[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

本發明公開了一種基于深度循環神經網絡的主動降噪方法、存儲介質及系統，參考傳感器將檢測到的噪聲信號傳入數字信號處理單元；數字信號處理單元將噪聲信號轉換成參考信號后傳輸至控制器單元；控制器單元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；控制器單元輸出信號經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；噪聲源經初級路徑傳播后在誤差傳感器處生成初級信號，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；誤差傳感器接收殘差信號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實現降噪。

技術領域

本發明屬于降噪技術領域，具體涉及一種基于深度循環神經網絡的非線性主動降噪方法、存儲介質及系統。

背景技術

主動噪聲控制(ANC)已成為一種切實可行的技術，并已成功地應用于各種應用中。傳統的采用線性濾波器作為控制器的ANC系統大多采用自適應濾波算法，濾波器通過自適應算法自動調節自身的權重系數,以使系統的目標函數達到極小化，對于線性的有源噪聲控制系統具有較好的穩定性和可靠性。然而，由于線性ANC系統不考慮實際ANC系統組件以及聲場所包含的非線性，自適應算法將難以收到好的控制效果。

神經網絡是近年來發展起來的一種非線性控制技術，廣泛地應用于各種非線性控制問題。基于BP的前饋神經網絡，作為一種有效的控制技術，已經成功的應用到ANC系統中。但實際主動降噪系統為離散時間系統，傳感器采集到的模擬信號經過預處理后轉化為數字信號作為系統輸入，輸入輸出皆為時間序列信號，傳統的神經網絡結構不能很好地學習到噪聲信號的時間關聯性。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于深度循環神經網絡的非線性主動降噪方法、存儲介質及系統，在能夠克服系統非線性的同時，提高對序列數據的處理能力，從而達到降噪目的。

本發明采用以下技術方案：

一種基于深度循環神經網絡的主動降噪方法，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。

具體的，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。

進一步的，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。

具體的，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)