VS-MFxLMS算法及其在汽车车内噪声有源控制中的应用

为提高经典VS-FxLMS算法的收敛性能以及规避MFxLMS算法不能同时兼顾收敛速度和稳态误差的缺陷,结合修正反正切函数和归一化的方法,提出了一种可用于汽车车内噪声有源控制的VS-MFxLMS算法。应用MFxLMS算法、VS-FxLMS算法和VS-MFxLMS算法分别进行汽车车内噪声有源控制仿真实验。噪声有源控制结果的比较表明,与MFxLMS算法相比,VS-MFxLMS算法的收敛速度提高1.5倍以上,稳态误差降低55%以上;与VSFxLMS算法相比,VS-MFxLMS算法的收敛速度提高25%以上,稳态误差降低28%以上,这为汽车车内噪声的有源控制提供一种新方法。     

汽车车内噪声主动控制变步长NFB-LMS算法

为规避最小均方（Least Mean Square,LMS）算法不能同时提高收敛速度和降低稳态误差的固有缺陷,以及已有变步长LMS算法存在收敛速度慢和稳态误差估计精度差的问题,文中提出了一种基于变步长归一化频域块（Normalized Frequency-domain Block,NFB） LMS算法的汽车车内噪声主动控制方法。为了比较,应用传统的LMS算法、基于反正切函数的变步长LMS算法和变步长NFB-LMS算法分别进行实测汽车车内噪声的主动控制。结果表明,与其他两个算法相比,变步长NFB-LMS算法的收敛速度提高了70%以上,稳态误差减小了90%以上。变步长NFB-LMS算法在处理车内噪声信号时具有很高的效率,为进行汽车车内噪声主动控制提供了一种新方法。     

基于FxLMS的汽车车内噪声变步长主动均衡算法

提出了一种可用于汽车车内噪声主动均衡控制的变步长主动噪声均衡（Active Noise Equalization,ANE）算法,与传统车内噪声主动抵消控制方法所采用的滤波x最小均方（Filtered-x Least Mean Square,FxLMS）算法相比具有更好的实用性。应用固定步长主动噪声均衡（Active Noise Equalization,ANE）算法、所提出变步长ANE算法和已有变步长ANE算法分别进行汽车车内噪声主动均衡控制。结果表明,所提出变步长ANE算法具有更快的收敛速度和较低的稳态误差,并且能进一步降低汽车车内噪声响度,为汽车车内声品质主动控制提供了一种新方法。     

车内噪声主动控制变步长LMS算法

通过对轨道车辆车内含噪样本数据的分析,应用步长因子μ(n)与误差信号e(n)呈正弦函数关系的变步长LMS算法。分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行车内噪声主动控制。结果表明,提出的变步长LMS算法解决了LMS算法因固定步长不能同时兼顾算法收敛速度和稳态误差的固有缺陷,具有更快的算法收敛速度和较小的稳态误差。     

车内噪声FXFU-LMS声振混合主动控制算法

目前车内振动与噪声主动控制研究主要集中在以振消声或以声消声方面,为解决消声与消振无法同时兼顾的问题,提出一种基于滤波-X最小均方算法(FXLMS)和滤波-U最小均方算法(FULMS)的车内噪声FXFU-LMS声振混合主动控制算法。以在某轿车中采集的振声传递函数为基础,在每次迭代中,首先采用FULMS算法对振动信号进行主动振动控制;然后利用振声传递函数计算出控制前后振动辐射噪声的减少量,得到进行振动主动控制后的耳侧噪声;最后采用FXLMS算法进行主动噪声控制,依次循环直至稳定。结果表明,FXFU-LMS算法能有效抑制车内噪声,且与传统FXLMS、FULMS算法相比,该算法残余误差更小,收敛速度更快,可以兼顾振动与噪声控制,更适用于车内噪声主动控制(ANC)。     

一种基于梯度下降的次级通道在线建模有源噪声控制算法

针对前馈式有源噪声控制系统中次级通道在线建模精度低及建模信号与控制信号相互影响的问题,提出一种基于梯度下降的次级通道在线建模有源噪声控制算法。根据主动控制环节与建模环节的误差能量比,分别调节两个环节的收敛因子,利用主动控制收敛因子和建模收敛因子的调节方式减小二者的相互干扰。在建模收敛因子调整过程中引入梯度下降方法,对步长设置检测阈值,当步长达到阈值,对收敛因子采取梯度变化。仿真结果表明,针对混频信号的有源噪声控制,这种算法对比已有算法能获得较快的建模收敛速度和较低的稳态误差,且可以获得较高的降噪量。     

