1.一种用于麦克风阵列广义旁瓣消除器的高效自适应算法,其特征在于:该方法包括以下步骤:
S1:将广义比例仿射投影GPAPA算法计算权值比例因子的方法引入记忆比例仿射投影MPAPA算法,得到记忆广义比例仿射投影MGPAPA算法;
S2:将MGPAPA算法引入广义旁瓣消除器GSC的自适应噪声相消器ANC模块;
所述步骤S1具体为:
S101:MPAPA计算权值比例因子的方法源于比例归一化最小均方PNLMS算法,比例因子矩阵表示为G(k)=diag{g0(k),g1(k),...,gL‑1(k)},其中L表示滤波器的阶数,gi(k)为权值系数对应的比例因子,其中i=0,1,...,L‑1;gi(k)的计算方法为:其中, 表示第i个权值系数的估计值,ρ和γmin(k)防止某个 过小而不更新;
GPAPA算法引入1范数,通过调整参数来适应脉冲响应疏密程度的变化,gi(k)的计算方法更新为:
其中η用来计算平滑权值系数 的遗忘因子,参数β控制算法的比例程度,‑1<β≤1;
当脉冲响应非稀疏时,β取1,算法退化为归一化最小均方NLMS算法,保证最基本的收敛速度;当脉冲响应稀疏时,β取值趋向‑1,算法近似于比例仿射投影PAPA算法,此时收敛速度比NLMS快;脉冲响应的疏密程度通过计算权值矢量的方差判定;当方差小于某个门限ξ时,说明权值系数取值比较集中,脉冲响应判定为非稀疏,此时将β置为1;反之,当方差大于某个门限时,β取值趋向‑1,保证算法的收敛速度,其中ξ通过多次试验获得经验值;
S102:MPAPA的权矢量更新公式为其中求逆项 的矩阵维度由MPAPA的阶数确定,为2~3阶;最多只需要对3*3的矩阵求逆;而LMS/Newton的权矢量更新公式为其中求逆项 与滤波器的阶数L有关,L远大于3,矩阵求逆的运算量大大增加;MPAPA算法相比最小均方LMS/牛顿Newton节省大量运算量。
2.根据权利要求1所述的一种用于麦克风阵列广义旁瓣消除器的高效自适应算法,其特征在于:所述步骤MGPAPA算法具体为:S201:初始化:
MGPAPAorder=2S202:自适应更新:
G(k‑1)=diag[g0(k‑1),g1(k‑1),…,gL‑1(k‑1)],循环开始:i=1:L
循环结束:
计算权值向量方差
IF
β=1,
ELSE
β→‑1
更新权矢量