CN113053348A - 一种基于灰狼算法的主动噪声控制方法及系统 - Google Patents

一种基于灰狼算法的主动噪声控制方法及系统 Download PDF

Info

Publication number
CN113053348A
CN113053348A CN202110269323.0A CN202110269323A CN113053348A CN 113053348 A CN113053348 A CN 113053348A CN 202110269323 A CN202110269323 A CN 202110269323A CN 113053348 A CN113053348 A CN 113053348A
Authority
CN
China
Prior art keywords
wolf
active noise
algorithm
gray
noise control
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.)
Granted
Application number
CN202110269323.0A
Other languages
English (en)
Other versions
CN113053348B (zh
Inventor
古强
伊海珂
柳飏
李敏阳
黎晶
余旷达
梁启斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Wuqi Microelectronics Co Ltd
Original Assignee
Shanghai Wuqi Microelectronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Wuqi Microelectronics Co Ltd filed Critical Shanghai Wuqi Microelectronics Co Ltd
Priority to CN202110269323.0A priority Critical patent/CN113053348B/zh
Publication of CN113053348A publication Critical patent/CN113053348A/zh
Application granted granted Critical
Publication of CN113053348B publication Critical patent/CN113053348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1785—Methods, e.g. algorithms; Devices
    • G10K11/17853—Methods, e.g. algorithms; Devices of the filter
    • G10K11/17854—Methods, e.g. algorithms; Devices of the filter the filter being an adaptive filter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1781—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions
    • G10K11/17821—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions characterised by the analysis of the input signals only
    • G10K11/17825—Error signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1785—Methods, e.g. algorithms; Devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/10—Applications
    • G10K2210/108—Communication systems, e.g. where useful sound is kept and noise is cancelled
    • G10K2210/1081—Earphones, e.g. for telephones, ear protectors or headsets
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/30—Means
    • G10K2210/301—Computational
    • G10K2210/3012—Algorithms
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/30—Means
    • G10K2210/301—Computational
    • G10K2210/3026—Feedback
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/30—Means
    • G10K2210/301—Computational
    • G10K2210/3027—Feedforward
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/30—Means
    • G10K2210/301—Computational
    • G10K2210/3028—Filtering, e.g. Kalman filters or special analogue or digital filters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2203/00—Details of circuits for transducers, loudspeakers or microphones covered by H04R3/00 but not provided for in any of its subgroups
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2430/00—Signal processing covered by H04R, not provided for in its groups
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Filters That Use Time-Delay Elements (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)

Abstract

本发明涉及有源噪声控制技术领域，具体为一种基于灰狼算法的主动噪声控制方法及系统，该方法包括：S100：建立有源噪声控制系统的灰狼算法模型；S200：迭代计算得到α狼的位置，将计算结果作为优化后的滤波器系数。本发明提供的一种基于灰狼算法的主动噪声控制方法及系统，将灰狼算法与主动降噪相结合，具有结构简单、需要调节的参数少，容易实现等特点。通过能够自适应调整的收敛因子和信息反馈机制，以及本发明创新性的竞争游走策略，使算法能够在局部寻优与全局搜索之间实现平衡，因此很好地提高了主动降噪的求解精度和收敛速度。

