CN109961773A - 一种针对旋转机械阶次噪声的主动降噪方法 - Google Patents

Abstract

本发明公开了一种针对旋转机械阶次噪声的主动降噪方法，包括步骤：步骤1：以白噪声为激励，采用LMS算法对次级路径的冲击响应函数进行离线识别；步骤2：对识别出的次级路径进行相频分析，得出相位与频率的关系，进而推导出延迟点数与对应频率之间的关系；步骤3：根据采集到的旋转机械转速，得出当前时刻旋转机械噪声的主频，索引出主频对应的延迟点数；步骤4：将当前旋转机械的转速及延迟点数代入延迟陷波LMS算法，对旋转机械进行降噪。本发明对次级路径执行单次识别就可得出旋转机械转速范围内各个频率的对应延迟点数；此外，通过实时索引获取相应的延迟点数，无需卷积运算即可实现旋转机械变速工况下消除多个阶次噪声的主动降噪功能。

Description

一种针对旋转机械阶次噪声的主动降噪方法

技术领域

本发明涉及消除旋转机械阶次噪声的技术，具体的说是一种针对旋转机械阶次噪声的主动降噪方法。

背景技术

随着工业的发展，旋转机械的应用愈发普遍，而在其工作过程中，由于自身结构特征，会产生与转频相关的阶次噪声。在转速较低时，其对应的阶次噪声以低频成分为主导。针对噪声的控制，目前一般采用传统的被动降噪方法，包括吸声、隔声等，这些方法对中高频的噪声消除有较好的效果，但是对低频噪声的降噪效果不能令人满意。原因在于低频噪声的波长较长，一般会超过吸声材料的厚度，致使吸声材料无法消除低频噪声；此外，同样由于低频噪声波长较长的缘故，对隔声方式的密闭性要求较高，成本增加。

为弥补被动降噪方法对低频噪声消除效果的不足，主动降噪(Active NoiseControl,ANC)应运而生。主动降噪技术利用声波干涉原理发出与原噪声频率相同，幅值相等，相位相差180度的控制信号与原噪声信号叠加相消，形成局部静场。该方法只需加装麦克风，扬声器和控制器即可实现噪声消除，特别适用于耳机，汽车驾驶室等场合。

然而现存的方法将声延时估计法作为陷波延迟LMS算法中次级路径延迟点数的计算方法，此方法虽然在单频信号延迟点数的获取上可简单实现，但是在同时消除多个阶次噪声时，需要对所需的频率分别进行延迟点数的识别，太过繁琐。此外，在消除变速工况下的阶次噪声时，频率是连续变化的，声延时估计法会变得力不从心。

发明内容

本发明的目的是在改善上述主动降噪技术不足之处的基础上，提出一套次级路径延迟点数的获取方法用于陷波延迟LMS算法，实现对旋转机械变速工况下多个阶次的噪声控制。

本发明包括以下步骤：

一种针对旋转机械阶次噪声的主动降噪方法，所述方法包括以下步骤：

步骤1：以白噪声作为激励，采用LMS算法对次级路径的冲击响应函数进行离线识别；

步骤2：对识别出的次级路径进行相频分析，得出相位与频率的关系P(f)，进而推导出延迟点数与对应频率之间的关系D(f)；

步骤3：根据采集到的旋转机械转速信号tacho，得出当前时刻旋转机械噪声的主频f₁，索引出f₁对应的延迟点数d₁＝D(f₁)；

步骤4：将当前旋转机械的转速tacho及延迟点数d代入延迟陷波LMS算法，对旋转机械的阶次噪声进行降噪。

进一步地，所述步骤1中，定义次级声源到人耳的路径为次级路径，其单位冲击响应函数为h_s(t)，在离散域表示为h_s(n)；定义对次级路径单位冲击响应函数的预测值为在离散域表示为通过扬声器发出白噪声信号white(t)作为激励，在人耳附近设置一个麦克风，采集耳朵附近的声音信号y(n)，则y(n)满足：

y(n)＝white(n)*h_s(n) (18)

其中“*”表示卷积运算，n为采样序号，将用一个L阶的自适应FIR滤波器表示，其滤波器系数W(n)为：

W(n)＝[w₁(n),w₂(n),...,w_L(n)] (19)

则定义白噪声信号white(t)与次级路径单位冲击响应函数的预测值卷积后的信号为y'(n)，则三者的关系如式(3)所示：

定义误差信号e(n)满足：

e(n)＝y(n)-y'(n) (21)

以e(n)的均方值作为目标函数，在LMS算法中结合最速下降法，使得滤波器权值系数按式(5)迭代更新：

W(n+1)＝W(n)+2μe(n)white(n) (22)

