JP3654980B2 - 能動騒音制御装置及び波形変換装置 - Google Patents
能動騒音制御装置及び波形変換装置 Download PDFInfo
- Publication number
- JP3654980B2 JP3654980B2 JP31217395A JP31217395A JP3654980B2 JP 3654980 B2 JP3654980 B2 JP 3654980B2 JP 31217395 A JP31217395 A JP 31217395A JP 31217395 A JP31217395 A JP 31217395A JP 3654980 B2 JP3654980 B2 JP 3654980B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- noise
- error
- output
- layer
- 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 - Lifetime
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
-
- 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
- G10K11/17813—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 acoustic paths, e.g. estimating, calibrating or testing of transfer functions or cross-terms
-
- 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
- G10K11/1787—General system configurations
- G10K11/17879—General system configurations using both a reference signal and an error signal
- G10K11/17881—General system configurations using both a reference signal and an error signal the reference signal being an acoustic signal, e.g. recorded with a microphone
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/024—Mixtures
- G01N2291/02491—Materials with nonlinear acoustic properties
-
- 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
- G10K2210/121—Rotating machines, e.g. engines, turbines, motors; Periodic or quasi-periodic signals in general
-
- 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
- G10K2210/3038—Neural networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Feedback Control In General (AREA)
- Exhaust Silencers (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、能動騒音制御装置及び波形変換装置に関し、特に、騒音に対する消去音をスピーカにより放射し、それらの音を合成することによって能動的に騒音を消去する場合などに適用して好適なものである。
【０００２】
【従来の技術】
従来、騒音を静音化する方法として、騒音と振幅が逆な音の能動的合成による静音化、例えば、騒音と振幅が逆の音をＦＩＲフィルタを用いて生成し、この騒音と振幅が逆な音をスピーカにより放射し、騒音と振幅が逆な音とを合成することによって騒音を消去する方法がある。
【０００３】
図６は、従来の能動騒音制御装置の構成を示すブロック図である。
図６において、３０１はＦＩＲフィルタで構成される騒音制御フィルタ、３０２は騒音の制御対象であるシステム、すなわち騒音制御フィルタ３０１に接続されたスピーカから音響結合系３０３のマイクまでの空間の伝達特性を示し、３０４は騒音制御フィルタ３０１のフィルタ係数を更新する更新手段、３０５はＦＩＲフィルタで構成されるエラーパスフィルタ、３０６は最小自乗法による演算手段である。
【０００４】
ここで、エラーパスフィルタ３０５のフィルタ係数は、騒音の制御対象であるシステム３０２のインパルス応答により予め定められている。
そして、たとえばファンから発生した１次騒音である入力信号Ｘ(n) が騒音制御フィルタ３０１に入力され、この入力信号Ｘ(n) は騒音制御フィルタ３０１でフィルタリングされて出力信号Ｙ(n) となり、この出力信号Ｙ(n) はファンに図示しないダクトによって結合された空間である騒音の制御対象であるシステム３０２にスピーカを介して２次騒音として放射される。騒音の制御対象であるシステム３０２に放射された２次騒音はシステム３０２を伝播して消去音ｄ(n) ′となり、前記１次騒音がダクトを通って伝播された所望の騒音ｄ(n) と合成され、この合成音がマイクロフォンで検出されることにより、誤差すなわちエラー信号ｅ(n) ＝ｄ(n) −ｄ(n) ′が生成される。
【０００５】
