[发明专利]一种耳机自适应有源噪声控制系统及方法

权利要求书

1.一种耳机自适应有源噪声控制方法，配合耳机自适应有源噪声控制系统，该系统至少包括：

第一音频采集器和第二音频采集器，第一音频采集器安装在耳机外部，用于采集参考噪音信号；第二音频采集器安装在耳机内部，用于采集降噪后的误差噪音信号；

第一模数转换器AD和第二模数转换器AD，第一模数转换器AD和第一音频采集器电连接，用于将第一音频采集器采集的参考噪音信号转换为对应的数字信号，第二模数转换器AD和第二音频采集器电连接，用于将第二音频采集器采集的误差噪音信号转换为对应的数字信号；

处理器单元，第一模数转换器AD和处理器单元第一信息输入端连接，第二模数转换器AD和处理器单元第二信息输入端连接；

数模转换器DA和次级扬声器，处理器单元信息输出端经数模转换器DA后和次级扬声器连接，次级扬声器安装在耳机内，数模转换器DA用于将处理器单元的输出滤波信号转换为对应的模拟信号并馈给到次级扬声器，次级扬声器用于播放次级声音信号；

存储器单元，存储器单元和处理器单元双向通信连接；

电源模块，电源模块和处理器单元供电端连接；

控制逻辑单元，控制逻辑单元用于控制有源降噪功能的开关；

其特征在于，该方法包括以下步骤：

由第一音频采集器实时采集参考噪音信号，并通过第一模数转换器将参考噪音信号转换为对应的数字信号x(n)后传输到处理器单元；由第二音频采集器实时采集误差噪音信号，并通过第二模数转换器将误差噪音信号转换为对应的数字信号e(n)后传输到处理器单元；

通过处理器单元计算滤波器系数向量和计算输出滤波信号y(n)，在频域内采用卡尔曼滤波计算滤波器系数向量在时域内对数字信号x(n)和时域滤波器系数进行卷积得到输出滤波信号y(n)；其中，时域滤波器系数是滤波系数向量的逆傅里叶变换；

通过数模转换器将输出滤波信号y(n)转换为对应的模拟信号并馈给到次级扬声器，次级扬声器用于播放次级声音信号；

在频域内采用卡尔曼滤波计算滤波器系数向量的步骤如下：

在频域内，参考噪音信号对应的数字信号x(n)经过估计的次级通道滤波得到卡尔曼滤波输入信号v(n)；

将最近的2L点卡尔曼滤波输入信号v(n)组成的序列做傅里叶变换得到频域向量v(k)，将频域向量v(k)的元素依次放置于对角线组成对角矩阵V(k)；

将最近的L点误差噪音信号e(n)组成的序列做傅里叶变换得到频域向量E(k)；

更新卡尔曼增益矩阵K(k)＝P(k)V^H(k)[V(k)P(k)V^H(k)+2ψ_ee(k)]^-1，其中，P(k)是状态误差矩阵，ψ_ee(k)是观测噪声误差对角协方差矩阵，上标H代表共轭转置操作；

更新频域滤波器系数向量其中是约束矩阵，I_L是维数为L×L的单位矩阵，0_L是维数为L×L的零矩阵，F是傅里叶变换矩阵，K(k)是卡尔曼增益矩阵；

更新状态误差矩阵P(k)：其中，ψ_ΔΔ(k)是过程噪声对角矩阵，I_2L是维数为2L×2L的单位矩阵；

具体实施时，为了计算卡尔曼增益矩阵K(k)，需要知道ψ_ee(k)，观测噪声误差矩阵ψ_ee(k)采用误差噪音信号e(n)的平滑功率谱计算得到；为了计算状态误差矩阵P(k)，还需要计算过程噪声协方差矩阵ψ_ΔΔ(k)，过程噪声对角矩阵ψ_ΔΔ(k)的对角线元素ψ_ΔΔ,i(k)的计算方法是：

其中，是滤波系数向量的第i个元素；控制器单元由第一模数转换器AD、数模转换器DA、第二模数转换器AD、估计的次级通道、滤波时域系数和卡尔曼滤波组成；

输出滤波信号y(n)的计算过程，其中，长度为L的滤波向量数字信号x(n)和输出滤波信号y(n)之间的关系式为：

其中，表示时域滤波器系数向量的第i个元素；每一个新的采样数据到来时，要按照表达式(1)执行L次乘法运算和L-1次加法运算得到卷积得到输出滤波信号y(n)；具体的说，系统内部维护一个缓冲区或者移位寄存器用来存放当前及过去的采样数据；每当新的采样数据到来时，旧的数据通过一系列移位单元和其他单元得到x(n-1)，x(n-2)，直到x(n-L+1)共L个元素；然后这些元素通过乘法器单元和滤波器权值相乘，也就是数字信号x(n)和权值通过乘法器相乘，数字信号x(n-1)和权值通过乘法器相乘，数字信号x(n-2)和权值通过乘法器相乘，以此类推，最后x(n-L+1)和权值通过乘法器相乘，然后把所有的乘法结果用加法器相加得到输出滤波信号y(n)；该信号在下一个采样时刻到来时输出给数模转换器DA，也就是滤波模块的延时是一个采样周期T_s；