误差信号e(n)稳定后，自适应滤波器的系数W(n)也趋于稳定，则以当前的W(n)作为次级路径单位冲击响应函数的预测值

进一步地，所述步骤2中，对步骤1中识别的次级路径单位冲击响应函数的预测值进行傅里叶变换得到相位与频率的关系P(f)，定义f₀为当前噪声的频率，t₀是频率为f₀的声波经次级路径产生的延迟时间，d₀为延时点数，f_s为采样频率，则延时点数d₀满足：

d₀＝t₀f_s (23)

此外，根据傅里叶变换的性质，时域信号平移时间t₀，则对应的频域信号与相乘，因此：

P(f₀)＝-2πf₀t₀ (24)

结合式(6)和(7)可求出频率为f₀的信号经过次级路径后产生的延迟点数d₀：

因此，可得出任意频率f与延迟点数的关系D(f)：

将D(f)保存于存储装置中，为后续调用提供方便。

进一步地，所述步骤3中，旋转机械阶次噪声的频率成分以对应时刻旋转机械的转频为基频，所以需实时获取旋转机械的转速信号，得出当前时刻旋转机械噪声的主频f₁，依据步骤2得出的延迟点数与对应频率的关系D(f)，索引出f₁对应的延迟点数d₁＝D(f₁)。

进一步地，所述步骤4中，延迟陷波LMS算法中自适应滤波器采用两个M阶的横向FIR滤波器表示，分别以余弦信号x₁(n)＝cos(2πft)和正弦信号x₂(n)＝sin(2πft)作为两种参考信号，滤波器权系数Z_i(n)用矢量表示为：

Z_i(n)＝[z_i1(n),z_i2(n),...,z_iM(n)] (27)

定义第n时刻参考信号的矢量形式X_i(n)为：

X_i(n)＝[x_i(n),x_i(n-1),...,x_i(n-M+1)] (28)

定义信号X_i(n)经滤波器卷积后的信号为g_i(n)，结合式(10)和(11)，g_i(n)表示为：

g_i(n)＝X_i ^T(n)Z_i(n) (29)

定义信号g(n)表示为：

g(n)＝g₁(n)+g₂(n) (30)

在陷波延迟LMS算法中，将步骤1中的次级路径h_s(n)简化为延迟影响，定义信号g(n)经次级路径h_s(n)后产生的延迟信号为：

s(n)＝g(n)*h_s(n)＝R₁ ^T(n)Z₁(n)+R₂ ^T(n)Z₂(n) (31)

其中：

定义人耳旁的旋转机械噪声为b(n)，则步骤1中人耳旁的麦克风采集到的误差信号e(n)满足：

e(n)＝b(n)+s(n) (33)

以误差信号的均方值作为目标函数，在LMS算法中结合最速下降法，得到滤波器权值系数的迭代公式：

Z_i(n+1)＝Z_i(n)-2μe(n)R_i(n)＝Z_i(n)-2μe(n)X_i(n-d) (34)

以上各式中i的取值为1和2，分别表示以余弦信号x₁(n)和正弦信号x₂(n)作为参考信号时产生的信号；

将步骤3中实时采集到的旋转机械转速tacho生成余弦参考信号和正弦参考信号，结合步骤3中得到的延迟点数d₁，代入上述陷波延迟LMS算法中，即可实现对旋转机械恒定转速工况的阶次噪声进行控制；同理，只要实时索引到变速工况下阶次噪声主频及其倍频所对应的延迟点数，即可实现旋转机械变速工况下多个阶次噪声的主动控制。

本发明与现有NDLMS中延迟点数的计算方法相比，该方法对次级路径执行单次识别就可得出旋转机械转速范围内各个频率对应的延迟点数；此外，通过对D(f)的实时索引，获取相应的延迟点数，无需进行卷积运算即可实现旋转机械变速工况下消除多个阶次噪声的主动降噪功能。

附图说明

为了更清楚地说明本发明，下面以主动降噪技术在汽车上的应用为实施例，对所需要使用的附图作简单地介绍。附图构成本申请的一部分，但仅是作为体现发明概念的非限制性示例，并非用于做出任何限制。

