主动降噪滤波器设计方法、降噪方法、系统及电子设备

摘要

本申请适用于主动降噪技术领域，提供了一种主动降噪滤波器的设计方法，应用于主动降噪系统；所述主动降噪滤波器的设计方法，包括：采集所述主动降噪系统的声路建模数据；根据所述声路建模数据，采用FxLMS算法获取所述主动降噪系统的FIR滤波器的抽头系数；根据所述FIR滤波器的抽头系数，采用IIR滤波器逼近FIR滤波器，获得IIR滤波器参数。可以解决如何设计同时满足高稳定性和低计算复杂度的主动降噪滤波器的问题。

权利要求

1.一种主动降噪滤波器的设计方法，其特征在于，应用于主动降噪系统；所述设计方法，包括：

采集所述主动降噪系统的声路建模数据；

根据所述声路建模数据，采用FxLMS算法获取所述主动降噪系统的FIR滤波器的抽头系数；

根据所述FIR滤波器的抽头系数，采用IIR滤波器逼近FIR滤波器，获得IIR滤波器参数；

根据所述FIR滤波器的抽头系数，采用IIR滤波器逼近FIR滤波器，获得IIR滤波器参数，包括：设置所述IIR滤波器零点个数和极点个数；根据所述FIR滤波器的抽头系数，采用所述IIR滤波器逼近所述FIR滤波器，获得所述IIR滤波器参数；计算所述IIR滤波器的第二平均降噪深度，若所述第二平均降噪深度未达到第二预设降噪深度，则返回设置所述IIR滤波器零点个数和极点个数的步骤，直到所述第二平均降噪深度达到所述第二预设降噪深度。

2.如权利要求1所述的设计方法，其特征在于，所述主动降噪系统包括参考麦克风、内部扬声器和误差麦克风；

采集所述主动降噪系统的声路建模数据，包括：采用所述参考麦克采集环境噪声信号x(n)，采用所述误差麦克风采集耳道内噪声信号d(n)；

采用所述内部扬声器播放高斯白噪声，获取所述内部扬声器发送的内部白噪声信号xs(n)和误差麦克风采集的次级信道噪声信号ds(n)。

3.如权利要求2所述的设计方法，其特征在于，根据所述声路建模数据，采用FxLMS算法获取所述主动降噪系统的FIR滤波器的抽头系数，包括：设置所述主动降噪系统的FIR滤波器的阶数；

根据所述环境噪声信号x(n)、所述耳道内噪声信号d(n)、所述内部白噪声信号xs(n)和所述次级信道噪声信号ds(n)，采用FxLMS算法获取所述FIR滤波器的抽头系数；所述FIR滤波器抽头系数包括前馈FIR滤波器抽头系数和后馈FIR滤波器抽头系数至少之一；

计算所述FIR滤波器的第一平均降噪深度，若所述第一平均降噪深度未达到第一预设降噪深度，则返回设置所述主动降噪系统的FIR滤波器的阶数的步骤，直到所述第一平均降噪深度达到所述第一预设降噪深度。

4.如权利要求1所述的设计方法，其特征在于，所述FIR滤波器的抽头系数为wopt；

设置所述IIR滤波器零点个数和极点个数；根据所述FIR滤波器的抽头系数，采用所述IIR滤波器逼近所述FIR滤波器，获得所述IIR滤波器参数，包括：对所述抽头系数wopt进行傅里叶变换，获得预设频率范围内的N个离散频率响应参数Wopt(jω),ω＝ω0,ω1,ω2,…,ωN‑1；

设置所述IIR滤波器的频率响应函数G(jω)的零点个数为m和极点个数为n；m大于或等于1，n大于或等于1；

其中A0,A1,…,Am和B0,B1,…,Bn为待求IIR滤波器参数；

获取代价函数E为

求解代价函数E关于IIR滤波器参数A0,A1,…,Am和B0,B1,…,Bn的微分方程组得到IIR滤波器的初步参数AR0,AR1,…,ARm和BR0,BR1,…,BRn；

对所述初步参数的分母多项式系数BR0,BR1,…,BRn进行极点映射处理，获得调整过的分母多项式系数B′R(ω)＝B′R0,B′R1,…,B′Rn，得到调整过的IIR滤波器频率响应函数以 为函数模型，以G′(jω)的参数作为初始解，以Wopt(jω)作为拟合数据点，采用高斯‑牛顿迭代法对H(jω)参数进行更新迭代；

每次迭代时，根据高斯牛顿法计算出的迭代增量ΔC＝[ΔC0,ΔC1,...,ΔCm]和ΔD＝[ΔD0,ΔD1,...,ΔDn]更新H(jω)参数，直到H(jω)参数满足误差平方和最小时，获得最优IIR滤波器参数；

其中，j为虚数单位，ω为频率。

5.如权利要求4所述的设计方法，每次迭代时根据高斯牛顿法计算出迭代增量ΔC＝[ΔC0,ΔC1,...,ΔCm]和ΔD＝[ΔD0,ΔD1,...,ΔDn]更新H(jω)参数，包括：(k) (k)

设第k次迭代为当前次迭代，所述当前次迭代中的增量为ΔC 和ΔD ，所述当前次迭代的误差平方和为

(k+1) (k) (k) (k+1) (k) (k) (k) (k)通过C ＝C +v·ΔC 和D ＝D +v·ΔD 对当前次迭代的参数C 和D 进行修正，v为乘积因子，0

(k+1) (k+1)

对分母多项式系数D 进行极点映射处理，获得调整过的分母多项式系数D′ ，并使(k+1) (k) (k)

D′ 满足极点映射处理后的误差平方和ε′ 大于当前次迭代的误差平方和ε ；

(k+1)

