一种应对非平稳频率失调的窄带主动噪声控制系统

在窄带主动噪声控制(Active noise control,ANC)系统中,参考信号频率失调(Frequency mismatch,FM)和噪声信号非平稳将会使系统性能下降,甚至失效.本文提出一种基于动量最小均方的改进FM补偿算法,通过在代价函数中引入加权累加的平方误差,提升系统的追踪和收敛能力.并分别与基于滤波-X最小均方(Filtered-X least mean square,FXLMS)、滤波-X递归最小二乘(Filtered-X recursive least square,FXRLS)和变步长滤波-X最小均方(Variable step-size filtered-X least mean square,VSS-FXLMS)算法的主控制系统结合,共同完成系统综合性能的提高.大量仿真分析表明,新的FM补偿算法在非平稳的FM和离散傅里叶系数翻转的条件下仍能保持较高的追踪能力和合理的残余误差.

基于ⅡR陷波器应对频率失调的窄带ANC系统新结构

窄带主动噪声控制(ANC)系统中往往存在频率失调(FM)问题,传统的频率失调补偿(FMC)系统能应对一定程度的FM,但当噪声信号非平稳或失调量较大时,系统将无法工作.针对此问题,本文提出一种带有频率估计的窄带ANC系统新结构,其采用声学和非声学两路传感器获取参考信号,引入可变极半径及平滑下降(PG)算法构建ⅡR陷波器,完成参考信号的频率估计,通过一阶FIR滤波器实现幅值和相位的调节.仿真表明,在保证合理的稳态误差情况下,与传统的FMC系统相比,新系统能够应对较大的FM,且具有良好的收敛和追踪性能.

一种应对窄带非线性主动噪声控制的混合结构

分析参考信号为窄带信号、初级路径为非线性路径、次级路径为非最小相位系统的主动噪声控制(ANC)的初级噪声特性,探究有限脉冲响应(FIR)反馈预测结构和前馈函数链接人工神经网络(FLANN)结构的消噪原理,并探讨其各自的优势及局限性.通过分析总结,本文提出FLANN-FIR混合结构ANC系统,该系统对FIR反馈预测结构和前馈FLANN结构进行优势互补,不仅可以消除可预测部分噪声,对不可预测部分噪声一样具有抑制作用.仿真表明,在不同信噪比参考信号和不同非线性初级路径下,提出的混合结构都具有良好的稳态误差和收敛速度.

基于总体平均经验模态分解的主动噪声控制系统研究

为了提高宽窄带混合噪声的消噪效果,本文提出一种基于总体平均经验模态分解(Ensemble empirical mode decomposition,EEMD)的主动噪声控制(Active noise control,ANC)系统,利用实时EEMD算法逐段将混合噪声分解成若干个固有模态函数(Intrinsic mode functions,IMF)分量.因为这些IMF分量的频带各不相同,所以实现了混合噪声中宽带分量和窄带分量的有效分离,独立进行ANC处理后成功解决了处理混合噪声时带来的"火花"现象,而且避免了传统混合ANC(Hybrid ANC,HANC)系统中频率失调的影响.EEMD算法也是对混合噪声的平稳化处理过程,因此当混合噪声中出现非平稳变化时,本文提出的系统也能保持较好的系统稳定性.通过不同噪声环境下进行仿真分析,提出的ANC系统比HANC系统具有更好的系统稳定性和更小的稳态误差.

一种可变步长傅里叶分析器的统计特性分析

可变步长最小均方(Variable step-size LMS,VSS-LMS)算法的傅里叶分析器在稳态误差、收敛速度及追踪能力方面具有优异性能,对其进行全面的统计特性分析具有重要意义.本文基于误差服从高斯分布等假设在平均及均方意义下,推导出描述系统动态特性的差分方程组,完成系统的动态数学建模,进而对系统进行稳态性能分析,给出系统稳态误差关于参考信号频率、系统参数和附加噪声的表达式,为系统应用中的参数选取提供有效指导.仿真表明,本文建立的统计模型与仿真结果具有一致性,验证了分析的有效性.

基于泄漏残余误差分离器的窄带主动噪声控制系统

传统窄带主动噪声控制系统中,各窄带噪声分量由各控制器并行处理,而相应的控制系数却仍由系统的整体残余误差进行更新。这导致各控制器之间相互影响,从而降低了系统的收敛速度。为保证各控制器单独利用自身的残余误差来更新控制系数,实现残余误差信号的频率分量分离,该文提出一种基于泄漏残余误差分离器的窄带主动噪声控制系统,并对新系统进行初步统计分析。理论分析、仿真及实验表明,这种引入泄漏因子的残余误差分离器,在不牺牲稳态性能情况下,提升了系统的鲁棒性和收敛性。

有源噪声主动控制中一种改进的变步长算法研究

在噪声有源抑制(ANC)技术中,自适应控制算法的核心是基于最小均方误差的信号跟踪问题,传统算法对提高收敛速度和减小稳态误差不能兼顾。本文提出了一种改进的变步长算法(IVssLMS),该算法可以在保证稳态误差的同时,有效拓宽计算步长的调节范围,提高计算的迭代收敛速率。仿真试验证明了算法的有效性。

强混响条件下基于广义互相关的声源定位算法改进

针对特定声场环境,提出了一种强混响条件下基于广义互相关的声源定位算法的改进措施,即利用混响成分中包含的声源位置信息,提高声源定位的正确率。混响与噪声是影响声源定位的两个主要因素。目前声源定位的主要方法都是以降低信号中混响与噪声成分为目标的,如波束成形、空间谱估计以及到达时间差法等。其中,基于广义互相关的声源定位算法属于到达时间法的常用方法,具有实时性强与高鲁棒性的优势。本文采用镜像源模型对室内环境进行建模,分析声源到双麦克风的传播路径,利用混响中存在的声源位置信息剔除错误定位结果,从而提高定位正确率。最后,利用蒙特卡洛法对本文提出的方法进行验证,结果表明:该算法提高了强混响低信噪比条件下的声源定位正确率。