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。     

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。     

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)。     

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。     

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。     

基于FxLMS定收敛因子的自适应前馈主动噪声控制

为研究自适应前馈主动噪声控制FxLMS算法的收敛特性,通过Simulink仿真,表明定收敛因子条件下FxLMS算法在次级通道传递函数已知时,输出声信号能实时跟踪输入噪声源信号的反相信号,残余误差信号能快速减小并达到稳态。     

车内噪声听觉时域掩蔽主动控制LMS算法

在传统噪声主动控制LMS算法基础上,考虑人耳听觉感知的后掩蔽效应,推导出Post-masking LMS算法。以汽车车内噪声主动降噪为例,分别采用LMS与Post-masking LMS算法,在Matlab环境中对实测的不同车速下车内噪声信号进行有源噪声控制仿真试验,结果表明Post-masking LMS算法能在传统LMS算法的基础上进一步降低车内噪声响度水平,具有更好的降噪效果和主观听觉感受。     

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。     

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。     

极限梯度提升声品质预测模型在车内噪声主动控制中的运用

针对特种车车内噪声声品质提升问题，利用极限梯度提升（XGBoost）算法建立声品质预测模型，模型预测值与实际主观评价值的平均相对误差为2.43%，分析得到客观参数对主观分数的影响权重；针对车内噪声非线性、非平稳性的特点，提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）和滤波-x最小均方（Filtered-x Least Mean Square, FxLMS）算法相结合的主动控制方法，预测模型结果表明，主观分数提升2.11，提升幅度为26.6%。此方法对特种车内噪声非线性、非平稳性具有良好的控制效果，能有效改善车内声品质。     

小波变换在轿车车内噪声源识别中的应用研究

阐述小波变换及小波分解的基本原理,对车内噪声及相关噪声、振动信号进行测量,利用小波分解原理对噪声及振动信号进行分解,得到各信号的特征向量,根据各信号的特征向量确定车内噪声与其它振动、噪声信号的相关系数,根据车内噪声与各振动、噪声信号的相关程度确定车内噪声的主要噪声源,并试验验证小波变换对噪声源识别的有效性和正确性。     

有源脉冲噪声控制的反正切变换算法

近年来,针对有源脉冲噪声控制,提出一些较为有效的算法。由于脉冲噪声的高尖峰特性,给算法带来了不稳定。为克服这些算法的不足,提出一种基于反正切变换的滤波x最小均方差算法。该算法不需要根据脉冲噪声的先验知识估测阈值和选择参数,并且算法结构简单、易于实现。仿真结果表明该算法能有效地消除脉冲噪声,与其他几种算法相比表现了更好的收敛性和稳定性。     

多智能体的振动噪声前馈主动控制技术

传统振动噪声主动控制系统在灵活性、通用性和稳定性等方面存在缺陷,难以适应外界环境的动态性和不确定性。由此考虑将多智能体技术与经典的控制理论—自适应前馈FxLMS控制算法综合起来形成有效智能控制系统。根据主导振动噪声的结构模态分解振动噪声控制问题,比较结构特征频率声压和一预设阈值大小来定义控制器操作域。综合各种功能函数和自适应FxLMS算法形成控制单元(控制器智能体)。通过最大声压频率和特征频率之差小于某一常数α来定义决策函数,以决策各控制单元的优先启动。提取传递函数至上层组织作为加权系数以实现各控制单元之间的合作。通过调整常数α能够实现不同控制器的灵活启动,并利用智能体之间的合作实现系统的通用性和稳定性。     

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。     

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。     

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了1.5倍以上,稳态误差降低55%以上;与VS-FxLMS算法相比,VS-MFxLMS算法的收敛速度提高了25%以上,稳态误差降低了28%以上;为汽车车内噪声的有源控制提供了一种新方法。     

基于提升小波变换和AdaBoost的超声信号消噪技术

为了提高超声无损检测(UNDT)和无损评价(UNDE)中基础数据的信噪比(SNR),提出了一种基于提升小波变换和AdaBoost模式识别理论的超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理,以及分析传统裂谱分析算法局限性的基础上,利用提升小波变换将原始超声检测信号分解到小波空间后,通过采用AdaBoost算法构成的信噪分离器对信号和噪声进行识别、分离来消除噪声,得到高信噪比的超声回波信号.实验结果表明,与传统裂谱分析算法相比,该技术提高了消噪性能的稳定性,增强了湮没材料内部各种散射体散射中的缺陷回波信号能力.     

基于DSP的前馈式自适应有源低频噪声控制系统设计

本文阐述了前馈式有源噪声控制系统原理及FxLMS算法。设计了一种基于DSP的前馈式自适应有源低频噪声控制系统,采用LMS算法实现次级通路辨识,采用FxLMS算法实现自适应有源噪声控制。实验结果表明,对于频率为300Hz的低频噪声,能够取得14dB左右的降噪量。     

基于方程误差法的IIR滤波有源噪声控制算法

在前馈有源噪声控制系统中会存在声反馈现象:次级声源产生的声信号反馈至参考传感器处。采用IIR滤波器能更好匹配有零极点的最优解,减弱声反馈影响。为克服FvLMS算法全局收敛性差的缺陷,提出采用比方程误差法(EEM)的计算量更小的EEM-FvLMS算法。在考虑声反馈的情况下,进行基于FvLMS算法和EEM-FvLMS算法的有源噪声控制仿真实验。仿真结果表明:对于窄带噪声,EEM-FvLMS算法性能更优;对于风机噪声,FvLMS算法与EEM-FvLMS算法性能相当;对于FvLMS算法不能控制的误差信号中的干扰信号,EEM-FvLMS算法也能有效控制。     

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。