根据所述调整过的分母多项式系数D′ 更新H(jω)参数。

6.一种主动降噪方法，其特征在于，应用于主动降噪系统，所述主动降噪系统包括：参考麦克风、误差麦克风、内部扬声器、和滤波器；

所述滤波器通过所述参考麦克风接收外部噪声信号，和/或通过所述误差麦克风接收耳道内噪声信号；

所述滤波器对所述外部噪声信号，和/或耳道内噪声信号进行滤波，获得噪声抵消信号；

通过所述内部扬声器播放所述噪声抵消信号；

所述滤波器为采用权利要求1至5任一项所述主动降噪滤波器的设计方法设计的滤波器。

7.一种主动降噪系统，其特征在于，包括：参考麦克风、误差麦克风、内部扬声器、和滤波器；所述滤波器为采用权利要求1至5任一项所述滤波器设计方法设计的滤波器。

8.一种电子设备，其特征在于，包括权利要求7所述的主动降噪系统。

9.如权利要求8所述的电子设备，其特征在于，所述电子设备包括主动降噪耳机、车载降噪设备或室内降噪设备。

说明书

主动降噪滤波器设计方法、降噪方法、系统及电子设备

技术领域

[0001] 本申请属于主动降噪技术领域，尤其涉及一种主动降噪滤波器设计方法、降噪方法、系统及电子设备。

背景技术

[0002] 主动降噪系统通过降噪滤波器对噪声进行处理，产生与原噪声幅值相等、相位相反的反噪声，反噪声与原噪声叠加后形成耳道内的静音区，从而达到噪声控制的目的。

[0003] 采用FIR滤波器的主动降噪系统设计方法较为成熟，因此在很多主动降噪装置中被广泛应用。但是，FIR滤波器往往需要较高的阶数才能实现好的降噪效果。高阶滤波器的
滤波处理对于系统计算能力要求较高，由此带来的运算时延会影响主动降噪系统的性能。
尤其是一些便携式设备，如数字降噪耳机，其通过降噪芯片载入预先存储的滤波器参数，完
成对环境噪声的处理，而降噪芯片的运算能力往往是有限的，这限制了FIR滤波器的应用。

[0004] 因此，需要一种滤波器设计方法，采用该方法设计的滤波器既可以保证稳定性，又满足计算复杂度低的要求。

发明内容

[0005] 本申请实施例提供了一种主动降噪滤波器设计方法、降噪方法、系统及电子设备，可以解决如何设计同时满足高稳定性和低计算复杂度的主动降噪滤波器的问题。

[0006] 第一方面，本申请实施例提供了一种前馈滤波器设计方法，应用于主动降噪系统；所述设计方法，包括：

[0007] 采集所述主动降噪系统的声路建模数据；

[0008] 根据所述声路建模数据，采用FxLMS算法获取所述主动降噪系统的FIR 滤波器的抽头系数；

[0009] 根据所述FIR滤波器的抽头系数，采用IIR滤波器逼近FIR滤波器，获得 IIR滤波器参数。

[0010] 通过采用IIR滤波器逼近FIR滤波器，获得IIR滤波器参数，使本申请实施例设计的滤波器同时满足高稳定性和低计算复杂度的要求。

[0011] 第二方面，本申请实施例提供了一种主动降噪方法，包括：

[0012] 应用于主动降噪系统，所述主动降噪系统包括：参考麦克风、误差麦克风、内部扬声器、和滤波器；

[0013] 所述滤波器通过所述参考麦克风接收外部噪声信号后，和/或通过所述误差麦克风接收耳道内噪声信号；

[0014] 对所述外部噪声信号，和/或耳道内噪声信号进行滤波，获得噪声抵消信号；

[0015] 通过所述内部扬声器播放所述噪声抵消信号；

[0016] 所述滤波器为采用上述第一方面所述主动降噪滤波器的设计方法设计的滤波器。

[0017] 第三方面，本申请实施例提供了一种主动降噪系统，包括：参考麦克风、误差麦克风、内部扬声器、和滤波器；所述滤波器为采用上述第一方面所述主动降噪滤波器的设计方
法设计的滤波器。

[0018] 第四方面，本申请实施例提供了一种电子设备，包括：上述第三方面所述的主动降噪系统。

[0019] 第五方面，本申请实施例提供了一种计算机可读存储介质，包括：所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第二方面所述的方
法步骤。

[0020] 第六方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第二方面所述的方法步骤。

[0021] 可以理解的是，上述第二方面至第六方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

[0022] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些
实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些
附图获得其他的附图。

[0023] 图1是本申请一实施例提供的主动降噪滤波器设计方法的模块示意图；

[0024] 图2是本申请一实施例提供的主动降噪系统结构示意图；

[0025] 图3是本申请一实施例提供的主路径建模的数据采集方法；

[0026] 图4是本申请一实施例提供的次级路径建模的数据采集方法；

[0027] 图5是本申请一实施例提供的前馈FIR滤波器参数计算的算法结构示意图；

[0028] 图6是本申请一实施例提供的后馈FIR滤波器参数计算的算法结构示意图；

[0029] 图7是本申请一实施例提供的主动降噪滤波器的设计方法流程示意图；

[0030] 图8是本申请另一实施例提供的主动降噪滤波器的设计方法流程示意图；

[0031] 图9是本申请一实施例提供的FIR滤波器抽头系数与滤波器阶数关系图；

[0032] 图10是本申请一实施例提供的FIR滤波器的仿真降噪深度图；

[0033] 图11是本申请一实施例提供的IIR滤波器的逼近效果的幅度频率响应逼近效果图；

[0034] 图12是本申请一实施例提供的IIR滤波器的逼近效果的相位频率响应逼近效果；

[0035] 图13是本申请一实施例提供的IIR滤波器的仿真降噪深度图；

[0036] 图14是本申请一实施例提供的IIR滤波器的零极点图；

[0037] 图15是本申请实施例提供的终端设备的结构示意图。

具体实施方式

[0038] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体
细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电
路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

