[发明专利]一种基于惰性学习的自适应有源噪声控制系统及其方法

说明书

本发明涉及一种基于惰性学习的自适应有源噪声控制系统及其方法，该系统包括参考麦克风、控制器、作动器和误差麦克风；参考麦克风和误差麦克风分别安装在临近声源处和控制点处，分别采集待控制的参考信号与反馈信号，并将采集的信号转换为电信号输入至所述控制器的输入端；控制器对参考信号和反馈信号进行处理后生成与待控制噪声信号振幅相同且相位相反的控制信号，将控制信号输入至所述作动器的输入端；作动器将控制信号转化为控制声波，在控制点处与待控制噪声叠加，进行噪声消除。本发明设计合理，其结合k‑NN法和自适应LMS算法，减少了控制过程中的收敛时间，加快了收敛速度，有效地满足了特殊工况下降噪系统快速收敛的需求。

技术领域

本发明属于有源噪声控制技术领域，尤其是一种基于惰性学习的自适应有源噪声控制系统及其方法。

背景技术

低频线谱噪声作为目前生活与工业生产中较为常见的一类噪声，对人们的正常生活与工作由极大的影响，长时间暴露在噪声环境下严重时甚至会影响到居民和劳动者的身心健康，长久以来高效噪声控制技术都是声学研究领域的重要问题。

一般而言，常见的降噪手段主要包括被动消声和主动消声两种。其中，被动消声一般通过设置消声材料阻挡声波传播路径或利用声学覆盖层减弱噪声的回波与透射波实现。被动消声技术的工作频率以中高频为主，尤其对高频噪声能起到较好的效果，但是对于低频噪声效果有限。因此，目前针对低频噪声往往会考虑使用主动噪声控制技术进行抑制。

主动噪声控制技术利用声学叠加原理，即噪声可以通过次级声源产生一个幅度相同相位相反的控制声波予以抵消，达到噪声抑制的目的。主动噪声控制系统通常由采集声学信号的拾麦克风、处理噪声信号的控制器和发出控制声波的作动器组成。常见的控制系统一般通过自适应滤波算法控制次级声源输出，使得系统能够具有自动检测噪声、自动计算滤波器参数和消除噪声的功能，实现有源消声与主动控制的结合功能。

在主动噪声控制系统中，如何对控制算法进行合理优化一直是该领域研究的重点与热点。目前最小均方(least mean square,LMS)算法及其改良算法是自适应控制过程中应用最为普遍的方法。该算法是维纳滤波理论结合最速下降法的优化延伸，不需要目标信号统计特征的先验知识，通过上一时刻的滤波器系数加上一个负均方误差梯度的比例项来更新滤波器系数。这种算法有计算复杂度低、对平稳信号收敛性好的优点。而Morgan在此基础上提出了Fx-LMS算法，将由电子元器件延迟和误差产生的次级通道传递函数考虑在内，指出实际的误差信号并非噪声与滤波器输出的简单组合，在更新滤波器参数前先根据次通道传递函数进行滤波，达到消除误差的目的，是主动噪声控制领域稳定性最好、应用最广泛的一种自适应算法。

通常控制器的收敛速度和控制精度是评价一个控制系统最重要的两个标准。虽然最小均方误差算法的期望值可以无偏地收敛到维纳解，但由于该算法在使用梯度下降的过程中为了减少计算复杂度，直接取误差信号平方瞬时值的导数作为均方误差梯度的估计值，在迭代过程中无法平滑收敛到最优解，不可避免地产生残差，并影响了算法的收敛速度。

在实际工作环境中，很多情况要求系统具有更快的响应速度。比如说，当主动噪声控制技术用于潜艇水下消声时，系统能否快速收敛决定了舰艇的声隐身性能，而传统最小均方误差算法收敛过慢的缺点增大了潜艇暴露的几率，不能很好地利用主动降噪技术实现声学隐身的目标。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于惰性学习的自适应有源噪声控制系统及其方法，解决传统最小均方误差算法在特殊工况下降噪系统不能满足快速收敛要求的问题。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于惰性学习的自适应有源噪声控制系统，包括参考麦克风、控制器、作动器和误差麦克风；

所述参考麦克风和误差麦克风分别安装在临近声源处和控制点处，分别采集待控制的参考信号与反馈信号，并将采集的信号转换为电信号输入至所述控制器的输入端；