基于元学习的主动噪声控制中控制滤波器与次路径的联合初始化
音频与语音处理
2026-01-21 v1 机器学习
信号处理
摘要
主动噪声控制（ANC）在声学环境变化时必须快速适应，但早期性能主要取决于初始化。我们提出一种基于模型无关性元学习（MAML）的联合初始化方法，同时设置FxLMS-based ANC的控制滤波器和次路径模型，保持运行算法不变。该初始化器在小量测量路径上进行预训练，使用短的两阶段内循环模拟识别随后残差噪声降低，并通过简单设置学习到的初始系数来应用。在在线次路径建模FxLMS测试平台上，该方法在早期阶段实现更低的误差、更短的时间到达目标、减少的辅助噪声能量以及更快的路径变化恢复速度，优于没有重新初始化的基线。该方法为 feedforward ANC 在环境变化下的快速启动提供了简单快捷的方式，仅需少量路径进行预训练。
引用
@article{arxiv.2601.13849,
title = {Co-Initialization of Control Filter and Secondary Path via Meta-Learning for Active Noise Control},
author = {Ziyi Yang and Li Rao and Zhengding Luo and Dongyuan Shi and Qirui Huang and Woon-Seng Gan},
journal= {arXiv preprint arXiv:2601.13849},
year = {2026}
}