买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈曼国际工业有限公司

摘要：使用估计的滤波器路径传递函数来生成参考信号的估计的输出信号，所述估计的滤波器路径传递函数提供对穿越物理路径的声波的估计的影响，所述估计的滤波器路径传递函数根据对角化矩阵和参考信号来执行处理。使用自适应滤波器从所述参考信号生成抗噪声信号，所述自适应滤波器由从学习算法单元接收的学习单元信号驱动，所述学习单元信号部分地基于从所述估计的输出信号生成的误差输出信号，所述抗噪声信号包括每个声区和每个参考信号的信号，每个声区包括麦克风和一个或多个扬声器。对所述抗噪声信号执行跨参考求和以生成每个声区的输出信号组。通过所述对角化矩阵处理所述输出信号组以生成每个扬声器的输出信号组。

主权项：1.一种用于消除多个声区中的环境噪声的主动噪声消除系统，所述主动噪声消除系统包括：多个声区，所述多个声区各自包括一个或多个麦克风和一个或多个扬声器；对角化矩阵，其中所述对角化矩阵是在所述主动噪声消除系统的运行时间之前进行预计算；以及音频处理器，所述音频处理器被编程以：使用估计的声学传递函数通过自适应滤波器组基于参考信号和反馈误差信号而生成自适应滤波器输出信号，所述估计的声学传递函数提供对穿越物理路径的声波的估计的影响，所述自适应滤波器组由学习算法单元驱动，所述学习算法单元至少接收频域参考信号和从估计的输出信号和反馈误差信号生成的误差处理输出信号作为输入；对所述自适应滤波器输出信号求和以生成每个声音区域的抗噪声信号组；使用所述对角化矩阵来处理所述抗噪声信号组以生成每个扬声器的输出信号组；以及使用所述每个扬声器的输出信号来驱动所述扬声器以施加所述抗噪声信号来消除每个音区中的环境噪声。

全文数据：利用对角化滤波器矩阵的主动噪声消除系统技术领域本公开的各方面总体涉及利用对角化滤波器矩阵的主动噪声消除系统。背景技术主动噪声消除ANC可以用于生成相消地干涉不需要的声波的声波或抗噪声。不希望的噪声的潜在来源可能来自不需要的语音、暖通空调系统以及房间听音空间中的其他环境噪声。潜在来源还可能来自车辆发动机、轮胎与道路的相互作用以及车舱听音空间中的其他环境噪声。ANC系统可以使用前馈和反馈结构来自适应地调配抗噪声信号。放置在潜在来源附近的传感器为前馈结构提供参考信号。放置在听音者的耳朵位置附近的传感器为反馈结构提供误差信号。一旦调配好，就可以通过扬声器产生相消地干涉的抗噪声声波以与不需要的声波组合，从而试图消除不需要的噪声。抗噪声声波和不需要的声波的组合可以消除或最小化听音空间内的一名或多名听音者对不需要的声波的感知。可以使用扬声器阵列和提供隔音的音频处理技术来生成声区。使用这种系统，可以在具有来自邻近声区的有限的干涉信号的情况下将不同的声音素材输送到不同区中。为了实现声区，可以使用学习算法来设计一种系统以将多个声源的响应调整成近似再现区域中的所需的声场。发明内容在一个或多个说明性实例中，一种主动噪声消除系统使用对角化矩阵来处理抗噪声信号。所述系统实现了声区，所述声区各自包括一个或多个麦克风和一个或多个扬声器。所述系统包括对角化矩阵，所述对角化矩阵被离线设计来实现声区。所述系统还包括音频处理器，所述音频处理器被编程为使用估计的声学传递函数通过自适应滤波器系统基于参考信号和反馈信号而为每个声区生成抗噪声信号，所述估计的声学传递函数提供对穿越物理路径的声波的估计的影响。自适应滤波器由学习算法单元驱动。学习算法单元部分地是基于反馈误差信号、参考信号和通过估计的声学传递函数结合对角化矩阵实现的滤波后的参考信号。抗噪声信号包括每个声区的信号。所述系统对自适应滤波器输出信号执行跨滤波参考求和以生成每个声区的抗噪声信号组；使用对角化矩阵来处理所述抗噪声信号组以生成每个扬声器的输出信号组；并且用每个扬声器的输出信号驱动扬声器以施加抗噪声信号来消除每个区中的环境噪声。在一个或多个说明性实例中，一种使用对角化矩阵的主动噪声消除方法执行环境噪声的消除。使用估计的滤波器路径传递函数来生成参考信号的估计的输出信号，所述估计的滤波器路径传递函数提供对穿越物理路径的声波的估计的影响，所述估计的滤波器路径传递函数根据对角化矩阵和参考信号来执行处理。