翟克宁

（东风柳州汽车有限公司，广西 柳州 545005）

0 引言

噪声主动控制技术在很多方面都得到了广泛的应用，主动降噪系统可以有效地降低被动降噪方法无法解决的低频噪声[1]。

当系统出现脉冲噪声的时候，基于Fxlms（Filter-x least mean square）算法的主动降噪系统会变得不稳定。为了解决脉冲噪声，许多算法已经被提出来[2]。在1995，年Leahy提出的 FxLMP（filter-x least mean p-power）算法，该算法以误差信号P次方最小化代替最小误差信号均方值为目标函数。后来，Wu et al.提出了以误差信号对数值最小为目标函数的对数主动降噪算法Fxloglms（Filter-x logarithmic error lms）[3]。 在 2012 年，George 基于神经网络算法进行鲁棒性设计，提出了 RFslms（Robust filter-x lms）算法[4]。2017年，Lu et al.基于最大相关熵MCC提出了FxRMC算法能有效地降低脉冲噪声信号，但是该算法存在计算复杂度过大问题[5]。

最大相关熵MCC能很好地描述两个随机变量之间的关系[6]。在主动降噪系统中，MCC用来描述初始信号和滤波器产生的期望信号之间的关系。基于主动降噪基本原理，当两个随机信号相似度大时候，系统能有效地较低噪声信号。本文，基于最大相关熵MCC提出了一种变步长FxnMCC算法。该算法能有效地降低脉冲噪声，但是算法的收敛速度远不如FxRMC算法。因此本文进一步提出了混合H-Fx-RMC算法。该混合算法结合了FxRMC算法收敛速度快和FxnMCC算法降噪性能好的优点，并且提高了系统的鲁棒性能。本文最后在Matlab平台进行仿真试验，试验结果表明提出的算法能更好地降低脉冲噪声。

1 脉冲噪声

在一些恶劣的环境中，SαS信号或噪声具有显著的尖峰脉冲特性和拖尾特性。SαS稳定分布是非常重要的非高斯分布，能很好地描述这种尖峰脉冲特性以及严重的拖尾特性。……