-
TECHNISCHES GEBIET
-
Diese Anmeldung bezieht sich auf aktive Geräuschunterdrückungs(ANC)-Systeme für ein Fahrzeug.
-
HINTERGRUND
-
Es gibt einige Geräuschquellen innerhalb einer Fahrzeugkabine, wie etwa den Antriebsstrang, Straße-Reifen-Wechselwirkung, Wind und verschiedene elektrische Komponenten. Die Antriebsstrang-Geräusche sind typischerweise dominant, wenn der Motor im Leerlauf läuft oder bei Geschwindigkeitsänderungen. Andererseits ist das dominante Fahrzeuginnengeräusch strukturgetragenes Straßengeräusch, wenn mit Geschwindigkeiten über 30–40 km/h gefahren wird. Diese Geräusche sind die primären Störfaktoren, die Passagiere nerven und die wahrgenommene Qualität der Fahrzeugleistungsfähigkeit beeinflussen können. Mithin verbessern gewisse Automobilhersteller die Fahrzeug-Geräusch-, Vibrations- und Rauigkeits-(NVH)-Leistungsfähigkeit, um Kundenanforderungen zu erfüllen.
-
KURZFASSUNG
-
In einem Beispiel wird ein verbesserter Subband-x-gefilterter-Kleinst-Mittelwert-M-Schätzer(FXLMM)-Algorithmus mit Schwellen im Referenz- und Fehler-Signal-Pfad als Basis für ein aktives Geräuschunterdrückungs(ANC)-System vorgeschlagen, um Straßengeräusche mit Schlägen zu behandeln. Dieser Algorithmus kann inhärente Begrenzungen des Standard-x-gefilterten-Kleinst-Quadrat(FXLMS)-Algorithmus für Farbgeräuschunterdrückung überwinden, wie etwa hohen Rechenaufwand und geringe Konvergenz-Geschwindigkeit. Weiterhin können Instabilitäts-Probleme des FXLMS-Algorithmus für Nicht-Gauss'sches Schlag-Straßengeräusch aufgrund von Straßenhöckern und Schlaglöchern vermieden werden.
-
In einem weiteren Beispiel beinhaltet ein Fahrzeug ein aktives Geräuschunterdrückungs(ANC)-System. Das ANC-System beinhaltet einen Prozessor, um einen adaptiven Subband-gefilterten-Referenz-Regelalgorithmus, der Schwellen auf den Referenz- und Fehler-Rückkopplungs-Signal-Pfad anwendet, derart zu implementieren, dass als Reaktion auf eine Reihe von Breitband-nicht-Gauss'schen-Impuls-Referenz-Signalen, die Straßengeräusche in dem Fahrzeug anzeigen, Gewichtungs-Koeffizienten, die einen adaptiven Filter des Regel-Algorithmus definieren, konvergieren und dem ANC-System ermöglichen, die Straßengeräusche partiell zu unterdrücken. Werte der Schwellen können auf einer Varianz der Stärken des Impuls-Referenz-Signals basieren. Die Werte können mit zunehmender Varianz zunehmen. Werte der Schwellen können auf perzentilen Charakteristiken des Impuls-Referenz-Signals basieren. Der adaptive Subband-gefilterte-Referenz-Regelalgorithmus kann verzögerungslos sein. Der adaptive Subband-gefilterte-Referenz-Regelalgorithmus kann ein adaptiver Subband-gefilterter-Referenz-Regelalgorithmus mit x-gefiltertem-Kleinst-Quadrat (FXLMS) oder ein adaptiver Subband-gefilterter-Referenz-Regelalgorithmus mit einem x-gefiltertem-Kleinst-Mittelwert-M-Schätzer (FXLMM) sein. Der adaptive Subband-gefilterte-Referenz-Regelalgorithmus kann eine Diskrete-Fourier-Transformations(DFT)-Filter-Bank beinhalten. Andere Beispiele sind hier ebenso beschrieben.
-
KURZE BESCHREIBUNG DER ZEICHNUNGEN
-
1 ist ein Vorsteuerungs-Regel-Diagramm, das mit einem modifizierten Subband-FXLMS-Algorithmus mit Schwellen innerhalb des Kontexts eines aktiven Geräuschunterdrückungs-Systems für ein Fahrzeug konfiguriert ist.
-
2 ist ein Graph von Bewertungs-Funktionen für verschiedene M-Schätzer.
-
3 ist ein Kasten-Graph und eine Wahrscheinlichkeitsverteilungs-Funktion (PDF) eines Gauss'schen Datensatzes.
-
4 ist ein Flussdiagramm eines aktiven Geräuschunterdrückungs(ANC)-Systems mit Schwelle für Schlag-Straßengeräusche.
-
5 ist ein Graph von Sekundärpfad-Stärke und Phasenantwort.
-
6 ist ein Graph der Zeit-Historie des geregelten Ergebnisses für normale Straßengeräusche mit drei Schlag-Ereignissen.
-
7 ist ein Graph eines Frequenz-Spektrums des normalen Straßengeräuschs vor und nach der Unterdrückung in dem gestrichelten Kasten von 5.
-
8 ist ein Graph der Zeit-Historie des Unterdrückungs-Ergebnisses für zehn Schlag-Ereignisse und normale Straßengeräusche.
-
9 ist ein Graph des Schalldruckpegels der zehn Schlag-Straßengeräusche vor und nach der Unterdrückung.
-
10 ist ein Graph von Spektren des normalen Straßengeräuschs vor und nach der Unterdrückung in den letzten 2 Sekunden von 8.
-
DETAILLIERTE BESCHREIBUNG
-
Es werden hierin Ausführungsformen der vorliegenden Offenbarung beschrieben. Es versteht sich jedoch, dass die offenbarten Ausführungsformen lediglich Beispiele sind und andere Ausführungsformen verschiedene und alternative Formen annehmen können. Die Figuren sind nicht unbedingt maßstabsgetreu; einige Merkmale können übertrieben oder minimiert sein, um Details besonderer Komponenten zu zeigen. Die speziellen strukturellen und funktionalen Details, die hier offenbart werden, sollen daher nicht als einschränkend interpretiert werden, sondern lediglich als eine repräsentative Basis, um einen Fachmann zu lehren, wie die vorliegende Erfindung auf verschiedene Weisen auszuüben ist. Für einen Durchschnittsfachmann liegt auf der Hand, dass verschiedene Merkmale, die unter Bezugnahme auf eine der Figuren dargestellt und beschrieben werden, mit anderen Merkmalen kombiniert werden können, die in einer oder mehreren anderen Figuren dargestellt sind, um Ausführungsformen zu schaffen, die nicht explizit dargestellt oder beschrieben werden. Die Kombinationen von veranschaulichten Merkmalen stellen repräsentative Ausführungsformen für typische Anwendungen bereit. Verschiedene Kombinationen und Modifikationen der Merkmale, die mit den Lehren dieser Offenbarung übereinstimmen, könnten allerdings für bestimmte Anwendungen oder Umsetzungsformen erwünscht sein.
