结合虚拟传感的汽车车内噪声主动控制方法、装置及汽车与流程

1.本发明涉及主动噪声控制领域，更具体地，涉及一种结合虚拟传感的汽车车内噪声主动控制方法、装置及汽车。


背景技术：

2.主动噪声控制(anc)被广泛用于解决工业设备造成的低频噪声污染。该技术通过扬声器发出反向声波来抵消当前位置下的噪声，达到降低低频噪声的目的，这些扬声器被称为次级声源。而新能源汽车在行驶中会产生鼓噪、空腔噪声以及booming噪声，这些噪声通常均为低于250hz的低频噪声，因此anc技术可用于有效抑制新能源汽车车内噪声。目前，前馈anc方案由于其稳定性和高降噪性能而被关注。
3.自适应滤波算法在anc中担任重要角色；而滤波参考均方(filtered-xleast mean square,fxlms)算法是最广泛使用的自适应滤波方法，该算法确保在误差传声器周围产生了一个局部安静区。然而，将误差传声器长时间放置在目标上有时会很不方便。因此，虚拟传感方法已经被提出来解决这个问题。通常情况下，虚拟传感方法分为两个阶段，即训练和控制阶段。在训练阶段，在目标处放置一个临时传声器作为虚拟误差传声器，以获得包含与anc系统相关信息的传递函数。在控制阶段，临时传声器被移除，预先建模的传递函数被用来生成控制器，以衰减所需区域的噪声。虚拟传感算法可以使得物理监测传声器安装位置所受限制明显减少，而且在车内不方便靠近人耳处放置虚拟误差传声器的情况下依旧在人耳附近形成静音区。所以对虚拟传感方法的研究具有较高的实际价值。
4.辅助滤波器方法(additional filter method,afm)和远程麦克风方法(remote microphone method,rmm)是两种广泛采用的传统虚拟传感方法。afm从根本上说是一种模型参考的自适应控制策略，其中虚拟误差信号是使用预先训练好的辅助滤波器隐式估计的，最优控制器的信息已经包含在辅助滤波器中。rmm使用预先建模的观测滤波器和监测信号来明确计算自适应控制器的虚拟误差信号。然而，如果在控制阶段初级噪声源相比训练阶段的初级噪声源有明显变化，预先训练的附加和观测滤波器的频率响应则不再适合，需要重新建模以实现在目标处的有效降噪。在afm和rmm的训练阶段采用更宽频带的初级噪声训练是一种折衷的解决方法；然而，作为一种权衡，抑制所有初级噪音的效果都会受到限制。
5.为了克服这一限制，现有技术利用前馈anc系统中测量的参考信号，计算了基于频带匹配机制的辅助滤波器的线性组合，然而，这种方法对频率匹配的精度要求很高导致其并不适合于新能源汽车车内噪声控制。还有现有技术针对前馈anc系统中提出了一种基于相对路径的虚拟传感方法，通过估计目标降噪区域的干扰和抗噪声信号来提高应对干扰变化的性能，然而这种方法中，建立准确的相对路径模型是至关重要的，而且对降噪性能的改善比较有限。
6.综上所述，现有的虚拟传感方法对新能源汽车车内anc系统的初级噪声源的变化缺乏专门的设计，亟待进一步改进。因此，有必要开发一种结合虚拟传感的新能源汽车车内
噪声主动控制方法、装置及汽车。
7.公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。


技术实现要素：

8.本发明提出了一种结合虚拟传感的新能源汽车车内噪声主动控制方法、装置及汽车，其利用前馈anc方法来降低新能源汽车在不同车速下在人耳处产生的噪声，能够在不影响乘员正常活动的同时在不同车速下显著降低耳边噪声，改善乘车舒适性。
9.第一方面，本公开实施例提供了一种结合虚拟传感的汽车车内噪声主动控制方法，包括：
10.针对车辆在不同车速时的车内噪声，通过参考信号、物理监测信号与虚拟误差信号分别构建多组含有最优控制滤波器信息的辅助滤波器以及含有物理监测点与虚拟误差点之间传递函数的观测滤波器；
11.通过均值方法构建合成观测滤波器；
12.在不同车速下基于最小均方估计误差匹配机制，通过所述参考信号、所述物理监测信号、所述辅助滤波器、所述观测滤波器，在降噪目标位置进行主动噪声控制。
13.优选地，针对车辆在不同车速时的车内噪声，通过参考信号、物理监测信号与虚拟误差信号分别构建多组含有最优控制滤波器信息的辅助滤波器以及含有物理监测点与虚拟误差点之间传递函数的观测滤波器包括：
14.通过最小均方算法构建次级声源分别到物理监测传声器和虚拟误差传声器的物理次级通道和虚拟次级通道；
15.在某一固定车速时，n时刻加速度计采集的参考信号矩阵为：
[0016][0017]
其中，代表含有过去l个采样的第i个参考向量，(
·
)
t
代表转置符号；
[0018]
针对不同车速下的干扰噪声，分别训练相应车速下的包含最优控制器信息的辅助滤波器和含有物理监测传声器与虚拟误差传声器之间传递函数的观测滤波器，对应第q个车速时的辅助滤波器gq(n)为：
[0019][0020]
对应第q个车速时的观测滤波器oq(n)为：
[0021][0022]
其中，g
q,mi
