WaveNet-Volterra神经网络用于主动噪声控制：一种完全因果的方法
音频与语音处理
2025-05-05 v3
摘要
主动噪声控制（ANC）系统面临非线性失真的挑战，这降低了传统自适应滤波器的性能。虽然基于深度学习的ANC算法已经出现以解决非线性问题，但现有方法往往忽略了关键限制：（1）端到端深度神经网络（DNN）模型经常违反实时ANC应用固有的因果约束；（2）许多研究将基于DNN的方法与简化或低阶自适应滤波器进行比较，而不是与完全优化的高阶对应物。在这封信中，我们提出了一种保持因果性的时域ANC框架，该框架将WaveNet与Volterra神经网络（VNN）协同，明确处理系统非线性同时确保严格因果操作。与先前基于DNN的方法不同，我们的方法以最先进的深度学习架构和严格优化的高阶自适应滤波器（包括维纳解）为基准。仿真表明，所提出的框架在性能上优于现有DNN方法和传统算法，揭示了先前声称DNN优越性的说法源于与次优传统基线的比较不完整。源代码可在https://github.com/Lu-Baihh/WaveNet-VNNs-for-ANC.git获取。
引用
@article{arxiv.2504.04450,
title = {WaveNet-Volterra Neural Networks for Active Noise Control: A Fully Causal Approach},
author = {Lu Bai and Mengtong Li and Siyuan Lian and Kai Chen and Jing Lu},
journal= {arXiv preprint arXiv:2504.04450},
year = {2025}
}