-
EINLEITUNG
-
Um eine bessere NVH-Leistung innerhalb des Passagierabteils zu erreichen, wird der gewöhnliche Verfeinerungs-Ansatz typischerweise durch Hinzufügen von mehr Masse, Abstimmen der Steifigkeits- und Dämpfungs-Eigenschaften gewisser Komponenten implementiert sowie das Konstruieren verschiedener Typen von Schalldämpfern. Allerdings wird diese Technik durch Niederfrequenz-Begrenzungen beschränkt. Als Alternative dazu hat aktive Geräuschunterdrückungs(ANC)-Technologie einen viel versprechenden Weg demonstriert, die niederfrequenten Antriebsstrang- und Straßengeräusche innerhalb der Fahrzeugkabine abzustimmen.
-
Es gibt zahlreiche Forschungsanstrengungen, die darauf abzielen, ein machbares ANC-System für Fahrzeug-Anwendungen zu entwickeln, die meist stationäre Geräusche abhandeln, wie etwa vom Antriebsstrang verursachte Geräusche und normale Straßengeräusche. Genau genommen ist stationäres Geräusch anders als das hochgradig transiente Phänomen, das darauf abzielt, Geräusche eines nicht-Gauss'schen Typs zu erzeugen, wie etwa Fahrzeug-Schlag-Straßengeräusche. Strukturgetragenes Straßengeräusch ist ein farbiges Breitbandgeräusch, dessen Hauptenergie in dem Niederfrequenz-Bereich von 60 bis 400 Hz liegt. Daher mag es effektiv sein, ein Vorsteuerungs-ANC-System zu designen, um Straßengeräusche unter Verwendung von Beschleunigungsmessern zu unterdrücken, um die Referenz-Signale in den dominanten strukturgetragenen Pfaden aufzunehmen. Beispielsweise wurde von Einigen ein Mehrkanal-ANC-System vorgeschlagen, das mit dem konventionellen x-gefilterten-Kleinst-Quadrat(FXLMS)-Algorithmus für niederfrequente Motor- und Straßengeräusche konfiguriert ist. Andere haben ein aktives Struktur-Akustik-Unterdrückungs(ASAC)-System entwickelt für strukturgetragenes Straßengeräusch, unter Verwendung eines Trägheits-Rüttlers als dem Regelungs-Aktuator, der parallel zum Aufhängungs-System angebracht ist, um das Vibrationsverhalten der Fahrzeug-Bodenplatten zu modifizieren, so dass das abgestrahlte Geräusch verringert wird. Kürzlich wurde ein ANC-System zur Straßengeräusch-Unterdrückung mit einem ins Fahrzeug eingebauten Audio-System und einem Rückkopplungs-System kombiniert, ohne zusätzliche Referenz-Beschleunigungsmesser zu benötigen. Die meisten dieser Systemtypen verwenden einen adaptiven FXLMS-Algorithmus. Der konventionelle FXLMS-Algorithmus weist allerdings inhärente Ineffizienzen auf (z. B. hoher Rechenaufwand und langsame Konvergenz-Geschwindigkeit), wenn er unmittelbar auf Straßengeräusch-Unterdrückung angewandt wird. Dies ist so, da ein Breitband-Straßengeräusch normalerweise einen adaptiven Filter längerer Ordnung benötigt und die spezifizierte Schrittweite des FXLMS-Algorithmus aufgrund einer großen Eigenwert-Spreizung des farbigen Referenz-Signals nicht optimal für alle Frequenzen ist.
-
Der subbandbasierte FXLMS-Algorithmus ist eine Alternative, um die inhärenten Begrenzungen der konventionellen FXLMS-Algorithmen zu überwinden, insbesondere wenn der adaptive Filter für Breitbandgeräusch hunderte von Filter-Taps benötigt. Die Idee des Subband-Adaptiv-Filterns liegt darin, die Vollband-Eingangs-Referenz- und Fehler-Signale in eine gewisse Anzahl von Subbändern zu zerlegen und die Subband-Signale von einer höheren zu einer niedrigeren Abtastrate herunterzutasten – was die Anzahl der für jedes Band benötigten adaptiven Filter-Gewichte verringert. Weiterhin wird der Subband-Filter-Prozess das Spektrum des Referenz-Signals in jedem Band ausgleichen, was weniger dynamische Spektrumsbreite ergibt, wodurch die Konvergenz-Geschwindigkeit wesentlich verbessert wird. Diese frühen Subband-Strukturen tendieren allerdings dazu, eine zusätzliche Verzögerung in den Signalpfad einzubauen, aufgrund der Implementierung von zwei Analyse-Filtern zum Zerlegen der Signale in Subbänder und einem Synthese-Filter zum Kombinieren des Subband-Signals in das Vollband. In ANC-Anwendungen für Breitband-Geräusche kann diese Verzögerung die Konvergenz-Leistungsfähigkeit wesentlich verschlechtern und kann aufgrund der Verletzung der Nichtkausalität sogar Instabilität verursachen. Deshalb haben Einige einen verzögerungslosen Subband-Adaptiv-Filter vorgeschlagen, in dem der Synthese-Filter eines konventionellen Subband-Algorithmus entfernt war und die Filter-Gewichte in jedem Band zum Aktualisieren in jedem Abtastpunkt kombiniert und in den Zeit-Bereich transformiert wurden. Die Frequenzbereichs-Implementierung des verzögerungslosen Subband-ANC-Algorithmus ist ebenfalls vorgeschlagen worden. Andere haben zum Beispiel ein kombiniertes Vorsteuerungs- und Rückkopplungs-ANC-System vorgeschlagen, das die Subband-Verarbeitungs-Technik für Straßengeräusche im Fahrzeuginnenraum verwendet. Der Subband-Algorithmus weist eine ausgeglichene Konvergenz-Fähigkeit über den Breitband-Frequenzbereich auf und ergibt Gesamtreduktionen, die nahe am theoretischen Wert liegen.