[0039] 应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、
步骤、操作、元素、组件和/或其集合的存在或添加。

[0040] 还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

[0041] 如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确
定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响
应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

[0042] 另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

[0043] 在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书
中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、
“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是
所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变
形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

[0044] 主动降噪系统，例如主动降噪耳机，通过降噪滤波器对噪声进行处理，产生与原噪声幅值相等、相位相反的反噪声，反噪声与原噪声叠加后形成耳道内的静音区，从而达到噪
声控制的目的。

[0045] 降噪滤波器的设计与系统的降噪性能直接相关，是主动降噪耳机开发的关键。按照脉冲响应的不同，降噪滤波器可以分为有限脉冲响应(Finite Impulse Response，FIR)
滤波器和无限脉冲响应(Infinite Impulse Response，IIR)滤波器。其中FIR滤波器不存在
稳定性问题，且相关设计方法较为成熟，因此在很多主动降噪装置中被广泛应用。

[0046] 但是FIR滤波器往往需要较高的阶数才能实现好的降噪效果，高阶滤波器的滤波处理对于系统计算能力要求较高，由此带来的运算时延会影响主动降噪系统的性能。尤其
是一些便携式设备，如数字降噪耳机，其通过降噪芯片载入预先存储的滤波器参数，完成对
环境噪声的处理，而降噪芯片的运算能力往往是有限的，这限制了FIR滤波器的应用。

[0047] 相比FIR滤波器，IIR滤波器能以较低阶数实现同样的滤波器指标，采用 IIR滤波器可以减少降噪过程中的运算时延，从而满足主动降噪的实时性要求，同时也有利于硬件
实现，因此IIR滤波器逐渐成为主流的实现方案，但目前的 IIR降噪滤波器的应用也存在一
些问题。

[0048] 现阶段的IIR降噪滤波器设计方法主要有两种。一种是FULMS算法，该自适应算法以FIR滤波器为模型分别建模出主动噪声控制系统中的主路径和反馈路径传递函数，作为
IIR滤波器传递函数的分子和分母，从而计算出IIR滤波器的系数。该算法所设计的滤波器
阶数比传统的FIR滤波器更低，但是自适应过程容易收敛到局部最优解，会影响降噪效果，
且反馈路径往往是非最小相位系统，导致IIR滤波器的极点出现单位圆以外的情况，无法保
证滤波器的稳定性，工程应用中容易出现溢出和饱和的问题。另一种方法是通过仪器离线
测试耳机的声路径特性，并得出降噪滤波器需满足的频率响应，通过人为调整特定滤波器
网络的参数去尽可能符合该频率响应。这种设计方法较为简单，但是调整指标不够灵活，设
计调试效率较低，且测试仪器的成本高。

[0049] 针对以上问题，本申请提供一种模块化的IIR降噪滤波器离线设计方法，通过先建模出FIR滤波器，用IIR滤波器去逼近该FIR滤波器的特性，来间接进行IIR滤波器的设计。该
方法具有以下优点：1)在FIR滤波器的基础上设计 IIR滤波器，能同时保证滤波器的降噪效
果和稳定性；2)使用模块化设计，可灵活调整降噪深度和滤波器模型参数，调试效率高；3)
不需要测试分析仪器，实现成本低。

[0050] 在说明本申请实施例提供的主动降噪滤波器的设计方法之前，为方便对本申请实施例的理解，下面结合附图对本申请实施例提供的主动降噪滤波器的设计方法的原理以及
本申请实施例中涉及的相关概念进行说明。

[0051] 图1示出的是本申请实施例提供的主动降噪滤波器设计方法的模块示意图。

[0052] 如图1所示本申请实施例提供的主动降噪滤波器设计方法分别为数据采集模块、FIR滤波器设计模块、IIR滤波器逼近模块和降噪深度仿真模块。其中数据采集模块采集主
动降噪耳机中的麦克风和喇叭的数字信号，用于耳机的声路径建模和降噪滤波器设计。FIR
滤波器设计模块使用FXLMS算法计算前馈以及后馈FIR滤波器的系数。IIR滤波器逼近模块
通过零极点个数可调的IIR滤波器模型对FIR滤波器进行逼近。降噪深度仿真模块可以检验
FIR滤波器和IIR 滤波器的建模质量，通过仿真结果对FIR滤波器的阶数和IIR滤波器的逼
近参数进行针对性调整，使滤波器满足一定的降噪深度要求。以下分别对各个模块进行详
细介绍。

[0053] 对于数据采集模块，图2示出的是本申请的一些实施例提供的主动降噪系统200结构示意图，该主动降噪系统采用前馈降噪与后馈降噪结合的混合降噪结构。

[0054] 应理解本申请实施例提供的主动降噪滤波器设计方法同样适用于前馈降噪机构，或后馈降噪结构。在本申请的示例中以混合降噪结构为示例进行说明。对单独的前馈降噪
机构，或后馈降噪结构不再赘述。