使用由从学习算法单元接收的学习单元信号驱动的自适应滤波器从参考信号生成初步抗噪声信号。学习单元信号部分地是基于从估计的输出信号生成的误差输出信号。抗噪声信号包括每个声区和每个参考信号的信号。每个声区包括麦克风和一个或多个扬声器。对初步抗噪声信号执行跨参考求和以生成每个声区的输出信号组。通过对角化矩阵处理所述输出信号组以生成每个扬声器的输出信号组。使用每个扬声器的输出信号来驱动扬声器以施加抗噪声信号来消除环境噪声。附图说明图1示出了包括两个声区的示例声音系统；图2示出了用于调谐图1的滤波器矩阵的系统的示例半信号流；图3示出了示例ANC系统和示例物理环境；图4示出了使用对角化滤波器矩阵来在声区方面执行ANC的示例多信道ANC系统；并且图5示出了用于在ANC系统中使用对角化滤波器矩阵来执行主动噪声消除的示例过程。具体实施方式根据要求，本文中公开了本发明的详细实施方案；但是应理解，所公开的实施方案仅示例性说明本发明，本发明可以体现为不同和替代形式。附图不一定按比例绘制；一些特征可能会被放大或最小化以示出特定部件的细节。因此，本文公开的特定结构和功能细节不应解释为是限制性的，而是仅作为用于教导本领域技术人员以各种方式采用本发明的代表性基础。传统上，主动噪声消除系统使用基于最小均方LMS的算法，诸如滤波-x最小均方FxLMS算法或其他变型。这类方案需要大量的参考和反馈麦克风信号的输入信道，以及大量的扬声器的输出信道。传统算法通常采用大型滤波器系统，所述滤波器系统在操作中是自适应的。噪声消除的性能依赖于整个滤波器系统的收敛。由于复杂的声学环境和非常有限的自适应时间，通常难以实现最优收敛，这会导致不满意的性能。本公开将主动噪声消除ANC系统与对角化滤波器矩阵组合。这种组合通过将ANC的扬声器到麦克风的传递函数矩阵对角化来简化车舱声学管理。通过将对角化矩阵与ANC组合，本公开将噪声消除工作分为i离线声学调谐，即，对角化滤波器矩阵的设计；以及ii解耦的简化的ANC滤波器系统的实时自适应。因此，使用对角化矩阵来降低计算复杂性，所述系统能产生更快的收敛速度并且提高消除性能。图1示出了包括两个声区的示例系统100。声区可以在各种背景下，诸如针对车辆内部的不同就座位置来实施。在所示的系统100中，音频信号和传递函数是频域信号和函数，所述频域信号和函数分别具有对应的时域信号和函数。第一声区输入音频信号Y1z意图在第一声区Z1z中再现，而第二声区输入音频信号Y2z意图在第二声区Z2z中再现。值得注意的是，所示的声区系统是没有反馈的单向系统。应注意，为了便于解释，两个声区的图示被提供为最小版本，并且可以使用具有更大数量声区的系统。在所示的实例中，输入音频信号Y1z和Y2z通过逆滤波器和来预滤波。滤波器输出信号如图1所示进行组合。特别地，供应到第一扬声器的信号U1z可以表示为：并且供应到第二扬声器的信号U2z可以表示为：第一个扬声器将信号U1z作为声学信号进行辐射，所述声学信号相应地穿越物理路径S11z和S12z并且到达第一声区和第二声区。第二扬声器将信号U2z作为声学信号进行辐射，所述声学信号相应地穿越物理路径S21z和S22z并且到达第一声区和第二声区。理想地，实际存在于两个声区内的声音信号分别表示为Z1z和Z2z，其中：Z1z＝H11z·Y1z+H21z·Y2z3并且Z2z＝H12z·Y1z+H22z·Y2z4在等式3和4中，传递函数H11z表示频域中的整体系统传递函数，即，对角化滤波器和以及房间传递函数S11z，S21z，S12z和S22z的组合。理想地，H12z和H21z等于0。以上等式1至4也可以矩阵形式写出，其中等式1和2可以组合成：和Zz＝SzUz6其中Yz是由输入信号构成的向量，即，Yz＝[Y1z，Y2z]T，Uz是由扬声器信号构成的向量，即，Uz＝[U1z，U2z]T，是表示对角化滤波器传递函数的2×2矩阵并且Sz是表示频域中的房间脉冲响应的2x2矩阵将等式5和6组合产生：从以上等式7可以看到，如果：即，如果滤波器矩阵等于房间脉冲响应矩阵的逆矩阵S-1z加上N个样本的附加延迟其至少表示声学延迟，则到达第一区Z1z的声学信号等于第一声区信号Y1z，并且到达第二区Z2z的声学信号等于第二声区信号Y2z，但是与输入信号相比较，由于N个样本的延迟而出现延迟。