随着社会的进步，噪声污染问题日益加剧，尤其是产生于旋转设备或具有往复运动装置的低频噪声。近十多年，针对低频噪声抵消的主动噪声控制（Active Noise Control，ANC）技术逐渐成为噪声控制领域的研究热点。然而目前绝大多数ANC算法都是滤波类算法，需要对ANC控制器输出和消噪点之间的次级通道进行在线或离线辨识。次级通道辨识不仅会引入辅助噪声减小降噪量，还会因辨识误差导致控制系统性能恶化。针对以上问题，本文提出一种基于Kalman滤波的无次级通道建模ANC算法——模型误差补偿Kalman滤波算法（Model Error Compensatory KalmanFilter，MECKF）。首先，在状态空间描述无次级通道建模ANC控制器权值的估计问题，将主通道波动归入ANC控制器的权值估计误差中，通过剩余噪声序列导出权值估计的Kalman滤波递推过程。然后，根据声场特性和随机论假设，对模型做等价转化，将次级通道的波动归入量测矩阵，利用已知数据调节Kalman增益补偿未知次级通道的影响。最后，在本文所定义的状态空间模型下，给出了简单有效的系统噪声和量测噪声统计特性估计方法，降低了系统复杂度，提高了算法收敛速度，保证了算法实时性。仿真实验证明本算法对单频和宽带原始噪声均可收敛，消噪效果理想，并可以稳定地工作在平稳和非平稳环境。