关于基于FXLMS算法的矿用有源耳罩的探索

   作者：郑晓敏

   在个体噪声防护方面，采用降噪耳罩。而传统降噪耳罩对控制中高频噪声较为有效，对低频段的机械噪声来说效果并不明显。为此，一种新的降噪技术应运而生一主动降噪技术。主动降噪技术对降低低频噪声有较好效果，弥补了传统降噪手段的不足。

    有源噪声控制技术研究始于上世纪70年代，南京大学声学研究所、北京市劳动保护科学研究所和中国科学院声学研究所先后进行了管道有源消声技术的研究，清华大学和西北工业大学相继也开展了相关的研究。但是有源噪声控制在矿井中的研究应用较少，矿井中的噪声与地面噪声相比，其特点是设备多、功率大，作业场所狭窄封闭，易形成混合噪声。在矿井中，设备噪声主要存在周期噪声，而周期噪声的叠加仍是周期信号，本文对单频周期信号进行有源降噪的研究，为以后有源降噪技术在矿井的应用奠定一定基础。

1  自适应有源噪声控制

    主动降噪技术即有源噪声控制技术( ActiveNoise Control，ANC)，是利用声波干涉原理，在指定区域内人为地产生一个与初级噪声幅度相等、相位相反的次级噪声，所形成的初级声场和次级声场相互抵消从而达到降噪的目的。

随着大规模集成电路、电子计算机技术的飞速发展，及其磁盘存储容量的大幅度增大，随机数字信号处理技术得到深入研究。1981年，Burgress首次将自适应滤波理论应用于有源噪声控制，就将有源噪声控制系统进一步发展为自适应有源噪声控制(Adaptive Active Noise Control，AANC)系统，其核心就是自适应滤波器和相应的自适应算法，如图1所示。自适应有源噪声控制有效解决了具有时变性、输入信号或声场不稳定等噪声，是一种具有自动追踪初级噪声信号特性，控制器可随时间变化而变化，控制器能够自动调节次级声信号、跟踪初级声信号及环境参数变化，从而确保次级声信号有效地抵消初级声信号，提高降噪效果。

1.1fxlms算法

    在AANC系统，自适应滤波器和相应的自适应算法一直是一门热门研究课题，迄今为止，已提出了数十种自适应算法和滤波器结构。此次研究考虑到可靠性、系统成本、技术成熟度等因素，采用fxlms算法。

将图1所示的自适应有源噪声控制系统等效为如图2所示的简化框图。u(n)为输入信号，d(n)为期望响应，y(n)为输出信号，e（n）为误差信号，可得到该AANC系统的计算过程。

1.2系统结构

系统结构框如图3，由于系统或将用于煤矿井下的粉尘、水雾环境，外置麦克风恐怕不耐用，本项目拟采用单麦克风的FBANC( Feedback Active NoiseControl，FBANC)技术。误差信号麦克风采集误差信号，经数字信号处理器处理后形成数字信号，在信号处理芯片内完成自适应滤波，然后输出到次级声源。关于处理芯片的选型，应结合算法的性质、运算量、速度要求等来选型。

2  次级通道建模技术

    在有源降噪耳机系统研究中，次级通道建模的研究是非常重要的一部分。在自适应降噪的研究过程中，单频降噪仅在某些特定的情况下稳定，主要原因是次级通道的非理想性。若在自适应算法收敛过程中，将次级通道特性当做已知信息提供给算法，会有助于系统稳定。次级通道指的是：DA+耳机振动单元+耳蜗附近声空间耦合+麦克风+AD+滤波。由于次级通道涉及数模、电声、声耦合、声电、模数等环节，变数多，极易不稳定。次级通道建模分为在线建模和离线建模两种。对于本研究而言，次级通道通常不会发生变化，因此可采用离线建模技术。

