一种非线性自适应主动降噪系统及其降噪方法与流程

本发明涉及噪声处理技术领域，具体涉及一种非线性自适应主动降噪系统及其降噪方法。

背景技术：

随着现代工业的迅速发展和人们对于生活质量要求的不断提升，环境污染问题越来越引起人们的关注。其中，噪声污染与水污染、大气污染被看成是世界范围内的三大污染。噪声污染也如同其他污染一样，广泛的存在于我们生活的方方面面。噪声又有高强度和低强度之分，其中低强度的噪声在一般情况下对人的身心健康没有什么大的害处，但是高强度的噪声却极易影响人们的身心健康，会使人精神不振、身心疲劳、记忆力减退，在长时间接触后甚至会引起疾病。在城市生活中噪声污染的来源主要有交通噪声、工业噪声、施工噪声和社会生活噪声四种。

在噪声控制手段中，大多采用的是被动的无源噪声控制(pnc)，例如安装消声器以减少噪声产生，或外加装隔声罩以隔离噪声。而目前大多数无源降噪方法的主要作用范围是中高频宽带噪声，对于低频的窄带噪声的降噪效果较差。除此之外，采用被动的无源噪声控制(pnc)还需添加额外的隔声、吸声设备，增加不少的设备成本和维护成本；被动降噪还会吸收部分有用声音能量。而主动降噪(anc)由于采用声波相消的原理来降噪，拥有处理低频窄带噪声效果好、安装方便、不影响被控对象的工作效率的优点。在1980年d.r.morgan首先提出了著名的滤波-xlms算法，一年后j.c.burgress也独立的提出了fxlms算法，并对于该算法在计算机上进行了仿真实验，在单频上取得不错的成果。

但是，传统的fxlms算法，是基于系统的所有部分都是线性这一假设的基础上，对于线性的系统，fxlms算法具有鲁棒性强、简单、运算量小、容易实现等优点。但当传递函数出现非最小相位的情况，或者噪声过程、噪声传播过程具有非线性特性时，fxlms算法性能会显著下降。例如风机噪声就是一种典型的混沌噪声，其产生过程是非线性的，同时由于尺寸原因，系统受到因果性的限制，在这种情况下，传统的fxlms算法很难满足系统的因果性和非线性要求，性能会产生难以接收的下降。神经网络(neuralnetworks，简称nn)是由大量的，简单的处理单元(称为神经元)广泛的相互连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。神经网络具有大规模并行，分布式存储和处理，自组织，自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的，不精确的和模糊的信息处理问题。对于一个未知的非线性过程，使用神经网络可以很轻易的对其进行逼近，但是神经网络也存在一个很大的缺陷，使得其几乎无法用于主动降噪系统。神经网络的实现需要巨大的计算量，而这一点与主动降噪系统的高实时性要求相悖。

因此，如何基于神经网络的思想，提出简化的非线性主动降噪系统，使得该非线性主动降噪系统能够兼顾实时性和对于非线性特性的拟合能力，是当前需要解决的问题。

技术实现要素：

本发明的目的是克服现有技术中非线性主动降噪系统能够兼顾实时性和对于非线性特性的拟合能力的问题。本发明的基于径向基函数的非线性主动降噪自适应算法，兼顾了算法性能和计算复杂度，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种非线性自适应主动降噪系统，包括声音信号单元、电信号单元、抗噪声源和目标降噪区域单元

所述声音信号单元，用于采集、传输噪声源发出的噪声信号，并接收抗噪声源发出的抗噪声信号；

所述电信号单元，用于产生非线性自适应主动降噪处理信号，并将非线性自适应主动降噪处理信号发送给抗噪声源；

所述抗噪声源，用于接收电信号单元输出的非线性自适应主动降噪处理信号，并发出抗噪声信号给声音信号单元；

所述目标降噪区域单元，用于输出经过抗噪声信号处理后的噪声信号。

前述的一种非线性自适应主动降噪系统，所述声音信号单元，包括噪声源、声学传感器和第一加法器，所述噪声源经过声学传感器的采集沿着初级路径模块与第一加法器的第一输入端相连接，所述第一加法器的输出端与目标降噪区域单元的输入端相连接，所述第一加法器的第二输入端与抗噪声源的输出端相连接。