-
Trotz einiger viel versprechender, in der öffentlichen Literatur berichteter Erfolge ist eines der Hauptanliegen für ANC von (in seiner Natur zufälligem) Straßengeräusch der unstetige Prozess für die Referenz-Beschleunigungsmesser und wahrgenommenes Straßengeräusch, die leicht durch Straßenunebenheit beeinflusst werden. Im Gegensatz dazu ist das ANC-System für Antriebsstrang-Geräusche deterministischer und Überwachen von Tachometer-Signalen der Motordrehzahl wird normalerweise als eine Referenz verwendet. Störbedingungen für ANC von Straßengeräusch beinhalten akustische Schlagantworten aufgrund von Unebenheit der Straßenoberfläche oder von Unstetigkeiten, wie etwa Straßenhöcker und Schlaglöcher. Diese Typen von impulsartigen Geräuschen folgen normalerweise nicht-Gauss'schen statistischen Verteilungen. Folglich tendiert der vorgeschlagene, auf der Annahme deterministischer und/oder Gauss'scher-Signale basierende FXLMS-Algorithmus dazu, ein Stabilitäts-Problem für ANC-Systeme darzustellen. Um die inhärent langsame Konvergenz des FXLMS-Algorithmus für farbiges Geräusch und sein Instabilitäts-Problem für nicht-Gauss'sche Schlaggeräusche anzugehen, werden fortgeschrittenere Unterdrückungs-Systeme vorgeschlagen.
-
Hier werden robuste ANC-Systeme für Breitband-Straßengeräusche mit Schlägen offenbart. Ein verbesserter verzögerungsloser Subband-Algorithmus bettet zum Beispiel die Vorteile eines Satzes von auf M-Schätzern basierenden Algorithmen ein, um impulsartige Breitband-Störungen zu behandeln. Die M-Schätzer sind im Vergleich mit dem Standard L2-Indikator, der von dem FXLMS-Algorithmus verwendet wird, robuster gegenüber implusartigen Abtastungen. Zusätzlich kann eine Schwelle in den Referenz-Signal-Pfad eingebaut werden, um die Robustheit des Algorithmus weiter zu verbessern. Um die Effektivität des vorgeschlagenen Systems zu validieren, wurde eine numerische Simulation durchgeführt, um tatsächliche Schlag-Straßengeräusche zu unterdrücken.
-
Eine detaillierte Herleitung des allgemeinen auf Subbändern basierenden modifizierten FXLMM-Algorithmus wird zunächst eingeführt, in der die Filtergewichts-Aktualisierungs-Gleichung in einer allgemeinen Form angegeben ist, um die Robustheit verschiedener M-Schätzer-Fehlerfunktionen für impulsartige Proben zu quantifizieren. Zusätzlich ist eine Schwellen-Schranke in den Referenz-Signal-Pfad eingeführt, um die Robustheit des adaptiven Filtergewichts-Aktualisierungs-Prozesses weiter zu verbessern, so dass Störungen von Spitzendaten vermieden werden. Sowohl Online- als auch Offline-Ansätze werden angewandt, um relevante Schwellenparameter, die in jeder robusten M-Schätzer-Funktion enthalten sind, zu bestimmen. Folglich kann eine schnelle Konvergenz erhalten und eine optimale Leistungsfähigkeit über den breiteren Frequenzbereich für farbige Schlag-Geräusch-Unterdrückung erreicht werden. Um die Leistungsfähigkeit des vorgeschlagenen Systems zu validieren, wurden numerische Simulationen zum Unterdrücken gemessener Straßengeräusche mit Schlägen durchgeführt.
-
REGLER MIT VERBESSERTEM SUBBAND-ALGORITHMUS
-
Robuster M-Schätzer-Algorithmus
-
1 zeigt ein Diagramm eines Fahrzeugs 10, das ein aktives Geräuschunterdrückungs(ANC)-System 12 beinhaltet. Das ANC-System 12 in diesem Beispiel beinhaltet mindestens einen Prozessor 14, der eine Vorsteuerungs-Regelung 16 implementiert, die mit einem modifizierten Subband-FXLMM-Algorithmus mit Schwellen konfiguriert ist. Die Vorsteuerungs-Regelung 16 in diesem Beispiel beinhaltet einen Referenz-Signalgenerator-Block 18, einen Schwellen-Block 20, Diskrete-Fourier-Transformations(DFT)-Filter-Bänke 22 und Subband-Sekundärpfad-Blöcke 24. Die Vorsteuerungs-Regelung 16 beinhaltet ferner einen M-Schätzer-Block 26, DFT-Filter-Bänke 28 und Filtergewichts-Aktualisierungs-Blöcke 30. Die Vorsteuerungs-Regelung 16 beinhaltet ferner einen Gewichts-Transformations-Block 32, einen adaptiven Filter-Block 34, einen Geräuschgenerator-Block 36, einen Kleinst-Quadrat-Algorithmus-Block 38 und einen geschätzten Sekundärpfad-Block 40. Hier ist x(n) das Referenz-Signal, das von einem Satz von Beschleunigungsmessern und/oder Mikrofonen 42 bis 44 aufgenommen werden kann, d(n) ist das von dem Mikrofon 46 aufgenommene Primär-Geräusch und e(n) ist das Fehler-Signal nach Überlagerung des Primär-Geräuschs und des Sekundär-Unterdrückungs-Geräuschs. Das Sekundär-Unterdrückungs-Geräusch wird über Lautsprecher 48 an eine Kabine des Fahrzeugs 10 ausgegeben. Diese Anordnung kann natürlich auf eine Mehrkanal-Konfiguration ausgedehnt werden.
