[发明专利]基于神经网络滤波器的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备

权利要求书

1.基于神经网络滤波器的自适应前馈式主动降噪方法，其特征在于，包括：

S101.构建第一神经网络模型的理论模型；

S102.获取耳机中自适应前馈式主动降噪架构的S＇(z)，其中S＇(z)是自适应前馈式主动降噪架构中次级通道的估计；

S103.从自适应前馈式主动降噪架构中采集x₁(n)、y₁(n)、e₁(n)，其中x₁(n)为历史原始噪声信号，y₁(n)为前馈滤波器输出的历史反向噪声信号，e₁(n)为历史残差噪声信号；

S104.以x₁(n)经S＇(z)修正后的值和e₁(n)为输入，利用BP算法计算第一神经网络模型的权重系数；

S105.以x₁(n)、第一神经网络模型的权重系数和y₁(n)作为第一神经网络模型理论模型的训练样本，其中以x₁(n)和第一神经网络模型的权重系数作为输入，以y₁(n)作为输出，利用机器学习的方式对理论模型进行训练；

S106.用构建出的第一神经网络模型作为自适应前馈式主动降噪架构中的前馈滤波器W_f(n)使用，其中，第一神经网络模型以x₁(n)和第一神经网络模型的当前权重系数作为输入，输出y₁(n)给自适应前馈式主动降噪架构中的扬声器进行播音。

2.根据权利要求1所述的方法，其特征在于，对训练出的第一神经网络模型，采用逻辑回归算法进行拟合。

3.根据权利要求2所述的方法，其特征在于，所述逻辑回归算法配置为LR算法。

4.根据权利要求1所述的方法，其特征在于，所述自适应前馈式主动降噪架构中次级通道的估计S’(z)采用FIR滤波器或者IIR滤波器实现。

5.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被控制器执行时，实现权利要求1-4中任一项所述的方法。

6.一种电子设备，其中，该电子设备包括：

控制器；以及，

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述控制器执行权利要求1-4中任一项所述的方法。