Description

一种基于灰狼算法的主动噪声控制方法及系统
技术领域
本发明涉及有源噪声控制技术领域，具体为一种基于灰狼算法的主动噪声控制方法及系统。
背景技术
随着工业化的不断发展，噪声污染逐渐成为影响人们生活的一个重要问题，而针对噪声问题处理，目前主要可分为两大类：主动降噪和被动降噪。被动降噪对于低频噪声的处理能力较弱，而主动降噪由于采用相消性干涉的手段能有效地抑制低频噪音。
随着对各种问题的理论和技术解决方案的日益复杂，ANC的趋势是走向更广泛的算法，以抑制复杂的噪声模式，包括解决三维空间和时变信号等。
Grey wolf optimizer是Mirjalili等在2014年提出的一种新的算法。该算法的灵感来自于灰狼的社会行为，灰狼被认为是顶级掠食者，它们生活在一个群体中，大小为5-12只狼。根据捕猎策略，灰狼分为四类：α、β、γ和ω，共同合作完成猎物的捕捉。α狼是狼群的首领。它适用于领导阶层的狩猎策略，是由于群体狩猎策略而引起的一种有趣的算法。
ANC的滤波器参数的优化是实现较好的降噪性能的关键，目前市场上也已经有众多关于ANC解决方案的研究成果，但是存在求解精度差以及求解速度低的问题，目前尚未有将灰狼算法应用于ANC领域的相关研究。
发明内容
本发明提供了一种基于灰狼算法的主动噪声控制方法及系统，将灰狼算法与主动降噪相结合，能够提高主动降噪的求解精度和收敛速度，进而实现较好的降噪性能。
为了解决上述技术问题，本申请提供如下技术方案：
一种基于灰狼算法的主动噪声控制方法，包括以下步骤：
S100：建立有源噪声控制系统的灰狼算法模型；
S200：迭代计算得到α狼的位置，将计算结果作为优化后的滤波器系数；
所述S100包括：
S110：初始化灰狼种群的个体位置，作为滤波器系数向量；
S120：根据主动噪声控制系统确定适应度函数的表达式；
S130：计算所有初始化的灰狼个体的适应度，并找到适应度前三的灰狼分别作为α、β和γ；
所述S200包括：
S210：根据灰狼群体的围猎行为更新灰狼的位置；
S220：计算所有灰狼的适应度，并按照适应度的高低对其进行排序；
S230：选择适应度前q只狼在其邻域内进行竞争游走；
S240：更新α、β和γ狼的适应度和位置；
S250：当满足迭代收敛条件后，将α狼的位置作为最优滤波器系数向量。
进一步，所述S210包括：
S211：灰狼的位置根据种群中的α、β和γ狼的位置来进行更新，按照下式计算α、β和γ狼与种群中其他个体的距离：
Dα＝|C1*Xα-X|
Dβ＝|C2*Xβ-X|
Dγ＝|C3*Xγ-X|
其中，Xα、Xβ和Xγ分别表示α、β和γ狼的位置，X表示当前灰狼个体的位置；C1、C2和C3是位置系数向量，C1、C2和C3内的每个元素值均为0到2之间的随机数；Dα、Dβ和Dγ分别表示α、β和γ狼与种群中其他个体的距离；
S212：分别由α、β和γ狼的信息反馈，按照下式更新灰狼的初步位置X1、X2和X3：
X1＝Xα-A1*Dα
X2＝Xβ-A2*Dβ
X3＝Xγ-A3*Dγ
其中，A1、A2和A3是距离系数向量；
S213：按下式取平均值更新灰狼在第t+1次迭代的位置X(t+1)：
Figure BDA0002973576790000031
进一步，所述A1、A2和A3的表达式如下：
Ai＝2*a*r-a
其中，r为与距离系数向量同维度的向量，其元素为0到1之间的随机数，a为收敛因子，其值随着迭代次数的增大逐渐从2线性减小到0。