-
Der Standard-Vollband-FXLMS-Algorithmus verwendet das Referenz-Signal x(n), um das Sekundär-Geräusch adaptiv zu erzeugen, das von dem Fehler-Signal e(n) überwacht wird. Allerdings benötigt es ein genaues Modell des Sekundär-Übertragungs-Pfads S ^ von dem Regelungs-Lautsprecher zu dem Fehler-Mikrofon, das unter Verwendung von Offline- oder Online-System-Identifikations-Ansätzen geschätzt werden kann. Die Filtergewichts-Aktualisierungs-Gleichungen des FXLMS-Algorithmus können folgendermaßen zusammengefasst werden: y(n) = w(n)Tx(n)(1a) e(n) = d(n) – y'(n)(1b) w(n + 1) = w(n) + μe(n)[S ^(n)·x(n)](1c) wobei μ die Konvergenz-Schrittweite ist und die Schrittweite in den in 1 gezeigten Filtergewichts-Aktualisierungs-Blöcken 30 abgestimmt werden muss. Die Schrittweite bestimmt die Konvergenz und die Stabilität des FXLMS-Algorithmus und S ^ ist die Pulsantwort des Sekundär-Pfads S(z). Anhand der Gleichung (1c) kann man sehen, dass die Filtergewichts-Aktualisierungs-Gleichung in einen sehr großen Wert ausbrechen und divergieren kann, wenn spitzenlastige Impulse in dem Referenz- und/oder Fehler-Signal auftreten. Dies macht den typischen FXLMS-Algorithmus bei impulshaltigem Geräusch instabil. Um die Robustheit des konventionellen FXLMS-Algorithmus für impulshaltige Proben zu verbessern, sind einige Ansätze von verschiedenen Forschern angepasst worden, die entweder auf dem Fomulieren robusterer Fehler-Kriterien oder dem Verlassen auf einfache Modifikation des FXLMS-Algorithmus durch Hinzufügen von Schwellen in dem Referenz- und/oder dem Fehler-Signal-Pfad basieren. Hier wird eine allgemeine Familie von verbesserten auf M-Schätzern basierenden Algorithmen entwickelt, die alle existierenden adaptiven Algorithmen für impulshaltige Geräusch-Unterdrückung vereint.
-
Der M-Schätzer ist ein populärer Ansatz robuster Statistik, um den nachteiligen Effekt von Ausreißern im Schätz-Prozess zu entfernen. Der gewöhnliche Kleinst-Quadrat-Algorithmus, der zum Minimieren der Kosten-Funktion Σ
ne
2(n) entworfen wurde, kann instabil werden, wenn die Daten durch Ausreißer verfälscht sind. Folglich wurde die M-Schätzer-Funktion Σ
nρ{e(n)} benutzt, um das Kleinst-Quadrat-Verfahren zu ersetzen. Hier wird die Funktion ρ{e(n)} als eine allgemeine robuste Formulierung angesehen, die einen stabilen Schätzer für Ausreißer in den verarbeiteten Daten ergibt.
J(n) = E[ρ{e(n)}] ≈ ρ{e(n)} (2) wobei ρ{e(n)} die Familie von M-Schätzer-Funktionen ist. Die erste Ableitung der Ziel-Kosten-Funktion ist
wobei
die Bewertungs-Funktion ist, die den Einfluss des Fehler-Signals bei impulshaltigen Proben kontrolliert. Dann, unter Verwendung des Steilsten-Abfall-Algorithmus, wird die Filtergewichts-Aktualisierungs-Gleichung der Familie von auf M-Schätzern basierenden Algorithmen ausgedrückt als
w(n + 1) = w(n) + uψ{e(n)}[S ^(n)·x(n)] (4)
-
Die Impulse in dem Referenz-Signal können allerdings noch immer einen nachteiligen Einfluss auf den Filtergewichts-Aktualisierungs-Prozess für diese auf M-Schätzer basierenden Algorithmen haben. Obwohl manche der Bewertungs-Funktionen ψ{e(n)} die impulshaltigen Proben in dem Fehler-Signal beschränken und garantieren können, dass der ganze Term ψ{e(n)}[S ^(n)·x(n)] zu einem bestimmten Zeit-Index nicht zu stark divergiert, so hat er doch Stabilitäts-Probleme, da es eine bestimmte typische Zeitverzögerung zwischen dem Referenz-Signal und dem Fehler-Signal gibt. Die impulshaltigen Proben in dem Referenz-Signal können zu dem Ausbruch des Terms ψ{e(n)}[S ^(n)·x(n)] führen. Demnach wird eine Familie von verbesserten auf M-Schätzern basierenden Algorithmen vorgeschlagen, um die Robustheit bei Vorhandensein von Impulsen weiter zu verbessern.
-
Die Filtergewichts-Aktualisierung der modifizierten Algorithmen ist
-
Die Schwellen-Parameter c1 und c2 können durch Offline-berechnete Statistik geschätzt werden (wie etwa durch Wählen des 1ten und 99ten Perzentils des Original-Signals).
-
Die Tabelle 1 beschreibt die Filtergewichts-Aktualisierungs-Gleichungen der vorgeschlagenen Familie von auf M-Schätzern basierenden Algorithmen. Hier sind verschiedene Bewertungs-Funktionen in jedem Algorithmus enthalten, um die Robustheit des Fehler-Signals für impulshaltige Proben zu verbessern. Tabelle 1
-
2 beschreibt die Bewertungs-Funktionen für alle diese M-Schätzer. Man kann sehen, dass es keine Einschränkungen bei großen impulshaltigen Proben gibt, wenn der Raum zweiter Ordnung L2 als das Kriterium genommen wird. Dies ist der Grund, warum der konventionelle FXLMS-Algorithmus empfindlich für instantane Zunahme der Leistung in dem Fehler-Signal ist. Im Gegensatz dazu üben die M-Schätzer-Funktionen Einschränkungen auf die Ausreißer der Fehler-Funktion aus. Es scheint, dass sowohl der auf der logarithmischen Transformation basierende Algorithmus (FXLogLMS) als auch der auf dem Hampel-M-Schtzer basierende Algorithmus (FXLMM) ”härtere” Grenzen aufzwingen und die Bewertungs-Funktionen schärfer auf null abfallen, wenn die Impulse mit großen Amplituden auftreten. Diese zwei Algorithmen können für stark impulshaltige Geräusche wirkungsvoll sein. Allerdings erhöhen die logarithmische und die dreiteilige Schwellen-Berechnung die Komplexität des Algorithmus. Andererseits bieten sowohl der Lp-Raum und der Fair-M-Schätzer keine harten Schranken, wenn große Proben auftreten. Vielmehr ergibt der FXLMP-Algorithmus eine weiche Beschränkung der Bewertungs-Funktion. Und die Bewertungs-Funktion des Fair-Algorithmus bietet bessere Einschränkungen als der FXLMP-Algorithmus. Es scheint, dass der Fair-Algorithmus eine bessere Leistung für die stärker impulshaltigen Geräusche zeigen wird. Es wird auch angemerkt, dass der Huber-M-Schätzer zweiteilige Schwellen bietet, in denen die impulshaltigen Proben durch obere und untere Grenz-Schwell-Werte ersetzt werden. Die Bewertungs-Funktion der Huber-Funktion fällt nicht wie die Log-Raum- und Hampel's dreiteilige Funktion bis auf null ab, stellt aber eine bessere Beschränkung als der Lp-Raum und der Fair-M-Schätzer bereit.