このエラー信号ｅ(n) は、更新手段３０４に供給される。また、更新手段３０４には、入力信号Ｘ(n) が供給され、この入力信号Ｘ(n) をエラーパスフィルタ３０５に通すことにより音響結合誤差信号を生成する。そして、更新手段３０４は、この参照信号を参照しながら、エラー信号ｅ(n) の自乗平均を最小とするように騒音制御フィルタ３０１のフィルタ係数を演算手段３０６において定めるようにする。なお、ｎはサンプルナンバーである。
【０００６】
【発明が解決しようとする課題】
しかしながら、従来の能動騒音制御装置は、例えば、消去対象音の周波数が２０Ｈｚ〜１ｋＨｚまであり、インパルスレスポンスが２０ｍＳであるとし、ＦＩＲフィルタの１タップ処理の時間が２５０μｓであるとした場合、ＦＩＲフィルタのタップ数は１９２となる。また、ＦＩＲフィルタに代えて、ＩＩＲフィルタを用いた場合は、アコースティックフィードバック（音響帰還）キャンセラーが２２４タップ、アダプティブフィルタが８０タップとなり、さらにエラーパスフィルタは９６タップであるので合計４００タップ必要となる。そのため、騒音を消去音により打ち消すためには、非常に多くのメモリとＤＳＰ演算時間が必要となり、回路規模または演算数が大きくなってコスト高となるという問題があった。
【０００７】
そこで、本発明の目的は、ＦＩＲフィルタまたはＩＩＲフィルタの為のＤＳＰを用いることなしに騒音を消去することができる能動騒音制御装置を提供することである。
【０００８】
【課題を解決するための手段】
上述した課題を解決するために、本発明によれば、現在及び過去における第１次騒音に対応する時系列データを直列に時系列入力させ、並列に分散処理する第１のニューラルネットワークと、現在及び過去における前記第１次騒音に対応する直列入力時系列データを並列に分散処理するとともに、出力を前記第１のニューラルネットワークに供給する第２のニューラルネットワークと、前記第１のニューラルネットワークの出力によって駆動される第２次騒音と伝播された第１次騒音との誤差信号を検出する誤差検出手段と、前記誤差検出手段から誤差信号を入力し前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの重みを伝播された第１次騒音が消去されるように更新する更新手段とを備え、前記第１のニューラルネットワークは、入力された騒音データに対応する消去音データを出力する。
【０００９】
上記の本発明の一態様において、第２次騒音（消去音）はスピーカから放射され、誤差検出手段はエラーマイクロフォンである。
また、上記本発明の一態様において、第１のニューラルネットワークは第１次騒音が前記スピーカまで伝播するプライマリイパスに対応する消去音を作成し、前記第２のニューラルネットワークはスピーカからエラーマイクまでのエラーパスに対応する音響結合誤差系を創生する。
【００１０】
また、本発明の一態様によれば、前記第１のニューラルネットワーク及び前記第２のニューラルネットワークは、入力層、隠れ層又は出力層に非線型関数を備え、前記更新手段は、前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの隠れ層、出力層又は隠れ層と出力層との両方の重みを更新し、前記第２のニューラルネットワークからの出力信号を前記第１のニューラルネットワークの隠れ層又は出力層に入力する。
【００１１】
また、本発明の一態様によれば、騒音制御系、音響帰還系及び残留誤差処理系をリアルタイム学習し、音響帰還系及び残留誤差処理系を事前学習する。
また、本発明の一態様によれば、第１の波形データを遅延させる遅延手段と、現在及び過去における前記第１の波形データを入力する第１のニューラルネットワークと、前記第１の波形データを入力し出力を前記第１のニューラルネットワークに供給する第２のニューラルネットワークと、前記第１のニューラルネットワークの出力層の各ノードからの出力結果を加算して第２の波形データを出力する加算手段と、前記第２の波形データに対応した波形と前記第２の波形データに対応した波形との誤差を検出する誤差検出手段と、前記誤差に基づいて、前記第１及び第２のニューラルネットワークの重み及び非線形関数を更新する更新手段をさらに備え、前記第２の波形データに対応する波形は前記第１の波形データに対応する波形を所望の波形とするように前記第１及び第２のニューラルネットワークの重み及び非線形関数を更新することを特徴とする波形変換装置を提供する。
【００１２】
【発明の実施の形態】
以下、本発明の第１実施例による能動騒音制御装置について図面を参照しながら説明する。
【００１３】
図１は、本発明の第１実施例による能動騒音制御装置の構成を示すブロック図である。
図１において、１は１次騒音を発生する騒音源、２は騒音制御処理部、４８，８８〜９０は音響結合誤差処理部、３〜９、４９〜５５は遅延素子、１０〜１７、５６〜６３はシグモイドなどの非線型関数、９２、９３はニューラルネットワーク、１８〜２５はニューラルネットワーク９２の入力層Ｉのノード、２６〜３３はニューラルネットワーク９２の隠れ層Ｈのノード、３４〜４１はニューラルネットワーク９２の出力層Ｏのノード、６４〜７１はニューラルネットワーク９３の入力層Ｉのノード、７２〜７９はニューラルネットワーク９３の隠れ層Ｈのノード、８０〜８７はニューラルネットワーク９３の出力層Ｏのノード、４２は加算器、４３は２次騒音を発生するスピーカ、９１はマイクロフォン、４４はニューラルネットワーク９２の出力層Ｏの重みの更新手段、４５は非線型関数１０〜１７の更新手段、４６は非線型関数５６〜６３の更新手段、４７はニューラルネットワーク９３の出力層Ｏの重みの更新手段である。騒音制御フィルタ２を構成するニューラルネットワーク９２は、第１次騒音からスピーカ４３までの伝播するプライマリイパスに対応する消去音を作成するためのものであり、音響結合誤差処理部４８を構成するニューラルネットワーク９３は、スピーカ４３からセンサマイク９１までのエラーパスに対応する音響結合誤差系を創生するためのものである。