(n)代表第i个参考信号到第m个物理监测信号的阶数为l的辅助滤波器系数向量，o
q,km
(n)代表第m个物理监测信号到第k个虚拟误差信号的阶数为l的观测滤波器系数向量，(
·
)
t
代表转置符号。
[0023]
优选地，训练相应车速下的包含最优控制器信息的辅助滤波器包括：
[0024]
控制滤波器矩阵为：
[0025][0026]
其中，w
ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的控制滤波器系数向量；
[0027]
基于传统的滤波参考均方自适应算法，w
ji
(n)的更新公式为：
[0028][0029]
其中，e
v,k
(n)表示第k个虚拟误差传声器处的残余误差信号，滤波参考信号x
′
v,kji
(n)表示第i个参考信号与虚拟次级通道s
v,kj
(n)的卷积，s
v,kj
(n)代表第j个次级源输出信号到第k个虚拟误差信号的阶数为l的虚拟次级通道向量；
[0030]
控制滤波器收敛后，辅助滤波器开始训练，利用lms算法建模得到第i个参考信号到第m个物理监测信号的阶数为l的辅助滤波器系数向量为g
mi
(n)，其更新公式为：
[0031]gmi
(n+1)＝g
mi
(n)-μxi(n)e
t,m
(n)
[0032]
其中，e
t,k
(n)是辅助滤波器在第m个物理监测传声器处输出的误差信号，其中e
p,m
(n)是第m个物理监测传声器处采集的误差信号。
[0033]
优选地，训练相应车速下的含有物理监测传声器与虚拟误差传声器之间传递函数的观测滤波器包括：
[0034]
通过lms算法训练观测滤波器，观测滤波器为：
[0035][0036]
其中，d
v,k
(n)代表第k个虚拟误差传声器处的干扰信号组成的阶数为l的向量，d
p,m
(n)代表第m个物理监测传声器处的干扰信号组成的阶数为l的向量；
[0037]
通过lms算法得o
km
(n)的更新公式为：
[0038]okm
(n+1)＝o
km
(n)-μd
p,m
(n)e
res
(n)
[0039]
其中，表示更新观测滤波器的相对误差信号。
[0040]
优选地，通过均值方法构建合成观测滤波器包括：
[0041]
将所测得的观测滤波器取均值，相应的第m个物理监测信号到第k个虚拟误差信号的阶数为l的合成观测滤波器系数向量o
s,km
(n)为：
[0042][0043]
其中，q代表预设考虑的车速种类。
[0044]
优选地，在不同车速下基于最小均方估计误差匹配机制，通过所述参考信号、所述物理监测信号、所述辅助滤波器、所述观测滤波器，在降噪目标位置进行主动噪声控制包括：
[0045]
基于所述物理监测信号、所述物理次级通道和所述合成观测滤波器估计虚拟点处的干扰信号为：
[0046][0047]
通过针对不同车速的多组辅助滤波器构建并行结构，获得第q组辅助滤波器gq(n)对应的并行控制滤波器wq(n)为：
[0048][0049]
其中，w
q,ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的并行控制滤波器系数向量；
[0050]
通过所述参考信号，或得第q组控制滤波器wq(n)对应的并行输出信号yq(n)为：
[0051][0052]
其中，y
q,j
(n)代表第j个阶数为l的输出信号向量；
[0053]
通过所述并行输出信号和虚拟次级通道，估计并行控制滤波器作用下在虚拟点处的并行虚拟误差信号；
[0054]
重复上述步骤，直到达到预先设置的一帧长度t，筛选并行虚拟误差信号中累计能量最小的一个，将其对应的辅助滤波器用于实际控制滤波器更新，并驱动次级源发出抵消虚拟点处干扰的信号。
[0055]
优选地，通过所述并行输出信号和虚拟次级通道，估计并行控制滤波器作用下在虚拟点处的并行虚拟误差信号包括：
[0056]
对于第q组并行滤波器，其对应的输出信号为辅助滤波器在第m个物理监测传声器处输出的误差信号e
c,q,m
(n)为：
[0057][0058]
通过fxlms算法，w
q,ji
(n)的更新公式为：
[0059][0060]
其中，x
′
p,mji
(n)表示第i个参考信号与虚拟次级通道s
p,mj
(n)的卷积，s
p,mj
(n)代表第j个次级源输出信号到第m个物理监测信号的阶数为l的物理次级通道向量；
[0061]
相应的并行虚拟误差信号为：
[0062][0063]
对于第q组并行滤波器，其在n时刻得到的并行虚拟误差累计能量为
[0064]
优选地，筛选并行虚拟误差信号中能量最小的一个，将其对应的辅助滤波器用于实际控制滤波器更新，并驱动次级源发出抵消虚拟点处干扰的信号包括：
[0065]
基于最小均方估计误差匹配机制确定辅助滤波器；
[0066]
选取所有组并行辅助滤波器中对应累计能量最小的一组，并将对应的辅助滤波器gh(n)赋值给用于更新实际控制器的辅助滤波器，即g(n)＝gh(n)；
