主动噪声控制(ANC)技术

z2=s2+(n0-y)2+2s(n0-y)
两边取期望值得：
E[z2]=E[s2]+E[(n0-y)2]+2E[s(n0-y)2] --公式（3） 公式（ ） E[z2]=E[s2]+E[(n0-y)2] ------公式（4） 公式（ ）
Active Noise ControlБайду номын сангаас
E[z2]=E[s2]+E[(n0-y)2]
Active Noise Control
• 自适应滤波器：根据环境的改变，使用自适应算 自适应滤波器：
法来改变滤波器的参数和结构。
参数可调的数字（FIR/IIR）滤波器 自适应算法
• 常用的自适应算法： 常用的自适应算法：
最小均方（LMS）算法 递推最小二乘（RLS）算法 平方根自适应滤波（QR_RLS）算法
Active Noise Control
• 假设s、n0、n1是零均值的平稳随机过程，且满足s与n0、n1 互不相关，自适应滤波器的输出y=n2为噪声n1的滤波信号， 则整个系统的输出为：
z = d-y = s+n0-y
两边平方得：
------公式（1） 公式（ ） ------公式（2） 公式（ ）
噪声智能检测与控制
—— 主动噪声控制（ 主动噪声控制（ANC）技术 ）
Active Noise Control
• 噪声的污染 • 解决噪声的办法
治标——被动噪声控制方法、主动噪声控制 治本——噪声产生前：新型材料
Active Noise Control
• 主动噪声控制（ANC，Active Noise Control）:
Active Noise Control
• 最小均方 LMS，Least Mean Square）算法 最小均方（ 算法
是自适应算法中最常用的一种算法； 基于最小均方误差准则，使滤波器的输出信号与期望输出 信号之间的均方误差最小； 特点：简单有效、计算量小、易于实现。
LMS算法的原理图 算法的原理图
干扰：母体脏器的活动（主要是心跳）的噪声、检测设备 电源干扰 信号源来源：腹部电极采集的信号 参考源来源：胸部电极采集的信号
• 飞行员通信 干扰：机舱各种机器噪声
信号源来源：语音信号 参考源来源：机舱噪声信号
谢谢！ 谢谢！
Active Noise Control
• 自适应滤波器的误差信号e(n)为: e(n)=d(n)-y(n) =d(n)-xT(n)w(n)=d(n)-wT(n)x(n)
其中，d(n)为包含噪声的原始信号； x(n)为同一噪声源产生的信号； y(n)= xT(n)w(n)= wT(n)x(n)为自适应滤波器的输出信号； w(n)为滤波器的权系数。
由于噪声源噪声的幅度、 由于噪声源噪声的幅度、 相位、频率会随时变化， 相位、频率会随时变化， ANC系统必须能够适应 ANC系统必须能够适应 并处理好这些变化， 并处理好这些变化，故 采用自适应滤波器。 采用自适应滤波器。
参考源信号x是与n 相关的噪声n 参考源信号x是与n0相关的噪声n1； ANC系统基本原理框图 系统基本原理框图
利用声波叠加原理，针对信号源（主波），产生一个与 其幅度相同、相位相反的参考源（次波），两声波相互 叠加，达到消声的目。
————以噪声控制噪声———— ————以噪声控制噪声———— 以噪声控制噪声
Active Noise Control
信号源信号d是有用信号s和噪声干扰n 之和； 信号源信号d是有用信号s和噪声干扰n0之和；
其中E[s2]表示信号的功率；
------公式（4） 公式（ ）
• 由上式可以看出，要使得系统输出z最大程度地接近信号s， 就要求E[(n0-y)2]取最小值； • 由公式1可知， z-s =n0-y ，在理想情况下，y=n0，则z=s； 输出信号z的噪声完全被抵消，而只保留有用信号s。 • 关键在于自适应滤波器。
Active Noise Control
• 参数失调噪声。干扰噪声v(n)越大，则引起的失调噪声就 越大。 • 解决方法：减小收敛（步长）因子μ 减少稳态失调噪声，提高算法的收敛精度; 降低算法的收敛速度和收敛精度
变步长的LMS算法 算法 变步长的
Active Noise Control
• 胎儿心率的检测
LMS算法的原理图 算法的原理图
Active Noise Control
• 滤波器权系数的更新递归关系式： w(n+1) =w(n)+2µx(n)[d(n)- xT(n)w(n)]，
其中μ为收敛（步长）因子，0< μ < λ max（x(n)自相关矩阵的最大特征 值）；
• 从而，LMS算法的滤波器权系数迭代公式： w(n+1) =w(n)+2µx(n)e(n) 下一时刻的权系数，可由当前时刻的权系数加上以误差函 数为比例的输入得到。