-
Die vorgeschlagene Familie von auf M-Schätzern basierenden Algorithmen ist dazu in der Lage, die Robustheit konventioneller FXLMS-Algorithmen für impulshaltige Proben zu verbessern. Um andere inhärente Einschränkungen des FXLMS-Algorithmus, wie etwa die hohe Rechenbelastung und die geringe Konvergenz-Geschwindigkeit für farbiges Geräusch, anzugehen, wird ein adaptiver Subband-Filterungs-Ansatz eingesetzt. Folglich tendiert der vorgeschlagene auf Subbändern basierende modifizierte FXLMM-Algorithmus mit Schwelle dazu, ein viel versprechenderer Ansatz zum Designen eines robusten Breitband-ANC-Systems zu sein. Subband Verarbeitung
-
Eine Prozedur für eine verzögerungslose adaptive Subband-Filterungs-Technik mit einem modifizierten FXLMM-Algorithmus kann das Folgende beinhalten:
- 1) Einen adaptiven Vollband-Filter zum Verarbeiten des Eingangs-Referenz-Signals
- 2) Zerlegung von Referenz- und Fehler-Signalen in Subbänder
- 3) Dezimierung in Subbänder
- 4) Filtergewichts-Aktualisierung in jedem Subband
- 5) Ein Gewichts-Stapel-Verfahren, um Subband-Gewichte in ein Vollband zu transformieren
-
Der erste Schritt beim Implementieren eines Subband-Algorithmus ist es, Analyse-Filter-Bänke zum Zerlegen des Eingangs-Signals zu designen. Es gibt verschiedene Ansätze zum Designen dieser Analyse-Filter-Bänke, um die Referenz und die Fehler-Signale in einen Satz von Subbändern zu zerlegen. Hier werden die DFT-Filter-Bänke gewählt. Dieser Ansatz wird zunächst durch Designen eines Prototypen-Tiefpass-Filters realisiert und dann werden andere Analyse-Filter-Bänke durch komplexe Modulation erzeugt. Der Prototypen-Filter H0 kann unter Verwendung einer eingebetten MATLAB-Funktion designt werden: H0 = fir1(Lp – 1,1/M) (6) wobei Lp die Ordnung des Prototypen-Filters ist und M die Anzahl von Subband-Filter-Bänken ist (man nehme zur Kenntnis, dass M eine gerade Zahl ist). Dann können andere M – 1 Filter-Bänke [H1, H2, ..., HM–1] durch komplexe Modulation erhalten werden. Der Modulations-Prozess wird im Zeit-Bereich umgesetzt durch hm(i) = h0(i)ej(i2πm/M) (7) wobei hm die Pulsantwort der n-ten Filter-Bank Hm ist, m = 0, 1, ..., M – 1, und i der i-te Koeffizient von hm, i = 0, 1, ..., Lp ist. Es sei angemerkt, dass die Koeffizienten von hm(i) und hM–m(i) Komplex-Konjugierte von m = 1, 2, ..., M/2 – 1 sind. Folglich müssen für realwertige Signale lediglich die ersten M/2 + 1 Subbänder verarbeitet werden. Zusätzlich sind die Mittenfrequenzen dieser Filter-Bänke gleichmäßig mit konstanter Bandbreite verteilt. Derart wird ein Subband-Algorithmus, wie er hier verwendet wird, als ein gleichmäßiger Subband bezeichnet. Dies ist primär eine Folge des Modulations-Design-Prozesses. Durch die Zerlegung des Vollband-Signals in Subbänder enthält jedes Subband-Signal nur 1/M des ursprünglichen Frequenzbandes.
-
Folglich kann das Subband-Signal höchstens um den Faktor M dezimiert werden, ohne irgendwelche Informationen zu verlieren. Der Dezimierungs-Faktor ist definiert als D. Der Zerlegungs-Prozess des Referenz- und des Fehler-Signals kann veranschaulicht werden durch:
wobei x
m(κ) und e
m(κ) jeweils das Referenz-Signal und das Fehler-Signal in dem roten Subband sind, m = 0, 1, ..., M – 1, das Fehler-Signal nach dem M-Schätzer als e
c = ψ{e(n)} definiert ist und κ der Block-Index ist, iκ = (n – 1)/D. Um die Rechenkomplexität weiter zu reduzieren, können die geschätzten Sekundär-Pfad-Übertragungs-Funktionen
S ^m(z) ebenfalls in Subbändern implementiert werden. Wie in
-
1 gezeigt wird das Vollband S ^m(z) in einen Satz von Subband-Funktionen S ^0(z), S ^1(z), ..., S ^M–1(z) zerlegt. Diese Subband-Übertragungs-Funktionen können unter Verwendung eines Offline- oder Online-System-Identifikations-Ansatzes geschätzt werden, in dem der Breitband-Geräusch-Generator in entsprechende Subbänder zerlegt werden kann. Jede Pulsantwort s ^m des Subband-Sekundär-Pfads S ^m(z) enthält I/D Koeffizienten, wobei hier I die Ordnung des Vollband-Sekundär-Pfad-FIR-Filters ist. Folglich ist das gefilterte Referenz-Signal in jedem Subband x'm(κ) = xm(κ)·s ^m (10) wobei · den Faltungs-Prozess kennzeichnet.
