噪声污染已经成为仅次于大气污染和水污染的第三大环境污染问题。传统的被动噪声控制(Passive Noise Control,PNC)技术对中高频噪声有效,但对低频噪声效果不明显。主动噪声控制(Active Noise Control,ANC)技术则对高频效果不好,而对低频噪声能达到很好的降噪效果,很好的弥补了PNC技术的缺点。同时,其控制设备具有体积小、重量轻、易于控制的优点。在各类低频噪声源中,由旋转机器或具有往复运动装置产生的窄带噪声带来的污染不可忽视,尤其随着经济的发展,此类设备的大量使用,造成的危害日益严重。在ANC领域中,窄带主动噪声控制(Narrowband Active Noise Control,NANC)系统相比其它的控制系统能够更有效的抵消此类噪声,这使的NANC系统成为ANC领域的一个重要研究分支,备受关注。在NANC系统的实际应用中,初级噪声的非平稳性,次级通道的动态变化,以及系统中存在的非相关干扰噪声,需要控制算法在保证稳态性能的同时应具有良好的收敛速度和跟踪能力,增强系统的稳定性和适应性。如何减小上述因素对系统性能的影响,提高NANC系统整体性能,是NANC系统中控制算法需要解决的关键问题。动量项技术具有计算量小,动量因子上下边界极值确定等优点,能有效提高系统收敛速度和追踪性能。因此,把动量项技术引入到NANC系统中,为解决上述关键问题提供新的研究思路。论文以线性NANC系统为研究对象,从统计理论和信号处理的角度开展基于动量项的NANC系统研究。基于动量项的NANC系统控制算法所引入的附加项及参数对系统的动态和稳态性能影响的机理并不清楚,尚缺乏理论说明。针对这个问题,对基于动量项算法下的NANC系统进行动态性能和稳态性能分析,推导出了基于平均和均方意义下的收敛特性表达式及稳态的显示表达式,并从这些表达式中分析出引入的参数对系统步长参数、稳态误差以及稳态边界的影响,从理论上解释了动量项技术提高系统收敛和跟踪性能的根本原因,以及给系统稳态性能带来的问题,为算法的改进、参数设置及实际应用提供理论指导和依据。仿真实验证明了分析的正确性和有效性。针对初级噪声的特征参数突变产生的非平稳问题,需要控制算法在保证稳态性能的同时应具有良好的收敛速度和跟踪能力。根据性能分析所获得的步长和遗忘因子参数对系统性能的影响,提出一种变遗忘因子变步长滤波-X加权累加最小均方算法(VFVS-FXWALMS)。首先,利用互相关的误差信号构建了变遗忘因子策略克服固定遗忘因子对系统稳态性能的影响;然后结合变步长思想,利用遗忘因子极值范围确定的特点构造了变步长策略,不仅继承了变遗忘因子策略的优点,而且进一步提高了算法的稳态性能。仿真实验表明提出的算法能够获得更优的遗忘因子和步长参数值,从而在保证稳态性能下提高了系统的收敛速度和跟踪能力,同时增强了系统的稳定性,有效提升了NANC系统的整体性能。在基于辅助噪声的在线次级通道建模方法中,作为激励信号的辅助噪声不仅影响了NANC子系统的收敛,而且还增加了误差噪声能量。此外,在线建模的速度以及对变化的次级通道的跟踪能力也制约着系统的性能。现有的一些基于辅助噪声的在线次级通道建模方法都是用于宽带ANC系统,无法应用到NANC系统。针对上述问题,提出一种基于遗忘因子辅助噪声能量策略的在线次级通道建模NANC算法。该算法利用变遗忘因子策略能够很好的反应系统收敛状态的特点以及其极值范围明确的特点,构建辅助噪声能量策略,使辅助噪声能量能够跟随系统的收敛状态自适应的调整。仿真实验表明提出的算法不仅能够获得较好的建模精度和更快的收敛速度,而且提高了系统的降噪量。针对NANC系统中出现的非相关干扰噪声降低系统性能的问题,基于传统思想的混合结构控制系统算法由于采用共同误差(Common Error,CE),造成各子系统耦合过紧,产生相互干扰,降低了系统的收敛速度。在此基础上,提出一种新的混合结构NANC系统算法,该算法把正弦噪声抑制(SinusoidalNoise Cancellation,SNC)子系统引入到传统混合结构控制算法中,为其它子系统提供合适的误差信号,使其能够相对独立运行,减少由共同误差造成的相互干扰问题,提高系统的收敛性能。同时提出一种性能优化策略,使系统在收敛过程中自适应的选择更优参数,进一步提高系统的收敛性能。仿真实验表明提出算法的收敛性能要优于传统的控制算法。