.png){kind=icon}
返回
Neural Projection Filter Generation for Multi-Reference Active Noise Control
.png){kind=icon}
PRE
AI
DOI：10.1109/lsp.2026.3728398.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高维和相关参考信号使得多参考主动噪声控制（ANC）计算量巨大，收敛速度慢，难以在实时应用中部署。本文介绍了条件感知投影滤波（CAPF），由CAPFNet实现，它为参考信号压缩生成因果分块线性FIR投影滤波器。生成的滤波器将42个参考通道压缩为4个投影参考，同时保留ANC所需的有效信息，并保持与常规自适应算法的兼容性。基于实测车载路噪记录的仿真表明，CAPF-Newton相比FDFxNLMS提升了2.6 dBA的平均衰减，其性能与基于神经参考投影的滤波-x仿射投影算法（NRP-FxAP）相当，且在线计算复杂度降低了48倍。
Keyword:
Active noise control
adaptive filtering
multi-reference active noise control
projection filter generation
deep learning
