CN101976560B - 前馈型窄带主动噪声控制系统性能提高的方法 - Google Patents

Abstract

前馈型窄带主动噪声控制系统性能提高的方法。它涉及主动噪声控制领域，它针对含次级通道在线辨识的前馈型窄带主动噪声控制系统中由非声学传感器获得的参考信号频率与目标噪声真实频率存在失调情形，以及次级通道在线辨识而引入的辅助噪声严重阻碍了系统残余噪声能量的降低。它的控制系统包括频率补偿子系统、信号合成子系统和次级通道在线辨识子系统；频率补偿子系统包括二阶自回归模块和最小均方算法模块，频率补偿子系统将调整后的第i个频率通道的参考信号的余弦分量和正弦分量

传送给信号合成子系统。它在频率失调达到5.0％以上仍然能够有效抑制目标噪声，以及稳态时系统残余噪声能量降至理想水平，使得控制系统性能得到进一步提高以及更贴近实用。

Description

前馈型窄带主动噪声控制系统性能提高的方法

技术领域

本发明涉及主动噪声控制(ANC)领域，具体涉及窄带主动噪声控制系统中非声学传感器获得的参考信号频率与目标噪声真实频率失调情况的补偿和次级通道在线辨识子系统中约束辅助噪声来提高窄带主动噪声控制系统性能的方法。

背景技术

主动噪声控制(ANC)技术与传统被动噪声控制方法相比，具有低频性能好、控制器改进空间大、成本低等优点，适合用于控制低频谐波噪声及宽频率范围内的音频噪声，是传统被动方法不可或缺的有利补充。

用于控制低频谐波噪声的窄带主动噪声控制系统，由于目标噪声具有周期或者近似周期特性，这类谐波噪声往往是由旋转设备或具有往复运动的装置产生，参考信号通常利用非声学传感器(如转速计)获取，这样可以避免消声扬声器可能给参考信号传感器(若采用声学传感器)带来的声反馈。

在实际应用中，由于长时间工作，传感器因为老化等原因而使得其测量精度下降，致使所获取的参考信号频率与目标噪声真实频率存在较大偏差，这时系统不能有效抑制目标噪声。

另一方面，为应对次级通道可能存在的时变特性，提高系统的自适应性，次级通道往往利用在线方法进行辨识。比较有效的次级通道在线辨识方法，是通过引入一个辅助噪声作为辨识子系统的输入，同时利用自适应算法调整估计模型系数，获取次级通道估计模型，达到次级通道在线辨识的目的。对于含次级通道在线辨识的窄带主动噪声控制系统，辅助噪声的引入对系统残余噪声的能量影响很大。

发明内容

本发明的目的在于针对含次级通道在线辨识的前馈型窄带主动噪声控制系统中由非声学传感器获得的参考信号频率与目标噪声真实频率存在失调情形，以及为了次级通道在线辨识而引入的辅助噪声严重阻碍了系统残余噪声能量的降低，而提供一种前馈型窄带主动噪声控制系统性能提高的方法。

本发明前馈型窄带主动噪声控制系统性能提高的方法中的前馈型窄带主动噪声控制系统包括频率补偿子系统1、信号合成子系统2和次级通道在线辨识子系统3；

信号合成子系统2，用于将频率补偿子系统1发出的信号进行合成，产生抑制目标噪声所需的次级噪声源信号；

次级通道在线辨识子系统3是以在线的方式，随着窄带主动噪声控制系统的运行，用于在抑制噪声的同时，完成次级通道的辨识；

频率补偿子系统1包括二阶自回归模块11和最小均方算法模块12，

对第i个频率通道的参考信号的余弦分量

和正弦分量

采用同一个调整参数c_i(n)进行调整；

第i个频率通道的参考信号的余弦分量和正弦分量

通过二阶自回归模块11调整计算得到：

$x_{a_i}\left(n\right)=-c_i\left(n\right)x_{a_i}(n-1)-x_{a_i}(n-2),n\≥2;$

$x_{a_i}\left(0\right)=1,$ $x_{a_i}\left(1\right)=\cos \left({\mathrm{\ω}}_i\left(0\right)\right);$