图1为本发明实施例中汽车主动降噪实现方法的流程示意图。

图2为本发明实施例中次级路径识别的原理图。

图3为本发明实施例中汽车主动降噪延迟陷波算法原理图。

图4(a)为识别出的次级路径冲击响应函数图。

图4(b)为识别出的次级路径相频谱图。

图5(a)为发动机1500rpm下消除单个阶次噪声时的时域曲线。

图5(b)为发动机1500rpm下消除单个阶次噪声时的overall曲线。

图6(a)为发动机1500rpm下消除三个阶次噪声时的时域曲线。

图6(b)为发动机1500rpm下消除三个阶次噪声时的overall曲线。

图7(a)为发动机加速工况下同时消除三个频率噪声的时域曲线。

图7(b)为发动机加速工况下同时消除三个频率噪声的overall曲线。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述。

图1至图3分别为本发明中汽车主动降噪实现方法的流程图，次级路径识别的原理图和主动降噪实现方法的原理图。结合图1至图3，本发明具体实现为：

一种针对旋转机械阶次噪声的主动降噪方法，包括步骤：

步骤1：利用车门扬声器发出白噪声，座椅头枕上方的麦克风采集该白噪声传至人耳处的信号，采用LMS算法对次级路径的冲击响应函数h_s(n)进行识别。

步骤2：对识别出的次级路径进行相频分析，得出相位与频率的关系P(f)，进而推导出延迟点数与对应频率之间的关系D(f)。

步骤3：根据采集到的发动机转速信号tacho，得出当前发动机噪声的主频f₁，利用步骤2中得到的D(f)索引出f₁对应的延迟点数d₁＝D(f₁)。

步骤4：将当前采集到的发动机转速tacho及由步骤3得到的延迟点数d代入延迟陷波LMS算法，消除发动机产生的阶次噪声。

具体地，在所述步骤1中，定义车门控制器等电声器件形成的电声路径和扬声器到人耳的空气路径共同组成次级路径，其单位冲击响应函数为h_s(t)，在离散域表示为h_s(n)；定义对次级路径单位冲击响应函数的预测值为在离散域表示为通过车门扬声器发出白噪声信号white(t)作为激励，在人耳附近设置一个麦克风，采集耳朵附近的声音信号y(n)为：

y(n)＝white(n)*h_s(n) (35)

其中“*”表示卷积运算，n为采样序号。将用一个L阶的自适应FIR滤波器表示，其滤波器系数W(n)为：

W(n)＝[w₁(n),w₂(n),...,w_L(n)] (36)

则定义白噪声信号white(t)与次级路径单位冲击响应函数的预测值卷积后的信号为y'(n)，则三者的关系满足：

定义误差信号e(n)如式(4)所示，以e(n)的均方值作为目标函数，在LMS算法中结合最速下降法，使得滤波器权值系数按式(5)迭代更新：

e(n)＝y(n)-y'(n) (38)

W(n+1)＝W(n)+2μe(n)white(n) (39)

误差信号e(n)稳定后，自适应滤波器的权系数W(n)也趋于稳定，则以当前的W(n)作为次级路径单位冲击响应函数的预测值如图4(a)所示，是某汽车驾驶室内的次级路径单位冲击响应函数的预测值。

具体地，所述步骤2中，对步骤1中识别的次级路径单位冲击响应函数的预测值进行傅里叶变换得到相位与频率的关系P(f)，定义f₀为当前噪声的频率，t₀是频率为f₀的声波经次级路径产生的延迟时间，d₀为延时点数，f_s为采样频率，则延时点数d₀满足：

d₀＝t₀f_s (40)

此外，根据傅里叶变换的性质，时域信号平移时间t₀，则对应的频域信号与相乘，因此：

P(f₀)＝-2πf₀t₀ (41)

结合式(6)和(7)可求出频率为f₀的信号经过次级路径后产生的延迟点数d₀：

因此，可得出任意频率f与延迟点数的关系D(f)：

对步骤1中识别出的某汽车内的次级路径进行相频分析，得到如图4(b)所示的相频谱图即P(f)函数关系图，对其进行上述运算可得任意频率f与延迟点数的关系D(f)。

具体地，所述步骤3中，发动机阶次噪声的频率成分一般以转频为基频，所以需要实时获取发动机的转速信号，得出当前时刻发动机噪声的主频f₁，依据步骤2得出的延迟点数与对应频率的关系D(f)，索引出f₁对应的延迟点数d₁且满足d₁＝D(f₁)。

具体地，所述步骤4中，陷波延迟LMS算法中自适应滤波器采用两个M阶的横向FIR滤波器表示，分别以余弦信号x₁(n)＝cos(2πft)和正弦信号x₂(n)＝sin(2πft)作为两种参考信号。在图3的算法原理图中滤波器权系数Z_i(n)用矢量表示为：

Z_i(n)＝[z_i1(n),z_i2(n),...,z_iM(n)] (44)

