[發明專利]基于神經網絡濾波器的自適應前饋式主動降噪方法、計算機可讀存儲介質、電子設備

在審

• 申請號: 202310204371.0
• 申請日: 2019-10-31
• 公開（公告）號: CN116305886A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 胡中驥;鐘鑫;張鑫
• 申請（專利權）人: 佳禾智能科技股份有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;H04R1/10;G06N3/04;G06F119/10
• 代理公司: 東莞市華南專利商標事務所有限公司 44215
• 代理人: 陳妍璧

1.基于神經網絡濾波器的自適應前饋式主動降噪方法，其特征在于，包括：

S101.構建第一神經網絡模型的理論模型；

S102.獲取耳機中自適應前饋式主動降噪架構的S＇(z)，其中S＇(z)是自適應前饋式主動降噪架構中次級通道的估計；

S103.從自適應前饋式主動降噪架構中采集x₁(n)、y₁(n)、e₁(n)，其中x₁(n)為歷史原始噪聲信號，y₁(n)為前饋濾波器輸出的歷史反向噪聲信號，e₁(n)為歷史殘差噪聲信號；

S104.以x₁(n)經S＇(z)修正后的值和e₁(n)為輸入，利用BP算法計算第一神經網絡模型的權重系數；

S105.以x₁(n)、第一神經網絡模型的權重系數和y₁(n)作為第一神經網絡模型理論模型的訓練樣本，其中以x₁(n)和第一神經網絡模型的權重系數作為輸入，以y₁(n)作為輸出，利用機器學習的方式對理論模型進行訓練；

S106.用構建出的第一神經網絡模型作為自適應前饋式主動降噪架構中的前饋濾波器W_f(n)使用，其中，第一神經網絡模型以x₁(n)和第一神經網絡模型的當前權重系數作為輸入，輸出y₁(n)給自適應前饋式主動降噪架構中的揚聲器進行播音。

2.根據權利要求1所述的方法，其特征在于，對訓練出的第一神經網絡模型，采用邏輯回歸算法進行擬合。

3.根據權利要求2所述的方法，其特征在于，所述邏輯回歸算法配置為LR算法。

4.根據權利要求1所述的方法，其特征在于，所述自適應前饋式主動降噪架構中次級通道的估計S’(z)采用FIR濾波器或者IIR濾波器實現。

5.一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質存儲一個或多個程序，所述一個或多個程序當被控制器執行時，實現權利要求1-4中任一項所述的方法。

6.一種電子設備，其中，該電子設備包括：

控制器；以及，

被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述控制器執行權利要求1-4中任一項所述的方法。