＝{di,i＝1,2,…,r4}。

稀疏后的次级通道估计s'(n)为：

其中，ai～ei为系数估计，li,ki,pi,qi和ri为时延参数，满足下式：

如果次级通道系数辨识时，仅使用滤波器中的线性抽头部分，则次级通道估计中只有ai，此时次级通道为线性定常系统，次级系数估计ai可直接存储于数字信号处理器(dsp)中。如果次级通道系数辨识时，包含非线性部分，次级通道系数估计是时变的，可将依据式(7)实时计算次级通道稀疏估计。

以下通过具体数据用以证明本发明次级通道建模方法，可有效建模有源噪声控制系统中的非线性次级通道情形且模型更精确。

假设次级通道的传递函数为：

分别采用自适应切比雪夫滤波器、二阶volterra滤波器、函数链接人工神经网络(flann,functionallinkartificialneuralnetwork)滤波器和emfnl滤波器，辨识次级通道，辨识后，以归一化均方误差作为比较标准，如图5所示，切比雪夫、volterra和flann滤波器能达到约-13db～-15db的辨识结果，而emfnl滤波器可达到-27db，该结果说明对于以上次级通道，emfnl滤波器具有更强的表征能力。

上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。