[0055] 主动降噪系统200的内部元器件组成如图2所示，其中参考麦克风210用于检测外部环境噪声；误差麦克风220用于检测耳道内的残余噪声；内部扬声器230，例如耳机喇叭，
用于播放反噪声信号及其他音频信号；微处理器250 可载入降噪滤波器参数，实现降噪滤
波算法；存储器240中存储有预设的降噪滤波器参数及相关指令；控制器260可实现对微处
理器的启动和控制；可编程增益放大器(programmable gain amplifier，PGA)211(221)、模
数转换器(analog to digital converter，ADC)212(222)、数模转换器232(digital to 
analog converter，DAC)和功率放大器231等为音频外围电路器件。

[0056] 前馈和后馈滤波器的设计以主路径和次级路径的建模为基础，因此需要采集用于主路径和次级路径建模的数据。

[0057] 以主动降噪耳机为例，主路径为外界噪声由耳机外部传播到耳道内所经过的声传播路径。图3示出的是主动降噪耳机的主路径建模的数据采集方法。主路径P(z)建模的数据
采集方法如图3所示，将主动降噪系统200，例如主动降噪耳机佩戴于仿真耳33上，设置一个
外部声源，以高斯白噪声作为激励信号，获取由参考麦克风和误差麦克风采集的信号x(n)
和d(n)。其中，x(n)和d(n)均为时域数字信号。

[0058] 次级路径为主动噪声消减(Active Noise Cancellation，ANC)电路201生成的反噪声信号由耳机喇叭播放并传播到耳道内所经过的路径。ANC可以包括存储器240、控制器
260可编程增益放大器211(221)、模数转换器212(222)、数模转换器232(digital to 
analog converter，DAC)和功率放大器231等为音频外围电路器件。

[0059] 图4示出的是主动降噪耳机的次级路径建模的数据采集方法。用于次级路径S(z)建模的数据采集方法如图4所示，将主动降噪系统200，例如主动降噪耳机佩戴于仿真耳33
上，通过微处理器生成内部高斯白噪声信号xs(n)，驱动耳机喇叭发声，获取xs(n)和由误差
麦克风采集的信号ds(n)。其中，xs(n)和ds(n) 均为时域数字信号。

[0060] 对于FIR滤波器设计模块，虽然FIR降噪滤波器在实际系统中的应用会受到限制，但其设计方法相对简单，且降噪效果可靠，因此可以作为IIR降噪滤波器设计的基础。假设
降噪滤波器的模型为FIR滤波器，使用FXLMS算法进行前馈和后馈滤波器的参数计算。由于
前馈和后馈降噪是互不耦合的关系，前馈和后馈滤波器可以分别独立设计。

[0061] 图5示出了本申请实施例提供的前馈FIR滤波器参数计算的算法结构示意图。用于前馈FIR滤波器参数计算的算法结构如图5所示，其中Wf(z)为待计算的前馈FIR降噪滤波器
传递函数，P(z)为主路径传递函数，S(z)为次级路径传递函数。S(z)需要根据采集的次级路
径建模数据xs(n)和ds(n)，使用FXLMS算法进行预先建模，得到次级路径建模滤波器 根
据采集的主路径建模数据 x(n)和d(n)进行前馈FIR滤波器的参数计算，yf(n)为前馈滤波
器输出信号， yf′(n)为次级路径输出信号，ef(n)为残余噪声信号，设n时刻前馈滤波器系
数向量为wf(n)，FIR滤波器的阶数为M，迭代步长为μ，则根据wf(n+1)＝wf(n)+μx'(n)ef(n)
更新滤波器系数向量wf(n)，x′(n)为环境噪声x(n)经过次级路径建模滤波器 滤波后的
信号，待算法收敛后，获得最优的M阶前馈FIR滤波器系数向量wfopt，wfopt＝[wf0 wf1  ... 
wfM‑1]。在实施本申请实施例时，迭代步长为μ为预设值，通常的，输入信号功率大则选择较
大步长，输入信号功率小则选择较小步长，可以根据经验或是有限次实验调试获得合适步
长。

[0062] 图6示出了本申请实施例提供的后馈FIR滤波器参数计算的算法结构示意图。用于后馈FIR滤波器参数计算的算法结构如图6所示，其中Wb(z)为待计算的后馈FIR降噪滤波器
传递函数，S(z)为次级路径传递函数。S(z)同样需要用前述方法进行预先建模，得到次级路
径建模滤波器 后馈降噪与前馈降噪采用同样的算法结构，区别在于后馈降噪只通过
耳道内噪声d(n)进行滤波器计算，缺乏参考信号作为滤波器输入，因此需要重新合成估计
的耳道内噪声 作为滤波器输入信号。yb(n)为后馈滤波器输出信号，yb′(n)为次级路径
输出信号，  eb(n)为残余噪声信号。对eb(n),yb(n)进行初始化后计算

[0063] 其中， 为n时刻的次级路径建模滤波器系数，*表示线性卷积。设n时刻滤波器系数向量为wb(n)，阶数为FIR滤波器M，迭代步长为μ，根据
更新滤波器系数向量， 为估计的耳道内噪声 经过次级路径建模滤波器 滤波后
的信号，待算法收敛后，获得M阶后馈FIR 滤波器系数向量wbopt，wbopt＝[wb0 wb1  ... 
wbM‑1]。

[0064] 对于IIR滤波器逼近模块，本申请提供的主动降噪滤波器的设计方法是在 FIR降噪滤波器的基础上进行IIR降噪滤波器的设计，相对于以往的方法，这种间接设计的方法解
决了直接设计IIR降噪滤波器时的稳定性等问题，且模型参数可调，调试设计效率更高，是
适用于前馈和后馈降噪滤波器设计的通用方法。具体来说，是先获得FIR滤波器的频率响应
数据，设定IIR滤波器的零极点个数，并建立其频率响应函数，通过频率响应拟合对未知参
数进行求解，进一步，对求解后的滤波器参数做稳定性限制，并进行基于高斯牛顿迭代法的
优化，得到最终的IIR降噪滤波器参数，以下进行详细阐述。