[0067]
获得驱动次级源的输出信号为y(n)＝w
t
(n)x(n)，辅助滤波器在第m个物理监测传声器处输出的误差信号e
c,m
(n)为：
[0068][0069]
利用fxlms算法得实际控制滤波器w
ji
(n)的更新公式为：
[0070][0071]
之后进行初始化操作，即将虚拟误差累积能量sumq设置为0，并行辅助滤波器的初值都设为gh(n)，相应的并行控制滤波器都设置为wh(n)。
[0072]
第二方面，本公开实施例还提供了一种结合虚拟传感的汽车车内噪声主动控制装置，包括参考加速度计、自适应控制系统、次级声源、物理监测传声器和虚拟误差传声器，其中：
[0073]
多个参考加速度计设置在车辆的底盘，用于采集车辆行驶中传入车厢内的道路噪声；
[0074]
自适应控制系统，用于对参考加速度计采集的参考信号进行自适应滤波和计算后发送给次级声源，驱动次级声源发出抵消干扰的声音；
[0075]
多个物理监测传声器设置在车辆的顶棚处，用于获取物理监测信号；
[0076]
虚拟误差传声器在训练阶段分别设置于车辆内乘员的双耳位置，用于获取虚拟误差信号；
[0077]
其中，自适应控制系统包括模拟/数字转换器、数字信号处理器、数字/模拟转换器和功放电路，其中：
[0078]
模拟/数字转换器，用于将参考加速度计采集的模拟信号转换为待处理的数字信号并输入到数字信号处理器中；
[0079]
数字信号处理器，用于对数字信号进行滤波和计算操作，并将计算后的结果以数字信号形式传递至数字/模拟转换器；
[0080]
数字/模拟转换器，用于将输出的数字信号转换为模拟信号；
[0081]
功放电路，用于将数字/模拟转换器输出的模拟信号进行适度的放大并送给次级声源，驱动次级声源发出抵消干扰的声音。
[0082]
第三方面，本公开实施例还提供了一种汽车，包括结合虚拟传感的汽车车内噪声主动控制装置。
[0083]
其有益效果在于：
[0084]
1、本发明的方法对新能源汽车车速变化引起的初级噪声源变化具有鲁棒性，可以在多通道自适应前馈anc系统中采用；该方法结合了afm和rmm的优点，并降低了对观察滤波器建模的精度要求。
[0085]
2、本发明的方法由合成观测滤波器估计的虚拟误差信号不直接用于更新自适应控制滤波器，降低了观测滤波器建模所要求的精度。
[0086]
3、采用本发明的方法分为两个阶段；在训练阶段，所用潜在的主要噪声被用于训
练一系列的辅助滤波器与合成观测滤波器；在控制阶段，根据最小均方估计误差匹配机制选择最佳并行辅助滤波器，以最小化一帧内估计虚拟误差信号的能量。辅助滤波器的匹配和选择是按逐帧进行，使得针对每一帧的噪声用最合适的辅助滤波器。
[0087]
本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
[0088]
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
[0089]
图1示出了根据本发明的结合虚拟传感的汽车车内噪声主动控制方法的步骤的流程图。
[0090]
图2示出了根据本发明的一个实施例的控制方法在训练阶段的示意图。
[0091]
图3示出了根据本发明的一个实施例的控制方法在控制阶段的示意图。
[0092]
图4示出了根据本发明的一个实施例的结合虚拟传感的汽车车内噪声主动控制方法的步骤的流程图。
具体实施方式
[0093]
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
[0094]
为便于理解本发明实施例的方案及其效果，以下给出三个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
[0095]
实施例1
[0096]
图1示出了根据本发明的结合虚拟传感的汽车车内噪声主动控制方法的步骤的流程图。
[0097]
如图1所示，该结合虚拟传感的汽车车内噪声主动控制方法包括：步骤101，针对车辆在不同车速时的车内噪声，通过参考信号、物理监测信号与虚拟误差信号分别构建多组含有最优控制滤波器信息的辅助滤波器以及含有物理监测点与虚拟误差点之间传递函数的观测滤波器；步骤102，通过均值方法构建合成观测滤波器；步骤103，在不同车速下基于最小均方估计误差匹配机制，通过参考信号、物理监测信号、辅助滤波器、观测滤波器，在降噪目标位置进行主动噪声控制。
[0098]
在一个示例中，针对车辆在不同车速时的车内噪声，通过参考信号、物理监测信号与虚拟误差信号分别构建多组含有最优控制滤波器信息的辅助滤波器以及含有物理监测点与虚拟误差点之间传递函数的观测滤波器包括：
[0099]
通过最小均方算法构建次级声源分别到物理监测传声器和虚拟误差传声器的物理次级通道和虚拟次级通道；
[0100]
在某一固定车速时，n时刻加速度计采集的参考信号矩阵为：
[0101][0102]
