CN109214340B - 一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法 - Google Patents
一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法 Download PDFInfo
- Publication number
- CN109214340B CN109214340B CN201811054921.0A CN201811054921A CN109214340B CN 109214340 B CN109214340 B CN 109214340B CN 201811054921 A CN201811054921 A CN 201811054921A CN 109214340 B CN109214340 B CN 109214340B
- Authority
- CN
- China
- Prior art keywords
- unknown
- output error
- model
- pes
- identifying
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 102
- 239000004695 Polyether sulfone Substances 0.000 claims description 34
- 229920006393 polyether sulfone Polymers 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 32
- 238000012795 verification Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法,与现有技术相比解决了振动干扰弥补方法无法对未知振动信息进行识别补偿的缺陷。本发明包括以下步骤:收集数据并存储;启用SAFF方法进行干扰弥补识别;未知动态信号的识别;利用IIR插件修正未知动态信号;未知动态信号的再识别;干扰信号的弥补。本发明能够识别出未知的动态信号,针对于不同的振动源以自动调谐的方式识别出其产生的动态信号,增强了硬盘底盘性能。
Description
技术领域
本发明涉及笔记本电脑硬盘技术领域,具体来说是一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法。
背景技术
随着多媒体应用越来越重要,音频振动抑制性能也需要得到改善,以此来满足HDD行业日益增长的需求。在笔记本电脑的多媒体应用中,扬声器引起的振动增加了对HDD的技术要求,降低了HDD的输出性能。
目前,基于传感器的自适应前馈扰动补偿方案(SAFF)在HDD行业被研究和实现了很多年。SAFF利用LMS算法来学习从外部振动到PES的未知动态信号,通过直接消除扰动来提高PES性能。在此过程中,采用有限容量补偿的LMS算法确定FIR自适应滤波器。在目前阶段,市场现有的系统识别工具,像MATLAB,就是结合已知的TRC模型来识别未知的振动模型(函数从输入扰动传递到PES)。但是这个过程效率不高,通常只在开始时对特定的驱动器进行校准。然后,识别模型被应用于大批量HDD以节约成本。当AODB被嵌入或者振动源改变,此方案则无法实现识别补偿。
这是因为,在现有的TRC动力学中,当SNR值较高时,未知的动力学在频率范围内为唯一的ID,同时,TRC模型的阶数对于未知知识系统很难确定。而现有的系统识别方法像方程误差方法(EE方法)和输出误差方法(OE方法)可以在特定条件下识别具有通用模型结构的系统,对于这些方法,输入信号应该包含丰富的频率内容以达到系统带宽,在频率域中低强度的均匀分布是首选的。而在这些特殊的应用中,传感器信号是由不能事先设计的振动源所确定的,满足不了EE方法和OE方法的要求。
但是,振动在一定频率范围内有集中的频率分布,在低SNR范围内的IO数据会产生坏的系统识别结果。那么如何将振动在特定频率范围(高SNR范围)内的频率信息与TRC模型相结合,以实现未知扰动的识别补偿已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中振动干扰弥补方法无法对未知振动信息进行识别补偿的缺陷,提供一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下:
一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法,包括以下步骤:
收集数据并存储,通过传感器收集扬声器振动产生的动态信号和从伺服定位信息接收位置误差信号PES,并进行存储;
启用SAFF方法进行干扰弥补识别,激活基于传感器的自适应前馈方法利用LMS学习方法提升PES性能;
未知动态信号的识别,利用未知传感器动态信号与PES相结合,使用方程误差方法和输出误差方法识别未知动态信号的传输函数;
利用IIR插件修正未知动态信号,禁用基于传感器的自适应前馈方法,在传感器信号之前插入IIR插件;
未知动态信号的再识别,利用未知传感器动态信号与PES相结合,使用方程误差方法和输出误差方法识别未知动态信号的传输函数;
干扰信号的弥补,将识别出的未知动态信号的传输函数结合PES进行回馈补偿弥补。
所述未知动态信号的识别包括以下步骤:
读取未知传感器动态信号与PES;
设定传输函数模型,其表示如下:
设定未知传感器动态信号的识别在系统带宽500Hz到2000Hz的频率范围;
利用TRC模型过滤未知传感器动态信号数据,其表达式如下:
Gk=P,
其中,Gk为TRC模型已识别参数,Gun为TRC模型未识别参数;
计算Gun阶数,通过方程误差方法和输出误差方法计算Gun阶数;
将未知传感器动态信号与PES输入传输函数模型,在Gun阶数下计算识别出传输函数Gv。
所述计算Gun阶数包括以下步骤:
选择TRC模型中的参数A,使用方程误差方法识别Gv;