[0065] 若待逼近的M阶FIR滤波器抽头系数为wopt＝[w0 w1  ... wM‑1]，应理解，这里 M阶FIR滤波器抽头系数可以为前馈FIR滤波器抽头系数，也可以为后馈FIR 滤波器抽头系数，
均采用以下方法获取IIR滤波器参数。

[0066] 对wopt＝[w0 w1  ... wM‑1]进行傅里叶变换，获得其特定频率范围内的N个离散频率响应数据Wopt(jω)，ω＝ω0,ω1,ω2,…,ωN‑1。设一零点个数为m，极点个数为n 的IIR滤波
器的频率响应函数G(jω)为，

[0067]

[0068] 其中，其中A0,A1,…,Am和B0,B1,…,Bn为待求IIR滤波器参数。

[0069] 定义代价函数为

[0070] 其中N为标准样本数，代价函数简单理解就是预测值和实际值之间的差距，对于多个样本来说，就是差距之和。代价函数值越小，表示模型拟合的越好。这里的N就是标准样本
数。

[0071] 所求未知参数要使代价函数最小，因此求解代价函数关于未知A0,A1,…,Am和 B0,B1,…,Bn的微分方程组：

[0072]

[0073] 得到IIR滤波器的初步参数AR0,AR1,…,ARm和BR0,BR1,…,BRn。

[0074] 初步求解的IIR滤波器参数有较好的频率响应逼近特性，但是不能保证滤波器的稳定性，在一些实施例中加入稳定性限制，将单位圆外的极点映射至单位圆内，以提高稳定
性。

[0075] 稳定性限制的方法包括对滤波器参数BR0,BR1,…,BRn进行极点映射处理，获得调整过的分母多项式系数B′R0,B′R1,…,B′Rn。具体的，极点映射处理的过程包括，通过求解BR0,
BR1,…,BRn组成的分母多项式的根分析该滤波器的极点分布，若某个根 a+jb出现|a+jb|>1
的情况，则将这个根映射为 将该极点调整至单位圆内，由调整过的根
生成新的分母多项式系数B′R0,B′R1,…,B′Rn，得到新的 IIR滤波器频率响应函数G′(jω)，

[0076]

[0077] 由于在G(jω)的基础上做了稳定性限制，G′(jω)对于Wopt(jω)的频率逼近特性会下降，需要用优化方法进行参数优化。本申请一些实施例采用高斯‑牛顿迭代法，已知N个
离散频率响应参数Wopt(jω),ω＝ω0,ω1,ω2,…,ωN‑1，以

[0078]

[0079] 为函数模型，将G′(jω)的参数作为初始解，即：

[0080]

[0081]

[0082] 进行多次迭代，每次迭代时根据高斯牛顿法原理计算出迭代增量ΔC＝[ΔC0,ΔC1,...,ΔCm]和ΔD＝[ΔD0,ΔD1,...,ΔDn]更新参数，最终使参数满足误差平方和ε最小，
获得最终的最优IIR滤波器参数，其中，

[0083]

[0084] 需要注意的是优化过程中仍需要考虑滤波器的稳定性限制，所以每次迭代时参数的更新方式不是与迭代增量的简单相加。

[0085] 具体做法如下，设第k次迭代中的增量为ΔC(k)和ΔD(k)，当前误差平方和为

[0086]

[0087] 需要确定一个乘积因子v(0

[0088] C(k+1)＝C(k)+v·ΔC(k)，

[0089] D(k+1)＝D(k)+v·ΔD(k)，

[0090] 再对分母多项式系数D(k+1)做前述的极点映射，使其稳定，且极点映射后的误差平(k)' (k)
方和ε 要小于ε ，乘积因子v的值可以参考数值优化的各种改进的牛顿法中步长(尺度
因子)的确定方式。示例性的，可以通过循环搜索方法进行确定。循环搜索方法包括以下步
骤：预设一个固定值，①再设两个变量I、J，排序的时候按I＝0，J＝N‑1。②以第一个数组元
素做为关键数据，赋值给v。③然后从J开始向前搜索，即由后开始向前搜索(J＝J‑1)找到第
一个小于v的值A[J],并与A[I]交换。④从I开始向后搜索，即由开始向后搜索(I＝I+1)，找
到第一个大于v的值，与A[J]交换。⑤重复③、④、⑤步，直到I＝J，循环结束。以此方法来搜
索最佳值。

[0091] 对于降噪深度仿真模块，为了对设计的降噪滤波器的准确性进行检验，拟对滤波器进行降噪深度仿真，根据仿真结果，调整滤波器的相关参数。降噪深度是通过比较载入降
噪滤波器参数前后耳道内噪声的衰减情况来衡量的，具体的指标是某一关心频段内的噪声
衰减量。

[0092] 若滤波器载入之前耳道内的噪声信号为d(n),功率谱为Pd(ω),滤波器载入之后耳道内的噪声信号为e(n)，功率谱为Pe(ω)。则降噪深度函数NR(ω)为，

[0093] NR(ω)＝Pd(ω)‑Pe(ω)，

[0094] 某一频段，例如100hZ‑2.5Khz，平均降噪深度(单位dB)为，

[0095]

[0096] N为标准样本数，具体的，N为该频段对应的频点数。

[0097] 根据降噪深度仿真模块可以针对性地调整滤波器参数，以达到更好的降噪效果。FIR滤波器的参数计算完成后，通过计算其降噪深度与预设的指标进行对比，根据结果调整
FIR滤波器的阶数。同样地，IIR滤波器的参数计算完成后，通过计算其降噪深度与预设的指
标进行对比，根据结果调整IIR滤波器的逼近参数，包括IIR滤波器的零极点个数、优先逼近
的频率响应频段等。