$x_{b_i}\left(n\right)=-c_i\left(n\right)x_{b_i}(n-1)-x_{b_i}(n-2),n\≥2$

$x_{b_i}\left(0\right)=1,$ $x_{b_i}\left(1\right)=\sin \left({\mathrm{\ω}}_i\left(0\right)\right);$

c_i(0)＝-2cos(ω_i(0))；

上述公式中，ω_i(0)是利用非声学传感器所获得的同步信号，根据同步信号与噪声频率的线性关系计算得到的噪声中第i个频率成分的初始频率值；

调整参数c_i(n)由最小均方算法模块12进行实时调整计算，具体过程为：

最小均方算法模块12接收信号合成子系统2的滤波参考信号

和

以及前馈型窄带主动噪声控制系统的系统残余噪声e(n)；再通过最小均方算法模块12更新参数c_i(n)，所述参数c_i(n)的更新公式为：

$c_i(n+1)=c_i\left(n\right)-{\mathrm{\μ}}_{\mathrm{ci}}e\left(n\right){\hat{x}}_{i,s}\left(n\right)$

${\hat{x}}_{i,s}\left(n\right)={\hat{a}}_i\left(n\right){\hat{x}}_{a_i}(n-1)+{\hat{b}}_i\left(n\right){\hat{x}}_{b_i}(n-1)$

其中，

为表示序列的符号；

频率补偿子系统1将调整后的第i个频率通道的参考信号的余弦分量

和正弦分量传送给信号合成子系统2。

本发明包含一种自适应频率跟踪方法和一种降低辅助噪声对系统残余噪声能量影响的方法，使得系统在频率失调处于一定范围内，仍然能够有效抑制目标噪声，以及系统残余噪声能量降至理论期望水平，进而提高系统性能。通过二阶自回归模型(AR模型)且其参数采用梯度算法进行实时调整，对存在频率失调的参考信号进行处理，从而达到自适应跟踪目标噪声频率的效果，实现频率失调补偿功能；利用系统误差逐渐减小的特点，通过一个系统误差函数约束辅助噪声，达到降低辅助噪声对系统误差能量影响的目的，实现稳态系统误差能量降至期望水平。本发明可实现含次级通道在线辨识的前馈型窄带主动噪声控制系统在频率失调达到5.0％以上仍然能够有效抑制目标噪声，以及稳态时系统残余噪声能量降至理想水平，使得含次级通道在线辨识的前馈型窄带主动噪声控制系统性能得到进一步提高以及更贴近实用。

附图说明

图1为传统的含次级通道在线辨识的前馈型窄带主动噪声控制系统；图2为一个二阶自回归模型(AR模型)处理参考信号示意图；图3为多频率通道下存在频率失调的窄带主动噪声控制系统中参考信号处理示意图；图4为本发明的含次级通道在线辨识的前馈型窄带主动噪声控制系统。

具体实施方式

具体实施方式一：结合图1至图4说明本实施方式，本实施方式前馈型窄带主动噪声控制系统包括频率补偿子系统1、信号合成子系统2和次级通道在线辨识子系统3；

频率补偿子系统1包括二阶自回归模块11和最小均方算法模块12，

其中，二阶自回归模块11是结合窄带主动噪声控制系统特点通过对一般意义上的二价自回归模型(图2所示)进行扩展而得到。由图2可知，二价自回归模型的输出信号x(n)根据下式计算得到：

x(n)＝-c(n)x(n-1)-x(n-2)

其中，模型系数c(n)通常由梯度算法进行实时更新。上式描述的自回归模型具有一定的频率跟踪功能，即当信号x(n)是单频信号且其频率与期望的信号频率存在一定的不一致时，调整参数c(n)，可使信号x(n)的频率得到相应补偿，跟踪期望频率。因此，针对窄带主动噪声控制系统中的频率失调问题，可利用图2所示二阶自回归模型对参考信号进行处理，使参考信号频率得到相应补偿。

在窄带主动噪声控制系统中，目标噪声通常是多频率通道，窄带主动噪声控制系统需要同时处理多个频率；同时，当参考信号采用非声学传感器拾取时，参考信号以正弦信号和余弦信号给出；因此，将图2所示二阶自回归模型结构扩展到多频率通道，如图3所示；对第i个频率通道的参考信号的余弦分量