【００１４】
ここで、非線型関数１０〜１７、５６〜６３は、図２に示すように、入力信号Ｘｊを標本化周波数の時間軸を横軸にとり８個のサンプリング・メンバシップ関数の大きな連続した時間空間とみなすことができる。
【００１５】
次に、本発明の第１実施例による能動騒音制御装置の動作について説明する。図１において、たとえば電子機器内に設けられた送風用のファンからなる騒音源１からの１次騒音に対応する入力信号Ｘｊは騒音制御フィルタ２を構成するニューラルネットワーク９２に供給され、遅延素子３〜９により単位時間づつ遅延される。そして、現在の入力信号Ｘｊ及び遅延素子３〜９により遅延された過去の入力信号Ｘｊがそれぞれ非線型関数１０〜１７に供給される。
【００１６】
非線型関数１０〜１７は、現在の入力信号Ｘｊ及び遅延素子３〜９により遅延された過去の入力信号Ｘｊに対し関数処理を行い、その処理結果をそれぞれニューラルネットワーク９２の入力層Ｉのノード１８〜２５に供給する。
【００１７】
ニューラルネットワーク９２の入力層Ｉのノード１８〜２５に供給された入力信号は、入力層Ｉのノード１８〜２５と隠れ層Ｈのノード２６〜３３との間に対応して定められた重みが付され、ニューラルネットワーク９２の隠れ層Ｈの各ノード２６〜３３にそれぞれ供給される。
【００１８】
ニューラルネットワーク９２の隠れ層Ｈの各ノード２６〜３３は、入力層Ｉの各ノード１８〜２５から供給される入力信号及び音響結合誤差処理部４８を構成するニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７から供給される入力信号に基づいて、他のニューロンへの出力信号を生成する。
【００１９】
そして、隠れ層Ｈの各ノード２６〜３３からの出力信号は、隠れ層Ｈの各ノード２６〜３３と出力層Ｏの各ノード３４〜４１との間に対応して定められた重みが付され、ニューラルネットワーク９２の出力層Ｏの各ノード３４〜４１にそれぞれ供給される。
【００２０】
ニューラルネットワーク９２の出力層Ｏの各ノード３４〜４１は、隠れ層Ｈの各ノード２６〜３３から供給される入力信号に基づいて、加算器４２への出力信号を生成する。
【００２１】
加算器４２は、出力層Ｏの各ノード３４〜４１からの出力信号を加算し、その加算結果をスピーカ４３に供給する。
スピーカ４３から２次騒音がファンからたとえばダクトを通して結合されている空間内に放射される。１次騒音がダクトを介して伝播されてきたものとスピーカから２次騒音として放射され伝播されてきたものとが音響結合系を介してマイクロフォン９１で検出され、このマイクロフォン９１は伝播されてきた１次騒音と伝播されてきた２次騒音との誤差に対応するエラー信号ｅj0を更新手段４４〜４７に供給する。したがって、このマイクロフォン９１は誤差検出手段として動作する。
【００２２】
ニューラルネットワーク９２は、第１次騒音が騒音源からスピーカまでのプライマリパスを伝播したものを消去するための２次騒音（消去音）を写像により求めるものである。
【００２３】
騒音源１からの１次騒音に対応する入力信号Ｘｊは、また、音響結合誤差処理部４８を構成するニューラルネットワーク９３にも供給されており、遅延素子４９〜５５により単位時間づつ遅延される。そして、現在の入力信号Ｘｊ及び遅延素子４９〜５５により遅延された過去の入力信号Ｘｊがそれぞれ非線型関数５６〜６３に供給される。
【００２４】
非線型関数５６〜６３は、現在の入力信号Ｘｊ及び遅延素子４９〜５５により遅延された過去の入力信号Ｘｊに対し関数処理を行い、その処理結果をそれぞれニューラルネットワーク９３の入力層Ｉのノード６４〜７１に供給する。
【００２５】
ニューラルネットワーク９３の入力層Ｉのノード６４〜７１に供給された入力信号は、入力層Ｉのノード６４〜７１と隠れ層Ｈのノード７２〜７９との間に対応して定められた重みが付され、ニューラルネットワーク９３の隠れ層Ｈの各ノード７２〜７９にそれぞれ供給される。
【００２６】
ニューラルネットワーク９３の隠れ層Ｈの各ノード７２〜７９は、入力層Ｉの各ノード６４〜７１から供給される入力信号に基づいて、他のニューロンへの出力信号を生成する。
【００２７】
そして、隠れ層Ｈの各ノード７２〜７９からの出力信号は、隠れ層Ｈの各ノード７２〜７９と出力層Ｏの各ノード８０〜８７との間に対応して定められた重みが付され、ニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７にそれぞれ供給される。
【００２８】
ニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７は、隠れ層Ｈの各ノード７２〜７９から供給される入力信号に基づいて、ニューラルネットワーク９２の隠れ層Ｈの各ノード７２〜７９への出力信号を生成する。
【００２９】
ニューラルネットワーク９３はスピーカからエラーマイクロフォンまでのエラーパスに対応する音響結合誤差系を創生するものである。
更新手段４４は、エラー信号ｅj0に基づいて、ニューラルネットワーク９２の出力層Ｏの各ノード３４〜４１における重みをサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３０】
更新手段４５は、エラー信号ｅj0に基づいて、非線型関数１０〜１７をサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３１】
更新手段４６は、エラー信号ｅj0に基づいて、非線型関数５６〜６３をサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３２】
