[发明专利]初级通道前馈-反馈混合在线建模的车内路噪控制方法

权利要求书

1.一种初级通道前馈-反馈混合在线建模的车内路噪控制方法，其特征在于：

对传统FxLMS算法进行改进，改进后的算法整体框架中各模块和符号的含义：P(z)表示初级通道，S(z)表示次级通道，表示次级通道估计，表示初级通道在线建模子系统，I_s(z)表示次级通道的逆在线建模子系统，W(z)表示自适应滤波器，LMS(LeastMeanSquare)表示最小均方算法；x(n)表示初级噪声信号，d(n)表示P(z)输出信号，d′(n)表示输出信号，b(n)表示I_s(z)输出信号，a(n)表示W(z)输出信号，y(n)表示控制器输出的次级噪声，y′(n)表示次级通道S(z)输出信号，e(n)表示误差信号；w(n)、p(n)、s(n)和分别表示W(z)、P(z)、S(z)和的权值；初级通道在线建模子系统的内部结构：输入端g(n)表示次级通道的逆G(z)的权值，表示初级通道估计，d″(n)表示的输出信号，表示的权值，C表示某一非常小的常数；输入端e(n-1)表示来自上一次迭代的参与初级通道在线建模的误差信号，这是因为x(n)输入时，e(n)还没产生，所以误差信号输入端记为e(n-1)；以初级噪声信号为参考信号是前馈控制特征，以误差信号为参考信号是反馈控制特征；初级通道在线建模子系统的参考信号同时包含初级噪声信号x(n)和误差信号e(n-1)而兼有前馈和反馈控制特征，故称之为初级通道前馈-反馈混合在线建模；次级通道的逆在线建模子系统I_s(z)内部结构：e′(n)表示G(z)在线建模误差信号，b(n)表示G(z)(I_s(z))的输出信号；

传统FxLMS算法的误差信号是初、次级路径输出信号相减的结果，那么反过来误差信号与次级路径输出信号相加将得到初级路径输出信号，也即初级通道P(z)输出信号，再通过P(z)输出信号除以噪声源x(n)可得P(z)权值；基于上述估计初级通道的思想，设计初级通道在线建模子系统输出信号与误差信号求和得到估计的初级通道输出信号d′(n)，d′(n)包含对p(n)的动态估计信息，故可将d′(n)作为更新来源，即输出d′(n)的同时先用除法消除x(n)信息，然后用消除结果d′(n)/x(n)反馈调整以此不断更新考虑到x(n)为除式中的分母，若某时刻x(n)元素恰好为零，则除法运算不存在结果，故将分母x(n)替换为x(n)+C，其中C为一极小常量，从而保证算法的稳定性；

采用在线建模方法建模次级通道的逆G(z)，用于抵消次级噪声经过次级通道所发生的特性变化；G(z)在线建模采用输出信号d′(n)作为训练信号，可避免因使用白噪声在线建模而导致系统引入干扰源；

由改进算法整体框架可得误差信号e(n)

e(n)＝d(n)-y′ (n) 公式1

其中

d(n)＝x(n)*p(n)＝x^T(n)p(n) 公式2

y′ (n)＝y(n)*s(n)＝y^T(n)s(n) 公式3

“*”表示线性卷积，“T”表示转置；次级噪声信号y(n)为

y(n)＝a(n)+b(n) 公式4

a(n)和b(n)分别为

a(n)＝d′ (n)*w(n)＝[d′ (n)]^Tw(n) 公式5

b(n)＝d′ (n)*g(n)＝[d′ (n)]^Tg(n) 公式6

通常认为次级通道是时不变的，则因此由初级通道在线建模子系统可得

将公式7代入公式5和公式6得

将公式8和公式9代入公式4得

将公式10代入公式3得

联立公式11、1和2得改进算法误差信号公式

由次级通道的逆在线建模子系统可得误差信号e′(n)

将公式13进行Z变换得

令E′(z)＝0，并考虑到则由公式14得到自适应滤波器G(z)最优传递函数G0(z)为

故当自适应滤波器G(z)迭代至其最优传递函数时，次级通道将被抵消；

将公式12进行Z变换得

令E(z)＝0，且假设G(z)已迭代至其最优传递函数，则由公式15和公式16得到自适应滤波器W(z)最优传递函数W⁰(z)为

由改进算法整体框架可得

令E(z)＝0且G(z)已迭代至其最优传递函数，可由公式15和公式18得到自适应滤波器W(z)最优传递函数的另一种表达式

W(z)最优传递函数是唯一的，故由公式17与公式19有

由初级通道在线建模子系统可得

其中，D′(z)和D″(z)分别为d′(n)和d″(n)的Z变换，C为一个极小常数值，添加该常数的目的是为了防止当x(n)为0时导致的算法发散；当C趋于0时，由公式21可得

D′ (z)＝D″(z) 公式22

由改进算法整体框架、初级通道在线建模子系统和公式22可知，当算法迭代至稳定收敛状态时，系统和的输入和输出均相同，由此可得

由公式20和公式23可得

因此，改进算法中的初级通道估计能够跟踪实际的初级通道P(z)；另外，由于和P(z)的输入信号均为x(n)，因此当算法稳定时有d″(n)＝d′(n)＝d(n)。