和正弦分量

采用同一个调整参数c_i(n)进行调整；在图4所示系统中，第i个频率通道的参考信号的余弦分量

和正弦分量

通过二阶自回归模块11调整计算得到：

$x_{a_i}\left(n\right)=-c_i\left(n\right)x_{a_i}(n-1)-x_{a_i}(n-2),n\≥2;$

$x_{a_i}\left(0\right)=1,$ $x_{a_i}\left(1\right)=\cos \left({\mathrm{\ω}}_i\left(0\right)\right);$

$x_{b_i}\left(n\right)=-c_i\left(n\right)x_{b_i}(n-1)-x_{b_i}(n-2),n\≥2$

$x_{b_i}\left(0\right)=1,$ $x_{b_i}\left(1\right)=\sin \left({\mathrm{\ω}}_i\left(0\right)\right);$

c_i(0)＝-2cos(ω_i((0))。

上述公式中，ω_i(0)是利用非声学传感器所获得的同步信号，根据同步信号与噪声频率的线性关系计算得到的噪声中第i个频率成分的初始频率值；n是时刻，当n＝0时表示初始时刻，所以这是该参数的初始值。n＝1以及其它时刻的值由下面的更新公式求得。

调整参数c_i(n)由最小均方算法模块12(LMS)进行实时调整计算，具体计算过程可概括为：最小均方算法模块12(LMS)接收信号合成子系统2的滤波参考信号

和

以及前馈型窄带主动噪声控制系统的系统残余噪声e(n)；再通过最小均方算法模块12更新参数c_i(n)，所述参数c_i(n)的更新公式为：

$c_i(n+1)=c_i\left(n\right)-\frac{{\mathrm{\μ}}_{c_i}}{2}\frac{{\∂e}^2\left(n\right)}{\∂c_i\left(n\right)};$

其中，

为相应调整步长，梯度

经推导表示成：

$\frac{1}{2}\frac{{\∂e}^2\left(n\right)}{{\∂c}_i\left(n\right)}=e\left(n\right)\{s*[{\hat{a}}_i\left(n\right)x_{a_i}(n-1)+{\hat{b}}_i\left(n\right)x_{b_i}(n-1)\left]\right\}$

其中*表示线性卷积运算，s为表示次级通道在线辨识子系统3的次级通道S(z)31的冲激响应序列

的符号；

考虑控制滤波器权值通常更新较慢(即更新步长很小)，则可进一步推导为：

$\frac{1}{2}\frac{{\∂e}^2\left(n\right)}{{\∂c}_i\left(n\right)}\≈e\left(n\right)\left\{{\hat{a}}_i\left(n\right)\right[s*x_{a_i}(n-1)]+{\hat{b}}_i\left(n\right)[s*x_{b_i}(n-1)\left]\right\};$

由于次级通道在线辨识的次级通道S(z)31是未知的，即次级通道S(z)31的冲激响应序列

在计算中是不可利用的；通过对次级通道S(z)31进行辨识，获取次级通道S(z)31的估计模型；在实际计算时，次级通道在线辨识的次级通道S(z)31的冲激响应序列

由滤波-X最小均方算法模块22的次级通道估计模型的系数代替，则最终得到的参数c_i(n)的更新公式为：

$c_i(n+1)=c_i\left(n\right)-{\mathrm{\μ}}_{c_i}e\left(n\right){\hat{x}}_{i,s}\left(n\right)$

${\hat{x}}_{i,s}\left(n\right)={\hat{a}}_i\left(n\right)[\hat{s}\left(n\right)*x_{a_i}(n-1)]+{\hat{b}}_i\left(n\right)[\hat{s}\left(n\right)*x_{b_i}(n-1)]$

$={\hat{a}}_i\left(n\right){\hat{x}}_{a_i}(n-1)+{\hat{b}}_i\left(n\right){\hat{x}}_{b_i}(n-1)$