进一步，所述S230包括：q只灰狼中的第i只灰狼的第d维分量Xid按照下式进行竞争游走：
Xid＝Xid+rand*(δ)
其中，δ为Xid的领域范围，rand为0到1之间的随机数。
进一步，所述S240包括：灰狼位置向量计算出的误差均方值越小，灰狼的适应度越高，α、β和γ狼进行更新时，需要将当前迭代下适应度最高的三头灰狼与α、β和γ狼进行适应度排序，最后选取适应度最高的三头狼分别为新的α、β和γ狼。
进一步，所述S250包括：当循环不满足迭代要求时，重复步骤S210、S220和S230。
进一步，所述S210中需要进行位置更新的灰狼为种群中除α、β和γ狼以外的所有灰狼群体ω。
进一步，所述S212包括：判断距离系数向量的绝对值是否大于1，若距离系数向量A的绝对值大于1，则算法处于搜索猎物模式；若距离系数向量A的绝对值小于1，算法处于攻击猎物模式。
进一步，本申请还公开了一种基于灰狼算法的主动噪声控制系统，使用了上述的一种基于灰狼算法的主动噪声控制方法。
本发明技术方案的有益效果为：
本发明技术方案中，将灰狼算法与主动降噪相结合，具有结构简单、需要调节的参数少，容易实现等特点。通过能够自适应调整的收敛因子和信息反馈机制以及创新性的竞争游走策略，可以使算法能够在局部寻优与全局搜索之间实现平衡，因此很好地提高了主动降噪的求解精度和收敛速度，实现较好的降噪性能。
附图说明
图1为本发明中一种基于灰狼算法的主动噪声控制方法及系统实施例中的算法流程图；
图2为本发明中一种基于灰狼算法的主动噪声控制方法及系统实施例中前馈主动噪声控制系统图；
图3为本发明中一种基于灰狼算法的主动噪声控制方法及系统实施例中反馈主动噪声控制系统图。
具体实施方式
下面通过具体实施方式进一步详细说明：
本实施例的一种基于灰狼算法的主动噪声控制系统使用了一种基于灰狼算法的主动噪声控制方法，该基于改进灰狼算法的主动噪声控制系统包括前馈降噪部分和反馈降噪部分，如图2所示，噪声声源产生的噪声信号为x(n)，一路经过初级通道P(z)，另一路经过次级通道G(z)和前馈滤波器W(z)。通过本实施例的改进灰狼算法(GWO)控制W(z)的值，使得输出的误差信号e(n)尽可能地接近0，也即使得两个信号叠加产生相消性干涉，从而实现前馈降噪。
如图3所示，噪声声源产生的噪声信号为x(n)经过初级通道P(z)，与另一路信号叠加得到误差信号e(n)。同时，误差信号通过反馈并经过次级通道G(z)和前馈滤波器W(z)，与经过初级通道P(z)后的噪声信号叠加，通过本实施例的改进灰狼算法(GWO)控制W(z)的值，使得输出的误差信号e(n)尽可能地接近0，也即使得两个信号叠加产生相消性干涉，从而实现反馈降噪。
如图1所示，本实施例所述的一种基于灰狼算法的主动噪声控制方法，包括以下步骤：
S100：建立有源噪声控制系统的灰狼算法模型；
S200：迭代计算得到α狼的位置，将计算结果作为优化后的滤波器系数；
具体的，S100包括：
S101：基于主动降噪原理建立有源噪声控制系统；具体包括：
S101-1：建立前馈主动噪声控制系统，包括初级通道响应P(z)、次级通道响应G(z)以及滤波器响应W(z)，噪声信号x(n)分别经过初级通道和加上滤波器的次级通道后合成误差信号e(n)，作为灰狼算法GWO的适应度函数。初级通道响应P(z)表示从噪声声源到人耳(戴着耳机的时候)的声学传递方程，次级通道响应G(z)指的是从耳机喇叭到人耳的声学传递方程。