3硬件选择

    整个硬件架构分为主从运算两部分，主运算部分完成自适应算法，从运算部分主要用于次级通道整形、抗混叠滤波、平滑滤波等功能。

3.1  主运算部分

    研发过程选择TI的DSP - C6747做为主开发芯片，其特性如下：

    主频300MHz，每秒可执行2400百万条定点指令，每秒可执行1800百万条浮点指令；

    SDRAM:2片，空间是512 Mb；

    6道输入，16位精度的ADC7656，LSB 0.152m；

4道输出，12位精度DAC7724。

    自适应算法要完成大量的滤波算法，而且必须得实时处理噪声，因而对浮点计算的速度，尤其是乘法计算的速度有较高要求。C6747是TI公司专门针对浮点运算而开发的高性能芯片，满足本项目需求。

3.2从运算部分

    从运算部分选择ADI的ADAU1772处理器，该处理器主要特点是环路延迟只有38us，小的环路延迟有利于减小次级通道延迟，从而增加算法的收敛速度，也有利于系统的稳定性。1772采用4路24bits的sigma_delta ADC，高精度过采样ADC充分有利于降低系统底噪，提高系统信噪比。

利用matlab拟合出一个64阶的带通滤波器，截取项目关心的频带，如图5所示。

4  系统实现与测试分析

    滤波阶数M可在[64，128]，自适应步长u可在[0. 01，0.02]之间进行选取，系统收敛。本系统滤波阶数选64阶FIR滤波器，自适应步长u选0. 001，分析带宽为SkHz，因而采样率为10kHz，一个时钟周期最大的时域延迟可达100ms。本文分别对1kHz正弦信号和伴随随机信号的lkHz正弦信号进行降噪分析。

4.1  测试lkHz正弦信号的降噪能力

在噪声实验室中发出lkHz的正弦信号，测试该信号的能量以及消声后的误差能量，将所得数据输入给MATLAB8.0进行分析，仿真结果如图7所示。图6是正弦信号与误差信号的对比图。黑色部分为正弦波形，由于波形密集，所以全部呈现黑色，但是可以看出正弦的幅度为1。灰色部分为消声后的误差信号，灰色轮廓为其包络线。误差信号大约在2000次运算之后，几乎降至底噪。

    图6为两路信号的频谱图，其中的曲线为环境中1kHz的单音频谱，在1kHz处有约30dB的峰起，另外的曲线则为降噪后的信号，很明显，单音信号被消至底噪。

    由此可得，对于单音信号能很大程度上降低能量，图6显示降低约为30dB。这是在理想环境中的实验结果，但在实际环境中的噪声，含有丰富的底噪，这些底噪几乎是随机信号。下面做一个包含丰富底噪的环境降噪实验。

图7中加入了随机噪声，其信号能量约为单音信号的20%。通过消声实验，与图6的频谱对比可以看出，单音信号被干净的消除；但时域中，灰色部分变粗，表明随机信号并未被消除。

5结论

本文搭建了降噪耳机的实物系统，熟练运用理论，完成FBANC结构下的fxlms算法的调试。在本模型下该算法对lkHz单频噪声的降噪能力能达到30dB。并证实了随机噪声对单频噪声的降噪效果，几乎没有影响。目前，国内外对有源降噪耳罩在矿井中应用还处于探索阶段。下一步还需对混合噪声、随机噪声的降噪进行研究，以使有源降噪耳罩在矿井中得到广泛应用。

6摘要：基于矿井中低频噪声突出，存在时间长、危害大，尤其周期性噪声比重较大，而传统降噪技术对其降噪效果并不明显，提出了基于fxlms算法的自适应有源降噪耳罩降低矿井中的低频周期性信号，并采用离线建模方法建立了次级通道模型，利用MATLAB8.0拟合了64阶的滤波器，对矿井中具有代表性的lkHz低频周期噪声和伴有随机噪声的lkHz低频周期性噪声进行了降噪仿真研究。结果表明：lkHz低频周期性噪声的降噪量达到了30dB。而且在本模型下，随机噪声对低频周期性噪声的降噪效果几乎没有影响。