随着汽车向高速化方向发展,汽车运行产生的车内噪声问题逐渐突显出来,这不但会使驾乘人员容易疲劳和烦躁,而且会危害驾乘人员的听力系统,降低驾驶员的注意力,也会使汽车发生事故的概率大大提高。因此,深入研究与控制汽车车内噪声具有重要意义。最小均方(Least Mean Square,LMS)算法具有算法简单、稳定性强和计算量小等优点,在低频噪声降噪领域已经获得了广泛的理论研究和工程应用。但是,LMS算法因固定步长和阶数,存在无法兼顾算法收敛速度与稳态误差的固有缺陷。针对LMS算法的固有缺陷,文中提出了两种改进型汽车车内噪声主动控制算法,包括迭代变步长LMS算法和变阶数LMS算法。迭代变步长LMS算法是通过建立步长因子与迭代次数之间的非线性函数关系,使得算法在初始阶段具有较大的步长因子来加快算法收敛速度,在趋于收敛时拥有较小的步长因子来降低算法稳态误差,可以保证算法在拥有较快的收敛速度的同时还可以获得较低的稳态误差;变阶数LMS算法可以使算法阶数一直保持在最优阶数附近,能够克服传统LMS算法阶数选择不当带来的额外误差及过高算法计算复杂度的缺陷,大大降低了算法计算量,同时也可以获得较快的收敛速度与较低的稳态误差。通过设计汽车车内噪声采集方案,对汽车车内噪声信号进行采集,分别应用LMS算法及文中提出的两种改进型汽车车内噪声主动控制算法,对采集的汽车车内噪声信号进行噪声主动控制。汽车车内噪声主动控制结果的比较表明,与LMS算法相比,文中提出的两种改进型汽车车内噪声主动控制算法在算法收敛速度与算法稳态误差方面都有一定的性能提升,拥有更快的算法收敛速度与更低的算法稳态误差,是有效的汽车车内噪声主动控制算法。