随着社会经济的发展,人类对改善工作和生活环境的安静化需求愈加强烈。由于环境噪声具有对人体生理和心理的双重危害性,减弱以至消除环境噪声在近年成为关乎人类身心健康的重要议题。长期暴露在噪声环境中不仅会对人类带来极大的健康风险,还会产生严重的负面情绪,比如烦躁、愤怒等。人类无时无刻不在被情绪影响,情绪是人类日常生活中一个至关重要的因素。主动噪声控制是目前主流的环境降噪技术,但存在着降噪范围不确定、降噪空间狭窄、降噪环境下缺乏情绪调节方法的客观评估等问题。对开放空间的环境噪声进行控制并建立降噪环境,以降噪环境下的情绪调节作为开放空间噪声控制下的典型应用场景,进一步开展降噪环境下的情绪调节方法研究对扩充以人为本的社会健康保障体系内涵和质量提升具有重要意义。结合上述需求,本文以主动噪声控制为技术手段,对定向远距离噪声控制、开放空间噪声控制、降噪环境下情绪调节数据处理挖掘以及情绪调节方法等问题开展研究。全文主要内容如下:（1）为实现定向远距离噪声控制,基于在线二次路径建模方法,采用可调参量阵扬声器作为次级声源发射抵消声波。根据参量阵理论,利用参量阵扬声器具有高指向性的特性,提出一种利用可调参量阵扬声器的在线二次路径建模方法,采用该方法实现对不同远距离噪声进行实时消除。针对开放空间,根据降噪目标距离的不同,自适应调节参量阵扬声器的功率和尺寸大小,实现对不同远距离目标区域进行噪声控制。为了实时跟踪不同距离的降噪目标,采用带变辅助噪声功率的在线二次路径建模方法。实验中将可调参量阵扬声器作为次级声源,具有传播距离更远、声反馈更小和静音区的分布更为规则可控的优势。（2）为实现开放空间的噪声控制,提出一种基于扬声器全向阵列的开放空间噪声控制方法。针对开放空间,利用扬声器声波传播的空间覆盖性,建立球形扬声器全向阵列模型。为了对三维空间模型进行简化,提出了空间经纬映射模型,并实现对目标轨迹跟踪进行直观表达以及可视化管理。基于扬声器全向阵列,实现对目标位置的实时感知以及动态跟踪。根据目标移动位置,自适应选择对应的扬声器作为中心节点,通过归一化滤波x最小均方误差算法在目标区域构建静音区,窄带噪声时平均降噪量约为14d B,从而使系统具有全空间覆盖能力。通过构建的球形扬声器全向阵列,可以有效实现对目标的动态跟踪和可视化管理,以及在目标区域有效构建静音区。（3）为开展降噪环境下情绪调节数据处理模型研究,提出一种基于音乐五线乐谱化的脑电波信号处理模型。在开放空间噪声控制环境下,构建多通道脑电波传感网络测量被测个体在不同情绪状态下的脑电波信号,建立被测个体脑电波-情绪状态映射库。利用自动多尺度极值检测算法将脑电波时域信号进行自适应分段,采用音乐五线乐谱化模型对脑电波信号进行转换。脑电波的时频特征,如幅值、轮廓、信号频率等,定量地表达在一个标准化的音乐空间,得到五线谱指标。在保留脑电波时频特征的同时,实现数据序列化压缩存储。利用五线谱指标作为联合特征量,结合栈式稀疏自编码神经网络分类算法,进行情绪状态识别。相比传统特征量,其分类精度提高了10.35%。在不额外增加资源情况下,不仅使脑电波具有“声音”效应,还在数据挖掘及序列化存储、信号重构、识别率等方面具有优势。通过该模型生成脑电波对应的五线谱音乐,作为媒体介质,为人员掌握情绪状态变化提供参考。（4）为开展降噪环境下的情绪调节,采用可重构音乐片段进行情绪状态的自适应调节。噪声对情绪产生负面影响,采用音乐对情绪进行调节以改善情绪状态。因此,在开放空间噪声控制环境下,通过构建多通道脑电波传感网络测量被测个体的脑电波信号,对脑电波信号和音乐进行分段处理,建立被测个体的个性化可重构音乐-脑电波库。从脑电波信号中提取功率谱分布、功率谱峰值点对应的频率值、近似熵、Hurst指数、小波熵特征等作为联合特征,采用唤醒度和效价情绪维度模型,利用栈式稀疏自编码神经网络进行情绪状态分类,建立情绪评价指标。从可重构音乐片段库中选取音乐片段进行重构组合并播放,进行降噪环境下的情绪调节。相比完整音乐,可重构音乐对应的情绪状态更稳定,无关情绪状态数量减少了69.92%,情绪状态识别率提高了31.32%。建立的情绪评价指标,相比主观情绪评价2D-SAM量表,更客观新颖,并大大降低数据处理的难度。