雨刮-风窗摩擦噪声声品质主动控制自适应均衡算法

雨刮-风窗摩擦噪声是影响车内声品质的重要因素之一,对其声品质主动控制有利于改善车内声学环境。为了实现对雨刮-风窗摩擦噪声声品质主动控制,提出一种基于集合经验模态分解的权重约束自适应噪声均衡(ensemble-empirical-mode-decomposition weight constrained adaptive noise equalizer,EWCANE)算法。首先通过集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法分解雨刮-风窗摩擦噪声得到非平稳度较低的固有模式函数分量,计算各分量的方差比以表征各分量对噪声的影响程度;然后基于输入信号和误差信号的欧式范数以自适应对滤波器权重进行约束来降低噪声的瞬态冲击;最后根据方差比调整声音增益因子以均衡各分量的声品质主动控制。经过仿真验证,实车雨刮-风窗摩擦噪声信号响度得到有效降低,改善了雨刮-风窗摩擦噪声的声品质。

面向声品质改善的车内主动噪声控制系统设计

针对当前车用主动噪声控制系统以声压级为主要控制目标的不足,考虑人耳听觉主观感受,基于FPGA硬件设计平台提出一种面向声品质改善的车内主动噪声控制系统设计方案。首先设计时频数据转换模块、确定声品质控制思路,其次对自适应滤波技术和支持2路参考信号的2×2多通道FELMS算法进行设计,最后利用ZYNQ7000主控芯片及相关外设完成实验平台搭建。试验结果表明,所设计的系统在降噪点处对发动机噪声A计权声压级和总响度均有一定程度的控制效果。

用主动噪声控制法改善车内声品质

以从4种类型轿车内采集到的16个不同噪声样本为评价对象,通过主观评价试验和统计分析计算建立了以心理声学客观参数描述主观评价结果的车内声品质分析模型,确定了稳态工况下车内噪声品质的主要影响因素为响度和尖锐度。并依此对声品质最差的两个样本实施了主动控制试验。试验结果表明,车内噪声的响度、尖锐度均减小。应用所建立的声品质模型进行计算,并结合二次主观评价试验结果验证声品质改善效果,两种方法均显示声品质烦躁度等级下降了5级左右,证明了主动控制方法用于改善汽车声品质的可行性和有效性。

21世纪的声环境

综述21世纪末国内外环境噪声状况,提出声音质量是21世纪环境声学主题的观点,认为世界卫生组织(WHO)2000年发表的环境噪声指导值将会作为21世纪声环境的标准依据,阐述了今后环境噪声的控制对策。

基于主动噪声控制技术改善车内声品质

为达到改善某款SUV匀速工况下车内声品质的目的,以驾驶员右耳旁的稳态噪声为研究对象,建立GA-BP声品质预测模型,对声品质客观参量和主观烦恼度进行一元线性回归,选取与主观烦恼度显著相关的响度和粗糙度作为控制目标,利用Zwicker计算模型对响度进行分析,利用小波变换对粗糙度进行分析,根据分析结果确定最优控制频带,并设计基于FELMS算法的主动噪声控制系统对样本噪声进行主动控制。仿真结果表明,控制后噪声的响度、粗糙度分别降低了33.5%、23.1%,烦恼度等级下降了2.76个等级,车内声品质得到大幅改善。

面向声品质优化的有源噪声控制算法研究

传统有源控制算法未考虑控制后的声品质特性,而误差滤波最小均方(Filter-error least mean square,FeLMS)算法通过对误差滤波器的设置可较好地优化声品质。已有FeLMS算法的优化目标大多仅基于心理声学客观参量,未考虑不同类型噪声的频谱差异。针对该问题,以直升机舱内噪声为研究对象,研究面向声品质优化的有源控制算法。首先将直升机舱内人耳位置处采集的噪声样本作为初级噪声,开展烦恼度主观评价实验,然后对烦恼度实验数据进行多元线性回归得到直升机舱室噪声烦恼度的声品质模型,最后根据模型中烦恼度得分的频率响应曲线进行滤波器设计,以此为基础优化FeLMS算法。计算机仿真和主观评价实验结果表明,进行控制后噪声烦恼度明显降低。相较于传统滤波x最小均方(Filter-x Least Mean Square,FxLMS)算法,FeLMS算法在提升声品质方面效果更为明显。