也就是说：Zz＝IzYz·z-N＝Yz·z-N9其中并且Iz是2x2单位矩阵。因此，从数学观点来看，设计声区再现系统是对表示频域中的房间脉冲响应的传递函数矩阵Sz求逆的问题，即，通过设计对角化矩阵来将整体系统传递函数矩阵对角化的问题。在使用区声音再现系统之前，可以离线执行这种计算。已知各种方法可用于矩阵求逆。例如，方矩阵的求逆在理论上可以如下确定：这是克莱姆法则应用于等式8的结果在等式10中忽略了延迟。表述adjSz表示方矩阵Sz的伴随矩阵。人们可以看到，预滤波可以分两个阶段完成，其中滤波器传递函数adjSz确保对串扰和滤波器传递函数detS-1的阻尼能补偿由传递函数adjSz引起的线性失真。伴随矩阵adjSz带来因果滤波器传递函数，而补偿滤波器Gz＝detS-1可能更难设计。然而，几种已知的用于逆滤波器设计的方法可能是适宜的。在名称为“Soundwavefieldgeneration”的美国专利公布号2015350805中详细描述的个别声区ISZ功能中说明了设计滤波器矩阵的其他方面，所述专利公布以引用的方式整体并入本文。图2示出了用于调谐图1的对角化滤波器矩阵的系统的示例半信号流200。例如，图2所示的细节对应于针对输入信号Y1z的处理执行的滤波。一般而言，所示的系统接收输入信号Y1z，并且使用滤波器矩阵和来处理信号Y1z以生成扬声器信号U1z和U2z。U1z相应地穿越物理路径S11z和S12z并且到达第一声区和第二声区。类似地，U2z相应地穿越物理路径S21z和S22z并且到达第一声区和第二声区。在声学混合并由麦克风接收之后，将麦克风215的输出进一步与输入信号Y1z进行比较以生成误差信号E1z，并且使用麦克风216的输出来生成误差信号E2z。通过调整和误差信号E1z和E2z相应地被最小化，使得Y1z在第一声区中再现，并且在第二声区中最小化。可以另外提供类似的信号流以根据滤波器矩阵和来处理输入信号Y2z，以使Y2z在第二声区中再现，并且在第一声区中最小化。更特别地，输入信号Y1z供应到四个滤波器201-204，所述滤波器201-204形成建模的声学传递函数和的2x2矩阵，并且供应到两个滤波器205和206，所述滤波器205和206形成包括和的滤波器矩阵。滤波器205和206由学习单元207和208控制，由此学习单元207接收来自滤波器201和202的信号以及误差信号E1z和E2z，并且学习单元208接收来自滤波器203和204的信号以及误差信号E1z和E2z。滤波器205和206为扬声器209和210提供信号U1z和U2z。信号U1z由第一扬声器209经由声学路径211和212相应地辐射到麦克风215和216。信号U2z由第二扬声器210经由声学路径213和214相应地辐射到麦克风215和216。麦克风215和216分别基于所接收的信号和所需的信号Y1z而生成误差信号E1z和E2z。具有传递函数和的滤波器201-204对各种声学路径211-214进行建模，所述声学路径211-214具有相应的传递函数S11z、S12z、S21z和S22z。应注意，虽然所示的实例200每个声区包括一个麦克风，但是可以实施每个声区利用多个麦克风来提高准确度的其他调谐系统。图3示出了示例ANC系统300和示例物理环境。在ANC系统300中，不需要的噪声源Xz可以穿越物理路径304到达麦克风306。物理路径304可以由未知的频域传递函数Pz表示。因噪声穿越物理路径304而获得的不需要的噪声可以被称为PzXz。Xz可以使用传感器测量并且通过使用模数AD转换器获取。不需要的噪声源Xz也可以用作自适应滤波器308的输入，所述自适应滤波器308可以被包括在抗噪声发生器309中。自适应滤波器308可以由频域传递函数Wz表示。自适应滤波器308可以是数字滤波器，所述数字滤波器被配置成动态地适应来对输入进行滤波以产生所需的抗噪声信号310作为输出。抗噪声信号310和由音频系统314生成的音频信号312可以被组合来驱动扬声器316。