更新手段４７は、エラー信号ｅj0に基づいて、ニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７における重みをサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３３】
すなわち、たとえばファンからなる騒音源１から発生した１次騒音は、たとえばダクトからなるプライマリイパスを伝播してマイクロフォン９１に達する。ニューラルネットワーク９２には、騒音源１から第２次騒音が発生するスピーカ４３まで伝播した第１次騒音を消去するようにその重みと非線形関数を更新する。そして、ニューラルネットワーク９３は、スピーカ４３からマイクロフォン９１のエラーパスを伝播した第１次騒音を消去するように、その重み及び非線形関数を更新する。そのために、ニューラルネットワーク９３は、エラーパスのカップリングＣの項を入れ換えたカップリング 外１ を行うべく動作する。そして、
【００３４】
【外１】
【００３５】
更新手段４４，４５，４６，４７がＬＭＳ法またはＮＬＭＳ法によりエラー信号ｅj0が最小となり、理想的にはエラー信号ｅj0が零すなわち第１次騒音が第２次騒音で消去されてファンから発生する騒音がマイクロフォン９１においては検出されることがなくなる。
【００３６】
なお、１次元音場の場合、エラー信号ｅj1、ｅj2、ｅj3の入力端子は開放にしておく。
更新手段４４〜４７によるニューラルネットワーク９２、９３の重みの更新方法として、例えば、現在の重みに一定の比率のエラー信号ｅj0を加算して重みを更新する方法の他、エラー信号ｅj0の自乗平均が最小となるように重みを決定する最小自乗法（ＬＭＳ法）や正規化最小自乗法（ＮＬＭＳ法）、ＦｉｌｔｅｒｅｄＸアルゴリズムやマルチプル制御アルゴリズムなどを適用することができる。
【００３７】
なお、３次元の場合に利用する音響結合誤差（エラーパス）処理部８８〜９０は、音響結合誤差（エラーパス）処理部４８と同様の構成である。
以上、本発明の一実施例について述べたが、本発明は上述した実施例に限られるものではなく、その他の様々な変更が可能である。
【００３８】
例えば、非線型関数１０〜１７、５６〜６３をニューラルネットワーク９２、９３の入力層Ｉに挿入する構成の他、ニューラルネットワーク９２、９３の隠れ層Ｈ又は出力層Ｏに挿入するようにしてもよい。
【００３９】
また、上述した実施例では、更新手段４４、４７によりニューラルネットワーク９２、９３の出力層Ｏの重みを更新する場合について説明したが、ニューラルネットワーク９２、９３の隠れ層Ｈの重み又は隠れ層Ｈと出力層Ｏとの両方の重みを更新するようにしてもよい。
【００４０】
さらに、上述した実施例では、ニューラルネットワーク９３の出力層Ｏからの出力信号を、ニューラルネットワーク９２の隠れ層Ｈに入力する場合について説明したが、ニューラルネットワーク９３の出力層Ｏからの出力信号を、ニューラルネットワーク９２の出力層Ｏ又は隠れ層Ｈと出力層Ｏとの両方に入力するようにしてもよい。
【００４１】
さらにまた、ニューラルネットワーク９２、９３の隠れ層Ｈを省略してもよく、非線型関数１０〜１７、５６〜６３をニューラルネットワークで実現するようにしてもよい。
【００４２】
また、消去音を発生させて騒音を打ち消すようにする他、騒音を快適な音に変換するようにしてもよい。
以上説明したように、、本発明の第１実施例によれば、デジタルフィルタを用いることなく消去音を生成することができ、能動騒音制御装置の回路規模を小さくすることができる。
【００４３】
次に、本発明の第２実施例による能動騒音制御装置について図面を参照しながら説明する。この第２実施例による能動騒音制御装置は、第１実施例による能動騒音制御装置を３次元音場に適用できるようにしたものである。
【００４４】
図３は、本発明の第２実施例による能動騒音制御装置の構成を示すブロック図である。
図３において、２０１は騒音源、２０２〜２１７はエラーパスユニット、２１８、２２０、２２２、２２４は騒音制御ユニット、２１９、２２１、２２３、２２５は更新手段、２２６〜２２９はスピーカ、２３０〜２３３はマイクロフォンである。
【００４５】
ここで、エラーパスユニット２０２〜２１７はそれぞれ、図１のエラーパスフィルタ４８と同様にニューラルネットワークを用いて構成され、騒音制御ユニット２１８、２２０、２２２、２２４はそれぞれ、図１の騒音制御処理部２と同様にニューラルネットワークを用いて構成され、更新手段２１９、２２１、２２３、２２５はそれぞれ、図１の更新手段４４〜４７と同様に構成されている。
【００４６】
また、ε００はスピーカ２２６とマイクロフォン２３０との間の音響結合系、ε１０はスピーカ２２６とマイクロフォン２３１との間の音響結合系、ε２０はスピーカ２２６とマイクロフォン２３２との間の音響結合系、ε３０はスピーカ２２６とマイクロフォン２３３との間の音響結合系である。
【００４７】
ε０１はスピーカ２２７とマイクロフォン２３０との間の音響結合系、ε１１はスピーカ２２７とマイクロフォン２３１との間の音響結合系、ε２１はスピーカ２２７とマイクロフォン２３２との間の音響結合系、ε３１はスピーカ２２７とマイクロフォン２３３との間の音響結合系である。
【００４８】
ε０２はスピーカ２２８とマイクロフォン２３０との間の音響結合系、ε１２はスピーカ２２８とマイクロフォン２３１との間の音響結合系、ε２２はスピーカ２２８とマイクロフォン２３２との間の音響結合系、ε３２はスピーカ２２８とマイクロフォン２３３との間の音響結合系である。
【００４９】
ε０３はスピーカ２２９とマイクロフォン２３０との間の音響結合系、ε１３はスピーカ２２９とマイクロフォン２３１との間の音響結合系、ε２３はスピーカ２２９とマイクロフォン２３２との間の音響結合系、ε３０はスピーカ２２９とマイクロフォン２３３との間の音響結合系である。
【００５０】