S101-2：建立反馈主动噪声控制系统，包括初级通道响应P(z)、次级通道响应G(z)以及滤波器响应W(z)，合成的误差信号e(n)作为灰狼算法GWO的适应度函数的同时，也作为反馈信号，其经过加上滤波器的次级通道后，与经过初级通道的噪声信号合成新的误差信号。
S102：根据有源噪声控制系统的传递函数及误差信号均方值确定灰狼算法的适应度函数表达式；误差信号均方值为：
Figure BDA0002973576790000051
其中，N表示采样点的个数，ek(n)表示第k个采样点的误差均方值。
S110：初始化灰狼种群的个体位置，作为滤波器系数向量；
S120：根据主动噪声控制系统确定适应度函数的表达式；其中误差信号在频域的表示为：
E(z)＝X(z)P(z)-G(z)W(z),FF
Figure BDA0002973576790000052
其中，X(z)为噪声信号在频域的表示。
S130：计算所有初始化的灰狼个体的适应度，并找到适应度前三的灰狼分别作为α、β和γ；
所述S200包括：
S210：根据灰狼群体的围猎行为更新灰狼的位置；
S220：计算所有灰狼的适应度，并按照适应度的高低对其进行排序；
S230：选择适应度前q只狼在其邻域内进行竞争游走；本实施例中，q的值为30。
S240：更新α、β和γ狼的适应度和位置；
S250：当满足迭代收敛条件后，将α狼的位置作为最优滤波器系数向量；当循环不满足迭代要求时，重复步骤S210、S220和S230。
S210需要进行位置更新的灰狼为种群中除α、β和γ狼以外的所有灰狼群体ω。S210具体包括：
S211：灰狼的位置根据种群中的α、β和γ狼的位置来进行更新，按照下式计算α、β和γ狼与种群中其他个体的距离：
Dα＝|C1*Xα-X|
Dβ＝|C2*Xβ-X|
Dγ＝|C3*Xγ-X|
其中，Xα、Xβ和Xγ分别表示α、β和γ狼的位置，X表示当前灰狼个体的位置；C1、C2和C3是位置系数向量，C1、C2和C3内的每个元素值均为0到2之间的随机数；Dα、Dβ和Dγ分别表示α、β和γ狼与种群中其他个体的距离；
S212：分别由α、β和γ狼的信息反馈，按照下式更新灰狼的初步位置X1、X2和X3：
X1＝Xα-A1*Dα
X2＝Xβ-A2*Dβ
X3＝Xγ-A3*Dγ
其中，A1、A2和A3是距离系数向量；A1、A2和A3的通用表达式如下：
Ai＝2*a*r-a
其中，r为与距离系数向量同维度的向量，其元素为0到1之间的随机数，a为收敛因子，其值随着迭代次数的增大逐渐从2线性减小到0。
S213：按下式取平均值更新灰狼在第t+1次迭代的位置X(t+1)：
Figure BDA0002973576790000061
具体的，在本实施例中，S230包括：30只灰狼中的第i只灰狼的第d维分量Xid按照下式进行竞争游走：
Xid＝Xid+rand*(δ)
其中，δ为Xid的领域范围，rand为0到1之间的随机数。
S240包括：灰狼位置向量计算出的误差均方值越小，灰狼的适应度越高，α、β和γ狼进行更新时，需要将当前迭代下适应度最高的三头灰狼与α、β和γ狼进行适应度排序，最后选取适应度最高的三头狼分别为新的α、β和γ狼。
S212包括：判断距离系数向量的绝对值是否大于1，若距离系数向量A的绝对值大于1，则算法处于搜索猎物模式；若距离系数向量A的绝对值小于1，算法处于攻击猎物模式。通过距离向量绝对值调整模式，即保证了算法的全局寻优能力，又保证了算法的快速收敛。
以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (9)

