[發明專利]基于深度循環神經網絡的主動降噪方法、存儲介質及系統

在審

• 申請號: 202011134970.2
• 申請日: 2020-10-21
• 公開（公告）號: CN112382265A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 呂剛明;張坤;羅新民
• 申請（專利權）人: 西安交通大學
• 主分類號: G10K11/178
• 分類號: G10K11/178;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.基于深度循環神經網絡的主動降噪方法，其特征在于，包括以下步驟：

S1、參考傳感器將檢測到的噪聲信號傳入數字信號處理單元；

S2、數字信號處理單元將噪聲信號轉換成參考信號x(n)后傳輸至控制器單元；

S3、控制器單元采用深度循環神經網絡算法，利用長短時記憶單元結構構建一個隱含層含有門控函數的循環神經網絡模型；

S4、控制器單元輸出信號u(n)經D/A轉換模塊處理后傳入作動器單元，由作動器單元發聲產生次級聲源；

S5、噪聲源經初級路徑傳播后在誤差傳感器處生成初級信號，步驟S4產生的次級聲源經次級路徑傳播后在誤差傳感器處生成次級信號；

S6、誤差傳感器接收殘差信號e(n)并反饋輸入控制器單元，根據目標函數不斷更新控制器單元中DRNN結構的權重系數，通過使目標函數最小化J(n)_min實現降噪。

2.根據權利要求1所述的方法，其特征在于，步驟S3中，使用三層循環神經網絡，并利用前三時刻參考信號的輸入預測第三時刻的輸出。

3.根據權利要求2所述的方法，其特征在于，控制器單元的輸出u(n)為：

u(n)＝V·LSTM(x_n,u_n-1,c_n-1)

其中，V為輸出權重矩陣，LSTM為長短時記憶網絡單元，x_n為n時刻的輸入，u_n-1為n-時刻網絡輸出，c_n-1為n-1時刻LSTM單元的狀態。

4.根據權利要求1所述的方法，其特征在于，步驟S5中，誤差傳感器接收到的信號e(n)表示為：

e(n)＝d(n)+y(n)＝d(n)+u(n)*s(n)

其中，d(n)為誤差傳感器處的初級信號，y(n)為誤差傳感器處的次級信號，s(n)為次級傳遞路徑，*表示卷積運算。

5.根據權利要求4所述的方法，其特征在于，誤差傳感器處的初級信號d(n)和次級信號y(n)分別表示為：

d(n)＝f(x(n),p(n))

y(n)＝u(n)*s(n)

其中，f表示x(n)經過非線性初級路徑p(n)的作用關系。

6.根據權利要求1所述的方法，其特征在于，步驟S6中，目標函數為最小均方誤差函數J(n)，具體為：

J(n)＝minE[e²(n)]

其中，E為數學期望，e(n)為殘差信號。

7.一種基于深度循環神經網絡的非線性主動降噪系統，其特征在于，利用權利要求1所述的降噪方法，包括數字信號處理單元，數字信號處理單元經作動器單元與傳聲器單元連接，數字信號處理單元采用深度循環神經網絡控制算法，控制作動器單元產生次級聲場的次級聲源實現降噪。

8.根據權利要求7所述的基于深度循環神經網絡的非線性主動降噪系統，其特征在于，傳聲器單元包括參考傳感器和誤差傳感器，參考傳感器和誤差傳感器分別放置于噪聲源處和目標降噪點；初級噪聲及作動器產生的次級噪聲經誤差傳感器后與數字信號處理單元的控制器單元連接；參考傳感器經A/D轉換模塊與控制器單元連接，控制器單元經D/A轉換模塊和作動器單元后與誤差傳感器連接。

9.一種存儲一個或多個程序的計算機可讀存儲介質，其特征在于，所述一個或多個程序包括指令，所述指令當由計算設備執行時，使得所述計算設備執行根據權利要求1至6所述的方法中的任一方法。