基于神经网络滤波器的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备技术

本发明专利技术涉及一种基于神经网络滤波器的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备，其中方法包括：构建第一神经网络模型，基于自适应前馈式主动降噪架构，用所构建的第一神经网络模型来作为所述架构中的前馈滤波器使用。本发明专利技术通过将自适应前馈式主动降噪架构中的前馈滤波器改用为第一神经网络模型实现，利用神经网络的非线性滤波特性，实现更好地对噪声进行控制，改善由A位噪声源到B位扬声器的传播路径中存在非线性环节而引起的谐波以及交调失真现象。的谐波以及交调失真现象。的谐波以及交调失真现象。

【技术实现步骤摘要】
基于神经网络滤波器的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备
[0001]本专利作为201911056457.3号专利技术创造“基于神经网络的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备”(申请日2019
‑
10
‑
31)的分案申请。


[0002]本专利技术涉及耳机降噪，尤其涉及一种基于神经网络滤波器的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备。

技术介绍

[0003]见图1，耳机中自适应前馈式主动降噪架构的基本原理如下：在A位，参考麦克风拾取环境中的原始噪声信号，通过前馈滤波器产生和原始噪声信号反向的信号(简称反向噪声信号)，然后将反向噪声信号通过扬声器在B位输出，使原始噪声信号和反向噪声信号在B位相互抵消产生残差噪声信号，上述过程为自适应前馈式主动降噪。
[0004]在自适应前馈式主动降噪的基础上，增加C位的误差麦克风，残差噪声信号被C位的误差麦克风采集，经LMS算法分析后生成权重系数对前馈滤波器输出的反向噪声信号进行调整，则实现自适应前馈式主动降噪。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络滤波器的自适应前馈式主动降噪方法，其特征在于，包括：S101.构建第一神经网络模型的理论模型；S102.获取耳机中自适应前馈式主动降噪架构的S＇(z)，其中S＇(z)是自适应前馈式主动降噪架构中次级通道的估计；S103.从自适应前馈式主动降噪架构中采集x1(n)、y1(n)、e1(n)，其中x1(n)为历史原始噪声信号，y1(n)为前馈滤波器输出的历史反向噪声信号，e1(n)为历史残差噪声信号；S104.以x1(n)经S＇(z)修正后的值和e1(n)为输入，利用BP算法计算第一神经网络模型的权重系数；S105.以x1(n)、第一神经网络模型的权重系数和y1(n)作为第一神经网络模型理论模型的训练样本，其中以x1(n)和第一神经网络模型的权重系数作为输入，以y1(n)作为输出，利用机器学习的方式对理论模型进行训练；S106.用构建出的第一神经网络模型作为自适应前馈式主动降噪架构中的前馈滤波器W
f
(n)使...

【专利技术属性】
技术研发人员：胡中骥，钟鑫，张鑫，
申请(专利权)人：佳禾智能科技股份有限公司，
类型：发明
国别省市：