基于FxLMS算法的主动降噪方法、装置及主动降噪门制造方法及图纸

本发明专利技术提供了一种基于FxLMS算法的主动降噪方法、装置及主动降噪门，所述方法包括：通过预设的麦克风阵列获取待降噪噪音数据；所述待降噪噪音数据包括麦克风阵列中各个麦克风采集的噪音信号；根据波速形成算法对待降噪噪声数据进行声源定位，得到噪声声源位置；根据噪声声源位置得到最优降噪麦克风位置，并启用麦克风阵列中与最优降噪麦克风位置对应的麦克风，基于预设FxLMS算法产生共振逆旋波进行主动降噪。本发明专利技术通过配置麦克风阵列加载噪声定位算法实现噪声声源精准定位的基础上，结合基于冈珀茨函数调整可变步长且采用Adam算法优化梯度计算的改进FxLMS算法控制共振逆旋波输出，可有效提升主动降噪处理的灵活性和精准性。性。性。

【技术实现步骤摘要】
基于FxLMS算法的主动降噪方法、装置及主动降噪门


[0001]本专利技术涉及主动降噪
，特别是涉及一种基于FxLMS算法的主动降噪方法、装置及主动降噪门。

技术介绍

[0002]噪声对人体的健康危害毋庸置疑，基于此，各个国家已对住宅、学校、医院、旅馆、办公室和商业等不同建筑物都提出了明确的隔声标准。
[0003]安装隔音门窗是现有用于室内降噪，解决噪音困扰的有效途径。然而现有隔音门大都基于被动降噪原理，采用多层复合的特殊隔声结构的方式设计得到，如：(1)钢质隔音门：用镀锌钢板成型内部填充阻尼、隔音棉等隔音材料以阻隔声音的传播，其功能是减少共振隔绝噪音；(2)填芯隔音门：用玻璃棉丝或岩棉填充在门扇芯内，门扇缝口处用磁性橡皮条封；(3)外包隔音门：在普通木门扇外面包裹一层人造革，人造革内填塞岩棉，并将通长的人造革压条用泡钉钉牢，四周缝隙用海绵橡皮条粘牢封严；(4)隔音防火门：在门扇木框架中嵌填岩棉等吸音材料，外部用石棉板、镀锌铁皮及耐火纤维板镶包，四周缝隙用磁性橡皮条粘牢封严。虽然现有降噪门的应用可到达一定程度的降噪效果，但其仅对中高频噪声有着良好的降噪效果，对低频噪声控制效果有限，经过传统被动降噪后的室内仍会残留许多复杂的宽带低频噪声，继续影响人体健康。
[0004]虽然噪声主动控制(ANC，Active Noise Control)的应用可解决降低低频宽带噪声的问题，但由于其采用FxLMS(Filtered
‑
x Least Mean Square)算法仍存在着在收敛速度和稳态误差无法兼顾的缺点，且在降噪前并未考虑对噪声声源的精准定位，导致很难到达精准降噪效果。