前述的一种非线性自适应主动降噪系统，所述电信号单元，包括第二加法器、电信号处理模块，

所述第二加法器的第一输入端与声学传感器的信号输出端相连接；所述第二加法器的第二输入端通过声反馈路径模块与第二输入端与抗噪声源的输出端相连接作为反馈信号的输入；所述第二加法器的第三输入端与电信号处理模块的信号输出端相连接。

前述的一种非线性自适应主动降噪系统，所述电信号处理模块，包括主控制器、虚拟误差声学传感器、自适应滤波器、次级路径估计滤波器、初级路径估计滤波器和反馈消除滤波器，

所述主控制器的第一信号输入端与第二加法器的输出端相连接，所述第二加法器的输出端分别与初级路径估计滤波器、自适应滤波器的输入端相连接，所述初级路径估计滤波器的输出端与虚拟误差声学传感器相连接，所述主控制器的输出端与自适应滤波器相连接，所述自适应滤波器的输出端通过次级路径模块后作为电信号单元的非线性自适应主动降噪处理信号输出端与抗噪声源的输入端相连接，

所述自适应滤波器的输出端还分别与反馈消除滤波器、次级路径估计滤波器的输入端相连接，所述反馈消除滤波器的输出端做为电信号处理模块的信号输出端与第二加法器的第三输入端相连接，所述次级路径估计滤波器的输出端与虚拟误差声学传感器相连接，

所述虚拟误差声学传感器的输出端与主控制器的第二信号输入端相连接。

前述的一种非线性自适应主动降噪系统，所述主控制器包括主控芯片、音频编解码芯片和功率放大电路，所述主控芯片为dsp芯片，抗噪声源为无源扬声器，所述声学传感器为驻极体麦克风。

前述的一种非线性自适应主动降噪系统，所述抗噪声源可以是无源扬声器，所述声学传感器可以是驻极体麦克风。

一种非线性自适应主动降噪系统的降噪方法，其特征在于：包括以下步骤，

步骤(a)，利用小波级数离线路径估计算法获得所述次级路径估计滤波器、所述初级路径估计滤波器以及所述反馈消除滤波器的参数；

步骤(b)，利用k-mean聚类算法获得所基于径向基函数所述的主控制器迭代计算的样本中心的样本数据；

步骤(c)，利用主控制器以及其它运算过程得到的非线性自适应主动降噪处理信号，将非线性自适应主动降噪处理信号经过抗噪声源发送到标降噪区域单元的进行自适应主动降噪。

前述的一种非线性自适应主动降噪系统的降噪方法，步骤(a)，利用小波级数离线路径估计算法获得所述次级路径估计滤波器、所述初级路径估计滤波器以及所述反馈消除滤波器的参数，公式如下：

其中，tf为传输函数，为输入向量，是高斯白噪声量，ε,γ为离散小波变换的尺度参数和平移参数，为所选小波函数，m为小波函数个数，ξε,γ(m)为小波函数的权值，而ξε,γ(n)则为n次迭代对应的小波函数权值向量，β为常数，yp为系统实际输出，yp'为系统估计的输出yp(n)和yp'(n)为他们n次迭代的值，所选小波函数包括但不限于二进小波函数，以二进小波函数为例，其公式如下：

前述的一种非线性自适应主动降噪系统的降噪方法步骤(b)，利用k-mean聚类算法获得所述主控制器(204)的样本中心的样本数据，包括如下步骤：

步骤(a1)，初始化，随机选择中心值k为基函数的序号，各个k对应的不同；

步骤(b1)，采样，取输入空间的样本向量

步骤(c1)，将得到的样本向量进行相似匹配，找到主控制器(204)n次迭代计算的最优中心，使得欧几里得范数最小：

其中，为n次迭代的空间样本向量，为n次迭代的样本中心。

步骤(d1)，主控制器(204)的迭代计算，依据以下式子调整样本中心的样本数据：

otherwise为其它情况，即时，

其中，0＜η＜1，或者由如下公式得到：

其中fs为采样率，矢量代表应用于算法的输入，η(n)为n次迭代样本中心差权值。

前述的一种非线性自适应主动降噪系统的降噪方法，步骤(c)，主控制器(204)以及其它运算过程得到的非线性自适应主动降噪处理信号的计算方法，包括以下部分：

所述抗噪声源(3)的最终输出的非线性自适应主动降噪处理信号公式如下：

其中sp为次级路径滤波器向量，s为次级路径滤波器阶数，k为基函数的个数，wk为各个基函数的权值，l表示输出需要l个采样点来估计，x为参考声音传感器采集到的声音信号，ck为各个样本中心，vk为各个基函数宽度，i为l个采样点的序号，ck(i)为各个采样点对应的样本中心，z(n)为所述抗噪声源第n次迭代的输出。