使用输出误差方法验证Gv;
判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数;若达不到相关性要求,则选择TRC模型中的参数B,使用方程误差方法识别Gv;
使用输出误差方法验证Gv;
判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数;若达不到相关性要求,则选择TRC模型中的参数C,使用方程误差方法识别Gv;
使用输出误差方法验证Gv;
判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数。
其中,n为传输函数的分母阶数,m为传输函数的分子阶数,d为系统延迟步骤。
有益效果
本发明的一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法,与现有技术相比能够识别出未知的动态信号,针对于不同的振动源以自动调谐的方式识别出其产生的动态信号,增强了硬盘底盘性能。
本发明利用有效传感器信号和PES信号结合方程误差(EE)和输出误差(OE)的系统ID进程进行未知动态信号的识别;然后,SAFF的配置在传感器信号之前利用IIR插件进行修正,来进一步减少振动干扰引起的未知的动态信号;最后,LMS的学习能力也能基于此得到加强,当存在不同的振动源或者当ADOB嵌入时,系统识别过程也被用来协助在当前利用IIR插件的SAFF方案在传感器之前提升LMS的学习能力。
附图说明
图1为本发明的方法顺序图;
图2为待识别的输入数据频率分布图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1所示,本发明所述的一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法,包括以下步骤:
第一步,收集数据并存储。通过传感器收集扬声器振动产生的动态信号和从伺服定位信息接收位置误差信号PES,并进行存储。
第二步,启用SAFF方法进行干扰弥补识别。按传统方式激活基于传感器的自适应前馈方法利用LMS学习方法提升PES性能,对振动干扰信号进行识别。
第三步,未知动态信号的识别。经过传统SAFF方法进行干扰弥补识别后,针对于振动动态信号(振动干扰信号)分为已识别出的动态信号和未识别出的动态信号,在此就利用未知传感器动态信号与PES相结合,使用方程误差方法和输出误差方法识别未知动态信号的传输函数,即针对于未识别出的动态信号(未知动态信号)进行识别。其具体步骤如下:
(1)读取未知传感器动态信号与PES。
(2)设定传输函数模型,其表示如下:
标准系统识别要求输入信号被事先设计成具有丰富频率内容和均匀分布,但是振动源是由HDD环境所决定的。通常,传感器信号将在500Hz到2000Hz(系统带宽)的频率范围具有大的SNR,在低频率范围内具有小SNR(0-500Hz)。
(3)设定未知传感器动态信号的识别在系统带宽500Hz到2000Hz的频率范围。
(4)利用TRC模型过滤未知传感器动态信号数据,其表达式如下:
Gk=P,
其中,Gk为TRC模型已识别参数,Gun为TRC模型未识别参数。
在此,并不知道Gun的阶数,之后步骤所提出的识别过程,模拟从一个已知有效信息的操作员指定的初始阶数开始,迭代增加阶数直到它通过某个标准为止(计算Gun阶数步骤)。如果经过多次迭代后,该模型仍然无效,该过程将重新收集数据,直到它能给出一个有效的模型参数。但在实际应用中,为了避免出现死循环状态,在此针对第一次未知动态信号识别所设定的迭代次数设为3次,未识别出后再通过IIR插件修正后进行再识别。
(5)计算Gun阶数,通过方程误差方法和输出误差方法计算Gun阶数。
不同识别方法有不同的条件来确保稳定性和参数的收敛性,对于EE方法,无条件保证稳定性,但是输出噪声应该为白色来确保参数的收敛性;对于OE方法,参数收敛性可以保证白色噪声或者有色噪声,固定补偿器的选择是十分困难的,需要满足稳定性条件。
由于噪声几乎是无色的,EE方法仅用来对固定补偿器进行初步猜测;然后,采用OE方法的固定补偿器被运行然后给出最后结果;对带有固定补偿器的OE方法的严格正实(SPR)条件进行检验;输出误差和预估输出之间的相关性可以作为验证方法来检查,验证OE方法的噪声假设。其具体步骤如下:
A1、选择TRC模型中的参数A(通过不同参数在TRC模型中的调整去尝试识别Gv函数),使用方程误差方法识别Gv;
A2、使用输出误差方法验证Gv;
A3、按传统方法判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数(此时为1);若达不到相关性要求,则选择TRC模型中的参数B,使用方程误差方法识别Gv;
A4、使用输出误差方法验证Gv;
A5、同样,判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数(此时为2);若达不到相关性要求,则选择TRC模型中的参数C,使用方程误差方法识别Gv;
A6、使用输出误差方法验证Gv;
A7、判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数(此时为3)。
(6)将未知传感器动态信号与PES输入传输函数模型,在Gun阶数下计算识别出传输函数Gv,利用已训练出的TRC模型识别出传输函数Gv。
在此,计算Gun阶数其实一个自我迭代学习进化步骤(自动调谐方法),Gun阶数的获得是为循环迭代提供了模型阶数,而Gun阶数取得后,针对于当前的振动未知动态信号而言,TRC模型学习识别的方法,进行有效识别。但在实际应用中,扬声器的振动多样化,细节上可能会存在差异,若再遇到无法识别的振动未知动态信号时,基于Gun阶数的条件下,TRC模型可以再一次的进行学习识别,以使得TRC模型更加强大。