其中，

为表示序列

的符号，

表示次级通道估计模型长度或者是系数个数。

频率补偿子系统1将调整后的第i个频率通道的参考信号的余弦分量和正弦分量

传送给信号合成子系统2。

信号合成子系统2，用于将频率补偿子系统1发出的信号进行合成，产生抑制目标噪声所需的次级噪声源信号；

信号合成子系统2包括控制滤波器21和滤波-X最小均方算法模块22，

频率补偿子系统1输出的第i个频率通道的参考信号的余弦分量

和正弦分量

是通过由滤波-X最小均方算法模块22(FXLMS)实时调整的控制滤波器21的权值

合成，然后产生抑制目标噪声所需的次级噪声源信号y₀(n)，即

$y_0\left(n\right)=\underset{i=1}{\overset{q}{\mathrm{\Σ}}}{y}_i\left(n\right);$

所述的控制滤波器21的权值

更新的公式为：

${\hat{a}}_i(n+1)={\hat{a}}_i\left(n\right)+{\mathrm{\μ}}_{i}e\left(n\right){\hat{x}}_{a_i}\left(n\right),i=\mathrm{1,2},...,q$

${\hat{b}}_i(n+1)={\hat{b}}_i\left(n\right)+{\mathrm{\μ}}_{i}e\left(n\right){\hat{x}}_{b_i}\left(n\right),i=\mathrm{1,2},...,q$

其中，q为噪声频率成分数；μ_i为调整步长；

和

为余弦分量

和正弦分量经由滤波-X最小均方算法模块22的次级通道估计

滤波后得到的滤波参考信号；

若在n时刻，所述的次级通道估计

的冲激响应序列为

则滤波参考信号

和

按下式计算得到：

${\hat{x}}_q\left(n\right)=\underset{m=0}{\overset{\hat{M}-1}{\mathrm{\Σ}}}{\hat{s}}_m\left(n\right)x_{a_i}(n-m)$

${\hat{x}}_{b_i}\left(n\right)=\underset{m=0}{\overset{\hat{M}-1}{\mathrm{\Σ}}}{\hat{s}}_m\left(n\right)x_{b_i}(n-m).$

次级通道在线辨识子系统3是以在线的方式，随着窄带主动噪声控制系统的运行，用于在抑制噪声的同时，完成次级通道的辨识；次级通道在线辨识子系统3能够实时跟踪次级通道S(z)31可能存在的时变特性，提高整个窄带主动噪声控制系统的性能；

次级通道在线辨识子系统3包括次级通道在线辨识的次级通道S(z)31和次级通道在线辨识的最小均方算法模块32，

上述系统残余噪声e(n)通过下列一组表达式计算得到：

$e\left(n\right)=p\left(n\right)-y_p\left(n\right)$

$=p\left(n\right)-\underset{j=0}{\overset{M-1}{\mathrm{\Σ}}}{s}_{j}y(n-j)$

y(n)＝y₀(n)-|e(n-1)|v(n)

$y_0\left(n\right)=\underset{i=1}{\overset{q}{\mathrm{\Σ}}}{y}_i\left(n\right)$

$=\underset{i=1}{\overset{q}{\mathrm{\Σ}}}[{\hat{a}}_i\left(n\right)x_{a_i}\left(n\right)+{\hat{b}}_i\left(n\right)x_{b_i}\left(n\right)]$

其中，p(n)为目标谐波噪声；v(n)是为了次级通道的在线辨识而必须引入的辅助噪声，它是均值为0方差为

的高斯白噪声。在图1所示系统中，辅助噪声v(n)对系统残余噪声e(n)影响很大，致使其稳态能量大大高于期望水平。因此，次级通道在线辨识子系统3还包括辅助噪声约束模块33，辅助噪声约束模块33是采用一个非负函数f(n)限制辅助噪声v(n)，非负函数f(n)具有递减特征，即随着系统残余噪声e(n)减小而减小，显然，非负函数f(n)可取为|e(n)|或|e(n)|²等；若考虑时间延迟，且当取f(n)＝|e(n-1)|时，利用次级通道在线辨识的最小均方算法模块32的最小均方算法对次级通道估计模型

系数

进行实时更新：

次级通道在线辨识的次级通道S(z)31模型为：

$S\left(z\right)=\underset{j=0}{\overset{M-1}{\mathrm{\Σ}}}{s}_j{z}^{-j};$

次级通道在线辨识的最小均方算法模块32的次级通道其估计模型

则表示为：

${\hat{S}}_n\left(z\right)=\underset{m=0}{\overset{\hat{M}-1}{\mathrm{\Σ}}}{\hat{s}}_m\left(n\right)z^{-m};$

