主动噪音控制(ANC)

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、通风管道和通风罩的降噪。

在本例中，我们应用了基于模型的设计原则。首先，我们在不使用任何硬件的情况下，利用简单的声学模型进行仿真。然后，我们完成了我们的原型，用Speedgoat目标计算机和Speedgoat支持金宝app(金宝app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，并实时观察任何金宝app感兴趣的数据，如自适应滤波系数。

这个例子有一个配套视频:主动噪声控制-从建模到实时原型．

非国大前馈模型

下图展示了一个经典的例子前馈ANC。在管道入口处的噪声源，如风扇，被扬声器“消除”。噪音的来源b（n)用参考传声器测量，系统输出端的信号用误差传声器监测，e（n）.请注意，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)是从最后一个可用的错误信号计算的自适应滤波器e（n)和辅助路径年代（z)是ANC输出和错误麦克风之间的传递函数。次要路径估计年代（z)用于过滤NLMS更新功能的输入。还有声音反馈F（z)，从ANC扬声器到参考麦克风可估计(F '（z)，并从参考信号中删除b（n）.

为了实现一个成功的ANC系统，我们必须同时评估主要路径和次要路径。在这个例子中，我们首先估计二次路径和声音反馈，然后保持它不变，同时ANC系统适应主路径。

Filtered-X ANC模型

使用Sim金宝appulink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，你可以提高模型的真实感，或者用真实的环境代替模拟的环境。当您了解更多关于真实系统的挑战时，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。

从一个滤波x NLMS ANC系统模型开始，包括ANC控制器和管道的声环境。假设我们已经对辅助路径有了一个估计，因为我们将在稍后设计一个系统来测量它。将误差传声器处的信号模拟为经主声路滤波的噪声源与经二次声路滤波的ANC输出之和。在配置中使用“LMS Update”块，使错误麦克风捕捉到的信号最小化。在滤波x系统中，NLMS更新的输入是由估计的二次路径滤波的噪声源。为了避免代数循环，新滤波器系数的计算与LMS滤波器的使用之间存在一个样本的延迟。

辅助路径设置为年代（n) =[0.5 0.5 -。3 -。3 -。2 -。以及到达的主要路径conv（年代（n)，f（n)),f（n) =(。1 -。1。2 -。2。3 -。3含量原来]。验证自适应滤波器正确地收敛到f（n)，在这种情况下，一旦与辅助路径卷积，它就会匹配模型中的主路径。请注意,年代（n),f（n)，但我们可以尝试任何FIR传递函数，如实际的脉冲响应测量。

次级路径估计模型

设计一个模型来估计辅助路径。使用适合于识别未知系统的配置中的自适应滤波器。然后我们可以证明它收敛于f(n)

Speedgoat的实时实现

为了在实时环境中使用ANC进行实验，我们建立了经典的管道实例。在下面的图片中，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。

延迟是关键: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的时间内在ANC扬声器上播放它。在这个例子中，参考麦克风和“Y”段开始的距离是34厘米。声速是343米/秒，因此我们的最大延迟是1毫秒，或在本例中使用的8 kHz采样率下的8个采样。

我们将在Simulink中使用Speedgoat实时目标，并使用IO104模拟I/O接口卡。金宝appSpeedgoat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，我们使用了我们之前测试过的构建块，并简单地用Speedgoat I/O块替换了声学模型。我们还加入了从ANC扬声器到参考麦克风的声学反馈测量，并添加了一些逻辑，在切换到实际ANC模式之前自动测量辅助路径10秒。在前10秒，ANC扬声器播放白噪声，并启用两个NLMS滤波器，每个麦克风一个。然后，为了方便，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(这种播放可以用一个真实的噪声源代替，比如管道右端的风扇)。该系统记录参考麦克风，适配ANC NLMS滤波器，并为ANC扬声器计算信号。我们小心地设置我们的模型属性，以便IO104卡驱动Simulink模型的节奏(参见金宝app中断驱动模式下的IO104）.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

我们测量了这台ANC原型机的性能，包括双音和消音器洗衣机的实际记录。我们得到了双音降噪20-30 dB，录音降噪8-10 dB，这是一个更现实但也更困难的情况。对于滤光片来说，收敛速度少于几秒，但是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，我们使用的有源ANC扬声器可能会引入延迟，所以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定这不是一个问题。这两种延迟之间的差异是系统可用于计算参考传声器的抗噪声信号的最大时间。使用相同的NLMS识别技术，我们从参考麦克风得到以下响应:

然后，我们可以将该响应与次级路径估计进行比较:

差异仅仅是两三个样品，所以使用我们目前的有源扬声器和Speedgoat，在我们的原型中，我们无法显著减少参考麦克风和ANC扬声器之间的距离。为了减少距离，我们需要一个不会带来任何额外延迟的扬声器。我们还可以增加Simulink模型的采样率(无论采样率如何，Speedgoat延迟都被设置为一个金宝app或两个采样)。

参考文献

郭绍敏和摩根博士，《主动噪音控制:教程评论》《IEEE学报》第87卷第2期。第943-973页，1999年6月。

K.-C。陈,彭译葶。郭思明，“在管道中有效的噪音控制以消除宽带噪音”，国立中山大学学报(自然科学版)，vol. 23, no. 1, no. 3。1, 2017。https://iopscience.iop.org/article/10.1088/1757 - 899 x/237/1/012015。

Speedgoat目标计算机和Speedgoat支持金宝app(金宝app实时仿真软件)

在Simulink中设置IO104模块金宝app

在中断驱动模式下设置IO104

参见:基于滤波x LMS FIR自适应滤波器的有源噪声控制