基于经验模态分解的车内声品质EMD-ANE主动控制算法

为提高车内声品质水平,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和噪声自适应均衡(Adaptive Noise Equalizer,ANE)算法的车内声品质EMD-ANE主动控制算法.考虑到车内噪声非平稳性高的特点,利用EMD方法获得非平稳性低的固有模式函数(Intrinsic Mode Function,IMF)分量,在ANE算法中设定不同的声音保留因子,对各分量进行主动控制.结果表明,EMD-ANE算法能够有效抑制车内噪声,且可以降低车内噪声的低频成分.与传统ANE算法相比,该算法可以更好地控制车内噪声的响度水平,更适用于车内声品质主动控制(Active Sound Quality Control,ASQC).

基于非负Tucker3分解理论的车内主动降噪控制研究及应用

传统降噪方法对高品质车型降噪效果有限,导致乘用车对主动降噪控制(ANC)产生迫切需求,但传统前馈式ANC对随机非平稳、非线性信号存在时滞性的技术瓶颈,从而优化与应用ANC已成为降低车内噪声的必要手段。本文结合非负Tucker3分解(NTD)算法理论,提出非负约束型ANC(NCANC)的降噪方法。通过对多通道式NCANC的输入端进行非负约束使子特征信号稀疏化,在进入CPU前完成分块处理,以使处理器可进行并行计算,提高处理效率;同时,次级通道在频率内增加误差补偿和反馈,降低振幅能量,最终起到降噪效果。仿真和工程试验表明:在随机信号处理时NCANC降低近84.4%计算内存,在3ms内达到96%以上的计算精度,而且在工程上实现93dB(A)以上的相关性,最终降低5.21 dB(A)的声压级,提高车内声品质水平。

车内宽带噪声自调节主动声品质控制研究

为改善车内噪声的声品质,在主动噪声均衡器基础上,提出通过设计整形滤波器和自调节系数来建立一种宽带主动声品质均衡器的思想。首先利用烦恼度来设计整形滤波器,用于控制宽带残余噪声的频谱形状并使控制后的残余噪声满足人耳听觉特性。然后设计自调节系数使控制后残余噪声频率特性基本与预设声音频率特性保持一致,并通过声品质检测器更新自调节系数,从而实现声品质的自动调节。最后通过使用不同声压的白噪声信号作为初级噪声信号进行仿真试验。结果表明:控制后的残余噪声频谱形状与整形滤波器频谱特性基本保持一致,不仅使得控制后残余噪声频谱符合人耳听觉特性,而且能够实现声品质自动调节。

车内声品质主动控制算法研究综述

随着经济水平的提高和汽车技术的发展,车内噪声控制要求在降低声压级的基础上,通过调整声音特性改善声品质.为满足此目标,对声品质控制目标、控制系统建模、算法改进、算法仿真分析以及试验验证等方面进行研究,其中声品质主动控制算法是控制系统的核心,也是研究重点之一.为进一步提高控制算法有效性、实时性和自适应性,重点综述主动噪声均衡(ANE)、滤波误差最小均方(FELMS)、神经网络3类声品质主动控制算法,详细阐述各类算法的实现原理、发展情况以及优劣势对比分析,同时对声品质主动控制算法存在的问题以及未来发展前景进行展望,为研究者提供理论基础.

采用听觉传感策略的声品质主动控制

针对现有声品质主动控制多以心理声学参数为控制目标,声品质改善能力不足,提出一种基于听觉传感策略的声品质主动控制系统。为了使控制系统能够融入听觉非线性特性,建立了包括外/中耳模型和内耳模型的听觉传感模型,其中在基底膜建模时,考虑毛细胞对基底膜具有反馈运动调节作用,采用带宽时变的gammatone滤波器模型,该滤波器可模拟出听觉在频率和强度感知方面的非线性特性。然后,以听觉信号平方最小为控制目标,给出了基于听觉传感的主动控制系统结构,为了解决听觉传感环节的加入带来的算法计算量增加和收敛性变差问题,基于x滤波最小均方(Filtered-xleastmeansquare,FLMS)算法,提出了延迟补偿结构与逆模型结构相结合的听觉控制算法。最后,以车速50km/h的汽车车内声为对象进行主动控制仿真,对控制前后的车内声进行了声品质客观与主观评价,并对评价结果进行比较与分析,主客观评价一致表明:与声压控制相比,听觉控制可以更好地改善听觉舒适性。