近年来,随着工业技术的不断进步和发展,生活噪声与工业噪声也不断增多,噪声污染会对人们的生活品质、工作环境和身心健康造成巨大影响。如何有效的对噪声污染进行控制成为了当下亟需解决的难题。传统的被动噪声控制(如吸声、隔声、隔振等)在针对低频噪声的控制上有它固有的缺陷,且被动降噪系统体积大、布置难度高;而主动噪声控制作为新的降噪技术,由于其收敛速度快,适用范围广等优点,成为了当下噪声控制领域的研究热点。首先,本文介绍了主动噪声控制系统的原理与结构,分析了不同系统结构的优缺点。通过分析滤波器的基本结构和常见的自适应算法,研究了基于LMS算法和FIR滤波器结构的自适应滤波器的原理,并给出了该自适应滤波器的推导过程。随后根据以上基础研究了 FxLMS算法的基本原理与推导过程,在matlab2016a平台上对次级路径辨识和FxLMS算法进行了仿真实验。随后,针对FxLMS算法在有扰动的噪声中降噪的不足,介绍了误差建模的基本原理,并将误差建模引入FxLMS算法中,提出了 RDEM-FxLMS算法,优化了 FxLMS算法对于有扰动噪声的降噪场景的降噪效果。接下来,基于以TMS320C6748处理器为核心的自适应主动噪声控制硬件平台实现了软件驱动,包括DSP主芯片及其外设模块的初始化、AD采样芯片、DA输出芯片等硬件模块之间的时钟同步与数据传输等。硬件平台的实现方便了降噪算法的实际应用。通过移植FxLMS算法到硬件平台上,完成了实际环境中的降噪实验,在单点降噪中取得了 9dB的降噪效果。最后,为了深入了解硬件平台在不同声场环境中的性能,搭建了声场模拟实验室,用于模拟不同噪声特征的声场环境。这是考虑到去实际现场测试降噪平台会增加成本,且有的特殊声场环境不具备现场测试的条件。随后在建立好的声场模拟实验室中分别采集了背景噪声、模拟声场的噪声,分析了两个噪声的RMS值、使用k-means算法对构造的样本数据进行聚类,以指导硬件平台的布置,从而更明确地、有针对性地对区域进行噪声控制。