基于FxLMS算法的单通道前馈主动噪声控制系统

资 源 简 介

本项目在MATLAB环境中完整实现了用于单通道前馈主动噪声控制（ANC）系统的Filtered-x LMS（FxLMS）算法。该项目的主要功能是模拟并验证自适应滤波器在消除不需要的声学噪声方面的有效性。具体实现包括以下几个关键部分：首先，构建初级路径（Primary Path）和次级路径（Secondary Path）的数字滤波器模型，分别模拟噪声从源头传播到误差传感器以及从次级扬声器传播到误差传感器的物理声学环境。其次，在控制开始前或在线阶段，利用系统辨识技术对次级路径进行估计，获得次级路径的传递函数模型。核心控制逻辑利用FxLMS算法：将参考信号通过次级路径估计模型进行滤波（Filtered-x过程），然后使用该滤波后的信号来更新自适应控制器的权重，以生成与初级噪声相位相反、幅度相同的抗噪声信号。系统通过迭代计算最小化误差麦克风处的残余噪声能量。项目代码详细展示了信号的生成、路径的卷积模拟、权重的自适应更新过程，并提供了可视化的分析工具，用于观察算法的收敛速度、稳态误差以及不同频率下的降噪性能。

详 情 说 明

基于FxLMS算法的单通道前馈主动噪声控制系统

项目简介

本项目在MATLAB环境中构建了一个完整的单通道前馈主动噪声控制（ANC）仿真系统。核心逻辑基于Filtered-x LMS（FxLMS）自适应滤波算法，旨在消除混合了多频点单频噪声和宽带白噪声的复杂干扰信号。项目通过数字信号处理技术模拟了物理声学路径（初级路径和次级路径），实现了噪声的主动对消，亦即产生与噪声源相位相反、幅度相同的“抗噪声”信号以抵消其能量。

功能特性

• 混合噪声源模拟：能够生成包含基频（200Hz）、二次谐波（400Hz）以及背景宽带高斯白噪声的混合参考信号。
• 声学路径建模：使用FIR滤波器模拟真实的物理声学环境，包括初级路径（带通特性）和次级路径（低通特性及增益衰减）。
• 次级路径建模误差模拟：在算法实现中考虑了次级路径估计模型（S_hat）与真实路径（S）之间的增益偏差和随机扰动，以验证算法的鲁棒性。
• FxLMS核心算法实现：完整实现了标准的Filtered-x LMS算法，包括参考信号的预滤波处理、梯度的计算以及权重的逐点更新。
• 多维度性能评估：提供时域波形对比、局部细节观察、均方误差（MSE）收敛曲线、频域功率谱密度（PSD）对比以及权重收敛过程的可视化分析。

系统要求

• MATLAB R2016a 或更高版本
• Signal Processing Toolbox（信号处理工具箱）

使用方法

1. 将主程序脚本下载到本地目录。
2. 在MATLAB中打开脚本。
3. 直接运行脚本即可启动仿真。
4. 运行结束后，MATLAB控制台将输出仿真参数配置及最终计算得到的平均降噪量（dB），同时会弹出两个图形窗口展示详细的分析图表。

算法实现原理与代码逻辑

本项目通过单步迭代的方式模拟真实的实时处理过程，主要包含以下几个关键实现环节：

1. 系统参数初始化

系统设定采样频率为8000Hz，仿真时长为3秒。定义了自适应控制器的滤波器阶数（128阶）和LMS算法的步长因子（0.001），该步长决定了收敛速度与稳态误差之间的平衡。

2. 声学路径模拟

代码通过设计FIR滤波器来模拟物理路径：

• 初级路径 P(z)：模拟噪声从源头传播到误差传感器的过程，被设计为一个具有带通特性的滤波器（归一化频率0.1-0.4）。
• 次级路径 S(z)：模拟抗噪声信号从次级扬声器传播到误差传感器的过程，设计为低通特性并附加了0.8的增益。
• 次级路径估计 S_hat(z)：为了贴近实际应用，代码并未直接使用真实的S(z)参与梯度计算，而是构造了一个估计模型。该模型在真实S(z)的基础上引入了0.95的增益偏差和微小的随机噪声，用于验证FxLMS算法在模型失配情况下的性能。

3. 参考信号生成

输入信号 x_ref 由两部分组成：

1. 窄带噪声：由200Hz的正弦波及其倍频400Hz的正弦波叠加而成。
2. 宽带噪声：幅度为0.3的高斯白噪声。

这种组合用于测试系统同时处理确定性信号和随机信号的能力。

4. FxLMS算法主循环

仿真采用逐点（Sample-by-Sample）处理模式，并未调用MATLAB内置的LMS函数，而是手动实现了以下流程：

• 初级噪声传播：参考信号 x(n) 通过初级路径 P 的卷积，生成误差麦克风处的初级噪声 d(n)。
• 参考信号预滤波 (Filtered-x)：参考信号 x(n) 通过次级路径估计模型 S_hat 进行滤波，得到 x'(n)。此信号用于后续的权重更新，这是FxLMS算法区别于普通LMS的关键步骤，用于补偿次级路径引起的相位和幅度变化。
• 控制器输出计算：当前的参考信号向量与自适应权重向量 W 做点积，生成控制信号 y(n)。
• 次级声场模拟：控制信号 y(n) 通过真实的次级路径 S 物理传播，到达误差麦克风处形成抵消信号 ys(n)。
• 残余误差计算：物理叠加初级噪声和抵消信号，得到物理误差 e(n) = d(n) + ys(n)。
• 权重自适应更新：利用梯度下降法更新控制器的权重。更新公式为：W(n+1) = W(n) - mu * e(n) * x'(n)。

5. 结果分析与计算

仿真结束后，代码会自动截取后半段（稳态阶段）的数据，计算ANC开启前后的噪声功率比，并将其转换为分贝（dB）数值输出到控制台。

可视化分析

程序运行将生成两组包含多个子图的窗口，用于全面评估系统性能：

图形窗口 1：时域与收敛分析

• 时域波形对比：在同一坐标系下绘制原始噪声（蓝色）和残余误差（红色），直观展示整体幅度的下降。
• 稳态波形细节：对最后1000个采样点进行放大显示，便于观察相位对消的效果和残留噪声的细节。
• 误差收敛曲线：绘制平滑处理后的均方误差（MSE）对数曲线，展示算法从初始状态到收敛至稳态的学习过程。

图形窗口 2：频域与权重分析

• 功率谱密度 (PSD) 对比：通过Welch方法计算并对比降噪前后的频谱。可以清晰地观察到200Hz和400Hz主频分量的显著削弱，以及宽带部分的整体压制效果。
• 权重系数演变：展示部分滤波器权重随时间的动态变化过程，用于判断滤波器是否稳定收敛。
• 最终频响特性：绘制自适应控制器最终收敛状态下的幅频响应曲线，展示为了抵消特定噪声，控制器所形成的滤波特性。