1.一种基于灰狼算法的主动噪声控制方法，其特征在于：包括以下步骤：
S100：建立有源噪声控制系统的灰狼算法模型；
S200：迭代计算得到α狼的位置，将计算结果作为优化后的滤波器系数；
所述S100包括：
S110：初始化灰狼种群的个体位置，作为滤波器系数向量；
S120：根据主动噪声控制系统确定适应度函数的表达式；
S130：计算所有初始化的灰狼个体的适应度，并找到适应度前三的灰狼分别作为α、β和γ；
所述S200包括：
S210：根据灰狼群体的围猎行为更新灰狼的位置；
S220：计算所有灰狼的适应度，并按照适应度的高低对其进行排序；
S230：选择适应度前q只狼在其邻域内进行竞争游走；
S240：更新α、β和γ狼的适应度和位置；
S250：当满足迭代收敛条件后，将α狼的位置作为最优滤波器系数向量。
2.根据权利要求1所述的一种基于灰狼算法的主动噪声控制方法，其特征在于：所述S210包括：
S211：灰狼的位置根据种群中的α、β和γ狼的位置来进行更新，按照下式计算α、β和γ狼与种群中其他个体的距离：
Dα＝|C1*Xα-X|
Dβ＝|C2*Xβ-X|
Dγ＝|C3*Xγ-X|
其中，Xα、Xβ和Xγ分别表示α、β和γ狼的位置，X表示当前灰狼个体的位置；C1、C2和C3是位置系数向量，C1、C2和C3内的每个元素值均为0到2之间的随机数；Dα、Dβ和Dγ分别表示α、β和γ狼与种群中其他个体的距离；
S212：分别由α、β和γ狼的信息反馈，按照下式更新灰狼的初步位置X1、X2和X3：
X1＝Xα-A1*Dα
X2＝Xβ-A2*Dβ
X3＝Xγ-A3*Dγ
其中，A1、A2和A3是距离系数向量；
S213：按下式取平均值更新灰狼在第t+1次迭代的位置X(t+1)：
Figure FDA0002973576780000021
3.根据权利要求2所述的一种基于灰狼算法的主动噪声控制方法，其特征在于：所述A1、A2和A3的表达式如下：
Ai＝2*a*r-a
其中，r为与距离系数向量同维度的向量，其元素为0到1之间的随机数，a为收敛因子，其值随着迭代次数的增大逐渐从2线性减小到0。
4.根据权利要求3所述的一种基于灰狼算法的主动噪声控制方法，其特征在于：所述S230包括：q只灰狼中的第i只灰狼的第d维分量Xid按照下式进行竞争游走：
Xid＝Xid+rand*(δ)
其中，δ为Xid的领域范围，rand为0到1之间的随机数。
5.根据权利要求4所述的一种基于灰狼算法的主动噪声控制方法，其特征在于：所述S240包括：灰狼位置向量计算出的误差均方值越小，灰狼的适应度越高，α、β和γ狼进行更新时，需要将当前迭代下适应度最高的三头灰狼与α、β和γ狼进行适应度排序，最后选取适应度最高的三头狼分别为新的α、β和γ狼。
6.根据权利要求5所述的一种基于灰狼算法的主动噪声控制方法，其特征在于：所述S250包括：当循环不满足迭代要求时，重复步骤S210、S220和S230。
7.根据权利要求6所述的一种基于灰狼算法的主动噪声控制方法，其特征在于：所述S210中需要进行位置更新的灰狼为种群中除α、β和γ狼以外的所有灰狼群体ω。
8.根据权利要求7所述的一种基于灰狼算法的主动噪声控制方法，其特征在于：所述S212包括：判断距离系数向量的绝对值是否大于1，若距离系数向量A的绝对值大于1，则算法处于搜索猎物模式；若距离系数向量A的绝对值小于1，算法处于攻击猎物模式。
9.一种基于灰狼算法的主动噪声控制系统，其特征在于：使用了如权利要求1-8中任一项所述的一种基于灰狼算法的主动噪声控制方法。
CN202110269323.0A 2021-03-12 2021-03-12 一种基于灰狼算法的主动噪声控制方法及系统 Active CN113053348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110269323.0A CN113053348B (zh) 2021-03-12 2021-03-12 一种基于灰狼算法的主动噪声控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110269323.0A CN113053348B (zh) 2021-03-12 2021-03-12 一种基于灰狼算法的主动噪声控制方法及系统

