一种针对窄带噪声的车载降噪方法及系统、存储介质与流程

1.本发明属于车载噪声控制领域，涉及一种针对窄带噪声的车载降噪方法及系统、存储介质。


背景技术：

2.随着现代工业的发展，噪声污染问题越来越多的引起人们的关注，高强度的噪声信号也影响了听音者的舒适度。由于声掩蔽的效应，需要增加音量才能得到更高的信噪比得到清晰的听音效果。这样带来的长时间持续的高声压将会给听力带来不可恢复的损伤。随着车辆智能化的提高，驾乘人员对车内声学环境的要求愈发严格。车内噪声会降低驾乘人员的舒适性，引起车内乘员的烦躁，疲劳；也会影响交流通话的清晰度，甚至影响驾驶对车外信号声的感知，增加交通隐患。汽车nvh(noise，vibration，harshness)是车厂关心的重要问题。通过修改结构设计，增加阻尼材料或者使用减震弹簧等装置来降低噪声，统称为被动噪声控制；这种方法对中高频的噪声有比较好的降噪效果。但是这种方法对低频效果比较差，特别是车厢内发动机的噪声，往往集中在低频。此外，被动噪声控制需要较长的调教时间，而且难以控制成本。主动降噪的方案利用车载音频系统，筹建噪声信号的反信号，形成次级声波，抵消目标区域内的噪声，降低噪声污染，提高主观听音舒适度，但是几乎不会给汽车增加额外的配重，有助于降低尾气排放，是一种绿色的节能的解决方案。
3.lms算法是一种传统的车载主动降噪方案，但其收敛速度较慢。随后又提出了一种基于动量(momentum)的fxlms(filtered-x，least mean square)算法，其在传统lms算法中增加一个由于权系数增加的动量项。基于动量的fxlms算法虽然改进了传统lms算法的收敛速度，但该方法的收敛速度依然较慢。


技术实现要素：

4.本发明的目的是提供一种针对窄带噪声的车载降噪方法及车载降噪系统，其能够针对车辆发动机的噪声进行主动降噪，降低车内噪声污染并具有较快的收敛速度。
5.本发明还提供一种计算机可读存储介质，其存储有能够实现上述车载降噪方法的程序。
6.根据本发明的第一个方面，一种针对窄带噪声的车载降噪方法，包括如下步骤：
7.a、根据要降噪的目标噪声的角频率ω0产生两路参考信号x1(n)和x2(n)，其中，n表示时刻；
8.b、根据下式(1)生成控制信号y(n)，馈给声重放装置，
[0009][0010]
其中，wi(n)表示当前时刻的滤波器系数；
[0011]
c、对步骤a得到的参考信号进行滤波，得到如下式(2)所示的滤波后的参考信号
[0012]
[0013]
其中，k＝0，1，...n-1，n表示滤波器的长度，sk表示次级通道的传递函数模型滤波器的系数；次级通道的传递函数是从声重放装置到声信号采集装置的传递路径的数学模型， xi(n-k)表示第i路参考信号的前k个采样时刻的数值；
[0014]
d、根据下式(3-1)或(3-2)更新滤波器系数，
[0015][0016][0017]
其中，μ表示收敛因子，e(n)表示信号处理意义上的误差信号，λ表示约束因子，wi(n-1) 表示上一个采样时刻的滤波器系数，wi(n 1)表示下一个采样时刻的滤波器系数。
[0018]
在一优选的实施例中，步骤a中，两路参考信号x1(n)和x2(n)分别如下式所示，
[0019]
x1(n)＝sin(ω0n)
[0020]
x2(n)＝cos(ω0n)。
[0021]
在一优选的实施例中，步骤b中，所述声重放装置为车载扬声器。
[0022]
在一优选的实施例中，步骤d中，所述误差信号e(n)通过车载麦克风采集得到。
[0023]
在一优选的实施例中，要降噪的目标噪声为车辆发动机引起的噪声。
[0024]
根据本发明的第二个方面，一种针对窄带噪声的车载降噪系统，包括声重放装置和声信号采集装置，所述车载降噪系统还包括：
[0025]
参考信号生成模块，其用于根据要降噪的目标噪声的角频率ω0产生两路参考信号x1(n) 和x2(n)，其中，n表示时刻；
[0026]
