基于CNN的主动噪声控制算法优化及系统设计

霍佳雨; 刘锦松; 李官正; 段学宇; 包海风

doi:10.19292/j.cnki.jdxxp.2026.02.004

吉林大学学报(信息科学版) ›› 2026, Vol. 44 ›› Issue (02) : 261 -269. DOI: 10.19292/j.cnki.jdxxp.2026.02.004

基于CNN的主动噪声控制算法优化及系统设计

霍佳雨, 刘锦松, 李官正, 段学宇, 包海风

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对传统主动噪声控制算法存在收敛速度慢、鲁棒性差及动态噪声处理能力不足的问题，提出一种基于一维卷积神经网络结合固定系数滤波器和自适应算法的改进算法。通过提取噪声特征并动态选择预训练固定滤波器，引入Sigmoid函数和量化误差补偿机制优化自适应步长参数、提升算法稳定性。将算法部署于STM32H750高性能嵌入式平台，构建实时噪声控制系统。仿真实验结果表明，该算法对低频噪声控制效果显著，平均降噪量达20～30 dB,动态噪声环境下残余噪声的时域振幅与频域能量分布均被有效抑制，降噪性能优于传统自适应算法。完成了硬件实验，实验结果符合预期目标。验证了深度学习与嵌入式硬件协同在主动噪声控制中的高效性与实用性，为复杂动态噪声场景下的实时控制提供了创新且可行的解决方案，具有重要的理论意义和实际应用价值。