功能：主动降噪控制器
开发板连接麦克风，通过ADC或其他方式采集声音信号。采集到的声音信号经过开发板内置的Fx-LIIS主动降噪算法处理，生成反向声波信号，并通过DAC输出至扬声器进行播放。通过反向声波与原声波叠加，达到主动降噪的效果。
在这篇博客中，我将介绍一个非常实用的 GitHub 仓库：markostam/active-noise-cancellation。这个仓库提供了几种主动噪声控制（ANC）算法的实现，适合音频信号处理爱好者、研究人员以及正在学习噪声控制的学生
项目概述
该仓库由开发者 markostam 创建，包含几种经典的ANC算法，包括LMS（最小均方）、FxLMS（滤波扩展最小均方）、NLMS（归一化最小均方）等算法的实现。这些算法主要使用了MATLAB和C语言，适合在模拟和实际噪声控制应用中进行测试。markostam最初编写这些代码用于其音频信号处理课程的期末项目，随后在Recurse Center进行了一次5分钟的快速展示。
功能与算法实现
-
LMS（Least Mean Squares）：最基本的ANC算法，用于学习噪声信号特征，并在MATLAB和C语言中实现。
-
FxLMS（Filtered eXtended Least Mean Squares）：在LMS的基础上加入了一个次级通道滤波器，解决实际噪声控制应用中的相位偏差和音频颜色问题。该算法在MATLAB中实现。
-
NLMS（Normalized Least Mean Squares）：为LMS算法增加自适应更新的学习率，加快了算法收敛速度，在MATLAB中实现。
-
FxNLMS（Normalized Filtered eXtended Least Mean Squares）：结合FxLMS和NLMS特性，在MATLAB中实现。
-
FuNLMS（Filtered-u Last Mean Squares）：在FxNLMS算法上增加了一个主动LMS滤波器，进一步减少了噪声从消除扬声器传入误差麦克风的可能性，具有较强的抗噪性，但收敛性不完全保证。
亮点特色
-
多种LMS算法：该仓库包含了多种改进的LMS算法，使得用户可以在不同的噪声控制应用场景下选择合适的算法。
-
语言支持：算法不仅在MATLAB中实现，也提供了C语言版本，有助于学习算法的底层实现。
-
可视化展示：仓库中附带了一些音频和可视化资料，使得算法的工作效果直观可见。
-
Recurse Center 演讲：项目作者还提供了一个简单的演讲PPT，分享了在Recurse Center的展示，既有趣又实用。
使用场景
该仓库适合于：
- 音频信号处理研究人员：可以用来测试不同LMS算法的表现；
- 学生和学习者：了解不同ANC算法在实际应用中的差异；
- 开发者：为实际的ANC项目提供参考，特别是在MATLAB和C中实现主动噪声控制系统。
总结
markostam/active-noise-cancellation是一个为主动噪声控制爱好者和音频信号处理从业者提供的优质资源。无论是想学习LMS算法，还是深入研究噪声控制的不同实现，这个仓库都能提供充足的参考和启发。