技术实现思路

[0005]本专利技术的目的是提供一种基于FxLMS算法的主动降噪方法，通过配置麦克风阵列加载噪声定位算法实现噪声声源精准定位的基础上，结合基于冈珀茨函数调整可变步长且采用Adam算法优化梯度计算的改进FxLMS算法控制共振逆旋波输出，解决现有主动降噪控制方法的应用缺陷，有效提升主动降噪处理自适应灵活性的同时，还能提高降噪处理的精准性，避免额外噪声的产生，具有较高的应用价值。
[0006]为了实现上述目的，有必要针对上述技术问题，提供一种基于改进FxLMS算法的主动降噪方法及主动降噪门。
[0007]第一方面，本专利技术实施例提供了一种基于FxLMS算法的主动降噪方法，所述方法包括以下步骤：
[0008]通过预设的麦克风阵列，获取待降噪噪音数据；所述待降噪噪音数据包括麦克风阵列中各个麦克风采集的噪音信号；
[0009]根据波速形成算法，对所述待降噪噪声数据进行声源定位，得到噪声声源位置；
[0010]根据所述噪声声源位置，得到最优降噪麦克风位置，并启用所述麦克风阵列中与
所述最优降噪麦克风位置对应的麦克风，基于预设FxLMS算法产生共振逆旋波，进行主动降噪。
[0011]进一步地，所述麦克风阵列为椭圆形的360度麦克风阵列。
[0012]进一步地，所述波速形成算法包括SRP
‑
PHAT算法。
[0013]进一步地，所述根据波速形成算法，对所述待降噪噪声数据进行声源定位，得到噪声声源位置的步骤包括：
[0014]将所述待降噪噪音数据中的各个噪音信号，通过快速傅里叶变换，得到对应的噪音频域信号；
[0015]计算任意两个噪音频域信号的互相关函数频谱，并将所述互相关函数频谱进行快速傅里叶逆变换，得到对应的互相关函数；
[0016]根据所有互相关函数，得到信号总相关值，并根据所述信号总相关值，得到噪声声源位置；所述噪声声源位置表示为：
[0017][0018]式中，
[0019][0020]其中，表示噪声声源位置；Q表示预设的搜索方向上的点；q和P(q)分别表示声源点和对应的信号总相关值；表示麦克风l和m对应噪音频域信号的互相关函数；M为麦克风阵列中麦克风总数；表示麦克风l和m在声源点q的第n次输入。
[0021]进一步地，所述根据所述噪声声源位置，得到最优降噪麦克风位置的步骤包括：
[0022]分别计算所述麦克风阵列中各个麦克风与所述噪声声源位置的距离，并将最小距离对应的麦克风位置作为所述最优降噪麦克风位置。
[0023]进一步地，所述预设FxLMS算法的可变步长通过冈珀茨函数调整；所述可变步长表示为：
[0024][0025]其中，e(k)和μ[e(k)]分别表示预设FxLMS算法中误差麦克风处的误差信号以及对应的步长；α、β和γ为预先设置的常量。
[0026]进一步地，所述基于预设FxLMS算法产生共振逆旋波的步骤包括：
[0027]基于Adam优化算法，对通过次级通道的FRI滤波器估计得到的参考信号梯度进行优化，得到最优补偿信号；
[0028]根据所述优化参考信号，更新自适应降噪滤波器的系数；所述适应降噪滤波器系数表示为：
[0029][0030]其中，w
l
(k+1)和w
l
(k)分别表示自适应降噪滤波器在k+1和k时刻的第l个系数；表示第k
‑
1时刻利用次级通道进行补偿的最优补偿信号；e(k)和μ[e(k)]分别表示
第k时刻误差麦克风处的误差信号和对应的可变步长。
[0031]进一步地，所述基于Adam优化算法，对通过次级通道的FRI滤波器估计得到的参考信号梯度进行优化，得到最优补偿信号的步骤包括：
[0032]将估计得到的与所述待降噪噪音数据对应的参考信号输入通次级通道FRI滤波器进行滤波处理，得到参考信号梯度；所述参考信号梯度表示为：
[0033][0034]其中，x(k)表示第k时刻估计得到的参考信号；e(k)表示第k时刻误差麦克风处的误差信号；表示第k时刻M阶FIR滤波器的系数；
[0035]y(k
‑
m)表示第k
‑
m时刻自适应降噪滤波器输出的共振逆旋波；
[0036]根据所述参考信号梯度，计算对应的一阶动量和二阶动量；
[0037]分别对所述一阶动量和所述二阶动量进行修正，并根据修正后的一阶动量和二阶动量，得到所述最优补偿信号；所述最优补偿信号表示为：
[0038][0039]式中，
[0040][0041][0042]m
k
＝β1·
m
k
‑1+(1
‑
β1)
·
x'(k),m0＝0
[0043]v
k
＝β2·
v
k
‑1+(1
‑
β2)
·
[x'(k)]2,v0＝0
[0044]其中，表示第k时刻利用次级通道进行补偿的最优补偿信号；和分别表示修正后的一阶动量和二阶动量；m
k
和v
k
分别表示修正前的一阶动量和二阶动量；x'(k)表示第k时刻估计得到的参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FxLMS算法的主动降噪方法，其特征在于，所述方法包括以下步骤：通过预设的麦克风阵列，获取待降噪噪音数据；所述待降噪噪音数据包括麦克风阵列中各个麦克风采集的噪音信号；根据波速形成算法，对所述待降噪噪声数据进行声源定位，得到噪声声源位置；根据所述噪声声源位置，得到最优降噪麦克风位置，并启用所述麦克风阵列中与所述最优降噪麦克风位置对应的麦克风，基于预设FxLMS算法产生共振逆旋波，进行主动降噪。2.如权利要求1所述的基于FxLMS算法的主动降噪方法，其特征在于，所述麦克风阵列为椭圆形的360度麦克风阵列。3.如权利要求1所述的基于FxLMS算法的主动降噪方法，其特征在于，所述波速形成算法包括SRP
‑
PHAT算法。4.如权利要求3所述的基于FxLMS算法的主动降噪方法，其特征在于，所述根据波速形成算法，对所述待降噪噪声数据进行声源定位，得到噪声声源位置的步骤包括：将所述待降噪噪音数据中的各个噪音信号，通过快速傅里叶变换，得到对应的噪音频域信号；计算任意两个噪音频域信号的互相关函数频谱，并将所述互相关函数频谱进行快速傅里叶逆变换，得到对应的互相关函数；根据所有互相关函数，得到信号总相关值，并根据所述信号总相关值，得到噪声声源位置；所述噪声声源位置表示为：式中，其中，表示噪声声源位置；Q表示预设的搜索方向上的点；q和P(q)分别表示声源点和对应的信号总相关值；表示麦克风l和m对应噪音频域信号的互相关函数；M为麦克风阵列中麦克风总数；表示麦克风l和m在声源点q的第n次输入。5.如权利要求1所述的基于FxLMS算法的主动降噪方法，其特征在于，所述根据所述噪声声源位置，得到最优降噪麦克风位置的步骤包括：分别计算所述麦克风阵列中各个麦克风与所述噪声声源位置的距离，并将最小距离对应的麦克风位置作为所述最优降噪麦克风位置。6.如权利要求1所述的基于FxLMS算法的主动降噪方法，其特征在于，所述预设FxLMS算法的可变步长通过冈珀茨函数调整；所述可变步长表示为：其中，e(k)和μ[e(k)]分别表示预设FxLMS算法中误差麦克风处的误差信号以及对应的步长；α、β和γ为预先设置的常量。7.如权利要求6所述的基于FxLMS算法的主动降噪方法，其特征在于，所述基于预设FxLMS算法产生共振逆旋波的步骤包括：
基于Adam优化算法，对通过次级通道的FRI滤波器估计得到的参考信号梯度进行优化，得到最优补偿信号；根据所述优化参考信号，更新自适应降噪滤波器的系数；所述适应降噪滤波器系数表示为：其中，w
l
(k+1)和w
...

【专利技术属性】
技术研发人员：郑建辉，殷艺敏，
申请(专利权)人：广州声博士声学技术有限公司，
类型：发明
国别省市：