一种具有降噪点追踪功能的车内噪声主动控制系统及方法

1.本发明涉及主动噪声控制领域，特别涉及一种具有降噪点追踪功能的车内噪声主动控制系统。

背景技术：

2.针对旺盛的驾乘者乘坐舒适性需求，各大汽车制造厂商越来越重视车内噪声控制。噪声控制主要包括被动噪声控制和主动噪声控制。一方面，被动噪声控制技术是利用吸声材料的阻隔作用而达到消声的目的，该方法对波长较短的高频噪声有效，但对波长较长的低频噪声控制效果不佳。另一方面，主动噪声控制技术基于声波叠加原理，通过生成一个与初级噪声信号频率和幅值相同、相位相差180度的声波信号去抵消初级噪声信号，该方法能够有效抑制波长较长的低频噪声。目前，用于车内封闭空间的噪声主动控制技术包括两种控制策略，分别为全局空间的噪声主动控制策略和局部空间的噪声主动控制策略。全局空间的噪声主动控制策略以降低整个封闭空间的声势能密度为目标，这种方法通常在低频段范围内有效(如汽车舱室内部的全局噪声主动控制一般在300hz以下的频段范围内有效)，但对于路噪这类宽带噪声的控制效果较差。局部噪声主动控制策略是以降低特定位置的声压作为控制目标，可以有效地解决这类问题。根据不同的通道数量，局部空间的噪声主动控制系统可分为单通道主动控制系统和多通道主动控制系统。
3.现有的涉及噪声主动控制系统的专利文件申请人检索如下：
①
声耕智能科技(西安)研究院有限公司的张萌飞申请了一种多通道主动噪声控制方法，申请号：cn202111668214.2，授权公告号：cn114333879a；
②
江南大学的马亚平申请了一种含次级通道在线辨识的反馈型主动噪声控制系统，申请号：cn202111096212.0，授权公告号：cn113851104a；
③
吉林大学的程亚兵申请了一种非线性混合主动噪声控制方法及控制系统，申请号：cn202111041420.0，授权公告号：cn113763916a；
④
武汉理工大学的刘志恩申请了一种无麦克风前馈局部主动噪声控制系统的控制方法，申请号：cn202110695391.3，授权公告号：cn113488014a。目前车内局部空间噪声的主动控制系统仍存在如下问题：(1)多通道系统的控制系统复杂，成本高，且在车内局部狭小空间布置难度大；(2)驾乘者头部活动时降噪点会在较大的空间范围内变化，现有的单通道系统虽然能保证某一固定降噪点附近的降噪效果，但是无法保证降噪点空间位置变化时的降噪效果。

技术实现要素：

4.鉴于现有技术中局部空间噪声的主动控制系统的不足，针对车内人员人耳位置的降噪需求，本发明提供一种具有降噪点追踪功能的车内噪声主动控制系统，主要解决的技术问题包括：(1)利用人脸检测技术、人眼检测技术、耳部定位模型和机器视觉原理定位人耳降噪点，实现单点降噪；(2)针对前馈控制系统的声反馈问题，对声反馈通路离线建模，并在噪声信号的滤波过程中抵消；(3)针对固定步长滤波-x最小均方算法(fxlms算法)收敛速度和稳态误差之间的矛盾问题，提出一种变步长策略，在加快收敛速度的同时降低系统的
稳态误差。
5.本发明开发了一种具有降噪点追踪功能的车内噪声主动控制系统。它包括摄像头、图像处理模块、参考麦克风、误差麦克风、a/d转换模块、自适应算法模块和次级扬声器。其中，摄像头用于拍摄车内图像；图像处理模块利用人脸和人眼检测技术在图像中检测人脸和人眼，利用耳部定位模型定位人耳，利用机器视觉原理确定降噪点；参考麦克风和误差麦克风用于采集初级噪声信号和降噪点处的误差信号；自适应算法模块接收参考麦克风和误差麦克风采集到的初级噪声信号和误差信号，利用自适应算法生成反噪声信号；次级扬声器播放生成的反噪声信号，抑制误差麦克风处的噪声。
