无源噪声控制方法对低频噪声控制效果不好，有源噪声控制(ANC)比较好地解决了这个问题。传统的有源噪声控制一般需要估计次级路径，次级路径估计的准确性在很大程度上决定了系统的性能。采用无模型技术的有源噪声控制系统克服了这个缺点，摆脱了对次级路径的依赖。 当前的有源噪声控制根据控制方式系统可分为前馈控制系统与反馈控制系统。由于耳罩模型的特殊性，无法直接获得参考信号，因而采用基于内模型反馈控制器的控制系统。该系统对主噪声中所含的单周期性信号(或双周期信号)有非常好的降噪性能。 无模型控制技术采用随机逼近算法的思想，它不依赖于次级路径，与系统的数学模型无关。随机逼近算法，经过半个多世纪的发展，已逐渐成熟。本文采用有限差分随机逼近算法，将无模型技术与有源噪声控制相结合，以耳罩模型为实验对象，对采用无模型技术的有源噪声控制系统进行了比较深入的分析。 通过仿真与实验分析了采用无模型技术的ANC系统与基于内模型的ANC系统的性能，并对两者做了详细的对比。在能够获得比较精确的次级路径，并且次级路径在控制过程中不会发生明显变化的系统中，采用基于内模型反馈控制的ANC系统能够对主噪声中含有的周期信号进行很好的控制；在不易得到次级路径，或者次级路径在控制过程中发生明显变化的系统中，如果能够比较精确的获得噪声频率，采用无模型控制技术的ANC可以获得较好的控制效果。 采用无模型技术的ANC系统的不足之处在于：要求获得很高精度的主噪声的频率，次级声源的频率与主噪声的频率的偏差能够显著影响系统性能。今后的工作主要在于解决偏差对系统的影响。