[发明专利]一种基于神经网络的反馈式降噪方法

权利要求书

1.一种基于神经网络的反馈式降噪方法，其特征在于：基于噪声参考麦克风、前馈控制滤波器、反馈控制滤波器、误差麦克风和扬声器，方法包括以下步骤：

1)噪声参考麦克风对初始噪音进行拾音并经转换后得到噪声参考信号；

2)将噪声参考信号经过反馈控制滤波器后得到反向噪声信号；

3)将反向噪声信号转换成模拟信号经扬声器输出，产生次级声源，误差麦克风对初始噪声叠加次级声源的残余噪声拾音并经转换后得到的误差信号；

4)使误差信号叠加反向噪声信号之后得到的信号作为初始噪声的估计值；

5)测算出次级通道传递函数的估计值；

6)将初始噪声的估计值经过次级通道传递函数的估计值滤波得到反馈控制滤波器的输入信号，根据该输入信号和误差信号测算出反馈控制滤波器的权重系数；

7)将初始噪声的估计值经过反馈控制滤波器的权重系数滤波得到的信号标记为反向噪声信号，然后重复上述的步骤3)至步骤6)，直到信号处理完毕；

其中，利用BP神经网络测算出次级通道传递函数的估计值或/和反馈控制滤波器的权重系数。

2.根据权利要求1所述的一种基于神经网络的反馈式降噪方法，其特征在于：利用BP神经网络测算出次级通道传递函数的估计值和利用LMS算法/RLMS算法测算出反馈控制滤波器的权重系数。

3.根据权利要求1所述的一种基于神经网络的反馈式降噪方法，其特征在于：利用LMS算法/RLMS算法测算出次级通道传递函数的估计值和利用BP神经网络测算出反馈控制滤波器的权重系数。

4.根据权利要求1、2或3所述的一种基于神经网络的反馈式降噪方法，其特征在于：所述利用BP神经网络测算包括以下步骤：

1)建立BP神经网络测算出模型；

2)对BP神经网络进行优化训练；

3)利用优化训练后的BP神经网络进行测算，得到测算值；

其中，所述测算值为次级通道传递函数的估计值或/和反馈控制滤波器的权重系数。

5.根据权利要求4所述的一种基于神经网络的反馈式降噪方法，其特征在于：所述BP神经网络通过Sigmoid函数或双曲正切函数建立输入与输出关系。