-
Damit ergibt sich die Filtergewichts-Aktualisierungs-Gleichung in dem m-ten Subband dann als
welcher ein komplexwertiger Aktualisierungs-Prozess ist. μ
m ist die Konvergenz-Schrittweite in jedem Subband, w
m(κ) = [w
m,0(κ), w
m,1(κ), ..., w
m,N/D(κ)]
T ist der Subband-Filter-Gewichts-Vektor der Länge N/D, x'
m = [x'
m(κ), x'
m(κ – 1), ..., x'
m(κ – N/D)]
T ist der Referenz-Signal-Vektor des m-ten Subband-Filters und
[·] bezeichnet das Komplex-Konjugierte. Die Schrittweite μ
m kann bezüglich der inversen gefilterten Referenz-Signal-Leistung in dem jeweiligen Subband normiert werden:
wobei μ die normierte Schrittweite ist und ∊ ein kleiner konstanter Wert, um eine unendliche Schrittweite zu vermeiden. Dann können der gefilterte Referenz-Signal-Vektor x'
m(κ) und w
m in jedem Subband in einen langen Vektor gestapelt werden.
-
Der nächste Schritt ist es, einen Satz von Subband-Filter-Gewichten in ein äquivalentes Vollband-Exemplar zu transformieren. Einige Gewichts-Transformations-Techniken werden in der veröffentlichten Literatur vorgeschlagen (z. B. FFT-Stapeln, FFT-2-Stapeln, DFT-FIR-Gewichts-Transformation und lineare Gewichts-Transformation). Hier wird das FFT-Stapel-Verfahren eingesetzt. Die Subband-Filter-Gewichte wm werden durch N/D-Punkt-FFT in den Frequenz-Bereich transformiert: Wm = [Wm(0), Wm(1), ..., Wm( N / D – 1)]T = FFT{Wm} (13)
-
Dann werden die Frequenz-Bereichs-Koeffizienten Wm in jedem Subband-Filter m = 0, 2, ...‚ M – 1 genauestens gestapelt, um eine N-elementige Matrix zu bilden: W = [W(0), W(1), ..., W(N – 1)]T (14) wobei W der Frequenz-Bereichs-Koeffizient des Vollband-Filters ist. Die FFT-Stapelregel lautet
- 1) W(l) = W⌊lM/N⌋((l)2N/M), für l ∊ [0, N / 2 – 1]
- 2) W(l) = 0, für l = N/2
- 3) W(l) = W(N – l), für l ∊ [ N / 2 + 1, N – 1]
wobei W(l) der l-te Frequenz-Bereichs-Koeffizient des Vollband-Filters ist, ⌊lM/N⌋ das Runden lM/N auf die nächste ganze Zahl bezeichnet und (l)2N/M für das Modul 2N/M steht. Nach dem Stapeln der Vollband-Gewichte von jedem Subband gemäß der obigen Stapel-Regel, wird der Zeit-Bereichs-Koeffizient des adaptiven Vollband-Filters W(z) durch Ausführen der IFFT an W erhalten: w(n) = IFFT{W} (15) wobei w(n) = [w0, w1, ..., wN–1]T gilt. Dann kann das Ausgangs-Signal von dem adaptiven Vollband-Filter durch die Gleichung (1a) erzeugt werden.
-
Schwellen-Parameter-Schätzung
-
Online-Verfahren
-
Für die Fair M-Schätzer-Funktion kann der Schwellen-Parameter c durch Offline- oder Online-Schätzungs-Ansätze bestimmt werden. Wie von anderen auf diesem Gebiet diskutiert wird, kann der Parameter c als 1, 1,5, 2 und 3 Mal der absolute Mittelwert des Fehler-Signals berechnet werden. Es hat sich gezeigt, dass die Regelungs-Leistung nicht empfindlich auf den Wert des c ist, und es wurde vorgeschlagen, dass der Online-Identifikations-Ansatz das Folgende einsetzen sollte:
Für die dreiteilige Hampel-M-Schätzer-Funktion, können die drei Schwellen-Parameter ξ, Δ
1 und Δ
2 durch ein Online-Verfahren geschätzt werden, das in der verfügbaren Literatur durch die Varianz-Schätzung der ”impulsfreien” Proben vorgeschlagen wird. Die robuste Schätz-Formel für die Varianz
σ ^e(n) ist gegeben durch
u ^(n) = λu ^(n – 1) + C1(1 – λ)e(n)(17a) σ ^ 2 / e(n) = λσ ^ 2 / e(n – 1) + C1(1 – λ)med{A'e(n)} (17b) wobei der nachteilige Effekt des Impulses auf die Varianz-Schätzung durch Berechnen des Medians des Terms
A'e = {[e(n) – u ^(n)]2, [e(n – 1) – u ^(n – 1)]2, ..., [e(n – Nw + 1) – u ^(n – Nw + 1)]2} garantiert werden kann. λ ist der Vergess-Faktor und erfüllt 0 < λ < 1. Und N
w ist die Fenster-Länge. Der Median kann unter Verwendung eines Sortier-Algorithmus aus einer Datenfolge ermittelt werden.
-
Für den Huber-M-Schätzer, der eine zweiteilige Schwelle bietet, können die Schwellen-Parameter durch Online-Perzentil-Schätzung bestimmt werden. Hier wird der in 3 gezeigte Kasten(BP)-Algorithmus angewendet, der für einen gegebenen Daten-Vektor folgendermaßen arbeitet:
- 1) Finden des ersten und des dritten Quartils (Q1 und Q3), hier Q1 (25er-Perzentil) und Q3 (75er-Perzentil) repräsentieren Daten, die jeweils größer als 25% und 75% des ganzen Daten-Vektors sind.
- 2) Definieren des Interquartil-Bereichs als IQR = Q3 – Q1
- 3) Setzen der Schwell-Schranken: c1 = Q1 – 1.5 × IQR, c2 = Q3 + 1.5 × IQR
- 4) Der BP-Algorithmus wird auf ein gleitendes Fenster von Nw Daten angewendet, die unter Verwendung eines Blasen-Sortier-Algorithmus sortiert werden können. Für jegliche neue Daten zur Probe-Zeit n gilt:
i) Falls entweder x(n) ≤ c1 oder x(n) ≥ c2 ist, wird das gleitende Fenster nicht aktualisiert
ii) Ansonsten Löschen des ältesten Datums aus dem gleitenden Fenster und Einsetzen des neuen in die korrekte Position, dann Berechnen der Schranken unter Verwendung des BP-Algorithmus.
