[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

说明书

本发明涉及一种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，其中方法包括：构建第一神经网络模型，基于自适应前馈式主动降噪架构，用所构建的第一神经网络模型来作为所述架构中的前馈滤波器使用。本发明通过将自适应前馈式主动降噪架构中的前馈滤波器改用为第一神经网络模型实现，利用神经网络的非线性滤波特性，实现更好地对噪声进行控制，改善由A位噪声源到B位扬声器的传播路径中存在非线性环节而引起的谐波以及交调失真现象。

本专利作为201911056457.3号发明创造“基于神经网络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”(申请日2019-10-31)的分案申请。

技术领域

本发明涉及耳机降噪，尤其涉及一种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。

背景技术

见图1，耳机中自适应前馈式主动降噪架构的基本原理如下：在A位，参考麦克风拾取环境中的原始噪声信号，通过前馈滤波器产生和原始噪声信号反向的信号(简称反向噪声信号)，然后将反向噪声信号通过扬声器在B位输出，使原始噪声信号和反向噪声信号在B位相互抵消产生残差噪声信号，上述过程为自适应前馈式主动降噪。

在自适应前馈式主动降噪的基础上，增加C位的误差麦克风，残差噪声信号被C位的误差麦克风采集，经LMS算法分析后生成权重系数对前馈滤波器输出的反向噪声信号进行调整，则实现自适应前馈式主动降噪。

自适应前馈式主动降噪中，前馈滤波器一般采用FIR(有限冲击响应)滤波器或者IIR(无限冲击相应)滤波器实现，以FIR为例，自适应前馈式主动降噪的信号的工作过程如图2所示，其中，x(n)为原始噪声信号，P(z)是噪声原始通道的传递函数，表征噪声从A位到B位的时延，x(n)经P(z)后输出目标信号d(n)，W_f(n)是前馈滤波器，y(n)为W_f(n)输出的反向噪声信号，S(z)是次级通道，即从采集x(n)输入W_f(n)，到W_f(n)输出y(n)给扬声器，通过扬声器推动空气后传递到误差麦克风吸取的整个路径的传递函数，表征噪声经该路径的时延，y(n)与d(n)叠加相消后被误差麦克风吸取，得到残差噪声信号e(n)，S＇(z)是S(z)的估计，其本质为滤波器，内部设有一重系数迭代计算公式，通过该公式输出权重来与x(n)相乘，从而对x(n)进行修正。

使用时，一方面，e(n)被误差麦克风吸取作为LMS算法的其中一个输入，另一方面，x(n)经S＇(z)修正后作为LMS算法的另一个输入，利用LMS算法的迭代公式输出W_f(n)的权重系数，获得W_f(n)的权重系数后，以x(n)作为W_f(n)的输入信号，通过W_f(n)的权重系数*x(n)从而输出y(n)，达到自适应前馈式主动降噪之目的。

现有的自适应前馈式主动降噪方案存在以下问题：

因为前馈滤波器W_f(n)所采用的FIR滤波器或者IIR滤波器均属于线性滤波器，所以，若从A位噪声源到B位扬声器的传播路径中存在非线性环节，比如原始噪声过大导致参考麦克风产生非线性，又或者是，若从B位扬声器到C位误差麦克风的传播路径中存在非线性环节，比如扬声器处于饱和，则由于FIR滤波器或者IIR滤波器不能处理非线性产生的谐波以及交调失真的情况，整个链路的降噪效果会明显降低。

发明内容

本发明为改善现有技术中的不足之处，而提供一种自适应前馈式主动降噪方法，其用于改善链路产生的谐波以及交调失真的情况。

本发明的提供的基于神经网络滤波器的自适应前馈式主动降噪方法，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；