控制信号生成模块，其用于接收所述参考信号生成模块输出的参考信号，并根据下式(1) 生成控制信号y(n)，馈给所述声重放装置，
[0027][0028]
其中，wi(n)表示当前时刻的滤波器系数；
[0029]
滤波器模块，其用于对所述参考信号生成模块输出的参考信号进行滤波，得到如下式(2) 所示的滤波后的参考信号
[0030][0031]
其中，k＝0，1，...n-1，n表示滤波器的长度，sk表示次级通道的传递函数模型滤波器的系数；次级通道的传递函数是从所述声重放装置到所述声信号采集装置的传递路径的数学模型，xi(n-k)表示第i路参考信号的前k个采样时刻的数值；及
[0032]
滤波器系数更新模块，其用于接收所述声信号采集装置采集到的声信号作为误差信号、接收所述滤波器模块输出的滤波后的参考信号，并根据下式(3-1)或(3-2)更新滤波器系数，馈给所述滤波器模块，
[0033][0034][0035]
其中，μ表示收敛因子，e(n)表示信号处理意义上的误差信号，λ表示约束因子，wi(n-1) 表示上一个采样时刻的滤波器系数，wi(n 1)表示下一个采样时刻的滤波器系数。
[0036]
在一优选的实施例中，所述声重放装置包括车载扬声器，所述车载扬声器布置在车辆的车厢内。
[0037]
在一优选的实施例中，所述声信号采集装置包括车载麦克风，所述麦克风布置在车辆的车厢内。
[0038]
在一优选的实施例中，要降噪的目标噪声为车辆发动机引起的噪声。
[0039]
根据本发明的第三个方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现如上所述的车载降噪方法。
[0040]
本文中，要降噪的目标噪声为车辆发动机引起的窄带噪声。上述的车载扬声器布放在车辆的车厢内或至少向车辆的车厢辐射声音，包括但不限于：头枕扬声器、顶棚扬声器、门板扬声器等；上述的麦克风布放在车辆的车厢内或至少能够采集车辆的车厢内的声音信号。
[0041]
上述的麦克风布放在车辆的车厢内或至少能够采集车辆的车厢内的声音信号。
[0042]
本发明采用以上方案，相比现有技术具有如下优点：
[0043]
本发明的针对车辆发动机窄带噪声的车载降噪方法及车载降噪系统，对基于momentum的 fxlms算法进行改进，在保证具有与传统的fxlms算法及基于momentum的fxlms算法相当的降噪量的同时，提高了算法的收敛速度，且不占用更多的计算资源；此外，利用车载音频系统，筹建噪声信号的反信号，形成次级声波，抵消目标区域内的噪声，降低噪声污染，提高主观听音舒适度。
附图说明
[0044]
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0045]
图1为根据本发明实施例1的车载降噪方法的流程图。
[0046]
图2为根据本发明实施例1的车载降噪方法的算法框图。
[0047]
图3为根据本发明实施例1的车载降噪系统的示意图。
[0048]
图4为根据本发明实施例2的车载降噪方法的流程图。
[0049]
图5为根据本发明实施例2的车载降噪方法的算法框图。
[0050]
图6为传统fxlms算法、基于momentum的fxlms算法、实施例1和实施例2的降噪仿真对比图。
具体实施方式
[0051]
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域的技术人员理解。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
[0052]
不同于被动噪声控制，传统的lms算法能够利用车载音频系统，筹建噪声信号的反信号，形成次级声波，抵消目标区域内的噪声，降低噪声污染，提高主观听音舒适度，但是几乎不会给汽车增加额外的配重，有助于降低尾气排放，是一种绿色的节能的解决方案。然而，传统的 lms算法收敛速度较慢，需要迭代到月4000次以上才能实现目标的降噪量。基于此，又提出了基于momentum的fxlms算法，在传统lms算法中增加一个由于权系数增加的动量项，并且给出了该动量项目的表达式：
