1.一种基于最大相关熵准则的主动噪声控制算法，其特征在于，该算法包括以下步骤：(1)使用α稳定分布来产生脉冲噪声，参考传声器采集脉冲噪声，脉冲噪声序列可表示T为x(n)＝[x(1),x(2),...,x(n)]，n为正实数，表示时间序列，α称为位置参数，其表示α稳定分布函数的分布均值或者中值；

(2)对脉冲噪声使用滤波‑x算法结合单通道前馈结构，通过次级传声器产生次级噪声来抑制脉冲噪声；

(3)根据脉冲噪声的冲击特性，将最大相关熵(MCC)算法与步骤(2)中的滤波‑x算法结构组合为最大相关熵算法(FXMCC)抑制脉冲噪声的离散点；

(4)将两个最大相关熵算法(FXMCC)使用凸组合结构(CONVEX)并行组合，有脉冲噪声时，两个算法并行工作，分别控制降噪系统的降噪速度和降噪量；

步骤(1)中，α稳定分布产生脉冲噪声的方法如下：使用标准对称的稳定分布(Symmetric α Stable，SαS)模拟这种脉冲噪声，其特征函数为：步骤(2)中，基于滤波‑x算法结合单通道前馈结构的工作流程如下：(2.1)噪声源产生脉冲噪声，参考传声器采集到参考输入信号x(n)并输入到自适应滤波算法中；

(2.2)参考输入信号x(n)经过初级路径后，得到d(n)信号；

d(n)＝x(n)*p

式中，p为初级路径系数；

(2.3)y(n)为参考信号x(n)经过自适应滤波器后次级传声器的输出信号；

y(n)＝w(n)x(n)

式中，w(n)代表主动降噪系统中滤波器的权重系数；

(2.4)y'(n)为y(n)经过次级路径后的次级输出信号；

y'(n)＝y(n)*s

(2.5)将y'(n)与d(n)在误差传感器处经过抵消得到误差信号e(n)；

e(n)＝d(n)‑y'(n)

(2.6)最后得到的滤波‑x算法的权重更新公式为：w(n+1)＝w(n)+2μe(n)x(n)s其中，s为次级通道系数，μ为步长参数；

步骤(3)中，最大相关熵算法(FXMCC)展示如下：(3.1)最大互相关熵是两个随机变量X、Y之间相似性的一种度量方式，κ(·,·)是核函数，将数据映射到非线性空间，核函数采用高斯核：式中，σ为核宽度；

(3.2)对互相关熵进行经验估计后，通过最大化期望信号和次级滤波输出之间的互相关熵来优化滤波器权重参数，代价函数为：2

式中， 为相关熵代价函数，σ为核宽度，e为误差函数，e＝x‑y，e是包含噪声信息的；

(3.3)对(3.2)中的代价函数利用随机梯度算法，推导如下：式中，Wn为滤波器前一时刻权重系数，Wn+1为滤波器后一时刻权重系数，μ为步长参数，σ为核宽度，e为误差信号，x为参考信号，s为次级通道系数；

步骤(4)中，构建凸组合方法如下，整体组合滤波器的输出采用如下：y1＝x*w1,y1′＝y1*s

y2＝x*w2,y2′＝y2*s

y＝λy1'+(1‑λ)y2'

w＝λw1+(1‑λ)w2

式中，w1为第一核宽度滤波器；w2为第二核宽度滤波器，第二核宽度小于第一核宽度，y1为第一核宽度滤波器的输出信号，y1'为y1信号经过次级通道后得到的信号；y2为第二核宽度滤波器的输出信号，y2'为y2信号经过次级通道后得到的信号，s为次级通道系数，c为‑4到

4之间的实数，λ为一个取值为0到1之间的参数。

2.根据权利要求1所述一种基于最大相关熵准则的主动噪声控制算法，其特征在于，λ为反正切函数：λ＝β[arctan(γ)+m]

式中，arctan为反正切函数，β,m为实数参数。