抗噪声信号310和音频信号312的组合可以从扬声器316产生声波输出。扬声器316由图3中的具有扬声器输出318的求和运算表示。扬声器输出318可以是穿越包括从扬声器316到麦克风306的路径的物理路径320的声波。物理路径320在图3中可以由频域传递函数Sz表示。可以由麦克风306接收扬声器输出318和不需要的噪声，并且可以由麦克风306生成麦克风输出信号322。在其他实例中，可以存在任何数量的扬声器和麦克风。通过处理麦克风输出信号322，可以从麦克风输出信号322中去除表示音频信号312的分量。可以处理音频信号312以反映音频信号312的声波对物理路径320的穿越。这种处理可以通过将物理路径320估计为建模的声学路径滤波器324来执行，所述建模的声学路径滤波器324提供对穿越物理路径320的音频信号声波的估计的影响。建模的声学路径滤波器324被配置成模拟对行进穿过物理路径320的音频信号312的声波的影响并且生成输出信号334。在图3中，建模的声学路径滤波器324可以表示为频域传递函数可以处理麦克风输出信号322，使得表示音频输出信号334的分量像通过求和运算326指示的那样去除。这可以通过在求和运算326处将滤波后的音频信号反相并将反相的信号添加到麦克风输出信号322来进行。可选地，可以减去滤波后的音频信号，或可以使用用于去除所述信号的任何其他机制或方法。求和运算326的输出是误差信号328，所述误差信号328可以表示在投射穿过扬声器316的抗噪声信号310与源自Xz的不需要的噪声之间的任何相消干涉之后剩余的可听信号。从麦克风输出信号322去除表示音频输出信号334的分量的求和运算326可以被认为包括在ANC系统300中。误差信号328传输到实时学习算法单元LAU330，所述LAU330可以被包括在抗噪声发生器309中。LAU330可以实施各种学习算法，诸如最小均方LMS、递归最小均方RLMS、归一化最小均方NLMS或任何其他合适的学习算法。LAU330还接收由建模的声学路径滤波器324滤波的不需要的噪声源Xz作为输入。LAU输出332可以是传输到自适应滤波器308的更新信号。因此，自适应滤波器308被配置成接收不需要的噪声源Xz和LAU输出332。LAU输出332传输到自适应滤波器308，以便通过提供抗噪声信号310来更准确地消除不需要的噪声源Xz。诸如图3所描述的ANC方案需要大量的噪声源参考和反馈麦克风信号的输入信道，以及大量的扬声器的输出信道。此外，噪声消除的性能依赖于整个滤波器系统的收敛。由于复杂的车舱声学环境和非常有限的自适应时间，通常难以实现最优收敛，这会导致不满意的性能。在这类实现方式中，面对复杂的车舱声学环境，全实时自适应算法受制于自适应时间不足和计算资源限制。因此，这类系统通常不会产生最优解决方案并且会导致不满意的消除性能。此外，由于全耦合型自适应滤波器系统Wz，诸如图3所示的ANC系统的性能对所有麦克风306的输入都是敏感的。一个麦克风306的故障可能会导致与故障麦克风306相关联的特定座位区中的性能降级。这还可能会在其他座位区中引起性能变化，因为所述系统会在更少输入信息的情况下尝试适应下一个可能的最优解决方案。图4示出了使用对角化滤波器矩阵418来在声区方面执行ANC的示例多信道ANC系统400。作为系统400中的惯例，假设L是扬声器的数量，M是麦克风和就座区的数量，R是参考信号例如，测量的噪声源的信道的数量，[k]是频域中的第k个样本，并且[n]是时域中的第n个样本或第n帧。如下文进一步详细所解释，多信道ANC系统400可以如相对于图3所描述的ANC系统300类似的方式操作，但是使用如相对于图1至图2所描述的声区概念来降低系统处理要求。更特别地，R个参考信号402指示物理上靠近噪声源并穿越物理路径404的感测信号。由于参考信号402靠近源，因此所述参考信号可以提供在时间上领先的信号。参考信号402可以标注为xr[n]，其中r＝1...R，作为维度R的向量，表示时域中的与时间相关的参考信号402。物理路径404可以标注为pr,m[n]，其中r＝1...R并且m＝1...M，作为R×M的矩阵，表示主路径在时域中的与时间相关的传递函数。