关键词:
主动噪声控制
自适应滤波算法
性能优化
q-梯度
摘要:
随着现代城市化进程的加速,噪声污染问题日益加剧。被动噪声控制(Passive Noise Control,PNC)技术通过使用吸声材料、隔声构件等手段来达到降噪目的,但其仅对中高频噪声有效且降噪成本较高。主动噪声控制(Active Noise Control,ANC)技术采用“以声消声”的方式对噪声进行抑制,具有部署方便、使用灵活、对低频噪声具有很好的抑制效果等优点,可以有效弥补PNC技术的不足,引起了国内外学者的广泛关注。本文基于单通道前馈ANC系统模型,通过对现有自适应滤波算法进行优化,来提升ANC系统的整体降噪性能。论文主要研究内容概况如下:
首先,针对传统滤波-x归一化最小均方(Filtered-x Normalized Least Mean Square,Fx NLMS)算法收敛速度和降噪精度无法有效折中以及处理循环平稳噪声时降噪效果不佳的问题,提出了一种自适应组合的优化算法。该算法将大步长Fx NLMS与小步长滤波-x最小均方(Filtered-x Least Mean Square,Fx LMS)算法进行组合,通过最小化后验误差能量来获取混合参数的自适应更新公式,同时利用时间平均法进一步优化混合参数的更新过程,从而有效提升了循环平稳噪声条件下自适应滤波算法的噪声抑制效果。论文对提出算法的性能进行了分析,并通过仿真实验验证了提出算法的有效性。
接着,针对单个误差范数作为代价函数的自适应滤波算法在特定环境下呈现收敛速度较慢、降噪性能较差的问题,提出了一种优化ANC控制算法。该算法将最小平均混合范数(Least Mean Mixed-Norm,LMMN)算法的代价函数引入ANC系统,使用q-梯度下降法代替传统梯度下降法,获取了其稳定收敛的步长边界。同时,针对参数q的取值对算法性能的影响问题,设计了变q参数的优化策略,以进一步提升算法的整体性能。论文通过多种噪声环境下的仿真实验验证了提出算法的有效性和可靠性。
最后,论文对全文内容进行了总结,并对未来研究方向进行了展望。