[0098] 本申请实施例中的j为虚数单位，ω为频率。

[0099] 图7示出了本申请实施例提供的主动降噪滤波器的设计方法，应用于上述图2所示的主动降噪系统，可由包含该主动降噪系统的电子设备的软件和/或硬件实现。如图7所示，
该方法包括步骤S110至S130。各个步骤的具体实现原理如下：

[0100] S110，采集所述主动降噪系统的声路建模数据。

[0101] 在一些实施例中，采集所述主动降噪系统的声路建模数据，包括：采用所述参考麦克采集环境噪声信号x(n)，采用所述误差麦克风采集耳道内噪声信号 d(n)；采用所述内部
扬声器播放高斯白噪声，获取所述内部扬声器发送的内部白噪声信号xs(n)和误差麦克风
采集的次级信道噪声信号ds(n)。

[0102] 在一个具体的示例中，耳机的声路径建模数据采集包括：

[0103] 将耳机佩戴于仿真耳上，使用外部声源播放高斯白噪声模拟环境噪声，使参考麦克风和误差麦克风处于通电状态，采集环境噪声x(n)和耳道内噪声d(n)，传送到计算机并
保存。

[0104] 使耳机喇叭和误差麦克风处于通电状态，通过控制器向微处理器写入高斯白噪声生成程序，控制耳机喇叭播放高斯白噪声，获取内部白噪声xs(n)和误差麦克风采集的信号
ds(n)传送到计算机并保存。

[0105] S120，根据所述声路建模数据，采用FxLMS算法获取所述主动降噪系统的FIR滤波器的抽头系数。

[0106] 在一些实施例中，根据所述声路建模数据，采用FxLMS算法获取所述主动降噪系统的FIR滤波器的抽头系数，包括：设置所述主动降噪系统的FIR滤波器的阶数；根据环境噪声
信号x(n)、所述耳道内噪声信号d(n)、所述内部白噪声信号xs(n)、和所述次级信道噪声信
号ds(n)，采用FxLMS算法获取所述FIR 滤波器的抽头系数；所述FIR滤波器包括前馈FIR滤
波器和后馈FIR滤波器至少之一；计算所述FIR滤波器的第一平均降噪深度，若所述第一平
均降噪深度未达到第一预设降噪深度，返回设置所述主动降噪系统的FIR滤波器的阶数的
步骤，直到所述平均降噪深度达到所述第一预设降噪深度。应理解在每次返回置所述主动
降噪系统的FIR滤波器的阶数的步骤时，需对FIR滤波器的阶数进行调整。

[0107] 在一个具体的示例中，如图8所示，FIR滤波器设计包括前馈FIR滤波器设计和后馈FIR滤波器设计至少之一。

[0108] 前馈FIR滤波器设计，包括：

[0109] 1.将采集的xs(n)和ds(n)用于FxLMS系统辨识方法，对次级路径S(z)进行建模，得到次级路径的估计

[0110] 2.设定前馈FIR降噪滤波器的阶数。

[0111] 3.使x(n)经过 的滤波后得到x′(n)作为参考输入,次级路径输出信号yf′(n) 与d(n)做差更新误差信号d(n)作为自适应算法的反馈，进行FIR滤波器参数的更新，算法收
敛后得到前馈FIR降噪滤波器抽头系数wfopt。

[0112] 后馈FIR滤波器设计，包括:

[0113] 1.设定后馈FIR降噪滤波器的阶数。

[0114] 2.将后馈滤波器的输出信号yb(n)经过 的滤波处理后,与误差信号eb(n) 合成估计的耳道噪声

[0115] 3.使 经过 的滤波后得到 作为参考输入，次级路径输出信号yb′(n) 与d(n)做差更新误差信号eb(n)作为自适应算法的反馈，进行FIR滤波器参数的更新，算法
收敛后得到后馈FIR降噪滤波器抽头系数wbopt。

[0116] FIR滤波器降噪深度仿真，包括：

[0117] 对前馈和/或后馈FIR滤波器载入前后的噪声变化做功率谱分析，计算平均降噪深度NRav与预设指标对比，指标未达到则调整滤波器阶数。

[0118] S130，根据所述FIR滤波器的抽头系数，采用IIR滤波器逼近FIR滤波器，获得IIR滤波器参数。

[0119] 在一些实施例中，根据所述FIR滤波器的抽头系数，采用IIR滤波器逼近 FIR滤波器，获得IIR滤波器参数，包括：设置所述IIR滤波器零点个数和极点个数；根据所述FIR滤波
器的抽头系数，采用所述IIR滤波器逼近所述FIR滤波器，获得所述IIR滤波器参数；计算所
述IIR滤波器的第二平均降噪深度，若所述第二平均降噪深度未达到第二预设降噪深度，则
调整所述IIR滤波器零极点个数，返回设置所述IIR滤波器零点个数和极点个数的步骤，直
到所述平均降噪深度达到所述第二预设降噪深度。应理解在每次返回置所述主动降噪系统
的IIR滤波器的阶数的步骤时，需对IIR滤波器的阶数进行调整。

[0120] 在一些实施例中，所述FIR滤波器的抽头系数为wopt＝[w0 w1 ... wM‑1]，M为所述FIR滤波器的阶数；

[0121] 设置所述IIR滤波器零点个数和极点个数；根据所述FIR滤波器的抽头系数，采用所述IIR滤波器逼近所述FIR滤波器，获得所述IIR滤波器参数，包括：

[0122] 对所述抽头系数wopt进行傅里叶变换，获得预设频率范围内的N个离散频率响应参数Wopt(jω),ω＝ω0,ω1,ω2,…,ωN‑1；

[0123] 设置所述IIR滤波器的频率响应函数G(jω)的零点个数为m和极点个数为 n；m大于或等于1，n大于或等于1；

[0124]

