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