lms语音降噪matlab实现_ANC主动降噪理论及Matlab代码实现

根据系统是否有参考信号传感器可将ANC系统大致的分为前馈型和反馈型。

前馈控制是产生次级噪声之前就通过传感器测量初级噪声的频率以获取参考信号。

反馈控制不需要测得参考信号就产生次级噪声进行相消干涉

反馈型ANC系统

反馈型 ANC 系统中没有传感器来测得参考输入信号，仅通过误差传感器获取经相消干涉后的残余噪声并将其送入到反馈控制器，进而达到调节次级声源$y_n$的目的，使其发出与初级噪声幅值相等相位相反的次级噪声

反馈型ANC系统避免了对初级噪声的提取，也就不存在FM问题，反馈系统因具有一定的主动阻尼而可以有效抑制系统的暂态信号。但是反馈型系统鲁棒性较差，且对宽带噪声的处理能力较差，一般适用于无法安装参考信号传感器的场景。

前馈型ANC系统

前馈型ANC系统相较于反馈型增加了一个获取参考信号的传感器。误差传感器测得的残余噪声信号连同传感器获取的参考信号均作为控制器的输入。参考信号可由声学传感器获取，也可由非声学传感器(如转速计、加速度计等)获得。但声学传感器的引入容易造成声反馈现象，从而削弱系统的鲁棒性。故而窄带 ANC 系统中的参考信号一般由非声学传感器采集。通过非声学传感器可采集到噪声源信号的同步信号(如转速、加速度等)，按照一定的线性关系可将其转换为频率值，根据该频率值可使信号发生器产生与窄带噪声频率一致的参考信号。前馈型 ANC 系统的物理模型如图 2.2 所示。

其中，控制器以参考信号和残余噪声为输入，产生并调节次级声源信号$y_n$ ，驱动次级扬声器发出次级噪声，与初级声源产生的噪声进行相消干涉，最终使得误差传感器处的声压值最小。前馈型 ANC 系统具有很强的鲁棒性，且不仅适用于窄带噪声信号，也可用于处理宽带噪声信号。

传统ANC算法

噪声信号随时间的推移而不断变化，其特性无法进行预先估计，这一性质导致噪声很难被实时跟踪。ANC 技术要求对时变的噪声输入信号进行跟踪，从而调节控制器使产生的次级噪声信号能最大的削弱噪声输入信号。自适应数字信号处理可以很好的跟踪时变信号，通过某种优化误差准则不断调整产生所需信号。而这种优化误差准则实际上就属于 ANC 算法。

FXLMS算法

ANC系统传统算法结构

其中$W_n(z)$为自适应滤波器，$S(z)$次级通道；$p(n)$为初级噪声；$e(n)$为系统残余噪声；x(n)为参考噪声。最小均方误差(Least Mean Square, LMS)算法以最陡下降法为奠基石，具有较为出众的迭代更新速度，应用非常广泛。但在ANC系统中，次级通道$S(z)$的存在会导致残余信号和参考信号间存在延时，进而削弱ANC系统的稳定性。

Morgan 在 LMS 的基础上提出了