6.一种具有降噪点追踪功能的车内噪声主动控制方法，其特征在于包括如下步骤：
7.步骤1：建立控制点库。具体步骤如下：
8.步骤1.1：根据降噪需求，确定主动控制系统的目标降噪频段为f
l-fh，因此，确定上限频率为fh，利用式(1)计算该上限频率对应的波长。
[0009][0010]
式中，λ为波长，c为声速，fh为降噪频段上限频率。
[0011]
步骤1.2：选取控制点间隔δd≤λ/10，在驾乘者头部附近的空间区域内，左右方向均匀选择m层，上下方向均匀选择n层，前后方向均匀选择k层，形成m
×n×
k的控制点网格，建立控制点库。
[0012]
步骤1.3：对控制点库中的控制点编号，控制点库中控制点表示为p
mnk
＝p(m,n,k)，m＝1,2,
…
,m，n＝1,2,
…
,n，k＝1,2,
…
,k。
[0013]
步骤2：离线辨识声学通路，辨识滤波器选择基于最小均方算法的横向fir滤波器。具体步骤如下：
[0014]
步骤2.1：利用附加随机噪声法辨识次级扬声器与参考麦克风之间的声反馈通路hf(z)。辨识结果为h
′f(z)＝a0+a1z-1
+
…
+a
l-1
z-l+1
，其中l为辨识滤波器阶数，a0,a1,
…
,a
l-1
为辨识滤波器系数。辨识原理如式(2)所示。
[0015]
e(n)＝u(n)*hf(n)-u(n)*h
′f(n)(2)
[0016]
式中，u(n)为第n时刻离线辨识输入的白噪声信号，hf(n)为第n时刻实际声反馈通路hf(z)的脉冲响应函数，h
′f(n)为第n时刻声反馈通路辨识结果h
′f(z)的脉冲响应函数。
[0017]
步骤2.2：利用附加随机噪声法辨识参考麦克风与控制点之间的初级通路h
p
(z)。辨识结果为h
′
p
(z)＝b0+b1z-1
+
…
+b
i-1
z-i+1
，其中i为辨识滤波器阶数，b
0,
b1,
…
,b
i-1
为辨识滤波器系数。辨识原理如式(3)所示。
[0018]
e(n)＝u(n)*h
p
(n)-u(n)*h
′
p
(n)(3)
[0019]
式中，u(n)为第n时刻离线辨识输入的白噪声信号，h
p
(n)为第n时刻实际初级通路h
p
(z)的脉冲响应函数，h
′
p
(n)为第n时刻初级通路的辨识结果h
′
p
(z)的脉冲响应函数。
[0020]
存储所有控制点对应的初级通路辨识结果数据，建立初级通路辨识库h
′
p
，如式(4)和式(5)所示。
[0021][0022][0023]
式中，h
′
p
(m,n,k)为控制点p(m,n,k)对应的初级通路辨识结果，h
′
pk
为第k层所有控制点的初级通路辨识结果。
[0024]
步骤2.3：利用附加随机噪声法辨识次级扬声器与控制点之间的声学通路hs(z)。辨识结果为h
′s(z)＝c0+c1z-1
+
…
+c
j-1
z-j+1
，其中j为辨识滤波器阶数,c0,c1,
…
,c
j-1
为辨识滤波器系数。辨识原理如式(6)所示。
[0025]
e(n)＝u(n)*hs(n)-u(n)*h
′s(n)(6)
[0026]
式中，u(n)为第n时刻离线辨识输入的白噪声信号，hs(n)为第n时刻实际次级通路hs(z)的脉冲响应函数，h
′s(n)为第n时刻次级通路辨识结果h
′s(z)的脉冲响应函数。
[0027]
存储所有控制点对应的次级通路辨识结果数据，建立次级通路辨识库h
′s，如式(7)和式(8)所示。
[0028][0029][0030]