また、エラーパスユニット２０２には、音響結合系ε００を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０３には、音響結合系ε１０を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０４には、音響結合系ε２０を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０５には、音響結合系ε３０を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５１】
エラーパスユニット２０６には、音響結合系ε０１を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０７には、音響結合系ε１１を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０８には、音響結合系ε２１を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０９には、音響結合系ε３１を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５２】
エラーパスユニット２１０には、音響結合系ε０２を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１１には、音響結合系ε１２を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１２には、音響結合系ε２２を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１３には、音響結合系ε３２を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５３】
エラーパスユニット２１４には、音響結合系ε０３を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１５には、音響結合系ε１３を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１６には、音響結合系ε２３を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１７には、音響結合系ε３３を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５４】
次に、本発明の第２実施例による能動騒音制御装置の動作について説明する。図３において、騒音源２０１からの入力信号Ｘｊは騒音制御ユニット２１８、２２０、２２２、２２４に供給され、現在及び過去の入力信号Ｘｊに対し、重み演算及び関数処理が行われる。そして、騒音制御ユニット２１８、２２０、２２２、２２４からの出力信号がそれぞれスピーカ２２６〜２２９に供給され、消去音として放射される。
【００５５】
スピーカ２２６〜２２９から放射される消去音は、騒音とともに各マイクロフォン２３０〜２３３で検出され、各マイクロフォン２３０〜２３３からのエラー信号ｅj0〜ｅj3は、更新手段２１９、２２１、２２３、２２５にそれぞれ供給される。
【００５６】
騒音源２０１からの入力信号Ｘｊは、また、エラーパスユニット２０２〜２１７に供給され、現在及び過去の入力信号Ｘｊに対し、重み演算及び関数処理が行われる。そして、エラーパスユニット２０２〜２０５からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２１８のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給され、エラーパスユニット２０６〜２０９からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２２０のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給され、エラーパスユニット２１０〜２１３からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２２２のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給され、エラーパスユニット２１４〜２１７からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２２４のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給される。
【００５７】
更新手段２１９は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２１８のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２０２〜２０５のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００５８】
更新手段２２１は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２２１のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２０６〜２０９のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００５９】
更新手段２２３は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２２２のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２１０〜２１３のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００６０】