前述的一种非线性自适应主动降噪系统的降噪方法，所述自适应滤波器(206)中系数wk的迭代公式计算如下：

wk(n)＝wk(n-1)-g(n)α(n)，

其中：wk(n)为n次迭代对应的所述自适应滤波器中的系数，α(n)为估计误差信号，g(n)为加权后的归一化次级路径输出。α(n)和g(n)计算公式如下：

α(n)＝d(n)+wk^t(n-1)y'(n)

y'(n)为参考信号通过次级路径的估计之后的值，wk^t为所述自适应滤波器权值向量的转置

其中，d(n)为目标噪声的估计，为一个足够小的常数，e(n-1)为实际误差信号，即所述虚拟误差声音传感器采集到的信号。

本发明的有益效果是：本发明的基于径向基函数的非线性主动降噪自适应算法，相较于传统算法如fxlms算法，可以有效控制非线性噪声。同时，为了便于硬件实现，本发明的基于径向基函数的非线性主动降噪自适应算法，兼顾了算法性能和计算复杂度，具有良好的应用前景。

附图说明

图1是本发明的拓补图；

图2是本发明的用于管道噪声场景的示意图；

图3是本发明的流程图；

图4是本发明的实验数据图。

图中：1、声音信号单元，101、噪声源，102、声学传感器，103、第一加法器，104、初级路径模块，2、电信号单元、201、第二加法器，202、电信号处理模块，203、声反馈路径模块，204、主控制器，205、虚拟误差声学传感器，206、自适应滤波器，207、次级路径估计滤波器，208、初级路径估计滤波器，209、反馈消除滤波器，210、次级路径模块，3、抗噪声源，4、目标降噪区域单元。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-3所示，一种非线性自适应主动降噪系统，其特征在于：包括声音信号单元1、电信号单元2、抗噪声源3和目标降噪区域单元4

所述声音信号单元1，用于采集、传输噪声源发出的噪声信号，并接收抗噪声源3发出的抗噪声信号；

所述电信号单元2，用于产生非线性自适应主动降噪处理信号，并将非线性自适应主动降噪处理信号发送给抗噪声源3；

所述抗噪声源3，用于接收电信号单元2输出的非线性自适应主动降噪处理信号，并发出抗噪声信号给声音信号单元1；

所述目标降噪区域单元4，用于输出经过抗噪声信号处理后的噪声信号。

优选的，所述声音信号单元1，包括用于发出噪声的噪声源101、声学传感器102和第一加法器103，所述噪声源101经过声学传感器102的采集沿着初级路径模块104与第一加法器103的第一输入端相连接，所述第一加法器103的输出端与目标降噪区域单元4的输入端相连接，所述第一加法器103的第二输入端与抗噪声源3的输出端相连接，通过噪声源101发出噪声，然后由声学传感器102采集并传递到第一加法器103的输入端，由第一加法器103的输出端传递给目标降噪区域单元4。

优选的，所述电信号单元2，包括第二加法器201、电信号处理模块202，所述第二加法器201的第一输入端与声学传感器102的信号输出端相连接；所述第二加法器20中1的第二输入端通过声反馈路径模块203与第二输入端与抗噪声源3的输出端相连接作为反馈信号的输入；所述第二加法器201的第三输入端与电信号处理模块202的信号输出端相连接，通过电信号单元2中的电信号处理模块202将产生非线性噪音信号进行自适应主动降噪处理，然后将处理后的非线性自适应主动降噪处理信号发送给抗噪声源3。