式中，h
′s(m,n,k)为控制点p(m,n,k)对应的次级通路辨识结果，h
′
sk
为第k层所有控制点的次级通路辨识结果。
[0031]
步骤3：当主动控制系统开启后，利用摄像头对车内场景拍照，获取包含人脸的车内图像。
[0032]
步骤4：利用人脸分类器检测人脸，检测到人脸矩形框的像素坐标区域为(u1,v1,w1,h1)，其中(u1,v1)为人脸坐标区域左上角角点的像素坐标，w1为人脸坐标区域的像素宽度，h1为人脸坐标区域的像素高度。
[0033]
步骤5：在人脸检测的基础上，利用人眼分类器检测人眼，检测到左右眼矩形框的像素坐标区域为(u
l
,v
l
,w
l
,h
l
)和(ur,vr,wr,hr)，其中(u
l
,v
l
)和(ur,vr)分别为左右眼坐标区域左上角角点的像素坐标，w
l
和wr分别为左右眼坐标区域的像素宽度，h
l
和hr分别为左右眼坐标区域的像素高度。
[0034]
步骤6：假设人耳位置位于人眼坐标区域下边缘与人脸坐标区域的交点处，依据人脸坐标区域和人眼坐标区域的像素坐标，确定左右耳位置的像素坐标为l(u
l
+h
l
,v1)和r(ur+hr,v1+w1)。
[0035]
步骤7：利用机器视觉原理，m
×n×
k个控制点中任一点p的世界坐标确定控制点的像素坐标，变换关系如式(9)所示。
[0036][0037]
式中，(x
p
,y
p
,z
p
)为控制点的世界坐标，(u
p
,v
p
)为控制点的像素坐标，k为3行3列的相机内参矩阵，[rt]为3行4列的外参矩阵。
[0038]
步骤8：计算人耳位置与控制点库中所有控制点的距离，获取距离人耳位置最近的控制点作为此时刻主动控制系统的降噪点，如式(10)和式(11)所示。
[0039][0040][0041]
步骤9：确定降噪点后，从初级通路辨识库中调取相应的初级通路辨识结果。依据参考麦克风采集到的初级噪声信号和初级通路辨识结果的脉冲响应函数，利用式(12)确定误差麦克风位置处的期望降噪信号。
[0042]
d(n)＝x(n)*h
′
p
(n)(12)
[0043]
式中，x(n)为第n时刻的初级噪声信号向量，h
′
p
(n)为第n时刻初级通路辨识结果的脉冲响应函数。
[0044]
步骤10：从次级通路辨识库中调取相应的次级通路辨识结果。利用式(13)和式(14)计算滤波器权系数更新的滤波参考信号r(n)。
[0045]
xf(n)＝x(n)+y(n)*[hf(n)-h
′f(n)](13)
[0046]
r(n)＝xf(n)*h
′s(n)(14)
[0047]
式中，y(n)为滤波器第n时刻的输出信号，hf(n)为第n时刻实际声反馈通路的脉冲响应函数，h
′f(n)为第n时刻声反馈通路辨识结果的脉冲响应函数，h
′s(n)为第n时刻次级通路辨识结果的脉冲响应函数，r(n)第n时刻的滤波输入信号。
[0048]
步骤11：利用误差麦克风采集的误差信号e(n)依据式(15)计算此时刻的步长大小。
[0049][0050]
式中，a,b为步长控制参数，a的取值满足a＝0.95μ
max
，其中μ
max
为步长的上限值，l为自适应滤波器阶数，p
x
为输入信号的功率，b的取值满足b＞0。
[0051]
步骤12：基于梯度下降法，计算下一时刻滤波器的权系数
[0052]
w(n+1)＝w(n)+2*μ(n)*r(n)*e(n)(16)
[0053]
w(n)为n时刻刻滤波器的权系数。
[0054]
步骤13：利用式(17)计算次级声源信号。利用次级扬声器播放次级声源信号，实现