那么，的更新公式为：

${\hat{s}}_m(n+1)={\hat{s}}_m\left(n\right)+{\mathrm{\μ}}_{s_m}{e}_0\left(n\right)\left|e(n-1-m)\right|v(n-m),m=\mathrm{0,1},...,\hat{M}-1$

其中，

为调整步长，次级通道在线辨识误差e₀(n)由下式计算：

$e_0\left(n\right)=e\left(n\right)-\underset{m=0}{\overset{\hat{M}-1}{\mathrm{\Σ}}}{\hat{s}}_m\left(n\right)\left|e(n-1-m)\right|v(n-m);$

本发明中，增加了辅助噪声约束模块33将有效降低辅助噪声v(n)对系统残余噪声e(n)的影响，使稳态下系统残余噪声e(n)的能量趋于期望水平，即趋于环境噪声能量。

Claims (1)

1.前馈型窄带主动噪声控制系统性能提高的方法，其特征在于前馈型窄带主动噪声控制系统包括频率补偿子系统(1)、信号合成子系统(2)和次级通道在线辨识子系统(3)；

信号合成子系统(2)，用于将频率补偿子系统(1)发出的信号进行合成，产生抑制目标噪声所需的次级噪声源信号；

次级通道在线辨识子系统(3)是以在线的方式，随着窄带主动噪声控制系统的运行，用于在抑制噪声的同时，完成次级通道的辨识；

频率补偿子系统(1)包括二阶自回归模块(11)和最小均方算法模块(12)，

对第i个频率通道的参考信号的余弦分量

和正弦分量

采用同一个调整参数c_i(n)进行调整；

第i个频率通道的参考信号的余弦分量

和正弦分量

通过二阶自回归模块(11)调整计算得到：

$x_{a_i}\left(n\right)=-c_i\left(n\right)x_{a_i}(n-1)-x_{a_i}(n-2),n\≥2;$

$x_{a_i}\left(0\right)=1,$ $x_{a_i}\left(1\right)=\cos \left({\mathrm{\ω}}_i\left(0\right)\right);$

$x_{b_i}\left(n\right)=-c_i\left(n\right)x_{b_i}(n-1)-x_{b_i}(n-2),n\≥2$

$x_{b_i}\left(0\right)=1,$ $x_{b_i}\left(1\right)=\sin \left({\mathrm{\ω}}_i\left(0\right)\right);$

c_i(0)＝-2cos(ω_i(0))；

上述公式中，ω_i(0)是利用非声学传感器所获得的同步信号，根据同步信号与噪声频率的线性关系计算得到的噪声中第i个频率成分的初始频率值；

调整参数c_i(n)由最小均方算法模块(12)进行实时调整计算，具体过程为：

最小均方算法模块(12)接收信号合成子系统(2)的滤波参考信号

和

以及前馈型窄带主动噪声控制系统的系统残余噪声e(n)；再通过最小均方算法模块(12)更新参数c_i(n)，所述参数c_i(n)的更新公式为：

$c_i(n+1)=c_i\left(n\right)-{\mathrm{\μ}}_{c_i}e\left(n\right){\hat{x}}_{i,s}\left(n\right)$

${\hat{x}}_{i,s}\left(n\right)={\hat{a}}_i\left(n\right){\hat{x}}_{a_i}(n-1)+{\hat{b}}_i\left(n\right){\hat{x}}_{b_i}(n-1)$

其中，

和

为余弦分量

和正弦分量

经由滤波-X最小均方算法模块的次级通道估计

滤波后得到的滤波参考信号，在n时刻，

的冲激响应序列为

滤波参考信号

和

按下式计算得到：

${\hat{x}}_{a_i}\left(n\right)=\underset{m=0}{\overset{\hat{M}-1}{\mathrm{\Σ}}}{\hat{s}}_m\left(n\right)x_{a_i}(n-m);$

${\hat{x}}_{b_i}\left(n\right)=\underset{m=0}{\overset{\hat{M}-1}{\mathrm{\Σ}}}{\hat{s}}_m\left(n\right)x_{b_i}(n-m),$

为相应调整步长，

为表示序列

的符号，

表示次级通道估计模型长度或者是系数个数，

和

是信号合成子系统(2)中的控制滤波器(21)的权值；

频率补偿子系统(1)将调整后的第i个频率通道的参考信号的余弦分量

和正弦分量传送给信号合成子系统(2)。

Images