第四步,利用IIR插件修正未知动态信号,禁用基于传感器的自适应前馈方法,在传感器信号之前插入IIR插件。为了进一步模拟日常使用硬盘时扬声器所产生的不确定振动干扰,防止实际应用中无法识别振动动态信号,在SAFF的配置在传感器信号之前利用IIR插件进行修正,来进一步减少振动干扰引起的未知的动态信号。
第五步,未知动态信号的再识别。同样,利用未知传感器动态信号与PES相结合,使用方程误差方法和输出误差方法识别未知动态信号的传输函数。即针对于IIR插件修正后,再进行识别计算过程,而此时的TRC模型所对应的是参数D、参数E或参数F。
第六步,干扰信号的弥补。利用传统方式,将识别出的未知动态信号的传输函数结合PES进行回馈补偿弥补。
其中,n为传输函数的分母阶数,m为传输函数的分子阶数,d为系统延迟步骤。图2中,n、m、d的初始值被选择为1、1、0。仿真结果显示了经过2次迭代后,模型通过了验证。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (3)
1.一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法,其特征在于,包括以下步骤:
11)收集数据并存储,通过传感器收集扬声器振动产生的动态信号和从伺服定位信息接收位置误差信号PES,并进行存储;
12)启用SAFF方法进行干扰弥补识别,激活基于传感器的自适应前馈方法利用LMS学习方法提升PES性能;
13)未知动态信号的识别,利用未知传感器动态信号与PES相结合,使用方程误差方法和输出误差方法识别未知动态信号的传输函数;所述未知动态信号的识别包括以下步骤:
131)读取未知传感器动态信号与PES;
132)设定传输函数模型,其表示如下:
133)设定未知传感器动态信号的识别在系统带宽500Hz到2000Hz的频率范围;
134)利用TRC模型过滤未知传感器动态信号数据,其表达式如下:
Gk=P,
其中,Gk为TRC模型已识别参数,Gun为TRC模型未识别参数;
135)计算Gun阶数,通过方程误差方法和输出误差方法计算Gun阶数;
136)将未知传感器动态信号与PES输入传输函数模型,在Gun阶数下计算识别出传输函数Gv;
14)利用IIR插件修正未知动态信号,禁用基于传感器的自适应前馈方法,在传感器信号之前插入IIR插件;
15)未知动态信号的再识别,利用未知传感器动态信号与PES相结合,使用方程误差方法和输出误差方法识别未知动态信号的传输函数;
16)干扰信号的弥补,将识别出的未知动态信号的传输函数结合PES进行回馈补偿弥补。
2.根据权利要求1所述的一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法,其特征在于,所述计算Gun阶数包括以下步骤:
21)选择TRC模型中的参数A,使用方程误差方法识别Gv;
22)使用输出误差方法验证Gv;
23)判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数;若达不到相关性要求,则选择TRC模型中的参数B,使用方程误差方法识别Gv;
24)使用输出误差方法验证Gv;
25)判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数;若达不到相关性要求,则选择TRC模型中的参数C,使用方程误差方法识别Gv;
26)使用输出误差方法验证Gv;
27)判断输出误差方法的输出误差与预估输出误差的相关性,若达到相关性要求,则输出Gun阶数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811054921.0A CN109214340B (zh) | 2018-09-11 | 2018-09-11 | 一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811054921.0A CN109214340B (zh) | 2018-09-11 | 2018-09-11 | 一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109214340A CN109214340A (zh) | 2019-01-15 |
CN109214340B true CN109214340B (zh) | 2021-08-03 |
Family
ID=64987491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811054921.0A Expired - Fee Related CN109214340B (zh) | 2018-09-11 | 2018-09-11 | 一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214340B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149407A (zh) * | 2007-11-02 | 2008-03-26 | 武汉大学 | 一种利用工频干扰源带电测量互感线路零序阻抗参数的方法及装置 |
CN104614067A (zh) * | 2015-02-09 | 2015-05-13 | 常州智梭传感科技有限公司 | 抗干扰saw传感器读写器及读取传感器谐振频率的方法 |
CN105450981A (zh) * | 2014-08-29 | 2016-03-30 | 陕西力辉电子科技有限公司 | 一种磁悬浮式无线视频监控器 |
CN108490792A (zh) * | 2018-05-17 | 2018-09-04 | 中科院合肥技术创新工程院 | 一种基于耳机插孔信号提取的硬盘音频振动自适应前馈控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8239623B2 (en) * | 2008-07-03 | 2012-08-07 | Oracle America, Inc. | Scheduling read operations during drive reconstruction in an array of redundant disk drives |