优选的，所述电信号处理模块202，包括主控制器204、虚拟误差声学传感器205、自适应滤波器206、次级路径估计滤波器207、初级路径估计滤波器208和反馈消除滤波器209，所述主控制器204的第一信号输入端与第二加法器201的输出端相连接，所述第二加法器201的输出端分别与初级路径估计滤波器208、自适应滤波器206的输入端相连接，所述初级路径估计滤波器208的输出端与虚拟误差声学传感器205相连接，所述主控制器204的输出端与自适应滤波器206相连接，所述自适应滤波器206的输出端通过次级路径模块210后作为电信号单元2的非线性自适应主动降噪处理信号输出端与抗噪声源3的输入端相连接，所述自适应滤波器206的输出端还分别与反馈消除滤波器209、次级路径估计滤波器207的输入端相连接，所述反馈消除滤波器209的输出端做为电信号处理模块202的信号输出端与第二加法器201的第三输入端相连接，所述次级路径估计滤波器207的输出端与虚拟误差声学传感器205相连接，所述虚拟误差声学传感器205的输出端与主控制器204的第二信号输入端相连接，通过噪音信号从第一加法器201传送到主控制器204中，主控制器204用于处理声学传感器102采集到的声音信号，然后利用主控制器204计算得到的非线性自适应主动降噪处理信号，将信号传递给自适应滤波器206进行声音信号滤波，并在滤波后将信号输送给用于进行声反馈消除的反馈消除滤波器209、次级路径估计滤波器207和通过次级路径模块210后作为电信号单元2的非线性自适应主动降噪处理信号输送给抗噪声源3，并实时更新，声学传感器102并将声音信号输送给初级路径估计滤波器208，通过次级路径估计滤波器207和初级路径估计滤波器208计算误差声音信号，然后由次级路径估计滤波器207和初级路径估计滤波器208将信号输送给虚拟误差声学传感器205，虚拟误差声学传感器205将信号输送给主控制器204进行循环自适应主动降噪。

优选的，所述主控制器204包括主控芯片、音频编解码芯片和功率放大电路，所述主控芯片可以是dsp芯片，所述抗噪声源1为无源扬声器，所述声学传感器3为无驻极体麦克风，通过主控制器204内部多种电气元件配合对噪音很好的进行非线性信号的自适应处理。

一种非线性自适应主动降噪系统的降噪方法，包括以下步骤，

步骤a，利用小波级数离线路径估计算法获得所述次级路径估计滤波器207、所述初级路径估计滤波器208以及所述反馈消除滤波器209的参数；

步骤b，利用k-mean聚类算法获得所基于径向基函数所述的主控制器204迭代计算的样本中心的样本数据；

步骤c，利用主控制器204以及其它运算过程得到的非线性自适应主动降噪处理信号，将非线性自适应主动降噪处理信号经过抗噪声源3发送到标降噪区域单元4的进行自适应主动降噪。

优选的，步骤a，利用小波级数离线路径估计算法获得所述次级路径估计滤波器207、所述初级路径估计滤波器208以及所述反馈消除滤波器209的参数，公式如下：

其中，tf为传输函数，为输入向量，可以是高斯白噪声量，ε,γ为离散小波变换的尺度参数和平移参数，ψε,γ为所选小波函数，m为小波函数个数，ξε,γ为小波函数的权值，β为常数，yp为系统实际输出，yp'为系统估计的输出。

优选的，步骤b，利用k-mean聚类算法获得所述主控制器204的样本中心的样本数据，包括如下步骤：

步骤a1，初始化，随机选择中心值k为基函数的序号，各个k对应的不同；

步骤b1，采样，取输入空间的样本向量

步骤c1，将得到的样本向量进行相似匹配，找到主控制器204n次迭代计算的最优中心，使得欧几里得范数最小：

步骤d1，主控制器204的迭代计算，依据以下式子调整样本中心的样本数据：

其中，0＜η＜1，或者由如下公式得到：

其中，fs为采样率，矢量代表应用于算法的输入。

优选的，所述步骤c，主控制器204以及其它运算过程得到的非线性自适应主动降噪处理信号的计算方法，包括以下部分：

所述抗噪声源3的最终输出的非线性自适应主动降噪处理信号公式如下：

其中sp为次级路径滤波器向量，s为次级路径滤波器阶数，k为基函数的个数，wk为各个基函数的权值，l表示输出需要l个采样点来估计，x为参考声音传感器采集到的声音信号，ck为各个样本中心，vk为各个基函数宽度。

