一种基于贝叶斯频率估计算法的窄带有源噪声控制系统

　　窄带有源噪声控制是一种通过发出与初始噪声幅度相同、相位相反的声波从而有效降低低频窄带噪声的控制手段。窄带有源噪声控制算法需要预先获得初始噪声的频率信息，包括频率个数及各个频率值。

　　传统的基于自适应陷波器（adaptive notch filter，ANF）的频率估计方法需要人为设置频率个数，且在信噪比较低时收敛速度慢、频率估计精度低，从而影响了噪声控制系统的性能。

　　为了解决该问题，中国科学院声学研究所噪声与振动重点实验室博士生韩荣与其导师、研究员吴鸣、杨军等人提出将基于贝叶斯参数估计的方法应用于频率估计算法，将频率估计的结果提供给窄带有源噪声控制系统，可有效提高窄带有源噪声控制的性能。相关研究成果于5月4日在线发表于国际学术期刊Journal of Sound and Vibration。

　　应用基于贝叶斯频率估计的窄带有源噪声控制系统时，研究人员首先采集一段噪声，假设该信号为复数信号，基于概率模型得到与频率个数、频率值相关的目标函数，利用坐标梯度下降算法和最大后验概率，得到信号中频率个数和各频率值。当初级噪声中频率值变化时，该算法可与自适应陷波器算法结合，提高频率估计算法的精度，进而提高窄带有源噪声控制的性能。

　　仿真数据表明，在低信噪比(0 dB)条件下，与传统方法相比，基于贝叶斯的频率估计可以更快得到频率的个数和频率值，基于该频率估计的窄带噪声控制系统也可以更快将初级噪声中的单频噪声抑制。

　　该研究首次将基于贝叶斯参数估计的方法应用于窄带有源噪声控制系统中，相关研究成果有望提高现有的窄带有源噪声控制系统对窄带噪声的控制性能。

　　该研究得到国家重点研发计划课题(2016YFB1200503)、国家自然科学基金(11474306, 11404367, 11474307)资助。