噪声的主动控制。
[0055]
y(n)＝w
t
(n)x(n)(17)
[0056]
步骤14：采集追踪的降噪点处的误差信号和初级噪声信号，计算平均降噪量和声压级频谱图，评价降噪效果。
[0057]
本发明提供的技术方案带来的有益效果如下：
[0058]
a、提出的具有降噪点追踪功能的车内噪声主动控制系统及方法能够将人耳定位在降噪点降噪区域范围内，保证人耳位置始终处于降噪区域。
[0059]
b、提出的主动控制方法考虑了前馈控制系统的声反馈问题，并在算法层面削弱了声反馈的影响。另外，所提出的变步长算法能够根据误差信号的大小实时更新步长，在开始降噪时利用大步长实现快速收敛，当系统收敛时，误差减小，选用较小步长防止系统发散。
附图说明
[0060]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单介绍。
[0061]
图1是本发明提出的具有降噪点追踪功能的车内噪声主动控制系统的示意图；
[0062]
图2是本发明提出的具有降噪点追踪功能的车内噪声主动控制系统的控制流程图；
[0063]
图3是本发明实施例的控制点选择示意图；
[0064]
图4是本发明实施例提出的耳部定位模型；
[0065]
图5是本发明实施例提出的基于声反馈通路建模的变步长fxlms算法模型；
[0066]
图6是本发明实施例提出的噪声主动控制系统采用变步长策略和定步长策略的控制效果对比图；
[0067]
图7是本发明实施例提出的噪声主动控制系统声压级降噪效果图。
具体实施方式
[0068]
为了使本技术领域人员更好的理解本发明方案，了解本发明的技术方案及其优点，以下结合具体实施例并参照附图对本发明实施例中的技术方案进行清楚、完整的描述。
[0069]
本发明提供一种具有降噪点追踪功能车内噪声主动控制系统，如图1所示。它包括摄像头、图像处理模块、参考麦克风、误差麦克风、a/d转换模块、自适应算法模块和次级扬声器。其中，摄像头用于拍摄车内图像；图像处理模块利用人脸和人眼检测技术在图像中检测人脸和人眼，利用耳部定位模型定位人耳，利用机器视觉原理确定降噪点；参考麦克风和误差麦克风用于采集初级噪声信号和降噪点处的误差信号；自适应算法模块接受参考麦克风和误差麦克风采集到的初级噪声信号和误差信号，利用自适应算法生成反噪声信号；次级扬声器播放生成的反噪声信号，抑制误差麦克风处的噪声。本发明提出的具有降噪点追踪功能的车内噪声主动控制方法的控制流程图如图2所示。所述技术方案如下：
[0070]
步骤1：建立控制点库。具体步骤如下：
[0071]
步骤1.1：根据降噪需求，确定主动控制系统的目标降噪频段为20-500hz，因此，确定上限频率为fh＝500hz，声速为c＝340m/s，利用式(a1)计算该上限频率对应的波长。
[0072][0073]
步骤1.2：选取控制点间隔δd＝6cm≤λ/10，在驾乘者头部附近的空间区域内，左右方向均匀选择m＝5层，上下方向均匀选择n＝5层，前后方向均匀选择k＝3层，形成5
×5×
3的控制点网格，建立控制点库。左右方向相互平行的5层平面、上下方向相互平行的5层平面和前后方向相互平行的3层平面形成75个交点，75个交点为控制点。相互平行的平面间距离为δd。
[0074]
步骤1.3：对控制点库中的控制点编号，控制点库中控制点表示为p
mnk
＝p(m,n,k)，m＝1,2,3,4,5，n＝1,2,3,4,5，k＝1,2,3。选择的控制点示意图如图3所示。
[0075]