如下文更详细所论述，源自参考信号402的噪声连同来自扬声器422的声音一起在空气406中组合并且由M个误差麦克风408接收。R个参考信号402还可以输入到自适应滤波器410，所述自适应滤波器410可以是数字滤波器，所述数字滤波器被配置成动态地适应来对参考信号402进行滤波以在跨参考求和414之后产生所需的抗噪声信号416作为输出。自适应滤波器410可以使用符号wr,m[n]，表示时域中的与时间相关的自适应w-滤波器，其中r＝1...R并且m＝1...M，从而给出R×M的矩阵。如其名称所指示，自适应滤波器410瞬时地变化，从而适时地适应来执行ANC系统400的自适应功能。自适应滤波器410的输出可以提供到跨参考求和414组合器。跨参考求和414可以提供抗噪声信号416，其中M个输出是呈ym[n]形式，其中m＝1...M，表示每个麦克风在时域中的与时间相关的抗噪声信号。然而，由于抗噪声信号416包括一组M信号一个误差麦克风408一个信号，因此抗噪声信号416需要变换以便提供到L个扬声器422。因此，抗噪声信号416可以提供到对角化滤波器矩阵418，所述对角化滤波器矩阵418可以将M个抗噪声信号416变换为每个扬声器的L个输出信号420。对角化滤波器矩阵418可以使用符号其中m＝1...M并且l＝1...L，给出M×L的矩阵，表示时域中的与时间无关的离线训练的对角化滤波器。应注意，诸如上文相对于图2中完成的训练所描述对对角化滤波器矩阵418预编程序。与自适应滤波器410相反，对角化滤波器矩阵418是固定的，并且在ANC系统400的操作期间不进行调整。每个扬声器的输出信号420可以yl[n]形式引用，其中l＝1...L，表示时域中的与时间相关的扬声器输入信号。418的每个扬声器的输出信号420可以应用于扬声器422的输入。基于每个扬声器的信号420，扬声器422因此可以将扬声器输出产生为声学声波，所述声学声波从扬声器422穿越声学物理路径424经由空气406到达误差麦克风408。物理路径424可以由传递函数sl,m[n]表示，其中l＝1...L并且m＝1...M，产生L×M的矩阵，表示声学路径在时域中的与时间相关的传递函数。因此，穿越主物理路径404的R个参考信号402和穿越声学物理路径424的扬声器输出在空气406中组合以由M个误差麦克风408接收。M个误差麦克风408可以生成M个误差信号426。误差信号426可以em[n]形式引用，其中m＝1...M，维度M的向量，表示时域中的误差麦克风信号。可以利用快速傅里叶变换FFT428将误差信号426转换为频域误差信号440。频域误差信号440可以被引用为Em[k,n]，其中m＝1...M，维度M的向量，表示频域中的与时间相关的误差麦克风信号。R个参考信号402也可以输入到FFT442，从而生成频域参考信号445。频域参考信号445可以标注为Xr[k,n]，其中r＝1...R，维度R的向量，表示频域中的与时间相关的参考信号。可以处理频域参考信号445以反映声学物理路径424中的穿越结合418的对角化滤波的影响。这种处理可以通过将建模的物理路径424与对角化滤波器矩阵418组合在一起，利用所得的对角化的估计的路径滤波器436来执行。可以根据等式来形成估计的路径滤波器436，其中m＝1...M，M的向量，表示声学路径在频域中的与时间无关的对角化的估计的传递函数。数量可以表示对角化滤波器矩阵418在频域中的与时间无关的离线训练的设计解决方案，其中m＝1...M并且l＝1...L，从而给出M×L的矩阵。数量可以表示声学路径424在频域中的与时间无关的估计的传递函数。运算符diag用于提取对角元素，从而将M×M矩阵转换为维度M的向量。估计的路径滤波器436可以提供估计的输出信号438，所述估计的输出信号438表示频域中的与时间相关的处理后的频域参考信号445将对角化滤波器矩阵418考虑在内。估计的输出信号438可以形式引用，其中r＝1...R并且m＝1...M，伴有矩阵R×M。误差处理器441可以接收频域误差信号440和估计的输出信号438。误差处理器440可以产生呈形式的误差处理输出信号443，表示频域中的与时间相关的处理后的麦克风频域误差信号440使用基于频域参考信号445的估计的输出信号438，其中r＝1...R并且m＝1...M，伴有矩阵R×M。