其中，代表含有过去l个采样的第i个参考向量，(
·
)
t
代表转置符号；
[0103]
针对不同车速下的干扰噪声，分别训练相应车速下的包含最优控制器信息的辅助滤波器和含有物理监测传声器与虚拟误差传声器之间传递函数的观测滤波器，对应第q个车速时的辅助滤波器gq(n)为：
[0104][0105]
对应第q个车速时的观测滤波器oq(n)为：
[0106][0107]
其中，g
q,mi
(n)代表第i个参考信号到第m个物理监测信号的阶数为l的辅助滤波器系数向量，o
q,km
(n)代表第m个物理监测信号到第k个虚拟误差信号的阶数为l的观测滤波器系数向量，(
·
)
t
代表转置符号。
[0108]
在一个示例中，训练相应车速下的包含最优控制器信息的辅助滤波器包括：
[0109]
控制滤波器矩阵为：
[0110][0111]
其中，w
ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的控制滤波器系数向量；
[0112]
基于传统的滤波参考均方自适应算法，w
ji
(n)的更新公式为：
[0113][0114]
其中，e
v,k
(n)表示第k个虚拟误差传声器处的残余误差信号，滤波参考信号x
′
v,kji
(n)表示第i个参考信号与虚拟次级通道s
v,kj
(n)的卷积，s
v,kj
(n)代表第j个次级源输出信号到第k个虚拟误差信号的阶数为l的虚拟次级通道向量；
[0115]
控制滤波器收敛后，辅助滤波器开始训练，利用lms算法建模得到第i个参考信号到第m个物理监测信号的阶数为l的辅助滤波器系数向量为g
mi
(n)，其更新公式为：
[0116]gmi
(n+1)＝g
mi
(n)-μxi(n)e
t,m
(n)
[0117]
其中，e
t,k
(n)是辅助滤波器在第m个物理监测传声器处输出的误差信号，其中e
p,m
(n)是第m个物理监测传声器处采集的误差信号。
[0118]
在一个示例中，训练相应车速下的含有物理监测传声器与虚拟误差传声器之间传递函数的观测滤波器包括：
[0119]
通过lms算法训练观测滤波器，观测滤波器为：
[0120][0121]
其中，d
v,k
(n)代表第k个虚拟误差传声器处的干扰信号组成的阶数为l的向量，d
p,m
(n)代表第m个物理监测传声器处的干扰信号组成的阶数为l的向量；
[0122]
通过lms算法得o
km
(n)的更新公式为：
[0123]okm
(n+1)＝o
km
(n)-μd
p,m
(n)e
res
(n)
[0124]
其中，表示更新观测滤波器的相对误差信号。
[0125]
在一个示例中，通过均值方法构建合成观测滤波器包括：
[0126]
将所测得的观测滤波器取均值，相应的第m个物理监测信号到第k个虚拟误差信号的阶数为l的合成观测滤波器系数向量o
s,km
(n)为：
[0127][0128]
其中，q代表预设考虑的车速种类。
[0129]
在一个示例中，在不同车速下基于最小均方估计误差匹配机制，通过参考信号、物理监测信号、辅助滤波器、观测滤波器，在降噪目标位置进行主动噪声控制包括：
[0130]
基于物理监测信号、物理次级通道和合成观测滤波器估计虚拟点处的干扰信号为：
[0131][0132]
通过针对不同车速的多组辅助滤波器构建并行结构，获得第q组辅助滤波器gq(n)对应的并行控制滤波器wq(n)为：
[0133][0134]
其中，w
q,ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的并行控制滤波器系数向量；
[0135]
通过参考信号，或得第q组控制滤波器wq(n)对应的并行输出信号yq(n)为：
[0136][0137]
其中，y
q,j
(n)代表第j个阶数为l的输出信号向量；
[0138]
通过并行输出信号和虚拟次级通道，估计并行控制滤波器作用下在虚拟点处的并行虚拟误差信号；
[0139]
重复上述步骤，直到达到预先设置的一帧长度t，筛选并行虚拟误差信号中累计能量最小的一个，将其对应的辅助滤波器用于实际控制滤波器更新，并驱动次级源发出抵消虚拟点处干扰的信号。
[0140]
在一个示例中，通过并行输出信号和虚拟次级通道，估计并行控制滤波器作用下在虚拟点处的并行虚拟误差信号包括：
[0141]
对于第q组并行滤波器，其对应的输出信号为辅助滤波器在第m个物理监测传声器处输出的误差信号e
c,q,m
(n)为：
[0142][0143]
通过fxlms算法，w
q,ji
(n)的更新公式为：
[0144][0145]
其中，x
′
p,mji
(n)表示第i个参考信号与虚拟次级通道s
p,mj
(n)的卷积，s
p,mj
(n)代表第j个次级源输出信号到第m个物理监测信号的阶数为l的物理次级通道向量；
[0146]
相应的并行虚拟误差信号为：
[0147][0148]
对于第q组并行滤波器，其在n时刻得到的并行虚拟误差累计能量为