更新手段２２５は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２２４のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２１４〜２１７のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００６１】
次に、本発明の一実施例による能動騒音制御装置の学習方法について説明する。能動騒音制御装置は、騒音制御系（Ａｃｔｉｖｅ Ｎｏｉｓｅ Ｃｏｎｔｒｏｌ Ｐａｔｈ：ＡＮＣＰ）の他に、音響帰還系（Ａｃｔｉｖｅ Ｆｅｅｄｂａｃｋ Ｃｏｎｔｒｏｌ Ｐａｔｈ：ＡＦＣＰ）、残留誤差処理系（Ｒｅｓｉｄｕａｌ Ｅｒｒｏｒ Ｃｏｎｔｒｏｌ Ｐａｔｈ：ＲＥＣＰ）を有している。
【００６２】
ここで、騒音制御系、音響帰還系及び残留誤差処理系についてリアルタイム学習を行うとともに、音響帰還系及び残留誤差処理系については事前学習も行う。
以下、残留誤差処理系の学習方法について説明する。
【００６３】
図４において、１０１は空冷ファンなどの騒音源、１０２は白色雑音やＭ系列信号などの疑似騒音、１０３は最小自乗法又は正規化最小自乗法による重みの更新手段、１０４は残留誤差処理系、１０５は音響結合系、１０６〜１０９はスピーカである。
【００６４】
疑似騒音Ｍｊを残留誤差処理系１０４に供給し、残留誤差処理系１０４からの信号Ｇｊをスピーカ１０６〜１０９に供給する。更新手段１０３は、図５に示すように、音響結合系１０５におけるエラー信号Ｅｊに基づいて、残留誤差処理系１０４の重みを更新することにより、残留誤差処理系の伝達系を学習同定させる。
【００６５】
なお、事前学習時においては、空冷ファンなどの騒音源１０１を停止させるようにしてもよい。
以上説明したように、、本発明の第２実施例によれば、デジタルフィルタを用いることなく３次元音場における消去音を生成することができ、回路規模を小さくすることができる。
【００６６】
また、エラー情報を並列に処理することができるので、エラーセンサをスキャニングしながらフィルタ係数を更新するエラー・スキャニング・アルゴリズムを用いる必要がなくなる。
【００６７】
以上、能動騒音制御装置による騒音低減方法を例にとって説明したが、本発明は騒音低減システムに限られるものではなく、その他の様々な分野への適用が可能である。
【００６８】
例えば、本発明は、耐震・制震システム、電話機などを含む音声処理システム、画像処理システムなどにも適用が可能である。
【００６９】
【発明の効果】
以上説明したように、本発明によれば、ニューラルネットワークを用いて第１次騒音からスピーカまで、スピーカからエラーマイクまでの騒音に対応する消去音を写像で形成することにより、デジタルフィルタを用いることなく消去音を生成することができ、回路規模を小さくすることができる。さらに、ニューラルネットワークを用いたのでプライマリイパス、エラーパスの騒音伝播特性が非線形であっても、第１次騒音に対応する消去音を作成することができる。
【図面の簡単な説明】
【図１】本発明の第１実施例による能動騒音制御装置の構成を示すブロック図である。
【図２】本発明の第２実施例による能動騒音制御装置の構成を示すブロック図である。
【図３】本発明の一実施例による非線型関数の例を示す図である。
【図４】本発明の一実施例による残留誤差系の学習方法を示す図である。
【図５】本発明の一実施例による残留誤差系の学習時におけるタイミングチャートを示す図である。
【図６】従来の能動騒音制御装置の構成を示すブロック図である。
【符号の説明】
１、１０１、２０１ 騒音源
２ 騒音制御処理部
２１８、２２０、２２２、２２４ 騒音制御ユニット
３〜９、４９〜５５ 遅延素子
１０〜１７、５６〜６３ 非線型関数
１８〜４１、６４〜８７ ノード
４２ 加算器
４３、１０６〜１０９、２２６〜２２９ スピーカ
４４〜４７、１０３、２１９、２２１、２２３、２２５ 更新手段
４８、８８、８９、９０ 音響結合誤差処理部
２０２〜２１７ エラーパスユニット
９１、２３０〜２３３ マイクロフォン
９２、９３ ニューラルネットワーク
１０２ 疑似騒音源
１０４ 残留誤差処理系
１０５ 音響結合系
【発明の属する技術分野】
本発明は、能動騒音制御装置及び波形変換装置に関し、特に、騒音に対する消去音をスピーカにより放射し、それらの音を合成することによって能動的に騒音を消去する場合などに適用して好適なものである。
【０００２】
【従来の技術】
従来、騒音を静音化する方法として、騒音と振幅が逆な音の能動的合成による静音化、例えば、騒音と振幅が逆の音をＦＩＲフィルタを用いて生成し、この騒音と振幅が逆な音をスピーカにより放射し、騒音と振幅が逆な音とを合成することによって騒音を消去する方法がある。
【０００３】
図６は、従来の能動騒音制御装置の構成を示すブロック図である。
図６において、３０１はＦＩＲフィルタで構成される騒音制御フィルタ、３０２は騒音の制御対象であるシステム、すなわち騒音制御フィルタ３０１に接続されたスピーカから音響結合系３０３のマイクまでの空間の伝達特性を示し、３０４は騒音制御フィルタ３０１のフィルタ係数を更新する更新手段、３０５はＦＩＲフィルタで構成されるエラーパスフィルタ、３０６は最小自乗法による演算手段である。
【０００４】
ここで、エラーパスフィルタ３０５のフィルタ係数は、騒音の制御対象であるシステム３０２のインパルス応答により予め定められている。