优选的，所述自适应滤波器206中系数wk的迭代公式计算如下：

wk(n)＝wk(n-1)-g(n)α(n)(7)

其中：

α(n)＝d(n)+wk^t(n-1)y'(n)(8)

其中，d(n)为目标噪声的估计，为一个足够小的常数，e为估计误差信号。

优选的，设目标函数为：

其中ep为路径估计误差信号，n为所取数据长度。

则自适应过程如下所示，

即所述主控制器204的迭代计算可以是基于径向基函数的非线性算法。对于所述自适应滤波器206的建模如下：

定义高斯函数

其中，k为基函数的个数，wk为各个基函数的权值，l表示输出需要l个采样点来估计，x为参考声音传感器采集到的声音信号，ck为各个样本中心，vk为各个基函数宽度。

所述滤波器(70)的输出为：

所述自适应滤波器206的输出通过次级路径模块210后输出为：

其中，sp为次级路径滤波器向量，s为次级路径估计滤波器的阶数。

由(14)、(15)可得系统最后的输出：

估计误差信号为：

e(n)＝d(n)-z(n)(16)

其中，pp’为主路径估计滤波器向量，p为主路径估计滤波器的阶数。

所述主控制器204中，所述各个基函数权值wk的迭代过程，可以是基于李雅普诺夫稳定性理论的迭代方法。根据式子(7)、(8)、(9)、(10)，进行所述自适应滤波器206的所述各个基函数权值wk的迭代。原理如下：

定义一个李雅普诺夫误差平方函数l(n)＝e²(n)(19)

则δl(n)＝l(n)-l(n-1)(20)＝e²(n)-e²(n-1)

＝(d(n)+wk^t(n)y'(n))²-e²(n-1)

＝(d(n)+(wk^t(n-1)-g^t(n)α(n))y'(n))²-e²(n-1)

＝(d(n)+wk^t(n-1)y'(n)-g^t(n)α(n)y'(n))²-e²(n-1)

＝(α(n)-g^t(n)α(n)y'(n))²-e²(n-1)

＝α²(n)(1-g^t(n)y'(n))²-e²(n-1)

其中，wk^t为权向量的转置。

在这里，将式子(7)、(8)、(9)代入式子(20)可得：

δl(n)＝-(1-κ²)e²(n-1)＜0(21)。

如图4所示，在不同的噪声类型下，本发明的降噪效果如图4所示，用于实验的噪声源分别来自风机、扬声器，实验采用了单频500hz正弦波、多种频率混合的多频正弦信号(包括200hz、300hz、400hz、500hz、600hz、700hz、800hz、900hz、1000hz频率的正弦波组合)、以及风机产生的非线性噪声(包括风噪声和电机转动产生的机械噪声)。其它实验设置：所述主控芯片的采样率为32khz，所述声音传感器和所述误差声音传感器之间的距离为30cm，即保证了计算能够在一个采样周期内完成，有保证了次级路径的时延足够小。降噪效果使用声级计(a计权)来衡量，结果显示，本发明的基于径向基函数的非线性主动降噪自适应算法，在应对非线性噪声时仍然有5.2db的效果。

综上所述，本发明用于实验的噪声源分别来风噪声和电机转动产生的非线性噪声，基于径向基函数的非线性主动降噪自适应算法，在应对非线性噪声时仍然有5.2db的效果，相较于传统算法如fxlms算法，可以有效控制非线性噪声。同时，为了便于硬件实现，本发明的基于径向基函数的非线性主动降噪自适应算法，兼顾了算法性能和计算复杂度，具有良好的应用前景，采用了虚拟声学传感器技术，省去了前馈型主动降噪结构中的误差声学传感器，利用次级路径估计滤波器207和初级路径估计滤波器208和自适应滤波器206的输出来估计目标误差，使得计算的精确到更高，由于抗噪声源3发出的对消声波，除了与目标噪声进行对消，同时也会被声学传感器102采集，形成反馈路径，对声学传感器102信号的采集形成干扰，使得降噪效果下降，采用电信号处理模块202中主控制器204对非线性自适应主动降噪处理并传递给反馈消除滤波器209来抵消声反馈带来的影响。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除