[0149]
在一个示例中，筛选并行虚拟误差信号中能量最小的一个，将其对应的辅助滤波器用于实际控制滤波器更新，并驱动次级源发出抵消虚拟点处干扰的信号包括：
[0150]
基于最小均方估计误差匹配机制确定辅助滤波器；
[0151]
选取所有组并行辅助滤波器中对应累计能量最小的一组，并将对应的辅助滤波器gh(n)赋值给用于更新实际控制器的辅助滤波器，即g(n)＝gh(n)；
[0152]
获得驱动次级源的输出信号为y(n)＝w
t
(n)x(n)，辅助滤波器在第m个物理监测传声器处输出的误差信号e
c,m
(n)为：
[0153][0154]
利用fxlms算法得实际控制滤波器w
ji
(n)的更新公式为：
[0155][0156]
之后进行初始化操作，即将虚拟误差累积能量sumq设置为0，并行辅助滤波器的初值都设为gh(n)，相应的并行控制滤波器都设置为wh(n)。
[0157]
图2示出了根据本发明的一个实施例的控制方法在训练阶段的示意图。
[0158]
图3示出了根据本发明的一个实施例的控制方法在控制阶段的示意图。
[0159]
图4示出了根据本发明的一个实施例的结合虚拟传感的汽车车内噪声主动控制方法的步骤的流程图。
[0160]
具体地，如图2-4所示，在训练阶段针对新能源车辆在不同车速时的车内噪声，利用参考信号、物理监测信号以及虚拟误差信号分别训练多组含有最优控制滤波器信息的辅助滤波器和含有物理监测点与虚拟误差点之间传递函数的观测滤波器；在控制阶段移去虚拟误差传声器，新能源车辆在不同车速行驶时基于最小均方估计误差匹配机制利用参考信号、物理监测信号、辅助滤波器、观测滤波器在双耳位置均实现主动噪声控制。
[0161]
具体来说，训练阶段的实施过程为：
[0162]
1、次级通道辨识
[0163]
新能源汽车保持静止状态，4车门处的次级声源依次发出20-1000hz的带限宽带白
噪声，车内顶棚的4个物理监测传声器和人耳处的共8个虚拟误差传声器采集噪声信号，利用上述数据根据lms算法建模得到物理次级通路s
p
(n)和虚拟次级通路sv(n)。
[0164]
2、并行辅助滤波器设计
[0165]
根据新能源车辆行驶时产生的道路噪声的特点，本实例主要考虑新能源车辆行驶在40公里/小时(kilometers per hour,kph)、50kph、60kph、70kph以及80kph的车速之间切换时的噪声抑制效果。
[0166]
设置所有次级声源不发声，令新能源汽车依次以40kph、50kph、60kph、70kph以及80kph行驶采集信号并训练辅助滤波器，如图2中左图所示。在某一固定车速时，n时刻加速度计采集的参考信号矩阵可以表示为
[0167][0168]
其中，代表含有过去l个采样的第i个参考向量，(
·
)
t
代表转置符号；控制滤波器矩阵可以表示为
[0169][0170]
其中w
ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的控制滤波器系数向量；基于传统的fxlms自适应算法，w
ji
(n)的更新公式可以写为
[0171][0172]
其中e
v,k
(n)表示第k个虚拟误差传声器处的残余误差信号，滤波参考信号x
′
v,kji
(n)表示第i个参考信号与虚拟次级通道s
v,kj
(n)的卷积，s
v,kj
(n)代表第j个次级源输出信号到第k个虚拟误差信号的阶数为l的虚拟次级通道向量；等控制滤波器完全收敛后，该车速对应的辅助滤波器开始训练；利用lms算法建模得到第i个参考信号到第m个物理监测信号的阶数为l的辅助滤波器系数向量为g
mi
(n)，其更新公式为
[0173]gmi
(n+1)＝g
mi
(n)-μxi(n)e
t,m
(n)
[0174]
其中e
t,k
(n)是辅助滤波器在第m个物理监测传声器处输出的误差信号，其可以表示为
[0175][0176]
其中e
p,m
(n)是第m个物理监测传声器处采集的误差信号。
[0177]
当辅助滤波器完全收敛后，则设计完成了该车速情况下对应的辅助滤波器。按照上述方法令新能源汽车依次处于五种车速时构建辅助滤波器，最终获得的并行辅助滤波器组为
[0178]
3、合成观测滤波器设计
[0179]
设置所有次级声源不发声，令新能源汽车依次以40kph、50kph、60kph、70kph以及80kph行驶采集信号并训练辅助滤波器，如图2中右图所示。在某一固定车速时，同时通过物
理监测点和虚拟误差点处的传声器采集干扰信号，利用lms算法结合这些信号训练当前车速下对应的观测滤波器。该观测滤波器的关系式可以表示为
[0180][0181]
其中d
v,k
(n)代表第k个虚拟误差传声器处的干扰信号组成的阶数为l的向量，d
p,m
(n)代表第m个物理监测传声器处的干扰信号组成的阶数为l的向量，利用lms算法可得o
km
(n)的更新公式为
[0182]okm
(n+1)＝o
km
(n)-μd