-
Offline-Verfahren
-
Die Schwellen-Parameter können auch durch Offline-Identifikation durch Berechnen der Perzentile bestimmt werden. Demnach benötigt es eine vorausgehende Messung des Referenz- und des Fehler-Signals. Bei Straßengeräusch-Anwendungen wird zum Beispiel eine systematische Messung benötigt, um die ungefähren Schwellen unter verschiedenen Straßenbedingungen statistisch zu bestimmen. Ein Flussdiagramm für ein ANC-System mit Schwelle ist in 4 gezeigt. Bei Operation 50 wird eine Folge von Beschleunigungsmesser-Daten aufgezeichnet. Bei Operation 52 wird der Referenz-Signal-Generator auf die Beschleunigungsmesser-Daten angewandt. Bei Operation 54, wird eine Offline-Perzentil-Berechnung für die Schwellen c1 und c2 durchgeführt. Und bei Operation 56 wird das Referenz-Signal durch die Schwellen abgeschnitten. Bei Operation 58 wird der Sekundär-Pfad in dem Block 40 der 1 durch Eingeben von Weißem Rauschen durch den Rausch-Generator-Block 36 an die Lautsprecher 48 und Messen der Antwort über das Mikrofon 46 geschätzt. Bei Operation 60 wird der geschätzte Sekundär-Pfad in Subbänder zerlegt. Bei Operation 62 werden die adaptiven Filter-Gewichte unter Verwendung des FXLMM-Algorithmus aktualisiert. Bei Operation 64 wird der adaptive Filter angewandt. Wie anhand von 4 offensichtlich ist, verwenden die Operationen 62, 64 das abgeschnittene Referenz-Signal als Eingabe. Bei Operation 66 wird das Auslösch-Signal entwickelt, um die Lautsprecher anzusteuern. Bei Operation 68 werden die Lautsprecher angesteuert, um den Sekundär-Schall zu erzeugen. Bei Operation 70 wird Wellen-Überlagerung an dem auszuregelnden primären Schlag-Straßengeräusch und dem Sekundär-Schall durchgeführt. Bei Operation 72 werden Mikrofon-Fehler-Signale empfangen. Dann kehrt der Algorithmus zu Operation 62 zurück. Auf ähnliche Weise kann die Online-Schwellen-Identifikation durch Ersetzen des Schwellen-Blocks des Flussdiagramms formuliert werden.
-
NUMERISCHE SIMULATION
-
Die Innenakustik-Antworten aufgrund von Straße-Reifen-Wechselwirkung mit verschiedenen Straßen-Unebenheits-Profilen und der Leistungsfähigkeit des Regel-Systems sind simuliert worden. In diesen Simulationen wurden verschiedene durch Straßen-Profile mit zahlreichen Schlaghöckern verursachte Innenakustik-Antworten berücksichtigt, die mit experimentellen Straßentests gemessen wurden. Das ANC-System ist dafür designt, das normale und das Schlag-Straßengeräusch um die Kopfpositionen von Fahrer und Passagieren herum zu dämpfen. Die Fehler-Mikrofone sind über den Köpfen an der Decke der Fahrzeugkabine platziert. Die geschätzte Übertragungs-Funktion des Sekundär-Pfads von dem Lautsprecher zu dem Schalldruck an dem Fehler-Mikrofon wurde experimentell unter Verwendung eines Offline-System-Identifikations-Ansatzes gemessen. Die Frequenz-Antwort-Funktion des in dieser Simulation verwendeten Sekundär-Pfad-Modells ist in 5 gezeigt. Das Sekundär-Pfad-Modell wurde als ein Filter mit endlicher Pulsantwort (FIR-Filter) formuliert und dasselbe Sekundär-Pfad-Modell wurde sowohl in dem Referenz-Signal-Pfad als auch nach dem Regler-Ausgang verwendet. Im Fall Eins wird das gemessene Straßengeräusch (von einer normalen Straßenoberfläche ohne jegliche Höcker- oder Schlaglöcher, Übergänge zu welligen Straßen mit drei Schlägen und dann zu einer normalen Straßenoberfläche) für die Simulation verwendet. Im Fall Zwei wird eine kombinierte Straßenoberfläche, die aus zehn, sich wiederholenden Schlag-Ereignissen gefolgt von normalem Straßengeräusch besteht, für die Simulation genommen, um die Leistungsfähigkeit des ANC-Systems unter Verwendung unterschiedlicher Regel-Algorithmen zu bewerten.
-
6 zeigt das Ergebnis der Zeit-Bereichs-Simulation für den Fall Eins mit normalem Straßengeräusch, das mit drei Schlag-Ereignissen verunreinigt ist. Die Schwellen-Parameter für den vorgeschlagenen Subband-FXLMM-Algorithmus wurden hier durch Offline-Perzentil-Berechnung bestimmt. Die obere und die unter Grenze in dem Schwellen-Block sind als 99,9- und 0,1-Perzentile der Gesamtdaten gewählt. Die Konvergenz-Schrittweite für den traditionellen FXLMS-Algorithmus ist μ = 5e – 4 und die für den Subband-Algorithmus ist μ = 1e – 3. Anhand von 6 kann erkannt werden, dass der FXLMS-Algorithmus beim Auftreten der Schlag-Ereignisse instabil wird, und das System benötigt eine lange Zeit, um nach den Schlägen zurück zu dem normalen Straßengeräusch zu konvergieren. Wohingegen der vorgeschlagene Subband-Algorithmus bei den Schlag-Ereignissen eine verbesserte Robustheit aufweist. Dies geschieht primär aufgrund der in den adaptiven Filtergewichts-Aktualisierungs-Prozess eingebauten Schwelle. Der traditionelle FXLMS-Algorithmus verfügt nicht über diese Robustheit, es sei denn, dass die Konvergenz-Schrittweite, bei der es kaum irgendwelche Verringerung beim normalen Straßengeräusch geben wird (weniger Leistung braucht größere Schrittweite), verkleinert wird.
-
Ein klarerer Vergleich ist in dem Ergebnis-Spektrum der 7 gezeigt. Hier ist es das Frequenz-Bereichs-Ergebnis der geregelten Antwort in dem gestrichelten Kasten der 6. Der vorgeschlagene Subband-Algorithmus erzielt stärkere Reduktion in dem breiteren Frequenz-Bereich. Dies ist ein einzigartiger Vorteil des Subband-Verarbeitens für das farbige Geräusch, da die Eigenwert-Spreizung des gefilterten Referenz-Signals ausgeglichen werden kann. Der Ausgleich der Eigenwerte kann eine bessere Schrittweite für jede einzelne Frequenz erzielen. Allerdings tendiert der traditionelle FXLMS-Algorithmus dazu, auf das Geräusch-Spektrum mit der höchsten Leistung zu zielen, da die Schrittweite ausschließlich bei der Frequenz optimal ist.