[0053]
w(n 1)＝w(n)-2uwf(n)x(n) α[w(n)-w(n-1)]
[0054]
早在2014年，哈尔滨工业大学就针对窄带噪声控制提出基于momentum的lms算法，afiltered-xweightedaccumulatedlmsalgorithm：stochasticanalysisandsimulationsfornarrowbandactivenoisecontrolsystem。其表达式为
[0055][0056][0057]
上述的表达式的最后一项即为动量项(momentum)。然而，这种基于momentum的fxlms算法的收敛速度依然较慢。
[0058]
实施例1
[0059]
本实施例即提供一种改进的基于动量项的车载降噪方法，其针对由车辆发动机引起的窄带噪声，进一步提高算法的收敛速度，使其比传统的fxlms算法收敛更快，比基于momentum的fxlms算法收敛更快，同时获得与传统算法相当的降噪效果，且计算量增加不多，不过多占用计算资料。图1示出了该方法的流程图，图2示出了本实施例的改进的基于momentum的fxlms算法的框图。结合图1和图2对该车载降噪方法具体阐述如下。
[0060]
(1)参考信号生成：在每一个采样时刻，根据要降噪的目标噪声的角频率ω0产生参考信号，即正弦信号和余弦信号。要降噪的目标噪声为车辆发动机在车厢内引起的噪声。
[0061]
本实施例采用函数法生成参考信号：
[0062]
x1(n)＝sin(ω0n)
[0063]
x2(n)＝cos(ω0n)
[0064]
(2)控制信号产生：根据当前时刻的参数wi(n)和上一步骤得到的参考信号，生成控制信号y(n)，馈给车载音频系统的扬声器等声重放单元，该扬声器为布放于车辆车厢内的车载扬声器，其用于向车厢内播放次级声波，以期望抵消发动机在车厢内引起的噪声。
[0065][0066]
(3)产生滤波后的参考信号：fxlms算法中重要的一步就是对参考信号进行滤波。一般认为次级通道的传递函数，包括了数字控制信号y(n)经过dac模块、模拟滤波器、功放模块、扬声器、声波的空间传播、麦克风、模拟滤波器、adc模块的传递路径。次级通道的传递函数s通过在线和离线的系统辨识方法进行得到，表述为s
′
，是一个长度为n的数字滤波器，表示为s
′
＝[s1，s2，
…
sn]。计算得到滤波后的参考信号为
[0067][0068]
(4)对参数wi(n)进行更新：主要对momentum项进行了修正，具体表达式为
[0069][0070]
如图3所示，根据本实施例的车载降噪系统，包括声重放装置101、声信号采集装置102、参考信号生成模块103、控制信号生成模块104、滤波器模块106及滤波器系数更新模块107。声重放装置101具体为车载音频系统的车载扬声器，其布放于车厢100内，车载扬声器包括但不限于：头枕扬声器、顶棚扬声器、门板扬声器等。声信号采集装置102包括用于采集
误差信号的麦克风，其布放在车厢100的需要降噪的区域。参考信号生成模块103用于根据要降噪的目标噪声的角频率ω0产生两路参考信号x1(n)和x2(n)，其中，n表示时刻。
[0071]
控制信号生成模块104用于接收所述参考信号生成模块103输出的参考信号，并根据下式生成控制信号y(n)，控制信号经过数模转换器转为模拟信号，经由功放105馈给声重放装置101，形成用于抵消车厢内的发动机噪声的次级声波。
[0072][0073]
其中，wi(n)表示当前时刻的滤波器系数。
[0074]
滤波器模块106用于对所述参考信号生成模块103输出的参考信号进行滤波，得到如下式所示的滤波后的参考信号该滤波器模块106具体包括控制滤波器，文中述及的“滤波器系数”具体是指控制滤波器的系数。
[0075][0076]