p,m
(n)e
res
(n)
[0183]
其中表示更新观测滤波器的相对误差信号。当辅助滤波器完全收敛后，则设计完成了该车速情况下对应的观测滤波器。按照上述方法令新能源汽车依次处于5种车速时构建观测滤波器，最终获得的观测滤波器组为将所测得的观测滤波器取均值以减小新能源车辆在不同车速时估计虚拟误差信号的总偏差，相应的第m个物理监测信号到第k个虚拟误差信号的阶数为l的合成观测滤波器系数向量o
s,km
(n)可以表示为
[0184][0185]os
(n)即为设计得到的合成观测滤波器。
[0186]
控制阶段的实施过程为：
[0187]
1、首先移去连接入anc控制器的所有虚拟误差传声器，基于物理监测信号、物理次级通道和合成观测滤波器可以估计虚拟点处的干扰信号。新能源汽车正常行驶在40-80kph车速下，利用针对不同车速的多组辅助滤波器构建并行结构，可得第q组辅助滤波器gq(n)对应有相应的并行控制滤波器wq(n)，其可以表示为
[0188][0189]
其中w
q,ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的并行控制滤波器系数向量；利用加速度计获取的参考信号，可得第q组控制滤波器wq(n)对应的并行输出信号为yq(n)，其可以表示为
[0190][0191]
其中y
q,j
(n)代表第j个阶数为l的输出信号向量；再利用并行输出信号和虚拟次级通道即可估计出并行控制滤波器作用下在虚拟点处的并行虚拟误差信号。第k个虚拟误差传声器处的干扰信号可以被估计为
[0192][0193]
对于第q组并行滤波器，其对应的输出信号可以表示为辅助滤波器在第m个物理监测传声器处输出的误差信号e
c,q,m
(n)可以表示为
[0194][0195]
利用fxlms算法可得w
q,ji
(n)的更新公式可以写为
[0196][0197]
其中x
′
p,mji
(n)表示第i个参考信号与虚拟次级通道s
p,mj
(n)的卷积，s
p,mj
(n)代表第j个次级源输出信号到第m个物理监测信号的阶数为l的物理次级通道向量；由此可得相应的并行虚拟误差信号为
[0198][0199]
由上可得对于第q组并行滤波器，其在n时刻得到的并行虚拟误差累计能量为
[0200]
2、当采样点累计达到预先设置的一帧长度t，筛选并行虚拟误差信号中能量最小的一个，将其对应的辅助滤波器用于实际控制滤波器更新，并驱动次级源发出抵消虚拟点处干扰的信号；之后进行初始化，用本发明提出的方法继续进行下一帧的计算。选取所有组并行辅助滤波器中对应累计能量最小的一组，并将对应的该并行辅助滤波器gh(n)赋值给用于更新实际控制器的辅助滤波器，即g(n)＝gh(n)；可以得到驱动次级源的输出信号为y(n)＝w
t
(n)x(n)，辅助滤波器在第m个物理监测传声器处输出的误差信号e
c,m
(n)可以表示为
[0201][0202]
利用fxlms算法可得实际控制滤波器w
ji
(n)的更新公式可以写为
[0203][0204]
之后进行初始化操作，即将虚拟误差累积能量sumq设置为0，并行辅助滤波器的初值都设为gh(n)，相应的并行控制滤波器都设置为wh(n)。
[0205]
实施例2
[0206]
结合虚拟传感的汽车车内噪声主动控制装置，包括参考加速度计、自适应控制系统、次级声源、物理监测传声器和虚拟误差传声器，其中：
[0207]
多个参考加速度计设置在车辆的底盘，用于采集车辆行驶中传入车厢内的道路噪声；
[0208]
自适应控制系统，用于对参考加速度计采集的参考信号进行自适应滤波和计算后发送给次级声源，驱动次级声源发出抵消干扰的声音；
[0209]
多个物理监测传声器设置在车辆的顶棚处，用于获取物理监测信号；
[0210]
虚拟误差传声器在训练阶段分别设置于车辆内乘员的双耳位置，用于获取虚拟误差信号；
[0211]
其中，自适应控制系统包括模拟/数字转换器、数字信号处理器、数字/模拟转换器和功放电路，其中：
[0212]
模拟/数字转换器，用于将参考加速度计采集的模拟信号转换为待处理的数字信
号并输入到数字信号处理器中；
[0213]
数字信号处理器，用于对数字信号进行滤波和计算操作，并将计算后的结果以数字信号形式传递至数字/模拟转换器；
[0214]
数字/模拟转换器，用于将输出的数字信号转换为模拟信号；
[0215]
功放电路，用于将数字/模拟转换器输出的模拟信号进行适度的放大并送给次级声源，驱动次级声源发出抵消干扰的声音。
[0216]
具体地，在新能源车辆的底盘设置多个参考加速度计，用于采集车辆行驶中传入车厢内的道路噪声。利用车辆的多个车门内置扬声器作为次级声源，用于抵消车内噪声的次级声信号。在车辆的顶棚处设置多个物理监测传声器用以获取物理监测信号。在训练阶段将多个虚拟误差传声器分别放置于车辆内乘员的双耳位置用以获取虚拟误差信号，在实时控制阶段所有虚拟误差传声器均被移去。