误差处理器441可以根据等式来执行处理，其中是的共轭复数，并且Em[k，n]表示频域中的与时间相关的误差麦克风信号440，其中m＝1...M，伴有维度M的向量。误差处理输出信号443可以提供到学习算法单元LAU444。LAU444还可以接收频域参考信号445作为输入。LAU444可以实施各种学习算法，诸如最小均方LMS、递归最小均方RLMS、归一化最小均方NLMS或任何其他合适的学习算法。使用所接收的输入443和445，LAU444生成LAU输出446。LAU输出446可以提供到自适应滤波器410，以指导自适应滤波器410动态地适应来对参考信号402进行滤波以产生所需的抗噪声信号416作为输出。在一些情况下，LAU444还可以接收一个或多个调谐参数448作为输入。在一个实例中，为μ[k]的调谐参数448可以提供到LAU444。参数μ[k]可以表示频域中的与时间无关的自适应步长。应注意，这仅是一个实例，并且其他调谐参数448也是可能的。对角化滤波器矩阵418按滤波器对扬声器分组，逐区地分离扬声器传递函数，离线调谐车舱声学性质并对其进行解耦，并且基于独立的麦克风反馈而实时地适应噪声消除。在多信道ANC系统400中使用对角化滤波器矩阵418的这种组合通过将ANC的扬声器到麦克风的传递函数矩阵对角化来简化车舱声学管理。通过将对角化滤波器矩阵418与ANC组合，所示的系统400将噪声消除工作分为i离线声学调谐，即，对角化滤波器矩阵418的设计；以及ii解耦的简化的ANC系统400的实时自适应。在对角化滤波器矩阵418的离线声学调谐和设计中，调谐对角化滤波器矩阵418以基于扬声器422到麦克风408的传递函数的声学测量数据而对扬声器422进行分组。设计这种对角化滤波器矩阵418的一个实例在如上所述的美国专利公布号2015350805中详细描述的个别声区ISZ功能中进行了说明。由于这种学习会话离线进行，因此可以在没有计算时间和或运行时计算资源的压力的情况下执行对角化滤波器矩阵418的设计，这使得能够全面寻找最优解。在计算了对角化滤波器矩阵418的最优解之后，接着调配个别声区。因此，扬声器422按滤波器分组并且以设计好的方式协作以独立地将声音输送到误差麦克风408中的每一个处，其中在区误差麦克风408之间存在最小干涉。在实时自适应操作中，使用如通过对角化滤波器矩阵418分组的扬声器422，自适应消除滤波器按区来解耦。使用基于LMS的控制，系统400基于来自每个区的独立的麦克风反馈误差信号426，还基于参考信号402来进行适应。与为每个扬声器422提供输出相反，在这个操作中，一组自适应滤波器410仅为每个区提供一个输出。然后使用预调谐的对角化滤波器矩阵418对单区输出进行上升混合，从而在最小区到区干涉下维持扬声器422协作。这种解耦设定减少了自适应消除滤波器410的输入和输出的数量，从而承诺更快的收敛速度和更好的消除性能。因此，通过将消除工作分为离线声学调谐和实时自适应，系统400通过构造对角化滤波器矩阵418在充足的搜索时间和计算资源的情况下对复杂的车舱声学性质进行解耦，并且通过减少输入和输出信道数量来简化自适应消除滤波器系统。总体而言，获得了更快的收敛速度和更好的消除性能的优点。另外，由于ANC系统400是解耦的，因此它更为稳健。一个区中的性能对其他区具有最小的影响。任何麦克风408的故障可能只会导致受限于对应的座位区中的局部性能降级，从而维持其他座位区的性能，这归因于区彼此独立的事实。图5示出了用于在多信道ANC系统400中使用对角化滤波器矩阵418来执行主动噪声消除的示例过程500。在一个实例中，可以使用被编程为执行上文相对于图4详细描述的操作的音频处理器来执行过程500。在502处，设计并调谐对角化滤波器矩阵418。在对角化滤波器矩阵418的离线声学调谐和设计中，调谐对角化滤波器矩阵418以基于扬声器422到麦克风408的传递函数的声学测量数据而对扬声器422进行分组。上文相对于图1至图2描述了对角化滤波器矩阵418的设计和调谐的其他方面。