基于改进双曲正切函数的变步长最小平均p范数算法

在信号处理领域,传统的自适应滤波算法采用的固定步长会导致稳态误差和收敛速度无法同时兼顾。针对这个问题,对最小平均p范数(Least Mean p-norm,LMP)算法进行改进,提出了一种基于改进双曲正切(tanh)函数的变步长最小平均p范数算法。该算法利用改进的tanh函数来调节步长,采用移动加权平均法构造变步长函数;同时引入了一个调节函数以进一步提升算法的性能。通过在海洋脉冲噪声干扰下进行仿真,实验表明,与已有的固定步长和变步长算法相比,改进的变步长LMP算法较好地兼顾系统的收敛速度和稳态误差;引入调节函数后的新算法在保证原有算法收敛速度的同时进一步降低了算法的稳态误差,从而兼顾了算法的收敛性和稳定性,具有较好的可行性。     

车内噪声主动控制算法研究

为了能更好地实现对车内噪声的控制,提出了一种基于sym6小波的离散小波变换(DWT),将其与FxLMS结合形成DWT-FxLMS主动噪声控制算法,并构建相应的主动噪声控制(ANC)系统模型。将采集的车内噪声作为参考噪声源,参考信号经由MALLAT塔式算法实现的离散小波变换分解为具有多分辨率的多个子带,再由FxLMS算法处理,最终经离散小波逆变换实现信号的重构。利用计算机仿真分析该算法对车内噪声的控制效果并与时域FxLMS算法(TD-FxLMS)和频域FxLMS算法(FD-FxLMS)进行比较。结果表明,与TD-FxLMS算法相比,DWT-FxLMS算法大大降低了计算复杂性且收敛性更好;与FD-FxLMS算法相比,DWT-FxLMS算法能有效消除稳态和非稳态噪声,而FD-FxLMS算法无法有效消除非稳态噪声。     

车内噪声主动控制算法研究

为了能更好地实现对车内噪声的控制，提出了一种基于sym6小波的离散小波变换（DWT）,将其与FxLMS结合形成DWT-FxLMS主动噪声控制算法，并构建相应的主动噪声控制（ANC）系统模型。将采集的车内噪声作为参考噪声源，参考信号经由Mallat塔式算法实现的离散小波变换分解为具有多分辨率的多个子带，再由FxLMS算法处理，最终经离散小波逆变换实现信号的重构。利用计算机仿真分析该算法对车内噪声的控制效果并与时域FxLMS算法（TD-FxLMS）和频域FxLMS算法（FD-FxLMS）进行比较。结果表明，与TD-FxLMS算法相比，DWT-FxLMS算法大大降低了计算复杂性且收敛性更好；与FD-FxLMS算法相比，DWT-FxLMS算法能有效地消除稳态和非稳态噪声，而FD-FxLMS算法无法有效消除非稳态噪声。     

变步长LMS自适应均衡算法研究

为解决宽带无线通信中由多径信道产生的符号间干扰,对最小均方(LeastMeanSquares,以下简称LMS)自适应均衡算法进行深入分析。针对LMS算法收敛速度和稳态均方误差相互矛盾的问题,重点研究变步长LMS算法,在现有算法的基础上,进行步长分析,提出一种新型变步长LMS算法。利用信道响应长度、均衡器阶数、收敛误差共同控制迭代步长,简化步长设置,提升算法的收敛速度并降低稳态均方误差。仿真分析表明新型变步长LMS算法有更好的收敛特性。     