-
2018
- 2018-09-11 CN CN201811054921.0A patent/CN109214340B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149407A (zh) * | 2007-11-02 | 2008-03-26 | 武汉大学 | 一种利用工频干扰源带电测量互感线路零序阻抗参数的方法及装置 |
CN105450981A (zh) * | 2014-08-29 | 2016-03-30 | 陕西力辉电子科技有限公司 | 一种磁悬浮式无线视频监控器 |
CN104614067A (zh) * | 2015-02-09 | 2015-05-13 | 常州智梭传感科技有限公司 | 抗干扰saw传感器读写器及读取传感器谐振频率的方法 |
CN108490792A (zh) * | 2018-05-17 | 2018-09-04 | 中科院合肥技术创新工程院 | 一种基于耳机插孔信号提取的硬盘音频振动自适应前馈控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109214340A (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI666943B (zh) | 揚聲器保護偏移監督的方法、設備及行動裝置 | |
Górriz et al. | A novel LMS algorithm applied to adaptive noise cancellation | |
US9286907B2 (en) | Smart rejecter for keyboard click noise | |
US20180132049A1 (en) | Non-linear control of loudspeakers | |
US11456007B2 (en) | End-to-end multi-task denoising for joint signal distortion ratio (SDR) and perceptual evaluation of speech quality (PESQ) optimization | |
CN113436643B (zh) | 语音增强模型的训练及应用方法、装置、设备及存储介质 | |
CN110211599B (zh) | 应用唤醒方法、装置、存储介质及电子设备 | |
Zakharov | Low-complexity implementation of the affine projection algorithm | |
WO2022012206A1 (zh) | 音频信号处理方法、装置、设备及存储介质 | |
Su et al. | Perceptually-motivated environment-specific speech enhancement | |
CN113362822A (zh) | 一种具有听觉隐蔽性的黑盒语音对抗样本生成方法 | |
CN109214340B (zh) | 一种用于笔记本电脑硬盘的扬声器振动干扰弥补方法 | |
CN105356861A (zh) | 一种有源降噪的方法和系统 | |
BR112014027494B1 (pt) | aparelho de processamento, método de processamento, programa, mídia de gravação de informação legível por computador e sistema de processamento | |
US11308973B2 (en) | Method for processing multi-channel audio signal on basis of neural network and electronic device | |
CN112837695A (zh) | 一种滤波方法、装置、终端及存储介质 | |
Wang et al. | Online secondary path modeling for active sound quality control systems | |
Zhang et al. | An active noise control system based on reference signal decomposition | |
WO2023093029A1 (zh) | 唤醒词能量计算方法、系统、语音唤醒系统及存储介质 | |
CN111968620A (zh) | 算法的测试方法、装置、电子设备及存储介质 | |
CN116343759A (zh) | 黑盒智能语音识别系统对抗样本生成方法及相关装置 | |
WO2020184211A1 (ja) | 雑音抑圧装置、その方法、およびプログラム | |
US20130223639A1 (en) | Signal processing device, signal processing method and signal processing program | |
CN111933172A (zh) | 人声分离提取方法方法、装置、计算机设备及存储介质 | |
Pengxing et al. | An active impulsive noise control algorithm with self-p-normalized method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210803 |