-
Die 8 bis 10 stellen ferner Simulations-Ergebnisse für den Fall Zwei dar, in dem das kombinierte Straßengeräusch mit zehn Schlag-Ereignissen gefolgt von normalem Straßengeräusch berücksichtigt ist. Die Parameter-Werte für jeden Algorithmus sind dieselben wie die in Fall Eins verwendeten. In 8 ist offensichtlich, dass der traditionelle FXLMS-Algorithmus nach den ersten zwei Schlag-Ereignissen ernsthafte Instabilität zeigt. Andererseits beginnt der vorgeschlagene Subband-Algorithmus nach einigen aufeinanderfolgenden Schlag-Ereignissen zu konvergieren. Er zeigt ebenfalls mehr Stabilität nach den Schlägen und konvergiert schnell für das normale Straßengeräusch. 9 ist der Schalldruck-Pegel für den Subband-Algorithmus bei den Schlag-Straßengeräusch-Ereignissen vor und nach der Regelung. Es gibt nach den ersten zwei Schlägen eine Reduktion um mehrere dB, es sei denn eine gewisse Verstärkung ist für den Schlag nach etwa 12 Sekunden zu beobachten. Das Ergebnis für die Frequenz-Bereichs-Regelung für das normale Straßengeräusch in den letzten 2 Sekunden ist in 10 gezeigt. Auf ähnliche Weise kann der Subband-Algorithmus eine Geräusch-Reduktion von insgesamt 5 dBA im Frequenz-Bereich von 50–320 Hz erzeugen.
-
SCHLUSSAUSFÜHRUNG
-
ANC-Systeme, die mit verbesserten Subband-FXLMM(x-gefilterten-Kleinst-Mittelwert-M-Schätzer)-Algorithmen mit Schwellen im Referenz- und Fehler-Signal-Pfad für Straßengeräusche mit Schlägen innerhalb der Fahrzeugkabine konfiguriert sind, wurden oben erörtert. Diese Systeme können robustere und ausgeglichene Leistungsfähigkeit für farbiges Straßengeräusch über einen breiteren Frequenz-Bereich bereitstellen. Die Subband-Verarbeitung gleicht die Eigenwert-Spreizung des gefilterten Referenz-Signals aus, was die inhärenten Einschränkungen des traditionellen FXLMS-Algorithmus überwindet. Folglich kann eine schnelle Konvergenz erhalten und eine optimale Leistung über einen breiteren Frequenzbereich erreicht werden. Weiterhin tendiert der modifizierte FXLMM-Algorithmus mit Schwellen für die impulshaltigen Proben in dem Referenz- und dem Fehler-Signal dazu, die Robustheit des adaptiven Filtergewichts-Aktualisierungs-Prozesses zu verbessern, der leicht durch spitzenhaltige Daten gestört werden könnte.
-
Die hier offenbarten Prozesse, Verfahren oder Algorithmen können zu einer Verarbeitungseinrichtung, einer Steuerung oder einem Computer, wozu eine beliebige existierende programmierbare elektronische Steuereinheit oder dedizierte elektronische Steuereinheit gehören kann, lieferbar sein oder durch diese implementiert werden. Ebenso können die Prozesse, Verfahren oder Algorithmen als Daten und Anweisungen, die durch eine Steuerung oder einen Computer ausführbar sind, in vielen Formen gespeichert werden, darunter, aber nicht darauf beschränkt, Informationen, die auf nicht beschreibbaren Speichermedien, wie etwa ROM-Einrichtungen, permanent gespeichert sind, und Informationen, die auf beschreibbaren Speichermedien, wie etwa Disketten, Magnetbändern, CDs, RAM-Einrichtungen und anderen magnetischen und optischen Medien, veränderbar gespeichert sind. Die Prozesse, Verfahren oder Algorithmen können auch in einem ausführbaren Softwareobjekt implementiert werden. Alternativ können die Prozesse, Verfahren oder Algorithmen im Ganzen oder in Teilen unter Verwendung von geeigneten Hardware-Komponenten umgesetzt werden, wie zum Beispiel von anwendungsspezifischen integrierten Schaltungen (Application Specific Integrated Circuits, ASICs), Field-Programmable Gate Arrays (FPGAs), Zustandsautomaten, Steuerungen oder anderen Hardware-Komponenten oder -Einrichtungen oder einer Kombination aus Hardware-, Software- und Firmware-Komponenten.
-
Die in der Beschreibung verwendeten Ausdrücke dienen der Beschreibung und nicht der Einschränkung, und es versteht sich, dass verschiedene Änderungen durchgeführt werden können, ohne von dem Gedanken und Schutzbereich der Erfindung abzuweichen. Wie zuvor beschrieben können die Merkmale verschiedener Ausführungsformen kombiniert werden, um weitere Ausführungsformen der Erfindung zu bilden, die möglicherweise nicht explizit beschrieben oder dargestellt sind. Verschiedene Ausführungsformen könnten zwar als Vorteile bietend oder bevorzugt gegenüber anderen Ausführungsformen oder Implementierungen des Stands der Technik hinsichtlich einer oder mehrerer gewünschter Eigenschaften beschrieben worden sein, jedoch können, wie für den Durchschnittsfachmann offensichtlich ist, zwischen einem oder mehreren Merkmalen oder einer oder mehreren Eigenschaften Kompromisse geschlossen werden, um die gewünschten Gesamtsystemmerkmale zu erreichen, die von der besonderen Anwendung und Implementierung abhängig sind. Diese Merkmale können Kosten, Festigkeit, Langlebigkeit, Lebenszykluskosten, Marktfähigkeit, Erscheinungsbild, Packaging, Größe, Wartungsfreundlichkeit, Gewicht, Herstellbarkeit, Leichtigkeit der Montage usw. umfassen, sind aber nicht darauf beschränkt. Ausführungsformen, die bezüglich einer oder mehrerer Eigenschaften als weniger wünschenswert als andere Ausführungsformen oder Implementierungen des Stands der Technik beschrieben werden, liegen somit nicht außerhalb des Schutzumfangs der Offenbarung und können für bestimmte Anwendungen wünschenswert sein.