处理器滤波系数向量的更新，采用FxLMS算法；处理器用一个传递函数W(z)来表示，次级扬声器至第二音频采集器的传递函数写为S(z)，从第一音频采集器到第二音频采集器的传递函数记为P(z)；那么当自适应算法收敛到稳态时，得到W(z)＝-P(z)/S(z)，则第二音频采集器处的声压为零，从而达到完美的控制噪声的目的；

主通道传递函数P(z)和次级通道传递函数S(z)是时变的；具体到耳机的应用中，每个人的头部尺寸具有个性化并且个体佩戴耳机喜欢的松紧度也不同，在佩戴的过程中，佩戴者也会不时的调整耳机的位置和松紧度，这都导致次级通道传递函数S(z)有差异，从而处理器传递函数W(z)也是时变的；这就要求所采用的自适应滤波器具有很好的跟踪性能；利用频域卡尔曼滤波算法来得到模块的滤波系数

采用简化的一阶马尔科夫模型来描述控制器，

W(k+1)＝W(k)+Δ(k)            (2)

在上式中，W(k)表示频域的滤波系数向量，Δ(k)表示从第k帧到k+1帧时频域滤波系数的变化，称为过程噪声；当Δ(k)接近零向量时，表示系统几乎没有变化，当Δ(k)较大时，表明系统有较大的变化；在卡尔曼滤波的语言中，表达式(2)被称为状态方程；现在来给出基于卡尔曼滤波的频域自适应滤波算法；

卡尔曼滤波器的输入信号v(n)是输入数字信号x(n)经过估计的次级通道滤波得到的表达式为：

该操作在时域卷积或者频域傅里叶变换完成；还需要注意的是为了顺利的该方法，需要估计次级通道传递函数该传递函数的估计事先利用经典的系统辨识的方法得到；

阐述卡尔曼滤波的具体实现；首先，傅里叶变换单元将最近的2L点v(n)组成的序列做傅里叶变换得到频域向量v(k)＝F[v(kL-2L+1)，…，v(kL)]^T，其中，F表示傅里叶变换矩阵，将v(k)的元素依次放置于对角线组成对角矩阵V(k)；

傅里叶变换单元将最近的L点e(n)组成的序列做傅里叶变换得到频域向量

那么根据表达式(2)，频域卡尔曼滤波的更新方程是：

其中，是频域滤波器系数向量，实际上它是时域滤波器系数向量的2L点傅里叶变换，K(k)是卡尔曼增益矩阵304，是约束矩阵，I_L是维数为L×L的单位矩阵，0_L是维数为L×L的零矩阵；

阐述表达式(4)的具体实施；单元根据输入V(k)计算出卡尔曼增益矩阵K(k)，乘法器完成输入矩阵V(k)和增益矩阵K(k)相乘运算得到对角矩阵C(k)；取对角矩阵C(k)的对角线元素得到向量c(k)，然后逆傅里叶变换运算单元完成向量c(k)的逆傅里叶变换得到维数为2L×1的实数向量a(k)；接下来序列后半部分置零模块实现约束功能，也就是将序列a(k)后面的L个元素置为零而前面的L个元素保持不变得到一个新的序列b(k)；接着，傅里叶变换模块对序列b(k)执行傅里叶变换，在加法器处与延时单元的输出相加得到同时将在单元进行逆傅里叶变换变换得到用来在下一帧赋值，卡尔曼增益矩阵K(k)的表达式为：

K(k)＝P(k)V^H(k)[V(k)P(k)V^H(k)+2ψ_ee(k)]^-1          (5)

其中，P(k)是状态误差矩阵，ψ_ee(k)＝diag{[ψ_ee，0(k)，ψ_ee，1(k)，…，ψ_ee，2L-1(k)]^T}是系统噪声误差对角矩阵，上标H代表共轭转置操作；P(k)的计算方法为：

其中，ψ_ee(k)＝diag{[ψ_ee，0(k)，ψ_ee，1(k)，…，ψ_ee，2L-1(k)]^T}是过程噪声对角矩阵，I是维数为2L×2L的单位矩阵；

利用误差信号的功率谱来代替观测噪声功率谱，如下式：

ψ_ee,i(k)＝αψ_ee,i(k-1)+(1-α)|E_i(k)|²              (7)

其中，α是平滑因子，取α＝0.8；首先在模块对输入E_i(k)取共轭操作，然后将E_i(k)和它的共轭在单元进行乘法运算，然后对乘法单元的输出在乘上因子1-α；延时单元对ψ_ee,i(k)进行延时操作得到ψ_ee,i(k-1)，然后与因子α在单元进行乘法运算，乘法单元的输出和乘法单元的输出在加法单元处求和得到ψ_ee,i(k)；

为了使得上述算法顺利执行，还需要估计过程噪声Δ(k)的协方差矩阵ψ_ΔΔ(k)；在表达式(4)式中的右边第二项在某种程度上反应了滤波器系数向量的波动情况，利用这一项来估计实际的过程噪声矩阵：

。