步骤2：离线辨识声学通路，辨识滤波器选择基于最小均方算法的横向fir滤波器。具体步骤如下：
[0076]
步骤2.1：选择辨识滤波器阶数为l＝2，利用附加随机噪声法辨识次级扬声器与参考麦克风之间的声反馈通路hf(z)。声反馈通路的辨识结果为h
′f(z)＝0.8589-0.7151z-1
。辨识原理如式(a2)所示。
[0077]
e(n)＝u(n)*hf(n)-u(n)*h
′f(n)(a2)
[0078]
式中，u(n)为第n时刻离线辨识输入的白噪声信号，hf(n)为第n时刻实际声反馈通路hf(z)的脉冲响应函数，h
′f(n)为第n时刻声反馈通路辨识结果h
′f(z)的脉冲响应函数。
[0079]
步骤2.2：选择辨识滤波器阶数为i＝6，利用附加随机噪声法辨识参考麦克风与控制点之间的初级通路h
p
(z)。辨识结果为h
′
p
(z)＝b0+b1z-1
+
…
+b5z-4
，b0,b1,
…
,b5为滤波器阶数。辨识原理如式(a3)所示。
[0080]
e(n)＝u(n)*h
p
(n)-u(n)*h
′
p
(n)(a3)
[0081]
式中，u(n)为第n时刻离线辨识输入的白噪声信号，h
p
(n)为第n时刻实际初级通路h
p
(z)的脉冲响应函数，h
′
p
(n)为第n时刻初级通路辨识结果h
′
p
(z)的脉冲响应函数。
[0082]
存储所有控制点对应的初级通路辨识结果数据，建立初级通路辨识库，如式(a4)和式(a5)所示。
[0083][0084][0085]
式中，h
′
p
(5,5,k)为控制点p(5,5,k)对应的初级通路辨识结果，h
′
p3
为第3层所有控制点的初级通路辨识结果。
[0086]
步骤2.3：选择辨识滤波器阶数为j＝4，利用附加随机噪声法辨识次级扬声器与控制点之间的次级通路hs(z)。辨识结果为h
′s(z)＝c0+c1z-1
+c2z-2
+c3z-3
，c0,c1,c2,c3为滤波器阶数。辨识原理如式(a6)所示。
[0087]
e(n)＝u(n)*hs(n)-u(n)*h
′s(n)(a6)
[0088]
式中，u(n0为第n时刻离线辨识输入的白噪声信号，hs(n)为第n时刻实际次级通路
的脉冲响应函数，h
′s(n)为第n时刻次级通路辨识结果的脉冲响应函数。
[0089]
存储所有控制点对应的次级通路辨识结果数据，建立次级通路辨识库，如式(a7)和式(a8)所示。
[0090][0091][0092]
式中，h
′s(5,5,k)为控制点p(5,5,k)对应的次级通路辨识结果，h
′
s3
为第3层所有控制点的次级通路辨识结果。
[0093]
步骤3：当主动控制系统开启后，利用摄像头对车内场景拍照，获取包含人脸的车内图像。
[0094]
步骤4：利用人脸分类器检测人脸，检测到人脸矩形框的像素坐标区域为(u1,v1,w1,h1)，其中(u1,v1)为人脸坐标区域左上角角点的像素坐标，w1为人脸坐标区域的像素宽度，h1为人脸坐标区域的像素高度。
[0095]
步骤5：在人脸检测的基础上，利用人眼分类器检测人脸，检测到左右眼矩形框的像素坐标区域为(u
l
,v
l
,w
l
,h
l
)和(ur,vr,wr,hr)，其中(u
l
,v
l
)和(ur,vr)分别为左右眼坐标区域左上角角点的像素坐标，w
l
和wr分别为左右眼坐标区域的像素宽度，h
l
和hr分别为左右眼坐标区域的像素高度。
[0096]
步骤6：假设人耳位置位于人眼坐标区域下边缘与人脸坐标区域的交点处，依据人脸坐标区域和人眼坐标区域的像素坐标，确定左右耳位置的像素坐标为l(u