[0125] 其中A0,A1,…,Am和B0,B1,…,Bn为待求IIR滤波器参数。

[0126] 定义代价函数E为

[0127] 求解代价函数E关于滤波器参数A0,A1,…,Am和B0,B1,…,Bn的微分方程组得到IIR滤波器的初步参数AR0,AR1,…,ARm和BR0,BR1,…,BRn。

[0128] 对所述初步参数的分母多项式系数BR0,BR1,…,BRn进行极点映射处理，获得调整过的分母多项式系数B′R(ω)＝B′R0,B′R1,…,B′Rn，得到调整过的IIR滤波器频率响应函数

[0129] 以 为函数模型，以G′(jω)的参数作为初始解，以Wopt(jω)作为拟合数据点，采用高斯‑牛顿迭代法对H(jω)参数进行
更新迭代。

[0130] 每次迭代时，根据高斯牛顿法计算出的迭代增量ΔC＝[ΔC0,ΔC1,...,ΔCm]和ΔD＝[ΔD0,ΔD1,...,ΔDn]更新H(jω)参数，直到H(jω)参数满足误差平方和
最小时，获得最优IIR滤波器参数。

[0131] 在一些实施例中，每次迭代时根据高斯牛顿法计算出迭代增量ΔC＝[ΔC0,ΔC1,...,ΔCm]和ΔD＝[ΔD0,ΔD1,...,ΔDn]更新H(jω)参数，包括：

[0132] 设第k次迭代为当前次迭代，所述当前次迭代中的增量为ΔC(k)和ΔD(k)，所述当前次迭代的误差平方和为

[0133] 通过C(k+1)＝C(k)+v·ΔC(k)和D(k+1)＝D(k)+v·ΔD(k)对当前次迭代的参数C(k)和 D(k)
进行修正，v为乘积因子，0

[0134] 对分母多项式系数D(k+1)进行极点映射处理，获得调整过的分母多项式系数 D′(k+1) ′(K+1) ′(k) (k)
，并使D 满足极点映射处理后的误差平方和ε 大于ε ；

[0135] 采用所述调整过的分母多项式系数D′(K+1)更新H(jω)参数。

[0136] 在一个具体的示例中，如图8所示，

[0137] IIR滤波器逼近FIR滤波器，包括：

[0138] 1.设定IIR滤波器频率拟合的频率范围，对前馈或后馈FIR滤波器的脉冲响应wbopt进行傅里叶变换得到该频率范围的频率响应数据Wopt(jω)，ω＝ω0,ω1,ω2,…,ωN‑1。

[0139] 2.设定IIR滤波器的零点个数m和极点个数n，建立含未知参数A0,A1,…,Am和 B0,B1,…,Bn的IIR滤波器频率响应函数

[0140] 3.建立G(jω)与Wopt(jω)的加权误差平方和代价函数E，求解E关于未知参数A0,A1,…,Am和B0,B1,…,Bn的微分方程组，解出IIR滤波器的初始参数AR0,AR1,…,ARm和BR0,
BR1,…,BRn。

[0141] 4.求解BR0,BR1,…,BRn组成的分母多项式的根，分析IIR滤波器初始解的极点，对根的模值大于1的根进行模值归一化的映射处理，由归一化的映射处理的根反向得到新的分
母多项式系数B′R(ω)＝B′R0,B′R1,…,B′Rn。

[0142] 5.建立含未知参数C0,C1…Cm，D0,D1…Dn的IIR滤波器频率响应函数

[0143] 6.将已知频率响应数据Wopt(jω)，ω＝ω0,ω1,ω2,…,ωN‑1，作为拟合数据点，初始参数AR0,AR1,…,ARm和BR0,BR1,…,BRn作为H(jω)未知参数的初始解，设定代价函数 E最小
为停止迭代条件，开始基于高斯‑牛顿迭代法的优化。

[0144] 7.每迭代一次，对H(jω)的分母多项式系数进行稳定性限制。直到迭代增量足够小满足停止迭代条件，优化过程完成，得到最优的IIR滤波器参数。

[0145] IIR滤波器降噪深度仿真，包括：

[0146] 对前馈IIR滤波器和/或后馈IIR滤波器载入前后的噪声变化做功率谱分析，计算平均降噪深度NRav与预设指标对比，指标未达到则调整IIR滤波器的逼近参数。

[0147] 在一些实施例中，主动降噪滤波器设计方法还包括载入IIR滤波器参数至实际的主动降噪系统中测试，获得测试结果，根据测试结果调整滤波器参数。

[0148] 在一个以主动降噪耳机实验系统为设计对象的实施例中，调整采样率为 48kHz，设置外界噪声源为高斯白噪声，声源强度为90.2dBA，采集耳机佩戴状态下用于主路径和次
级路径建模的数据。根据采集的数据所设计的256阶前馈 FIR降噪滤波器如下图9所示。图9
为FIR滤波器的抽头系数和滤波器阶数关系图，图9横轴为滤波器阶数，纵轴为滤波器抽头
系数。图10为FIR滤波器的仿真降噪深度图，图10横轴为频率(Hz)，纵轴为幅度(db)，经计算
在20‑2000Hz 的平均降噪深度为21.3dB。