其中，k＝0，1，...n-1，n表示滤波器的长度，sk表示次级通道的传递函数模型滤波器的系数；次级通道的传递函数是从所述声重放装置101到所述声信号采集装置102的传递路径的数学模型，xi(n-k)表示第i路参考信号的前k个采样时刻的数值。
[0077]
滤波器系数更新模块107用于接收所述声信号采集装置102采集到的声信号作为误差信号、接收所述滤波器模块106输出的滤波后的参考信号，并根据下式更新滤波器系数，馈给所述滤波器模块106，
[0078][0079]
其中，μ表示收敛因子，e(n)表示信号处理意义上的误差信号，λ表示约束因子，wi(n-1) 表示上一个采样时刻的滤波器系数，wi(n 1)表示下一个采样时刻的滤波器系数。
[0080]
实施例2
[0081]
考虑到计算量，在实施例1的算法进行了进一步的改进，主要为参数更新部分，不考虑滤波后的参考信号之间的耦合作用，不妨假设i≠j，即两个信号是正交的。此时算法的参数更新表述为
[0082][0083]
结合图4和图5对本实施例的车载降噪方法具体阐述如下。
[0084]
(1)参考信号生成：在每一个采样时刻，根据要降噪的目标噪声的角频率ω0产生参考信号，即正弦信号和余弦信号。
[0085]
本实施例采用函数法生成参考信号：
[0086]
x1(n)＝sin(ω0n)
[0087]
x2(n)＝cos(ω0n)
[0088]
(2)控制信号产生：根据当前时刻的参数wi(n)和上一步骤得到的参考信号，生成控制信号y(n)，馈给车厢内的声重放单元
[0089][0090]
(3)产生滤波后的参考信号：次级通道的传递函数包括了数字控制信号y(n)经过dac 模块，模拟滤波器，功放模块，扬声器，声波的空间传播，麦克风，模拟滤波器，adc模块的传递路径的。次级通道的传递函数s通过在线和离线的系统辨识方法进行得到，表述为s
′
。是一个长度为n的数字滤波器，表示为s
′
＝[s0，s1，
…sn-1
]。计算得到滤波后的参考信号为
[0091][0092]
(4)对参数wi(n)进行更新：主要对momentum项进行了修正，具体表达式为
[0093][0094]
本实施例的车载降噪系统基本同实施例1，区别仅在于：滤波器系数更新模块107根据下式更新滤波器系数。
[0095][0096]
仿真例
[0097]
对算法的收敛性能进行了仿真。在仿真实验中，目标噪声(如图6所示的原始噪声)是一个单频信号，频率为120hz，这是主动噪声控制，尤其是车载主动噪声控制中遇到的典型控制频段内的一个频率。考虑到实际的噪声环境，设置环境噪声为白噪声。整个噪声信号的信噪比为10db。分别用传统的fxlms算法、基于momentum的fxlms算法、实施例1和实施例2 改进的mfxlms算法进行了主动噪声控制的仿真。图6给出了残余噪声的能量随着自适应控制算法的迭代次数的变化关系。从图6中可以看到，传统的fxlms算法可以有效降低噪声，但是算法收敛相对较慢，迭代到10000次才实现8db的降噪量；基于momentum的fxlms算法收敛速度更快，经过6000次迭代实现了收敛，可以实现与传统的fxlms算法相当的降噪量；而实施例1提出的改进的基于momentum的fxlms算法收敛速度更快，经过2500次迭代就实现了收敛，可以实现与传统的fxlms算法相当的降噪量；进一步地，实施例2的简化后的改进的基于momentum的fxlms算法收敛速度也可以在2500次迭代实现收敛，只是收敛过程中，降噪性能稍差。
[0098]
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
[0099]
上述实施例只为说明本发明的技术构思及特点，是一种优选的实施例，其目的在于熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限定本发明的保护范围。凡根据本发明的精神实质所作的等效变换或修饰，都应涵盖在本发明的保护范围之内。