l
+h
l
,v1)和r(ur+hr,v1+w1)。本发明实施例提供的人耳定位模型如图4所示，确定的左右耳像素坐标分别为(100,98.5)和(181,98.5)。
[0097]
步骤7：利用机器视觉原理，m
×n×
k个控制点中任一点p的世界坐标确定控制点的像素坐标，变换关系如式(a9)所示。
[0098][0099]
式中，(x
p
,y
p
,z
p
)为控制点的世界坐标，(u
p
,v
p
)为控制点的像素坐标，k为3行3列的相机内参矩阵，[r t]为3行4列的外参矩阵。
[0100]
步骤8：计算人耳位置与控制点库中所有控制点的距离，获取距离人耳位置最近的控制点作为此时刻主动控制系统的降噪点，如式(a10)和式(a11)所示。
[0101][0102][0103]
本发明实施例确定的距离左耳位置最近的控制点为(2,4,2)号点，距离右耳位置最近的控制点为(2,2,2)号点。
[0104]
步骤9：确定降噪点后，从初级通路辨识库调取相应的初级通路辨识结果，本发明实施例以左耳位置作为降噪点检验降噪效果，(2,4,2)号控制点对应的初级通路辨识结果为h
′
p
(z)＝0.5+0.1z-1
+0.05z-2
+0.03z-3-0.02z-4
+0.1z-5
。依据参考麦克风采集到的初级噪声信号和初级通路辨识结果的脉冲响应函数利用式(a12)确定误差麦克风位置处的期望降噪信号。
[0105]
d(n)＝x(n)*h
′
p
(n)(a12)
[0106]
式中，x(n)为第n时刻的初级噪声信号向量，h
′
p
(n)为第n时刻初级通路辨识结果的脉冲响应函数。
[0107]
步骤10：从次级通路辨识库调取相应的次级通路辨识结果的脉冲响应函数。本发明实施例以左耳位置作为降噪点检验降噪效果，(2,4,2)号控制点对应的次级通路辨识结果为h
′s(z)＝0.1+0.1z-1
+0.02z-2
+0.3z-3
,利用式(a13)和式(a14)计算用于滤波器权系数更新的滤波参考信号r(n)。
[0108]
xf(n)＝x(n)+y(n)*[hf(n)-h
′f(n)](a13)
[0109]
r(n)＝xf(n)*h
′s(n)(a14)
[0110]
式中，y(n)为滤波器第n时刻的输出信号，hf(n)为第n时刻实际声反馈通路的脉冲响应函数，h
′f(n)为第n时刻声反馈通路辨识结果的脉冲响应函数，h
′s(n)为第n时刻次级通路辨识结果的脉冲响应函数，r(n)第n时刻的滤波输入信号。。
[0111]
步骤11：本发明实施例中选择a＝4,b＝0.001。利用误差麦克风采集的误差信号e(n)依据式(a15)计算此时刻的步长大小。
[0112][0113]
步骤12：基于梯度下降法，计算下一时刻滤波器的权系数
[0114]
w(n+1)＝w(n)+2*μ(n)*r(n)*e(n)(a16)
[0115]
步骤13：利用式(a17)计算次级声源信号。利用次级扬声器播放次级声源信号，实现噪声的主动控制。
[0116]
y(n)nw
t
(n)x(n)(a17)
[0117]
步骤14：采集追踪的降噪点处的误差信号和初级噪声信号，计算平均降噪量和声压级频谱图，评价降噪效果。
[0118]