误差非线性函数的变步长FxLMS算法研究

滤波-x最小均方（Filtered-x Least Mean Square,FxLMS）算法是主动噪声控制的经典算法,其存在收敛速度与稳态误差不可兼得的问题,解决方法之一是采用变步长FxLMS算法。总结了现有的基于误差非线性函数的变步长模型,并将其应用于FxLMS算法以改善算法性能。用三种常见的噪声作为参考输入信号进行仿真试验,对比了不同非线性函数变步长算法的性能。结果表明,变步长FxLMS算法能有效改善参考信号为高斯白噪声和正弦波时的收敛速度和稳态误差,且不同噪声环境下最优算法不同,但此类算法无法提升噪声源为冲击噪声时的性能。这为不同应用场景下算法的选取提供了参考。将变步长FxLMS算法应用于某车型的发动机主动噪声控制,结果表明,变步长FxLMS能显著提高定速工况的系统性能,但对急加速工况效果并不明显。     

变步长CFxLMS算法及其在电梯噪声主动控制中的仿真

提出一种改进的CFxLMS(Correlation FxLMS)算法,该算法使用滤波参考信号与误差信号的相关函数控制步长更新。即随着相关函数的减小,步长也逐渐减小,从而提高了算法的实时性,较好地解决了传统FxLMS算法因步长固定带来的稳态误差大和实时跟踪能力弱的问题。为进一步验证改进算法的性能,将CFxLMS算法应用于高速电梯的轿厢内噪声主动降噪仿真中,并与FxLMS算法的结果进行对比。     

基于FxKalman算法的有源控制器设计与实现研究

近年来,对于有源噪声控制算法的性能越来越重视。与基于维纳滤波原理的最小均方滤波(Filtered-x Least Mean Square,Fx LMS)、最小二乘滤波(Filtered-x Recursive Least Square,Fx RLS)算法相比较,基于卡尔曼滤波的有源控制算法(Filtered-x Kalman,Fx Kalman)具有较快的收敛速度和良好的跟踪性能,且对带宽噪声有较好的降噪性能。设计、仿真运行了Fx Kalman算法的有源控制器,并针对单频、窄带和宽带信号,在实验室封闭空间对Fx Kalman算法、Fx LMS算法和Fx RLS算法进行有源控制器验证性实验比较,证实了Fx Kalman有源控制器具有上述优点。而如果初级噪声为单频信号且对算法收敛速度要求不高,Fx LMS算法是最经济稳妥的选择。当需要控制带宽噪声或对算法收敛速度要求较高时,Fx Kalman算法则为最好的选择。     

基于延时陷波算法的车内主动噪声控制

传统车内主动噪声控制(Active Noise Control,ANC)中使用的 FxLMS(Filtered-x Least Mean Square)算法,计算量较大,所需硬件成本相对较高,不利于批量生产。因此文章提出一种使用参考信号与滤波参考信号数字合成的改进自适应陷波方案,弥补了次级通路延时模型在相位误差方面的缺陷,同时具有结构简单、计算量小的优点。最后,基于 CompactRIO建立了车内双通道延时陷波窄带 ANC系统,进行车辆定置发动机定转速与行驶过程急加速两种工况下的实车道路试验。试验结果表明,所提方案的主动噪声控制效果良好,急加速工况下,车内噪声总声压级最高仍可降低 8.46 dB(A),为主动噪声控制的工程应用提供了参考。     

三类有源噪声控制算法性能比较

设计了FxLMS、GSFxAP、FsLMS等三类有源控制算法的仿真实验和消声室实验，分析了算法性能，对算法的适用条件进行深入研究。结果表明：当次级通路为线性通路时，在实际应用对收敛速度要求不高的情况下，选择FxLMS算法的性能代价比最高。如果欲控制的噪声为非平稳噪声或对算法收敛速度要求较高，GSFxAP算法是最优选择。如果参考信号与初级信号相关性差，选用FsLMS算法最为合适。上述结论为实际工程中有源控制算法的选择提供了理论依据。     

脉冲噪声的最小均值M－估计有源控制算法

经典的滤波―X最小均方算法(Fx LMS)已经被广泛应用于有源噪声控制(ANC)领域。 但是当存在脉冲噪声时, 它的性能就会严重退化。基于鲁棒统计的概念介绍了一种新型自适应算法,采用的目标函数为M－估计函数, 而不是传统的最小均方误差。该算法分别采用了Huber 函数、Hampel 三段下降M估计函数等四种不同的M－估计函数作为目标函数,仿真结果表明所采用的算法能有效地消除脉冲噪声,并且与日本学者Akhtar 改进的加窗算法相比表现了更好的收敛性。