10.1.2 深度学习用于次级路径预测

文档摘要

10.1.2 深度学习用于次级路径预测在主动噪声控制（Active Noise Control, ANC）系统中，次级路径 $ S(z) $ 是连接次级声源（如扬声器）到误差传感器（如麦克风）之间的声学与电学混合通道。它不参与实时噪声抵消的主控逻辑，却像一位沉默的幕后推手——其建模精度直接决定了整个ANC系统的收敛速度、稳态误差乃至鲁棒性上限。传统方法依赖离线阶跃响应测量或在线FIR自适应辨识（如FXLMS），但当系统面临非线性失真、温度漂移、机械松动、腔体共振模态迁移等现实扰动时，这些线性时不变（LTI）模型便迅速显露出“刻舟求剑”式的脆弱性。而深度学习，特别是序列建模能力强大的循环神经网络（RNN）与状态空间模型（SSM）变体，正悄然改写这一局面。