主动噪音控制

主动噪声控制的目标是通过产生“抗噪声”信号来消除不需要的声波，从而减少不需要的声音。这一原理已成功地应用于各种各样的应用，如降噪耳机，汽车内饰的主动声音设计，以及通风管道和通风外壳的降噪。

在本例中，我们应用基于模型的设计原则。首先，我们在仿真中使用了一个简单的声学模型，在没有任何硬件的情况下设计了ANC。然后，我们完成了我们的原型，将模拟声路径替换为快速山羊目标计算机和快速山羊支持万博1manbetx(万博1manbetx实时仿真软件)及其IO104模拟模块。Speedgoat是Simulink的一个外部实时目标，它允许我们实时执行我们的模型，并实时观察任何万博1manbetx感兴趣的数据，如自适应滤波器系数。

这个例子有一个配套的视频:主动噪声控制-从建模到实时原型．

ANC前馈模型

的一个经典示例前馈ANC。管道入口处的噪声源，如风扇，被扩音器“消除”。噪声源b（n)用参考麦克风测量，系统输出端的信号用误差麦克风监测，e（n)．注意，参考麦克风和扬声器之间的距离越小，ANC必须能够更快地计算和播放“抗噪声”。

主要路径是两个麦克风之间的传递函数，W（z)为从最后一个可用误差信号计算出的自适应滤波器e（n)，以及辅助路径年代（z)为ANC输出与误差麦克风之间的传递函数。次要路径估计年代（z)用于过滤NLMS更新函数的输入。还有声音反馈F（z)从ANC扬声器到参考麦克风的声音可估计为(F '（z))并从参考信号中移除b（n)．

要实现一个成功的ANC系统，我们必须同时估计主要路径和次要路径。在这个例子中，我们先估计次要路径和声学反馈，然后在ANC系统适应主要路径时保持它不变。

filter - x ANC模型

使用Sim万博1manbetxulink和基于模型的设计，您可以从所需系统的基本模型和模拟环境开始。然后，您可以提高模型的真实感，或者用真实环境代替模拟环境。当您进一步了解实际系统的挑战时，还可以通过改进模拟环境进行迭代。例如，您可以在模拟环境中添加声音反馈或测量噪声，如果这些元素限制了真实系统的性能。

从filter - x NLMS ANC系统的模型开始，包括ANC控制器和管道的声环境。假设我们已经对次要路径进行了估计，因为我们稍后将设计一个系统来测量它。将误差传声器处的信号模拟为主声路滤波的噪声源与次声路滤波的ANC输出的和。在配置中使用“LMS Update”块，使错误麦克风捕获的信号最小化。在filter - x系统中，NLMS更新的输入是通过次要路径估计过滤的噪声源。为了避免代数循环，在新滤波器系数的计算和LMS滤波器的使用之间有一个样本的延迟。

将备用路径设置为年代（n) =[0.5 0.5 -。3 -。3 -。2 -。2]和到的主要路径conv（年代（n)，f（n)),f（n) =[。1 -。1 .2。2 .3 -。3 .15 -.15]。验证自适应滤波器是否正确收敛到f（n)，在这种情况下，一旦与辅助路径卷积，它就匹配了我们模型中的主要路径。请注意,年代（n),f（n)是任意设置的，但我们可以尝试任何FIR传递函数，例如实际的脉冲响应测量。

二次路径估计模型

设计一个模型来估计次要路径。在适合识别未知系统的配置中使用自适应过滤器。我们可以验证它收敛于f(n)

与Speedgoat实时实现

为了在实时环境中实验ANC，我们构建了经典的管道示例。在下面的图像中，从右到左，我们有一个扬声器播放噪声源，参考麦克风，ANC扬声器和错误麦克风。

延迟是至关重要的:系统必须记录参考麦克风，计算响应，并在声音在这些点之间传播所需的时间内在ANC扬声器上播放。在这个例子中，参考麦克风和“Y”部分开始之间的距离是34厘米。声速为343米/秒，因此我们的最大延迟为1毫秒，或本例中使用的8 kHz采样率下的8个样本。

我们将在Simulink中使用带有IO104模拟I/O接口卡的Speedgoat实时目标。万博1manbetx“快羊”允许我们实现低至一个或两个样本的延迟。

为了实现我们的实时模型，我们使用了之前测试过的构建模块，并简单地将声学模型替换为Speedgoat I/O模块。我们还包括测量从ANC扬声器到参考麦克风的声学反馈，并添加了一些逻辑，在切换到实际ANC模式之前自动测量10秒的次要路径。在前10秒内，ANC扬声器将播放白噪声，并启用两个NLMS滤波器，每个麦克风一个。然后，为了方便起见，模型会播放一个“噪声源”，但ANC系统的实际输入是参考麦克风(这种播放可以用真正的噪声源代替，例如管道右端的风扇)。该系统记录参考麦克风，调整ANC NLMS滤波器，并为ANC扬声器计算信号。我们注意设置我们的模型属性，以便IO104卡驱动Simulink模型的节奏(参见万博1manbetxIO104在中断驱动模式)．要访问模型的文件夹，请单击“open Script”按钮打开示例。模型的文件名是“Speedgoat_FXLMS_ANC_model.slx”。

降噪性能

我们用双音调和洗衣机的实际录音测量了这个ANC原型的性能。我们获得的双音调降噪为20-30 dB，录音降噪为8-10 dB，这是一个更现实但也更困难的情况。对于音调，滤波器的收敛速度不到几秒钟，但对于真实情况，需要更多的时间(一到两分钟)。

延迟测量

性能的另一个方面是系统的延迟，因为这决定了参考麦克风和ANC扬声器之间的最小距离。在我们的原型中，我们正在使用的有源ANC扬声器可能会引入延迟，因此我们可以通过比较两个麦克风之间的响应与ANC输出信号和错误麦克风之间的响应来确保这不是一个问题。这两个延迟之间的差异是系统可用于计算来自参考麦克风的抗噪声信号的最大时间。使用相同的NLMS识别技术，我们从参考麦克风获得以下对错误麦克风的响应:

然后，我们可以将该响应与次要路径估计进行比较:

差异只有两三个样本，所以使用我们目前的有源扬声器和Speedgoat，我们不能显著减少原型中参考麦克风和ANC扬声器之间的距离。为了缩短距离，我们需要一个不会引入任何额外延迟的扬声器。我们还可以增加Simulink模型的采样率(Speedgoat延迟被设置为一个或两个样本，而不考万博1manbetx虑采样率)。

参考文献

郭淑明和摩根博士，“主动噪声控制:教程回顾”见《IEEE学报》第87卷，no. 1。6，第943-973页，1999年6月。

K.-C。陈,彭译葶。张，S. M. Kuo，“主动噪声控制在管道中消除宽带噪声”，IOP会议系列:材料科学与工程，第237卷，no. 1。1, 2017。https://iopscience.iop.org/article/10.1088/1757 - 899 x/237/1/012015。

快速山羊目标计算机和快速山羊支持万博1manbetx(万博1manbetx实时仿真软件)

在Simulink中设置IO104模块万博1manbetx

在中断驱动模式下设置IO104

参见:基于Filter - x LMS FIR自适应滤波器的有源噪声控制