定义第n时刻参考信号的矢量形式X_i(n)为：

X_i(n)＝[x_i(n),x_i(n-1),...,x_i(n-M+1)] (45)

定义信号X_i(n)经滤波器卷积后的信号为g_i(n)，结合式(10)和(11)，g_i(n)表示为：

g_i(n)＝X_i ^T(n)Z_i(n) (46)

定义信号g(n)表示为：

g(n)＝g₁(n)+g₂(n) (47)

在陷波延迟LMS算法中，将步骤1中的次级路径h_s(n)简化为延迟影响，定义信号g(n)经次级路径h_s(n)后产生的延迟信号为：

s(n)＝g(n)*h_s(n)＝R₁ ^T(n)Z₁(n)+R₂ ^T(n)Z₂(n) (48)

其中：

定义人耳旁的旋转机械噪声为b(n)，则步骤1中人耳旁的麦克风采集到的误差信号e(n)满足：

e(n)＝b(n)+s(n) (50)

以误差信号的均方值作为目标函数，在LMS算法中结合最速下降法，得到滤波器权值系数的迭代公式：

Z_i(n+1)＝Z_i(n)-2μe(n)R_i(n)＝Z_i(n)-2μe(n)X_i(n-d) (51)

以上各式中i的取值为1和2，分别表示以余弦信号x₁(n)和正弦信号x₂(n)作为参考信号时产生的信号。

由当前采集到的发动机转速tacho，生成参考信号；结合步骤3中得到的延迟点数d₁代入上述陷波延迟LMS算法中，即可利用车门扬声器对发动机恒定转速工况的阶次噪声进行消除。同理，只要实时采集变速工况下的发动机转速信号，并实时索引发动机的转频及其倍频所对应的延迟点数，利用陷波延迟LMS算法即可实现发动机变速工况下多个阶次噪声的主动控制。

利用上述算法得到的仿真效果如图5至图7所示，其中图5(a)和5(b)是发动机转速为1500rpm时，发动机二阶噪声的降噪效果图。仿真中设定发动机1500rpm时二阶噪声的幅值为0.005，有效值为0.0035(44.95dB)，可以看出在0.3秒就已经达到40dB的降噪量，且最终达到稳定状态。图6(a)和6(b)是发动机转速为1500rpm时，发动机二四六阶噪声的总降噪效果图，实现了发动机定转速下多个窄带频率的同时降噪。仿真中设定发动机1500rpm时二四六阶噪声的幅值都为0.005，则三者总有效值为0.0061(49.72dB)，可以看出在0.3秒就已经达到43dB的降噪量，且最终达到稳定状态。图7(a)和7(b)是发动机转速从1300rpm加速到3000rpm时，发动机二四六阶噪声的总降噪效果图，实现了发动机变速工况下多个窄带频率的同时降噪。仿真中设定发动机转速从1300rpm加速到3000rpm，二四六阶噪声的幅值都随转速的升高呈现抛物线形式的先增加后减小，幅值最大时达到0.007。从图中可以看出在加速过程中噪声的频率和幅值都是实时变化的，但仍旧可以达到15dB的降噪量。

本发明是陷波延迟最小均方(Notch-Delay-Lesast Mean Square,NDLMS)算法的改进，在原有NDLMS算法的基础上提出了确定延迟点数的全新方法。该方法对次级路径执行单次识别就可得出旋转机械转速范围内各个频率对应的延迟点数；此外，通过对D(f)的实时索引，获取相应的延迟点数，无需进行卷积运算即可实现旋转机械变速工况下消除多个阶次噪声的主动降噪功能。

本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种针对旋转机械阶次噪声的主动降噪方法，其特征在于，所述方法包括以下步骤：

步骤1：以白噪声作为激励，采用LMS算法对次级路径的冲击响应函数进行离线识别；

步骤2：对识别出的次级路径进行相频分析，得出相位与频率的关系P(f)，进而推导出延迟点数与对应频率之间的关系D(f)；

步骤3：根据采集到的旋转机械转速信号tacho，得出当前时刻旋转机械噪声的主频f₁，索引出f₁对应的延迟点数d₁＝D(f₁)；

步骤4：将当前旋转机械的转速tacho及延迟点数d代入延迟陷波LMS算法，对旋转机械的阶次噪声进行降噪。

2.如权利要求1所述的一种针对旋转机械阶次噪声的主动降噪方法，其特征在于，所述步骤1中，定义次级声源到人耳的路径为次级路径，其单位冲击响应函数为h_s(t)，在离散域表示为h_s(n)；定义对次级路径单位冲击响应函数的预测值为在离散域表示为通过扬声器发出白噪声信号white(t)作为激励，在人耳附近设置一个麦克风，采集耳朵附近的声音信号y(n)，则y(n)满足：

y(n)＝white(n)*h_s(n) (1)