应用本发明实施例提供的主动控制方法，分别采用固定步长和变步长的策略对某纯电动汽车50km/h的稳态噪声实施主动噪声控制(具体实施方式中，从步骤9到步骤13为变步长控制策略，将步骤11中步长固定为μ(n)＝5，作为固定步长控制策略)。从图6中可以看出，固定步长和变步长均取得一定的降噪效果，平均降噪量可达50db。进一步比较可以看出，变步长算法比固定步长算法相比，收敛速度更快，降噪效果更好。对某纯电动汽车50km/h的稳态噪声实施主动噪声控制，获得的声压级降噪效果如图7所示。从图中可以看出，本发明实施例提出的主动控制方法可以实现噪声信号峰值声压级从75.31db降低为30.77db，降低量为44.54db，a计权总声压级从58.80db(a)降低为44.93db(a)，降低量为13.87db(a)。

技术特征：

1.一种具有降噪点追踪功能的车内噪声主动控制系统；其特征在于包括摄像头、图像处理模块、参考麦克风、误差麦克风、a/d转换模块、自适应算法模块和次级扬声器；其中，摄像头用于拍摄车内图像；图像处理模块利用人脸和人眼检测技术在图像中检测人脸和人眼，利用耳部定位模型定位人耳，利用机器视觉原理确定降噪点；参考麦克风用于采集初级噪声信号；误差麦克风用于采降噪点处的误差信号；自适应算法模块接收参考麦克风和误差麦克风采集到的初级噪声信号和误差信号，利用自适应算法生成反噪声信号；次级扬声器用于播放生成的反噪声信号，抑制误差麦克风处的噪声。2.一种具有降噪点追踪功能的车内噪声主动控制方法，其特征在于包括如下步骤：步骤1：建立控制点库，具体步骤如下：步骤1.1：根据降噪需求，确定主动控制系统的目标降噪频段为f
l-f
h
，上限频率为f
h
，利用式(1)计算该上限频率对应的波长式中，λ为波长，c为声速，f
h
为降噪频段上限频率。步骤1.2：选取控制点间隔δd≤λ/10，在驾乘者头部附近的空间区域内，左右方向均匀选择m层，上下方向均匀选择n层，前后方向均匀选择k层，形成m
×
n
×
k的控制点网格，建立控制点库；步骤1.3：对控制点库中的控制点编号，控制点库中控制点表示为p
mnk
＝p(m，n，k)，m＝1，2，...，m，n＝1，2，...，n，k＝1，2，...，k。步骤2：离线辨识声学通路，辨识滤波器选择基于最小均方算法的横向fir滤波器；具体步骤如下：步骤2.1：利用附加随机噪声法辨识次级扬声器与参考麦克风之间的声反馈通路h
f
(z)；辨识结果为h
′
f
(z)＝a0+a
i
z-1
+
…
+a
l-1
z-l+1
，其中l为辨识滤波器阶数，a0，a1，...，a
l-1
为辨识滤波器系数；步骤2.2：利用附加随机噪声法辨识参考麦克风与控制点之间的初级通路h
p
(z)；辨识结果为h
′
p
(z)＝b0+b1z-1
+
…
+b
i-1
z-i+1
，其中i为辨识滤波器阶数，b0，b1，...，b
i-1
为辨识滤波器系数；存储所有控制点对应的初级通路辨识结果数据，建立初级通路辨识库h
′
p
，如式(4)和式(5)所示
式中，h
′
p
(m，n，k)为控制点p(m，n，k)对应的初级通路辨识结果，h
′
pk
为第k层所有控制点的初级通路辨识结果；步骤2.3：利用附加随机噪声法辨识次级扬声器与控制点之间的声学通路h
s
(z)，辨识结果为h
′
s
(z)＝c0+c1z-1
+
…
+c
j-1
z-j+1
，其中j为辨识滤波器阶数，c0，c1，...，c
j-1
为辨识滤波器系数；存储所有控制点对应的次级通路辨识结果数据，建立次级通路辨识库h
′
s
，如式(7)和式(8)所示(8)所示式中，h
′
s
(m，n，k)为控制点p(m，n，k)对应的次级通路辨识结果，h
′
sk
