[发明专利]基于递推最小鲁棒估计的低复杂度有源脉冲噪声控制方法

说明书

本发明公开了一种基于递推最小鲁棒估计的低复杂度有源脉冲噪声控制方法，对FxlogRLS算法进行了扩展，基于最近克罗内克积的滤波输入递归最小M估计算法(简称FxRLM‑NKP)对脉冲噪声进行有源控制。利用克罗内克积将自适应控制器的系数向量w(n)分解成两组短的子滤波器向量wsubgt;1/subgt;(n)、wsubgt;2/subgt;(n)，由此建立信号模型。采用具有自适应参数的鲁棒估计器定义一组代价函数，由此推导出相应的自适应控制算法。克罗内克积分解的使用降低了自适应控制算法的计算复杂度；自适应M估计器使得本发明(FxRLM‑NKP算法)对脉冲噪声具有鲁棒性。实验结果表明，本发明在脉冲噪声有源控制中表现出良好的性能，且具有计算复杂度低的优点。

技术领域

本发明属于有源噪声控制(ANC)技术领域，更为具体地讲，涉及一种基于递推最小鲁棒估计的低复杂度有源脉冲噪声控制方法。

背景技术

有源噪声控制(Active Noise Control，简称ANC)，或称为主动噪声控制，是一种通过引入可控的次级声源来衰减不必要的低频干扰的方法。该技术已被广泛用于各种应用中以降低有害噪声，如机舱和飞行甲板的宽带噪声、窄带变压器噪声、管道中的噪声以及生活和工作环境中的不适噪声。被控制的噪声源称为初级噪声或参考噪声。滤波输入最小均方(FxLMS)算法是有源噪声控制中最常用的自适应算法，因为它在大多数情况下是有效的，且计算复杂度低，易于实现。

脉冲噪声广泛存在于各种声环境中，例如车间内工件的敲击声、打桩机产生的噪音、战场上的枪炮声、鞭炮爆竹声、门的砰砰声、物体掉落的击地声等等。这类噪声比正态分布的噪音更有可能出现尖锐的尖峰或异常值。针对脉冲噪声的有源控制，研究人员已经开发了大量的自适应算法，如改进的滤波输入最小均方(FxLMS)算法、滤波最小平均p范数算法(FxLMP)、对数变换的FxlogLMS算法、基于M估计器的FxLMS算法、基于递归最小二乘(RLS)的FxlogRLS算法、基于Hampel函数的FxRLM算法、基于状态检测的后滤波算法、带有后自适应滤波器和变步长的IVSSPFFxAPSA算法以及基于FxLMS和FxRLS类的混合方法。在这些方法中，FxlogRLS算法利用对数函数衰减脉冲噪声，并考虑换项误差以避免自适应滤波器的不稳定，因此受到了极大的关注。然而，该算法具有较高的计算复杂度。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于递推最小鲁棒估计的低复杂度有源脉冲噪声控制方法，在获得良好降噪性能的同时，降低计算复杂度。

为实现上述发明目的，本发明基于递推最小鲁棒估计的低复杂度有源脉冲噪声控制方法，其特征在于，包括以下步骤：

(1)、初始化

首先构建第一组P个长度为L₁的子滤波器w_1，p(n)以及第二组P个长度L₂为的子滤波器w_2，p(n)，n表示时刻，然后进行初始化：

w_1，p(0)＝[η 0 … 0]^T，p＝1，2，...，P，0＜η≤1

w_2，p(0)＝[η 0 … 0]^T，p＝1，2，...，P，0＜η≤1

其中，参数η在大于0小于等于1的范围内选取即可，P＜min{L₁，L₂}，这样，0时刻的第一、二组子滤波器向量为：

初始化0时刻的两组相关逆矩阵Q₁(0)、Q₂(0)：