其中“*”表示卷积运算，n为采样序号，将用一个L阶的自适应FIR滤波器表示，其滤波器系数W(n)为：

W(n)＝[w₁(n),w₂(n),...,w_L(n)] (2)

则定义白噪声信号white(t)与次级路径单位冲击响应函数的预测值卷积后的信号为y'(n)，则三者的关系如式(3)所示：

定义误差信号e(n)满足：

e(n)＝y(n)-y'(n) (4)

以e(n)的均方值作为目标函数，在LMS算法中结合最速下降法，使得滤波器权值系数按式(5)迭代更新：

W(n+1)＝W(n)+2μe(n)white(n) (5)

误差信号e(n)稳定后，自适应滤波器的系数W(n)也趋于稳定，则以当前的W(n)作为次级路径单位冲击响应函数的预测值

3.如权利要求2所述的一种针对旋转机械阶次噪声的主动降噪方法，其特征在于，所述步骤2中，对步骤1中识别的次级路径单位冲击响应函数的预测值进行傅里叶变换得到相位与频率的关系P(f)，定义f₀为当前噪声的频率，t₀是频率为f₀的声波经次级路径产生的延迟时间，d₀为延时点数，f_s为采样频率，则延时点数d₀满足：

d₀＝t₀f_s (6)

此外，根据傅里叶变换的性质，时域信号平移时间t₀，则对应的频域信号与相乘，因此：

P(f₀)＝-2πf₀t₀ (7)

结合式(6)和(7)可求出频率为f₀的信号经过次级路径后产生的延迟点数d₀：

因此，可得出任意频率f与延迟点数的关系D(f)：

将D(f)保存于存储装置中，为后续调用提供方便。

4.如权利要求3所述的一种针对旋转机械阶次噪声的主动降噪方法，其特征在于，所述步骤3中，旋转机械阶次噪声的频率成分以对应时刻旋转机械的转频为基频，所以需实时获取旋转机械的转速信号，得出当前时刻旋转机械噪声的主频f₁，依据步骤2得出的延迟点数与对应频率的关系D(f)，索引出f₁对应的延迟点数d₁＝D(f₁)。

5.如权利要求4所述的一种针对旋转机械阶次噪声的主动降噪方法，其特征在于，所述步骤4中，延迟陷波LMS算法中自适应滤波器采用两个M阶的横向FIR滤波器表示，分别以余弦信号x₁(n)＝cos(2πft)和正弦信号x₂(n)＝sin(2πft)作为两种参考信号，滤波器权系数Z_i(n)用矢量表示为：

Z_i(n)＝[z_i1(n),z_i2(n),...,z_iM(n)] (10)

定义第n时刻参考信号的矢量形式X_i(n)为：

X_i(n)＝[x_i(n),x_i(n-1),...,x_i(n-M+1)] (11)

定义信号X_i(n)经滤波器卷积后的信号为g_i(n)，结合式(10)和(11)，g_i(n)表示为：

g_i(n)＝X_i ^T(n)Z_i(n) (12)

定义信号g(n)表示为：

g(n)＝g₁(n)+g₂(n) (13)

在陷波延迟LMS算法中，将步骤1中的次级路径h_s(n)简化为延迟影响，定义信号g(n)经次级路径h_s(n)后产生的延迟信号为：

s(n)＝g(n)*h_s(n)＝R₁ ^T(n)Z₁(n)+R₂ ^T(n)Z₂(n) (14)

其中：

定义人耳旁的旋转机械噪声为b(n)，则步骤1中人耳旁的麦克风采集到的误差信号e(n)满足：

e(n)＝b(n)+s(n) (16)

以误差信号的均方值作为目标函数，在LMS算法中结合最速下降法，得到滤波器权值系数的迭代公式：

Z_i(n+1)＝Z_i(n)-2μe(n)R_i(n)＝Z_i(n)-2μe(n)X_i(n-d) (17)

以上各式中i的取值为1和2，分别表示以余弦信号x₁(n)和正弦信号x₂(n)作为参考信号时产生的信号；

将步骤3中实时采集到的旋转机械转速tacho生成余弦参考信号和正弦参考信号，结合步骤3中得到的延迟点数d₁，代入上述陷波延迟LMS算法中，即可实现对旋转机械恒定转速工况的阶次噪声进行控制；同理，只要实时索引到变速工况下阶次噪声主频及其倍频所对应的延迟点数，即可实现旋转机械变速工况下多个阶次噪声的主动控制。