在504处，音频处理器接收从麦克风408生成的误差信号426。可以生成每个声区的误差信号426。在一个实例中，每个声区可以包括一个或多个扬声器422和一个对应的麦克风408。在506处，音频处理器使用估计的路径滤波器436来为参考信号402生成估计的输出信号438。在一个实例中，估计的路径滤波器436接收通过FFT442从参考信号402生成的频域参考信号445，并且使用估计的函数来提供对由扬声器辐射并穿越通过滤波器矩阵418对角化的声学物理路径424的音频信号的估计的影响。在508处，音频处理器使用误差处理器440，使用估计的输出信号438和误差信号426来生成误差输出信号。在一个实例中，误差处理器440可以接收通过FFT428从误差信号426生成的频域误差信号440。误差处理器440可以使用估计的输出信号438产生呈表示与时间相关的处理后的麦克风频域误差信号440的形式的误差处理输出信号443在510处，音频处理器使用LAU444生成LAU输出446信号以驱动自适应滤波器410。在一个实例中，LAU444可以接收误差处理输出信号443和频域参考信号445，并且可以实施各种学习算法，诸如最小均方LMS、递归最小均方RLMS、归一化最小均方NLMS或生成在由自适应滤波器410处理时能最好地最小化环境噪声的LAU输出446信号的任何其他合适的学习算法。在512处，音频处理器使用由LAU444的LAU输出446驱动的自适应滤波器410从参考信号402生成抗噪声信号416。在一个实例中，自适应滤波器410可以接收参考信号402，并且根据LAU输出446对参考信号402进行滤波以产生所需的抗噪声信号416作为输出。在514处，音频处理器对自适应滤波器410输出执行跨参考求和414以生成抗噪声信号416即，每个声区的抗噪声信号。在一个实例中，自适应滤波器410可以提供每个声区和每个参考信号402的抗噪声信号416。跨参考求和414可以处理这些抗噪声信号416以为每个声区提供单个总和。在516处，音频处理器使用对角化滤波器矩阵418来从抗噪声信号416生成每个扬声器的输出信号420。在一个实例中，抗噪声信号416可以提供到对角化滤波器矩阵418，所述对角化滤波器矩阵418可以将M个抗噪声信号416变换为每个扬声器422的L个输出信号。在518处，音频处理器使用每个扬声器的输出信号420来驱动扬声器422以消除环境噪声。因此，扬声器422可以将扬声器输出产生为抗噪声的声学声波以消除环境噪声。在操作516之后，过程500结束。本文描述的计算装置通常包括计算机可执行指令，其中指令可以由诸如上文所列那些计算装置的一个或多个计算装置执行。计算机可执行指令可以从使用各种编程语言和或技术创建的计算机程序编译或解释，所述编程语言和或技术单独地或组合地包括，但不限于：JavaTM、C、C++、C#、VisualBasic、JavaScript、Perl等。一般而言，处理器例如，微处理器例如从存储器、计算机可读介质等接收指令，并且执行这些指令，从而执行包括本文描述的过程中的一个或多个的一个或多个过程。这类指令和其他数据可以使用各种计算机可读介质来存储和传输。虽然上文描述了示例性实施方案，但是这些实施方案并不意图描述本发明的所有可能形式。而是，在说明书中使用的措辞是描述而非限制的措辞，并且应理解，在不脱离本发明的精神和范围的情况下可以做出各种改变。另外，可以组合各种实施的实施方案的特征以形成本发明的其他实施方案。

权利要求：1.一种主动噪声消除系统，所述主动噪声消除系统使用对角化矩阵来处理抗噪声信号以消除多个声区中的环境噪声，所述主动噪声消除系统包括：多个声区，所述多个声区各自包括一个或多个麦克风和一个或多个扬声器；对角化矩阵；以及音频处理器，所述音频处理器被编程以：使用估计的声学传递函数通过自适应滤波器组基于参考信号和反馈误差信号而生成自适应滤波器输出信号，所述估计的声学传递函数提供对穿越物理路径的声波的估计的影响，所述自适应滤波器组由学习算法单元部分地基于所述反馈误差信号、所述参考信号和通过所述估计的声学传递函数结合所述对角化矩阵一起滤波的所述参考信号而驱动；对所述自适应滤波器输出信号执行跨参考求和以生成抗噪声信号组；使用所述对角化矩阵来处理所述抗噪声信号组以生成每个扬声器的输出信号组；以及使用所述每个扬声器的输出信号来驱动所述扬声器以施加所述抗噪声信号来消除每个区中的环境噪声。