1、噪聲污染已經(jīng)成為僅次于大氣污染和水污染的第三大環(huán)境污染問題。傳統(tǒng)的被動噪聲控制（Passive Noise Control，PNC）技術(shù)對中高頻噪聲有效，但對低頻噪聲效果不明顯。主動噪聲控制（Active Noise Control，ANC）技術(shù)則對高頻效果不好，而對低頻噪聲能達(dá)到很好的降噪效果，很好的彌補(bǔ)了PNC技術(shù)的缺點。同時，其控制設(shè)備具有體積小、重量輕、易于控制的優(yōu)點。在各類低頻噪聲源中，由旋轉(zhuǎn)機(jī)器或具有往復(fù)運動裝置產(chǎn)生的窄帶噪

2、聲帶來的污染不可忽視，尤其隨著經(jīng)濟(jì)的發(fā)展，此類設(shè)備的大量使用，造成的危害日益嚴(yán)重。在ANC領(lǐng)域中，窄帶主動噪聲控制（Narrowband Active Noise Control，NANC）系統(tǒng)相比其它的控制系統(tǒng)能夠更有效的抵消此類噪聲，這使的NANC系統(tǒng)成為ANC領(lǐng)域的一個重要研究分支，備受關(guān)注。
　　在NANC系統(tǒng)的實際應(yīng)用中，初級噪聲的非平穩(wěn)性，次級通道的動態(tài)變化，以及系統(tǒng)中存在的非相關(guān)干擾噪聲，需要控制算法在保證穩(wěn)態(tài)性能的

3、同時應(yīng)具有良好的收斂速度和跟蹤能力，增強(qiáng)系統(tǒng)的穩(wěn)定性和適應(yīng)性。如何減小上述因素對系統(tǒng)性能的影響，提高NANC系統(tǒng)整體性能，是NANC系統(tǒng)中控制算法需要解決的關(guān)鍵問題。動量項技術(shù)具有計算量小，動量因子上下邊界極值確定等優(yōu)點，能有效提高系統(tǒng)收斂速度和追蹤性能。因此，把動量項技術(shù)引入到NANC系統(tǒng)中，為解決上述關(guān)鍵問題提供新的研究思路。論文以線性NANC系統(tǒng)為研究對象，從統(tǒng)計理論和信號處理的角度開展基于動量項的NANC系統(tǒng)研究。
　　基

4、于動量項的NANC系統(tǒng)控制算法所引入的附加項及參數(shù)對系統(tǒng)的動態(tài)和穩(wěn)態(tài)性能影響的機(jī)理并不清楚，尚缺乏理論說明。針對這個問題，對基于動量項算法下的NANC系統(tǒng)進(jìn)行動態(tài)性能和穩(wěn)態(tài)性能分析，推導(dǎo)出了基于平均和均方意義下的收斂特性表達(dá)式及穩(wěn)態(tài)的顯示表達(dá)式，并從這些表達(dá)式中分析出引入的參數(shù)對系統(tǒng)步長參數(shù)、穩(wěn)態(tài)誤差以及穩(wěn)態(tài)邊界的影響，從理論上解釋了動量項技術(shù)提高系統(tǒng)收斂和跟蹤性能的根本原因，以及給系統(tǒng)穩(wěn)態(tài)性能帶來的問題，為算法的改進(jìn)、參數(shù)設(shè)置及實際應(yīng)

5、用提供理論指導(dǎo)和依據(jù)。仿真實驗證明了分析的正確性和有效性。
　　針對初級噪聲的特征參數(shù)突變產(chǎn)生的非平穩(wěn)問題，需要控制算法在保證穩(wěn)態(tài)性能的同時應(yīng)具有良好的收斂速度和跟蹤能力。根據(jù)性能分析所獲得的步長和遺忘因子參數(shù)對系統(tǒng)性能的影響，提出一種變遺忘因子變步長濾波-X加權(quán)累加最小均方算法（VFVS-FXWALMS）。首先，利用互相關(guān)的誤差信號構(gòu)建了變遺忘因子策略克服固定遺忘因子對系統(tǒng)穩(wěn)態(tài)性能的影響；然后結(jié)合變步長思想，利用遺忘因子極值范圍

6、確定的特點構(gòu)造了變步長策略，不僅繼承了變遺忘因子策略的優(yōu)點，而且進(jìn)一步提高了算法的穩(wěn)態(tài)性能。仿真實驗表明提出的算法能夠獲得更優(yōu)的遺忘因子和步長參數(shù)值，從而在保證穩(wěn)態(tài)性能下提高了系統(tǒng)的收斂速度和跟蹤能力，同時增強(qiáng)了系統(tǒng)的穩(wěn)定性，有效提升了NANC系統(tǒng)的整體性能。
　　在基于輔助噪聲的在線次級通道建模方法中，作為激勵信號的輔助噪聲不僅影響了NANC子系統(tǒng)的收斂，而且還增加了誤差噪聲能量。此外，在線建模的速度以及對變化的次級通道的跟蹤能

7、力也制約著系統(tǒng)的性能。現(xiàn)有的一些基于輔助噪聲的在線次級通道建模方法都是用于寬帶ANC系統(tǒng)，無法應(yīng)用到NANC系統(tǒng)。針對上述問題，提出一種基于遺忘因子輔助噪聲能量策略的在線次級通道建模NANC算法。該算法利用變遺忘因子策略能夠很好的反應(yīng)系統(tǒng)收斂狀態(tài)的特點以及其極值范圍明確的特點，構(gòu)建輔助噪聲能量策略，使輔助噪聲能量能夠跟隨系統(tǒng)的收斂狀態(tài)自適應(yīng)的調(diào)整。仿真實驗表明提出的算法不僅能夠獲得較好的建模精度和更快的收斂速度，而且提高了系統(tǒng)的降噪量。

8、
　　針對NANC系統(tǒng)中出現(xiàn)的非相關(guān)干擾噪聲降低系統(tǒng)性能的問題，基于傳統(tǒng)思想的混合結(jié)構(gòu)控制系統(tǒng)算法由于采用共同誤差（Common Error，CE），造成各子系統(tǒng)耦合過緊，產(chǎn)生相互干擾，降低了系統(tǒng)的收斂速度。在此基礎(chǔ)上，提出一種新的混合結(jié)構(gòu)NANC系統(tǒng)算法，該算法把正弦噪聲抑制（Sinusoidal Noise Cancellation，SNC）子系統(tǒng)引入到傳統(tǒng)混合結(jié)構(gòu)控制算法中，為其它子系統(tǒng)提供合適的誤差信號，使其能夠相對獨立運