[0149] 通过FIR滤波器的脉冲响应获取离散频率响应数据Wopt(jω)，确定频率抽样间隔为0.5Hz,频率拟合范围为20Hz‑2000Hz，得到3960个频率响应数据，设定 IIR滤波器的零点
个数为8，极点个数为8，使用高斯牛顿迭代法进行50次迭代优化后，设计结果如下图。图11
和图12为IIR滤波器的逼近效果，其中图 11为幅度频率响应逼近效果，图11横轴为频率
(Hz)，纵轴为幅度(db)，图12为相位频率响应逼近效果，图12横轴为频率(Hz)，纵轴为相位
(deg)。由图中可以看出所设计的IIR滤波器在设定的低频范围内有很好的逼近特性。图13
为IIR滤波器的仿真降噪深度图，图13横轴为频率(Hz)，纵轴为幅度 (db)。由图中可以看出
在设定的20‑2000Hz范围内，最大降噪深度为35dB 左右，经计算平均降噪深度为20.1dB，与
FIR滤波器的平均降噪深度相差很小，所设计的IIR滤波器较好的还原了FIR滤波器的降噪
效果。图14为所设计的IIR 滤波器的零极点图，图14的横轴为实部，纵轴为虚部。可见极点
都被限制在单位圆内，避免了实际系统测试中由于滤波器稳定性造成的溢出和饱和问题。

[0150] 后馈IIR降噪滤波器的设计与前馈滤波器类似，这里不过多阐述。

[0151] 应理解，通过设计FIR降噪滤波器，用IIR滤波器逼近的降噪滤波器间接设计方案，可以使设计得到的滤波器具备高稳定性和第计算复杂度的优点，更合适在便携电子设备，
例如主动降噪耳机中应用。

[0152] 本申请实施例提供了一种主动降噪的方法，应用于图2所述的主动降噪系统。所述主动降噪系统包括：参考麦克风、误差麦克风、内部扬声器、和滤波器；

[0153] 所述滤波器通过所述参考麦克风接收外部噪声信号后，和/或通过所述误差麦克风接收耳道内噪声信号；

[0154] 对所述外部噪声信号，和/或耳道内噪声信号进行滤波，获得噪声抵消信号；

[0155] 通过所述内部扬声器播放所述噪声抵消信号；

[0156] 所述滤波器为采用上述所述主动降噪滤波器的设计方法设计的滤波器。

[0157] 对应于上述主动降噪的方法，本申请实施例提供的一种主动降噪装置，应用于主动降噪系统，所述主动降噪系统包括：参考麦克风、误差麦克风、内部扬声器、和滤波器；所
述主动降噪装置包括：

[0158] 滤波模块，用于所述滤波器通过所述参考麦克风接收外部噪声信号后，和/ 或通过所述误差麦克风接收耳道内噪声信号。

[0159] 滤波模块，还用于对所述外部噪声信号，和/或耳道内噪声信号进行滤波，获得噪声抵消信号。

[0160] 抵消模块，用于通过所述内部扬声器播放所述噪声抵消信号。

[0161] 所述滤波器为采用上述所述主动降噪滤波器的设计方法设计的滤波器。

[0162] 可以理解的是，以上实施例中的各种实施方式和实施方式组合及其有益效果同样适用于本实施例，这里不再赘述。

[0163] 图15为本申请一实施例提供的电子设备的结构示意图。如图15所示，该实施例的电子设备D10包括：至少一个处理器D100(图15中仅示出一个)处理器、存储器D101以及存储
在所述存储器D101中并可在所述至少一个处理器 D100上运行的计算机程序D102，所述处
理器D100执行所述计算机程序D102 时实现上述任意各个方法实施例中的步骤。该电子设
备中还包含上述主动降噪系统的参考麦克风D103、内部扬声器D104和误差麦克风D105。该
电子设备还包括前馈滤波器和/或后馈滤波器，前馈滤波器和/或后馈滤波器可以为专用滤
波器硬件实体，也可以为采用通用处理器或数字信号处理器运行计算机程序实现的滤波
器。如图15所示，该电子设备中的各个组成部件/单元可以通过总线 D110通信，总线D110的
类型不做具体限定。

[0164] 所述电子设备可以包括主动降噪耳机、或车载降噪设备或室内降噪设备。

[0165] 所称处理器D100可以是中央处理单元(Central Processing Unit，CPU)，该处理器D100还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专
用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列
(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻
辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的
处理器等。

[0166] 所述存储器D101在一些实施例中可以是所述电子设备D10的内部存储单元，例如电子设备D10的硬盘或内存。所述存储器D101在另一些实施例中也可以是所述电子设备D10
的外部存储设备，例如所述电子设备D10上配备的插接式硬盘，智能存储卡(Smart Media 
Card,SMC)，安全数字(Secure Digital,SD) 卡，闪存卡(Flash Card)等。进一步地，所述存
储器D101还可以既包括所述电子设备D10的内部存储单元也包括外部存储设备。所述存储
器D101用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，
例如所述计算机程序的程序代码等。所述存储器D101还可以用于暂时地存储已经输出或者
将要输出的数据。

[0167] 应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限
定。

[0168] 需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此
处不再赘述。

[0169] 所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的
功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上
描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可
以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的
单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单
元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统
中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

[0170] 本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步
骤。

[0171] 本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时实现可实现上述各个方法实施例中的步骤。

[0172] 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方
法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程
序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个
方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以
为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可
以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、
计算机存储器、只读存储器(Read‑Only Memory，ROM)、随机存取存储器(Random Access 
Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘
等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信
信号。

[0173] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

[0174] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟
以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员
可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出
本申请的范围。

[0175] 在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所
述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如
多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另
一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置
或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

[0176] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。

[0177] 以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各
实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改
或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应
包含在本申请的保护范围之内。