2.如权利要求1所述的主动噪声消除系统，其中所述学习算法单元利用基于最小均方LMS的算法来最小化因从所述学习算法单元向所述自适应滤波器施加信号所致的环境噪声。3.如权利要求1所述的主动噪声消除系统，其中所述音频处理器被进一步编程为从所述麦克风接收包括所述环境噪声的误差信号。4.如权利要求1所述的主动噪声消除系统，其中所述声区是车舱的座位。5.如权利要求1所述的主动噪声消除系统，其中所述音频处理器被进一步编程为使用快速傅里叶变换来从所述参考信号生成频域参考信号，并且将所述频域参考信号提供到估计的路径滤波器并提供到所述学习算法单元。6.如权利要求1所述的主动噪声消除系统，其中所述音频处理器被进一步编程为：使用快速傅里叶变换从接收自所述麦克风的所述误差信号生成频域误差信号；将所述频域误差信号提供到误差处理器；以及使用所述误差处理器来从估计的输出信号和所述频域误差信号生成所述反馈误差信号。7.如权利要求1所述的主动噪声消除系统，其中所述音频处理器被进一步编程为向所述学习算法单元提供调谐参数，所述调谐参数表示频域中的与时间无关的自适应步长。8.如权利要求1所述的主动噪声消除系统，其中所述对角化矩阵是在所述主动噪声消除系统的运行时间之前进行预计算。9.如权利要求1所述的主动噪声消除系统，其中所述对角化矩阵是根据对传递函数矩阵求逆而为房间进行设计，所述传递函数矩阵包括表示频域中的房间的脉冲响应的测量。10.一种使用对角化矩阵来消除环境噪声的主动噪声消除方法，所述主动噪声消除方法包括：使用估计的滤波器路径传递函数生成参考信号的估计的输出信号，所述估计的滤波器路径传递函数提供对穿越物理路径的声波的估计的影响，所述估计的滤波器路径传递函数是基于建模的声学传递函数和所述对角化矩阵而进行预计算和对角化，并且根据参考信号来执行处理；使用自适应滤波器从所述参考信号生成初步抗噪声信号，所述自适应滤波器由从学习算法单元接收的学习单元信号驱动，所述学习单元信号部分地基于从所述估计的输出信号生成的误差输出信号，所述抗噪声信号包括每个声区和每个参考信号的信号，每个声区包括麦克风和一个或多个扬声器；对所述初步抗噪声信号执行跨参考求和以生成每个声区的抗噪声信号组；通过所述对角化矩阵处理所述输出信号组以生成每个扬声器的输出信号组；以及使用所述每个扬声器的输出信号来驱动所述扬声器以施加所述抗噪声信号来消除所述环境噪声。11.如权利要求10所述的主动噪声消除方法，所述主动噪声消除方法还包括由所述学习算法单元利用基于最小均方LMS的算法来最小化因将所述学习单元信号施加到所述自适应滤波器所致的环境噪声。12.如权利要求10所述的主动噪声消除方法，所述主动噪声消除方法还包括从所述麦克风接收包括所述环境噪声的误差信号。13.如权利要求10所述的主动噪声消除方法，其中所述声区是车舱的座位。14.如权利要求10所述的主动噪声消除方法，所述主动噪声消除方法还包括：使用快速傅里叶变换来从所述参考信号生成频域参考信号；以及将所述频域参考信号提供到所述估计的滤波器路径并且提供到所述学习算法单元。15.如权利要求10所述的主动噪声消除方法，所述主动噪声消除方法还包括：使用快速傅里叶变换从接收自所述麦克风的所述误差信号生成频域误差信号；将所述频域误差信号提供到误差处理器；以及使用所述误差处理器来从所述估计的输出信号和所述频域误差信号生成所述误差输出信号。16.如权利要求10所述的主动噪声消除方法，所述主动噪声消除方法还包括向所述学习算法单元提供调谐参数，所述调谐参数表示频域中的与时间无关的自适应步长。17.如权利要求10所述的主动噪声消除方法，其中在主动噪声消除系统的运行时间之前对所述对角化矩阵进行预计算。18.如权利要求10所述的主动噪声消除方法，所述主动噪声消除方法还包括通过测量表示频域中的房间的脉冲响应的传递函数矩阵并对所述传递函数矩阵求逆来为所述房间设计所述对角化矩阵。

百度查询： 哈曼国际工业有限公司 利用对角化滤波器矩阵的主动噪声消除系统