[0217]
自适应控制系统用于对加速度计采集的参考信号进行自适应滤波和计算后发送给次级声源，驱动次级声源发出抵消干扰的声音，从而实现主动噪声控制；自适应控制系统包括模拟/数字转换器、数字信号处理器、数字/模拟转换器和功放电路。其中，模拟/数字转换器用于将参考加速度计采集的模拟信号转换为待处理的数字信号并输入到数字信号处理器中；数字信号处理器用于对数字信号进行滤波和计算操作，并将计算后的结果以数字信号形式传递至数字/模拟转换器；数字/模拟转换器用于将输出的数字信号转换为模拟信号；功放电路用于将数字/模拟转换器输出的模拟信号进行适度的放大并送给次级声源，驱动次级声源发出抵消干扰的声音。
[0218]
在实施方案中，参考加速度计的个数为8，分别位于车辆靠近4个轮毂的副车架和减震弹簧被动端；次级声源的个数为4，分别位于4个车门的底部；物理监测传声器的个数为4，分别位于4个座位正对的顶棚位置；在训练阶段临时放置的虚拟误差传声器的个数为8，分别位于4个座位对应乘员的双耳位置。
[0219]
实施例3
[0220]
本公开提供一种汽车，包括上述结合虚拟传感的汽车车内噪声主动控制装置。
[0221]
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
[0222]
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

技术特征：
1.一种结合虚拟传感的汽车车内噪声主动控制方法，其特征在于，包括：针对车辆在不同车速时的车内噪声，通过参考信号、物理监测信号与虚拟误差信号分别构建多组含有最优控制滤波器信息的辅助滤波器以及含有物理监测点与虚拟误差点之间传递函数的观测滤波器；通过均值方法构建合成观测滤波器；在不同车速下基于最小均方估计误差匹配机制，通过所述参考信号、所述物理监测信号、所述辅助滤波器、所述观测滤波器，在降噪目标位置进行主动噪声控制。2.根据权利要求1所述的结合虚拟传感的汽车车内噪声主动控制方法，其中，针对车辆在不同车速时的车内噪声，通过参考信号、物理监测信号与虚拟误差信号分别构建多组含有最优控制滤波器信息的辅助滤波器以及含有物理监测点与虚拟误差点之间传递函数的观测滤波器包括：通过最小均方算法构建次级声源分别到物理监测传声器和虚拟误差传声器的物理次级通道和虚拟次级通道；在某一固定车速时，n时刻加速度计采集的参考信号矩阵为：其中，代表含有过去l个采样的第i个参考向量，(
·
)
t
代表转置符号；针对不同车速下的干扰噪声，分别训练相应车速下的包含最优控制器信息的辅助滤波器和含有物理监测传声器与虚拟误差传声器之间传递函数的观测滤波器，对应第q个车速时的辅助滤波器g
q
(n)为：对应第q个车速时的观测滤波器o
q
(n)为：其中，g
q,mi
(n)代表第i个参考信号到第m个物理监测信号的阶数为l的辅助滤波器系数向量，o
q,km
(n)代表第m个物理监测信号到第k个虚拟误差信号的阶数为l的观测滤波器系数向量，(
·
)
t
代表转置符号。3.根据权利要求2所述的结合虚拟传感的汽车车内噪声主动控制方法，其中，训练相应车速下的包含最优控制器信息的辅助滤波器包括：控制滤波器矩阵为：其中，w
ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的控制滤波器系数向量；基于传统的滤波参考均方自适应算法，w
ji
(n)的更新公式为：
其中，e
v,k
(n)表示第k个虚拟误差传声器处的残余误差信号，滤波参考信号x
′
v,kji
(n)表示第i个参考信号与虚拟次级通道s
v,kj
(n)的卷积，s
v,kj
(n)代表第j个次级源输出信号到第k个虚拟误差信号的阶数为l的虚拟次级通道向量；控制滤波器收敛后，辅助滤波器开始训练，利用lms算法建模得到第i个参考信号到第m个物理监测信号的阶数为l的辅助滤波器系数向量为g
mi
(n)，其更新公式为：g
mi
(n+1)＝g
mi
(n)-μx
i
(n)e
t,m
(n)其中，e
t,k
(n)是辅助滤波器在第m个物理监测传声器处输出的误差信号，其中e
p,m
(n)是第m个物理监测传声器处采集的误差信号。4.根据权利要求3所述的结合虚拟传感的汽车车内噪声主动控制方法，其中，训练相应车速下的含有物理监测传声器与虚拟误差传声器之间传递函数的观测滤波器包括：通过lms算法训练观测滤波器，观测滤波器为：其中，d
v,k
(n)代表第k个虚拟误差传声器处的干扰信号组成的阶数为l的向量，d
p,m
(n)代表第m个物理监测传声器处的干扰信号组成的阶数为l的向量；通过lms算法得o
km
(n)的更新公式为：o
km
(n+1)＝o
km
(n)-μd
p,m
(n)e
res
(n)其中，表示更新观测滤波器的相对误差信号。5.根据权利要求1所述的结合虚拟传感的汽车车内噪声主动控制方法，其中，通过均值方法构建合成观测滤波器包括：将所测得的观测滤波器取均值，相应的第m个物理监测信号到第k个虚拟误差信号的阶数为l的合成观测滤波器系数向量o
