سیستم کنترل فعال نویز پیش خور، از جمله ی سیستم های وفقی است که برای کنترل و حذف سیگنال ها و نویزهای ناخواسته به کار برده می شود. کارکرد سیستم کنترل فعال نویز، تولید یک نویز صوتی ثانویه است که در مقایسه با نویز ناخواسته ی اولی دارای دامنه ی یکسان و فاز مخالف می باشد. مجموع این دو سیگنال، نویز ناخواسته را تضعیف می کند. سیستم کنترل فعال نویز با استفاده از شبکه های عصبی با هدف ایجاد یک الگوریتم برای به وجود آمدن شرایط مناسب برای داشتن همگرایی سریعتر به کار برده می شود. در این تحقیق از الگوریتم nfxlms برای حذف نویز در سیستم کنترل فعال نویز استفاده می شود. هم چنین در این تحقیق، روشی برای به دست آوردن ضریب یادگیری بهینه برای بهبود راندمان حذف نویز آورده شده است. اگر تأخیر زیرسیستم های مربوط به حذف نویز بالاتر از تأخیرهای مسیر ابتدایی باشد؛ شرایط غیرعلی در این سیستم رخ خواهد داد. در این تحقیق، راندمان سیستم کنترل فعال نویز پیش خور مبتنی بر شبکه ی عصبی برای یک داکت تحت شرایط غیرعلی مورد مطالعه قرار می گیرد. برای این هدف، از الگوریتم fxlms مبتنی بر شبکه ی عصبی تحت شرایط غیرعلی استفاده می شود و نتایج آن با الگوریتم fxlms معمولی در شرایط یکسان مقایسه خواهد شد. نتایج بیانگر این مطلب است که سیستم کنترل فعال نویز در شرایط غیرعلی با استفاده از الگوریتم شبکه ی عصبی راندمان بهتری از خود نشان می دهد.