主动噪声控制(ANC)

主动噪声控制的目标是通过产生取消不期望的声波的“抗噪声”信号来减少不需要的声音。该原则已成功应用于各种应用，例如降噪耳机，汽车内饰中的主动声音设计，以及通风管道的降噪和通风罩。

在此示例中，我们应用基于模型的设计原理。首先，我们在模拟中使用简单的声学模型设计了无任何硬件的ANC。然后，我们通过替换模拟的声学路径来完成我们的原型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的外部实时目标，其允许我们实时执行我们的模型并实时观察诸如自适应金宝app滤波器系数的任何感兴趣的数据。

此示例具有伴侣视频：主动噪声控制 - 从建模到实时原型。

非国大前馈模型

下图说明了一个典型的例子前馈ANC。管道入口处的噪声源（例如风扇）由扬声器“取消”。噪音源B.（N用参考麦克风测量）测量，并通过误差麦克风监测存在于系统的输出端的信号，E.（N）。请注意，参考麦克风和扬声器之间的距离越小，ANC必须能够计算并播放“抗噪声”的速度越快。

主要路径是两个麦克风之间的传递函数，W.（Z.)是根据最后一个可用错误信号计算的自适应滤波器E.（N)和次要路径S.（Z.）是ANC输出和误差麦克风之间的传递函数。二次路径估计S'（Z.)用于过滤NLMS更新函数的输入。还有声音反馈F（Z.)从ANC扩音器到参考麦克风(F'（Z.））并从参考信号中取出B.（N）。

要实现成功的ANC系统，我们必须估计主要和次要路径。在该示例中，我们首先估计辅助路径和声反馈，然后在ANC系统适应主路径时保持其恒定。

Filtered-x ANC模型

通过Sim金宝appulink和基于模型的设计，您可以从所需系统和模拟环境的基本模型开始。然后，您可以改善该模型的现实主义或通过真实的模型替换模拟环境。当您了解更多关于现实世界系统的挑战时，您也可以通过改进模拟环境来迭代。例如，如果这些是限制真实世界系统性能的元素，则可以将声反馈或测量噪声添加到模拟环境中。

从滤波器-X NLMS ANC系统的模型开始，包括ANC控制器和管道的声学环境。假设我们已经有估计次要路径，因为我们将设计一个系统以稍后测量。模拟误差麦克风处的信号作为由主声路径滤波的噪声源和由次级声路径滤波的ANC输出的总和。在配置中使用“LMS更新”块最小化错误麦克风捕获的信号。在过滤器X系统中，NLMS更新的输入是通过估计辅助路径过滤的噪声源。为了避免代数循环，在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。

将辅助路径设置为S.（N）= [0.5 0.5 -.3 -.3 -.2 -.2]和主要路径conv（S.（N），F（N））， 在哪里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，它与模型中的主要路径与辅助路径卷积一旦卷积。注意S.（N） 和F（N）任意设置，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。

二级路径估计模型

设计模型以估算次要路径。在适合于识别未知系统的配置中使用自适应滤波器。然后，我们可以验证它收敛到f（n）。

使用speedgoat实时实现

为了在实时环境中试验ANC，我们建立了经典的管道示例。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。

延迟至关重要：系统必须录制参考麦克风，计算响应并在这些点之间进行声音旅行所需的时间播放响应并重新播放。在该示例中，参考麦克风与“Y”部分之间的距离为34cm。声速为343米/秒，因此我们的最大延迟是在此示例中使用的8 kHz采样率的1 ms或8个样本。

我们将在Simulink中使用Speedgoat实时目标，使用IO104模拟I / O接口卡。金宝appSpeedgoat允许我们实现低至一两个样本的延迟。

为了实现我们的实时模型，我们使用我们之前测试的构建块，并只需替换SpeedGoat I / O块的声学模型。我们还包括从ANC扬声器的声学反馈的测量到参考麦克风，并且在切换到实际的ANC模式之前，我们添加了一些逻辑以自动测量辅助路径10秒钟。在前10秒钟内，在ANC扬声器上播放白噪声，并且每个麦克风将启用两个NLMS过滤器。然后，为方便起见，模型播放“噪声源”，但ANC系统的实际输入是参考麦克风（此播放可以由真实噪声源代替，例如右侧的风扇管）。系统记录参考麦克风，适应ANC NLMS滤波器并计算ANC扬声器的信号。我们注意设置模型属性，以便IO104卡推动Simulink模型的节奏（见金宝appIO104在中断驱动模式下）。要访问模型的文件夹，请单击“打开脚本”按钮打开示例。该模型的文件名为“speedgeat_fxlms_anc_model.slx”。

降噪性能

我们已经测量了这种ANC原型的性能与双音和偏偿洗衣机的实际记录。我们为双音调获得了20-30 dB的降噪，记录为8-10 dB，这是一个更现实但更难的案例。过滤器的收敛速度小于几秒钟，色调需要更多时间（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和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来计算从参考麦克风抗噪声信号的最大时间。使用相同的NLMS识别技术，我们得到了参考麦克风对误差麦克风的响应如下:

然后，我们可以比较响应次要路径估计：

差异仅为两三个样本，因此使用我们当前的主动扬声器和SpeedGoat，我们无法显着减少参考麦克风和我们原型中的ANC扬声器之间的距离。为了减少距离，我们需要一个不会引入任何额外延迟的扬声器。我们还可以提高Simulink模型的采样率（速度Geat延迟被设置为一个或两个样本，无论采样率如金宝app何）。

参考文献

郭S. M.和D. R.摩根“主动噪声控制：教程评论，”《IEEE学报》第87卷第1期。1999年6月，第943-973页。

K.-c.陈，C.Y.Chang和S. M. Kuo，“导管中的主动噪声控制取消宽带噪声”，IOP会议系列：材料科学与工程，Vol。237，没有。1,2017。https://iopscience.iop.org/article/10.1088/1757-899x/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

也可以看看：使用滤波x LMS FIR自适应滤波器的主动噪声控制