s,km
(n)为：其中，q代表预设考虑的车速种类。6.根据权利要求2所述的结合虚拟传感的汽车车内噪声主动控制方法，其中，在不同车速下基于最小均方估计误差匹配机制，通过所述参考信号、所述物理监测信号、所述辅助滤波器、所述观测滤波器，在降噪目标位置进行主动噪声控制包括：基于所述物理监测信号、所述物理次级通道和所述合成观测滤波器估计虚拟点处的干扰信号为：通过针对不同车速的多组辅助滤波器构建并行结构，获得第q组辅助滤波器g
q
(n)对应
的并行控制滤波器w
q
(n)为：其中，w
q,ji
(n)代表第i个参考信号到第j个次级源输出信号的阶数为l的并行控制滤波器系数向量；通过所述参考信号，或得第q组控制滤波器w
q
(n)对应的并行输出信号y
q
(n)为：其中，y
q,j
(n)代表第j个阶数为l的输出信号向量；通过所述并行输出信号和虚拟次级通道，估计并行控制滤波器作用下在虚拟点处的并行虚拟误差信号；重复上述步骤，直到达到预先设置的一帧长度t，筛选并行虚拟误差信号中累计能量最小的一个，将其对应的辅助滤波器用于实际控制滤波器更新，并驱动次级源发出抵消虚拟点处干扰的信号。7.根据权利要求6所述的结合虚拟传感的汽车车内噪声主动控制方法，其中，通过所述并行输出信号和虚拟次级通道，估计并行控制滤波器作用下在虚拟点处的并行虚拟误差信号包括：对于第q组并行滤波器，其对应的输出信号为辅助滤波器在第m个物理监测传声器处输出的误差信号e
c,q,m
(n)为：通过fxlms算法，w
q,ji
(n)的更新公式为：其中，x
′
p,mji
(n)表示第i个参考信号与虚拟次级通道s
p,mj
(n)的卷积，s
p,mj
(n)代表第j个次级源输出信号到第m个物理监测信号的阶数为l的物理次级通道向量；相应的并行虚拟误差信号为：对于第q组并行滤波器，其在n时刻得到的并行虚拟误差累计能量为8.根据权利要求6所述的结合虚拟传感的汽车车内噪声主动控制方法，其中，筛选并行虚拟误差信号中能量最小的一个，将其对应的辅助滤波器用于实际控制滤波器更新，并驱动次级源发出抵消虚拟点处干扰的信号包括：基于最小均方估计误差匹配机制确定辅助滤波器；选取所有组并行辅助滤波器中对应累计能量最小的一组，并将对应的辅助滤波器g
h
(n)赋值给用于更新实际控制器的辅助滤波器，即g(n)＝g
h
(n)；获得驱动次级源的输出信号为y(n)＝w
t
(n)x(n)，辅助滤波器在第m个物理监测传声器
处输出的误差信号e
c,m
(n)为：利用fxlms算法得实际控制滤波器w
ji
(n)的更新公式为：之后进行初始化操作，即将虚拟误差累积能量sum
q
设置为0，并行辅助滤波器的初值都设为g
h
(n)，相应的并行控制滤波器都设置为w
h
(n)。9.一种结合虚拟传感的汽车车内噪声主动控制装置，其特征在于，包括参考加速度计、自适应控制系统、次级声源、物理监测传声器和虚拟误差传声器，其中：多个参考加速度计设置在车辆的底盘，用于采集车辆行驶中传入车厢内的道路噪声；自适应控制系统，用于对参考加速度计采集的参考信号进行自适应滤波和计算后发送给次级声源，驱动次级声源发出抵消干扰的声音；多个物理监测传声器设置在车辆的顶棚处，用于获取物理监测信号；虚拟误差传声器在训练阶段分别设置于车辆内乘员的双耳位置，用于获取虚拟误差信号；其中，自适应控制系统包括模拟/数字转换器、数字信号处理器、数字/模拟转换器和功放电路，其中：模拟/数字转换器，用于将参考加速度计采集的模拟信号转换为待处理的数字信号并输入到数字信号处理器中；数字信号处理器，用于对数字信号进行滤波和计算操作，并将计算后的结果以数字信号形式传递至数字/模拟转换器；数字/模拟转换器，用于将输出的数字信号转换为模拟信号；功放电路，用于将数字/模拟转换器输出的模拟信号进行适度的放大并送给次级声源，驱动次级声源发出抵消干扰的声音。10.一种汽车，其特征在于，包括权利要求9所述的结合虚拟传感的汽车车内噪声主动控制装置。

技术总结
本申请公开了一种结合虚拟传感的汽车车内噪声主动控制方法、装置及汽车。该方法可以包括：针对车辆在不同车速时的车内噪声，通过参考信号、物理监测信号与虚拟误差信号分别构建多组含有最优控制滤波器信息的辅助滤波器以及含有物理监测点与虚拟误差点之间传递函数的观测滤波器；通过均值方法构建合成观测滤波器；在不同车速下基于最小均方估计误差匹配机制，通过参考信号、物理监测信号、辅助滤波器、观测滤波器，在降噪目标位置进行主动噪声控制。本发明能够在误差麦克风布置位置不影响乘员正常活动的同时在不同车速下均能显著降低耳边噪声，改善乘车舒适性。改善乘车舒适性。改善乘车舒适性。


技术研发人员：马超 张雅楠 吴列 牛浩龙 王志亮 彭晨
受保护的技术使用者：北京汽车股份有限公司
技术研发日：2023.06.06
技术公布日：2023/9/9