为第k层所有控制点的次级通路辨识结果；步骤3：主动控制系统开启后，利用摄像头对车内场景拍照，获取包含人脸的车内图像；步骤4：利用人脸分类器检测人脸，检测到人脸矩形框的像素坐标区域为(u1，v1，w1，h1)，其中(u1，v1)为人脸坐标区域左上角角点的像素坐标，w1为人脸坐标区域的像素宽度，h1为人脸坐标区域的像素高度；步骤5：在人脸检测的基础上，利用人眼分类器检测人眼，检测到左右眼矩形框的像素坐标区域为(u
l
，v
l
，w
l
，h
l
)和(u
r
，v
r
，w
r
，h
r
)，其中u
l
，v
l
和u
r
，v
r
分别为左右眼坐标区域左上角角点的像素坐标，w
l
和w
r
分别为左右眼坐标区域的像素宽度，h
l
和h
r
分别为左右眼坐标区域的像素高度；步骤6：假设人耳位置位于人眼坐标区域下边缘与人脸坐标区域的交点处，依据人脸坐标区域和人眼坐标区域的像素坐标，确定左右耳位置的像素坐标为l(u
l
+h
l
，v1)和r(u
r
+h
r
，v1+w1)；步骤7：利用机器视觉原理，m
×
n
×
k个控制点中任一点p的世界坐标确定控制点的像素坐标，变换关系如式(9)所示
式中，(x
p
，y
p
，z
p
)为控制点的世界坐标，(u
p
，v
p
)为控制点的像素坐标，k为3行3列的相机内参矩阵，[rt]为3行4列的外参矩阵；步骤8：计算人耳位置与控制点库中所有控制点的距离，获取距离人耳位置最近的控制点作为此时刻主动控制系统的降噪点，如式(10)和式(11)所示1)所示步骤9：确定降噪点后，从初级通路辨识库中调取相应的初级通路辨识结果；依据参考麦克风采集到的初级噪声信号和初级通路辨识结果的脉冲响应函数，利用式(12)确定误差麦克风位置处的期望降噪信号；d(n)＝x(n)*h
′
p
(n)(12)式中，x(n)为第n时刻的初级噪声信号向量，h
′
p
(n)为初级通路辨识结果的脉冲响应函数；步骤10：从次级通路辨识库中调取相应的次级通路辨识结果；利用式(13)和式(14)计算滤波器权系数更新的滤波参考信号r(n)，x
f
(n)＝x(n)+y(n)*[h
f
(n)-h
′
f
(n)](13)r(n)＝x
f
(n)*h
′
s
(n)(14)式中，y(n)为滤波器第n时刻的输出信号，h
f
(n)为实际声反馈通路的脉冲响应函数，h
′
f
(n)为声反馈通路辨识结果的脉冲响应函数，h
′
s
(n)为次级通路辨识结果的脉冲响应函数；步骤11：利用误差麦克风采集的误差信号依据式(15)计算此时刻的步长大小，式中，a，b为步长控制参数；步骤12：基于梯度下降法，计算下一时刻滤波器的权系数w(n+1)＝w(n)+2*μ(n)*r(n)*e(n)(16)步骤13：利用式(17)计算次级声源信号；利用次级扬声器播放次级声源信号，实现噪声的主动控制，y(n)＝w
t
(n)x(n)(17)步骤14：利用次级扬声器播放次级声源信号，实现噪声的主动控制。

技术总结

一种具有降噪点追踪功能的车内噪声主动控制系统及方法，涉及主动噪声控制领域；系统包括摄像头、图像处理模块、参考麦克风、误差麦克风、A/D转换模块、自适应算法模块和次级扬声器。方法包括：建立控制点库；离线辨识声学通路；用摄像头对车内场景拍照，获取车内图像；利用人脸分类器检测人脸；利用人眼分类器检测人眼；确定左右耳位置的像素坐标；确定控制点的像素坐标；确定降噪点；确定误差麦克风位置处的期望降噪信号；计算步长大小；计算下一时刻滤波器的权系数；计算次级声源信号、播放次级声源信号。本发明能够将人耳定位在降噪点降噪区域范围内，保证人耳位置始终处于降噪区域；可实现快速收敛、防止系统发散等功能。防止系统发散等功能。防止系统发散等功能。