Publications (2)

Publication Number Publication Date
CN113053348A true CN113053348A (zh) 2021-06-29
CN113053348B CN113053348B (zh) 2023-08-11

Family

ID=76511885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110269323.0A Active CN113053348B (zh) 2021-03-12 2021-03-12 一种基于灰狼算法的主动噪声控制方法及系统

Country Status (1)

Country Link
CN (1) CN113053348B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562824A (zh) * 2023-05-25 2023-08-08 闽通数智安全顾问(杭州)有限公司 一种公路工程全生命周期项目管理方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008067070A (ja) * 2006-09-07 2008-03-21 Nippon Telegr & Teleph Corp <Ntt> 適応型ノイズフィルタ
US20110194708A1 (en) * 2010-02-11 2011-08-11 Chung Yuan Christian University Active noise reduction system
CN105117769A (zh) * 2015-09-14 2015-12-02 杭州电子科技大学 基于差分进化狼群算法的欺骗干扰识别方法
CN106023981A (zh) * 2016-05-11 2016-10-12 浙江工业大学 基于标准粒子群优化算法的主动噪声控制方法
CN106789359A (zh) * 2017-02-15 2017-05-31 广东工业大学 一种基于灰狼算法的网络流量分类方法及装置
CN111242005A (zh) * 2020-01-10 2020-06-05 西华大学 一种基于改进狼群算法优化支持向量机的心音分类方法
CN112163570A (zh) * 2020-10-29 2021-01-01 南昌大学 一种基于改进灰狼算法优化的svm心电信号识别方法
CN112184762A (zh) * 2020-09-05 2021-01-05 天津城建大学 一种基于特征融合的灰狼优化粒子滤波目标跟踪算法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008067070A (ja) * 2006-09-07 2008-03-21 Nippon Telegr & Teleph Corp <Ntt> 適応型ノイズフィルタ
US20110194708A1 (en) * 2010-02-11 2011-08-11 Chung Yuan Christian University Active noise reduction system
CN105117769A (zh) * 2015-09-14 2015-12-02 杭州电子科技大学 基于差分进化狼群算法的欺骗干扰识别方法
CN106023981A (zh) * 2016-05-11 2016-10-12 浙江工业大学 基于标准粒子群优化算法的主动噪声控制方法
CN106789359A (zh) * 2017-02-15 2017-05-31 广东工业大学 一种基于灰狼算法的网络流量分类方法及装置
CN111242005A (zh) * 2020-01-10 2020-06-05 西华大学 一种基于改进狼群算法优化支持向量机的心音分类方法
CN112184762A (zh) * 2020-09-05 2021-01-05 天津城建大学 一种基于特征融合的灰狼优化粒子滤波目标跟踪算法
CN112163570A (zh) * 2020-10-29 2021-01-01 南昌大学 一种基于改进灰狼算法优化的svm心电信号识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘渊;黄向华;孙庆彪;赵晓春;: "基于改进灰狼优化算法的涡扇发动机性能/喷流噪声综合优化控制研究", 南京航空航天大学学报, no. 04 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562824A (zh) * 2023-05-25 2023-08-08 闽通数智安全顾问(杭州)有限公司 一种公路工程全生命周期项目管理方法及系统
CN116562824B (zh) * 2023-05-25 2023-11-24 闽通数智安全顾问(杭州)有限公司 一种公路工程全生命周期项目管理方法及系统

Also Published As

Publication number Publication date
CN113053348B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
Zhang Improved adam optimizer for deep neural networks
CN109765893B (zh) 基于鲸鱼优化算法的移动机器人路径规划方法
CN115100864B (zh) 一种基于改进麻雀搜索算法的交通信号控制优化方法
CN110555506A (zh) 一种基于群体团聚效应的梯度自适应粒子群优化方法
CN112926139A (zh) 一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法
CN113053348A (zh) 一种基于灰狼算法的主动噪声控制方法及系统
Hahn et al. Emergent escape-based flocking behavior using multi-agent reinforcement learning
CN115081595A (zh) 基于改进天牛须算法和蝙蝠算法融合的神经网络优化方法
CN115113628A (zh) 一种基于改进灰狼算法的巡检机器人路径规划方法
Alihodzic et al. Bat algorithm (BA) for image thresholding
CN114707575A (zh) 一种基于ap聚类的sdn多控制器部署方法
CN116859903A (zh) 基于改进哈里斯鹰优化算法的机器人平滑路径规划方法
CN116863106A (zh) 一种基于自适应变异金豺算法的胶囊机器人胃肠道路径规划方法
CN116225049A (zh) 一种多无人机狼群协同作战攻防决策算法
CN115222006A (zh) 一种基于改进粒子群优化算法的数值函数优化方法
CN116528252A (zh) 一种基于改进白骨顶鸡算法的无线传感器网络覆盖优化方法
Sun et al. A modified quantum-behaved particle swarm optimization
CN112966741B (zh) 一种可防御拜占庭攻击的联邦学习图像分类方法
CN112101461B (zh) 一种基于hrtf-pso-fcm的无人机侦察视觉信息可听化方法
Zhang et al. Avd-net: Attention value decomposition network for deep multi-agent reinforcement learning
CN116382299A (zh) 路径规划方法、装置、电子设备及存储介质
CN116795098A (zh) 基于改进麻雀搜索算法的球形两栖机器人路径规划方法
CN113762506B (zh) 一种计算机视觉深度学习模型剪枝方法及系统
CN109318230A (zh) 机器人动作优化方法、装置、计算机设备和存储介质
CN114170338A (zh) 一种差分隐私保护下基于自适应梯度裁剪的图像生成方法

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