Algoritmi per l'inversione acustica multicanale in ambienti reali

Questo lavoro presenta una rivisitazione di alcuni algoritmi di apprendimento di tipo Least Mean Square (LMS) per sistemi audio adattativi multiple-input multiple-output (MIMO). In particolare, sono introdotte tre forme algebricamente equivalenti di sistemi MIMO, denominate forme composite 1, 2 e 3, che nelle implementazioni di filtri adattativi multicanale consentono una maggiore flessibilità nella scrittura degli algoritmi e un’ottimizzazione nell’uso delle risorse computazionali. La seconda parte del lavoro è orientata all’implementazione di sistemi adattativi con apprendimento ritardato, ovvero in presenza di un disallineamento temporale tra i segnali di riferimento e l’uscita del sistema MIMO. Tale situazione è piuttosto tipica nelle applicazioni acustiche come nell’equalizzazione adattativa di sistemi audio o nei sistemi per la cancellazione attiva di rumore, in cui il segnale di riferimento è posto a valle del percorso acustico che si intende controllare. In particolare, sono rivisitati gli algoritmi multicanale Filtered-X LMS nelle forme composite 1-3 e nella forma con rete aggiunta (Adjoint LMS).