そして、たとえばファンから発生した１次騒音である入力信号Ｘ(n) が騒音制御フィルタ３０１に入力され、この入力信号Ｘ(n) は騒音制御フィルタ３０１でフィルタリングされて出力信号Ｙ(n) となり、この出力信号Ｙ(n) はファンに図示しないダクトによって結合された空間である騒音の制御対象であるシステム３０２にスピーカを介して２次騒音として放射される。騒音の制御対象であるシステム３０２に放射された２次騒音はシステム３０２を伝播して消去音ｄ(n) ′となり、前記１次騒音がダクトを通って伝播された所望の騒音ｄ(n) と合成され、この合成音がマイクロフォンで検出されることにより、誤差すなわちエラー信号ｅ(n) ＝ｄ(n) −ｄ(n) ′が生成される。
【０００５】
このエラー信号ｅ(n) は、更新手段３０４に供給される。また、更新手段３０４には、入力信号Ｘ(n) が供給され、この入力信号Ｘ(n) をエラーパスフィルタ３０５に通すことにより音響結合誤差信号を生成する。そして、更新手段３０４は、この参照信号を参照しながら、エラー信号ｅ(n) の自乗平均を最小とするように騒音制御フィルタ３０１のフィルタ係数を演算手段３０６において定めるようにする。なお、ｎはサンプルナンバーである。
【０００６】
【発明が解決しようとする課題】
しかしながら、従来の能動騒音制御装置は、例えば、消去対象音の周波数が２０Ｈｚ〜１ｋＨｚまであり、インパルスレスポンスが２０ｍＳであるとし、ＦＩＲフィルタの１タップ処理の時間が２５０μｓであるとした場合、ＦＩＲフィルタのタップ数は１９２となる。また、ＦＩＲフィルタに代えて、ＩＩＲフィルタを用いた場合は、アコースティックフィードバック（音響帰還）キャンセラーが２２４タップ、アダプティブフィルタが８０タップとなり、さらにエラーパスフィルタは９６タップであるので合計４００タップ必要となる。そのため、騒音を消去音により打ち消すためには、非常に多くのメモリとＤＳＰ演算時間が必要となり、回路規模または演算数が大きくなってコスト高となるという問題があった。
【０００７】
そこで、本発明の目的は、ＦＩＲフィルタまたはＩＩＲフィルタの為のＤＳＰを用いることなしに騒音を消去することができる能動騒音制御装置を提供することである。
【０００８】
【課題を解決するための手段】
上述した課題を解決するために、本発明によれば、現在及び過去における第１次騒音に対応する時系列データを直列に時系列入力させ、並列に分散処理する第１のニューラルネットワークと、現在及び過去における前記第１次騒音に対応する直列入力時系列データを並列に分散処理するとともに、出力を前記第１のニューラルネットワークに供給する第２のニューラルネットワークと、前記第１のニューラルネットワークの出力によって駆動される第２次騒音と伝播された第１次騒音との誤差信号を検出する誤差検出手段と、前記誤差検出手段から誤差信号を入力し前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの重みを伝播された第１次騒音が消去されるように更新する更新手段とを備え、前記第１のニューラルネットワークは、入力された騒音データに対応する消去音データを出力する。
【０００９】
上記の本発明の一態様において、第２次騒音（消去音）はスピーカから放射され、誤差検出手段はエラーマイクロフォンである。
また、上記本発明の一態様において、第１のニューラルネットワークは第１次騒音が前記スピーカまで伝播するプライマリイパスに対応する消去音を作成し、前記第２のニューラルネットワークはスピーカからエラーマイクまでのエラーパスに対応する音響結合誤差系を創生する。
【００１０】
また、本発明の一態様によれば、前記第１のニューラルネットワーク及び前記第２のニューラルネットワークは、入力層、隠れ層又は出力層に非線型関数を備え、前記更新手段は、前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの隠れ層、出力層又は隠れ層と出力層との両方の重みを更新し、前記第２のニューラルネットワークからの出力信号を前記第１のニューラルネットワークの隠れ層又は出力層に入力する。
【００１１】
また、本発明の一態様によれば、騒音制御系、音響帰還系及び残留誤差処理系をリアルタイム学習し、音響帰還系及び残留誤差処理系を事前学習する。
また、本発明の一態様によれば、第１の波形データを遅延させる遅延手段と、現在及び過去における前記第１の波形データを入力する第１のニューラルネットワークと、前記第１の波形データを入力し出力を前記第１のニューラルネットワークに供給する第２のニューラルネットワークと、前記第１のニューラルネットワークの出力層の各ノードからの出力結果を加算して第２の波形データを出力する加算手段と、前記第２の波形データに対応した波形と前記第２の波形データに対応した波形との誤差を検出する誤差検出手段と、前記誤差に基づいて、前記第１及び第２のニューラルネットワークの重み及び非線形関数を更新する更新手段をさらに備え、前記第２の波形データに対応する波形は前記第１の波形データに対応する波形を所望の波形とするように前記第１及び第２のニューラルネットワークの重み及び非線形関数を更新することを特徴とする波形変換装置を提供する。
【００１２】
【発明の実施の形態】
以下、本発明の第１実施例による能動騒音制御装置について図面を参照しながら説明する。
【００１３】
図１は、本発明の第１実施例による能動騒音制御装置の構成を示すブロック図である。
図１において、１は１次騒音を発生する騒音源、２は騒音制御処理部、４８，８８〜９０は音響結合誤差処理部、３〜９、４９〜５５は遅延素子、１０〜１７、５６〜６３はシグモイドなどの非線型関数、９２、９３はニューラルネットワーク、１８〜２５はニューラルネットワーク９２の入力層Ｉのノード、２６〜３３はニューラルネットワーク９２の隠れ層Ｈのノード、３４〜４１はニューラルネットワーク９２の出力層Ｏのノード、６４〜７１はニューラルネットワーク９３の入力層Ｉのノード、７２〜７９はニューラルネットワーク９３の隠れ層Ｈのノード、８０〜８７はニューラルネットワーク９３の出力層Ｏのノード、４２は加算器、４３は２次騒音を発生するスピーカ、９１はマイクロフォン、４４はニューラルネットワーク９２の出力層Ｏの重みの更新手段、４５は非線型関数１０〜１７の更新手段、４６は非線型関数５６〜６３の更新手段、４７はニューラルネットワーク９３の出力層Ｏの重みの更新手段である。騒音制御フィルタ２を構成するニューラルネットワーク９２は、第１次騒音からスピーカ４３までの伝播するプライマリイパスに対応する消去音を作成するためのものであり、音響結合誤差処理部４８を構成するニューラルネットワーク９３は、スピーカ４３からセンサマイク９１までのエラーパスに対応する音響結合誤差系を創生するためのものである。
