冷仓田， 王德祯， 周邵萍

（华东理工大学承压系统与安全教育部重点实验室，上海 200237）

随着生活水平和工业化水平的提高，噪声问题逐渐成为人们日常生活中关注的重点问题。噪声的控制主要分为传统噪声控制和有源噪声控制。常用的传统噪声控制方法在低频噪声环境下效果明显下降，有源噪声控制方法的出现使这个问题得到了更好的解决[1-3]。

自1936 年Leug[4]提出有源噪声控制思想后，有源噪声控制技术一直是噪声和控制领域的研究重点之一。传统的基于横向滤波器的有源噪声控制方案，在系统存在非线性因素的情况下，无法有效地降低噪声。非线性因素可能来自功率放大器、扬声器等电声器件，也可能来自声音的传播路径[5]。文献[6]提出了一种基于模糊神经网络的非线性噪声有源自适应控制方法，并给出了一种基于误差梯度下降的学习算法。文献[7]针对非线性有源噪声控制系统，提出了一种带有综合评价算法的自适应非线性神经控制器，用于衰减非线性和非高斯噪声环境，并通过模拟验证了效果。文献[8]提出了一种基于函数链接型神经网络(FLANN)的多通道非线性有源噪声控制系统，该系统采用一种适用于非线性噪声过程的粒子群优化(PSO)算法训练。文献[9]提出了一种基于次级通道的滤波最小均方误差非线性噪声控制算法。采用基于人工神经网络的非线性控制器，并通过计算机实时仿真验证其有效性。文献[10]提出了一个扩展流水线型二阶Volterra 滤波器(EPSOV)以及相应的非线性滤波-x 算法，显著提高了非线性噪声控制的计算效率，并进行了非线性噪声的模拟控制。……