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。这一原理已成功应用于多种应用，如降噪耳机、汽车内部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)以及它的IO104模拟模块。Speedgoat是Simulink的外部实时目标，它允许我们实时执行我们的模型，并实时观察任何感兴趣的数据，如自适应滤波器系数。金宝app

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非国大。风管入口处的噪声源（如风扇）由扬声器“抵消”。噪声源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输出和误差传声器之间的传递函数。二次路径估计年代（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，我们必须同时估计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反馈，然后在ANC系统调整主路径时保持不变。

滤波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。

从过滤-X NLMS ANC系统的模型开始，包括ANC控制器和风管的声学环境。假设我们已经有了二次路径的估计值，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由主声路过滤的噪声源和由次声路过滤的ANC输出的总和。在配置中使用“LMS更新”块，以最小化错误麦克风捕获的信号。在Filtered-X系统中，NLMS更新的输入是通过二次路径估计值过滤的噪声源。为了避免代数循环，在计算新的滤波器系数和LMS滤波器使用它们之间有一个延迟。

辅助路径设置为年代（n)=[0.5 0.5-.3-.3-.2-.2]和卷积和多项式相乘（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，一旦与次要路径卷积，它将与我们模型中的主要路径匹配。注意年代（n)及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次级路径。在适合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，我们使用前面测试过的构建块，并简单地用Speedgoat I/O块替换声学模型。我们还包括测量从ANC扬声器到参考话筒的声音反馈，并添加了一些逻辑，以便在切换到实际ANC模式之前自动测量10秒的次级路径。在前10秒内，ANC扬声器会播放白噪声，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“噪声源”，但ANC系统的实际输入是参考话筒（此播放可由真实噪声源代替，如风管右端的风扇）。系统记录参考话筒，自适应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:

差异只有两到三个样本，因此使用我们当前的有源扬声器和Speedgoat，我们无法在原型中显著缩短参考话筒和ANC扬声器之间的距离。为了缩短距离，我们需要一个不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（Speedgoat延迟设置为一个或两个采样，而不管采样率如何）。金宝app

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。

陈国强、张春云和郭世明，“管道中的主动噪声控制以消除宽带噪声”，载于IOP会议系列：材料科学与工程，第237卷，2017年第1期。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

参见:基于滤波x LMS FIR自适应滤波器的有源噪声控制