【００１４】
ここで、非線型関数１０〜１７、５６〜６３は、図２に示すように、入力信号Ｘｊを標本化周波数の時間軸を横軸にとり８個のサンプリング・メンバシップ関数の大きな連続した時間空間とみなすことができる。
【００１５】
次に、本発明の第１実施例による能動騒音制御装置の動作について説明する。図１において、たとえば電子機器内に設けられた送風用のファンからなる騒音源１からの１次騒音に対応する入力信号Ｘｊは騒音制御フィルタ２を構成するニューラルネットワーク９２に供給され、遅延素子３〜９により単位時間づつ遅延される。そして、現在の入力信号Ｘｊ及び遅延素子３〜９により遅延された過去の入力信号Ｘｊがそれぞれ非線型関数１０〜１７に供給される。
【００１６】
非線型関数１０〜１７は、現在の入力信号Ｘｊ及び遅延素子３〜９により遅延された過去の入力信号Ｘｊに対し関数処理を行い、その処理結果をそれぞれニューラルネットワーク９２の入力層Ｉのノード１８〜２５に供給する。
【００１７】
ニューラルネットワーク９２の入力層Ｉのノード１８〜２５に供給された入力信号は、入力層Ｉのノード１８〜２５と隠れ層Ｈのノード２６〜３３との間に対応して定められた重みが付され、ニューラルネットワーク９２の隠れ層Ｈの各ノード２６〜３３にそれぞれ供給される。
【００１８】
ニューラルネットワーク９２の隠れ層Ｈの各ノード２６〜３３は、入力層Ｉの各ノード１８〜２５から供給される入力信号及び音響結合誤差処理部４８を構成するニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７から供給される入力信号に基づいて、他のニューロンへの出力信号を生成する。
【００１９】
そして、隠れ層Ｈの各ノード２６〜３３からの出力信号は、隠れ層Ｈの各ノード２６〜３３と出力層Ｏの各ノード３４〜４１との間に対応して定められた重みが付され、ニューラルネットワーク９２の出力層Ｏの各ノード３４〜４１にそれぞれ供給される。
【００２０】
ニューラルネットワーク９２の出力層Ｏの各ノード３４〜４１は、隠れ層Ｈの各ノード２６〜３３から供給される入力信号に基づいて、加算器４２への出力信号を生成する。
【００２１】
加算器４２は、出力層Ｏの各ノード３４〜４１からの出力信号を加算し、その加算結果をスピーカ４３に供給する。
スピーカ４３から２次騒音がファンからたとえばダクトを通して結合されている空間内に放射される。１次騒音がダクトを介して伝播されてきたものとスピーカから２次騒音として放射され伝播されてきたものとが音響結合系を介してマイクロフォン９１で検出され、このマイクロフォン９１は伝播されてきた１次騒音と伝播されてきた２次騒音との誤差に対応するエラー信号ｅj0を更新手段４４〜４７に供給する。したがって、このマイクロフォン９１は誤差検出手段として動作する。
【００２２】
ニューラルネットワーク９２は、第１次騒音が騒音源からスピーカまでのプライマリパスを伝播したものを消去するための２次騒音（消去音）を写像により求めるものである。
【００２３】
騒音源１からの１次騒音に対応する入力信号Ｘｊは、また、音響結合誤差処理部４８を構成するニューラルネットワーク９３にも供給されており、遅延素子４９〜５５により単位時間づつ遅延される。そして、現在の入力信号Ｘｊ及び遅延素子４９〜５５により遅延された過去の入力信号Ｘｊがそれぞれ非線型関数５６〜６３に供給される。
【００２４】
非線型関数５６〜６３は、現在の入力信号Ｘｊ及び遅延素子４９〜５５により遅延された過去の入力信号Ｘｊに対し関数処理を行い、その処理結果をそれぞれニューラルネットワーク９３の入力層Ｉのノード６４〜７１に供給する。
【００２５】
ニューラルネットワーク９３の入力層Ｉのノード６４〜７１に供給された入力信号は、入力層Ｉのノード６４〜７１と隠れ層Ｈのノード７２〜７９との間に対応して定められた重みが付され、ニューラルネットワーク９３の隠れ層Ｈの各ノード７２〜７９にそれぞれ供給される。
【００２６】
ニューラルネットワーク９３の隠れ層Ｈの各ノード７２〜７９は、入力層Ｉの各ノード６４〜７１から供給される入力信号に基づいて、他のニューロンへの出力信号を生成する。
【００２７】
そして、隠れ層Ｈの各ノード７２〜７９からの出力信号は、隠れ層Ｈの各ノード７２〜７９と出力層Ｏの各ノード８０〜８７との間に対応して定められた重みが付され、ニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７にそれぞれ供給される。
【００２８】
ニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７は、隠れ層Ｈの各ノード７２〜７９から供給される入力信号に基づいて、ニューラルネットワーク９２の隠れ層Ｈの各ノード７２〜７９への出力信号を生成する。
【００２９】
ニューラルネットワーク９３はスピーカからエラーマイクロフォンまでのエラーパスに対応する音響結合誤差系を創生するものである。
更新手段４４は、エラー信号ｅj0に基づいて、ニューラルネットワーク９２の出力層Ｏの各ノード３４〜４１における重みをサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３０】
更新手段４５は、エラー信号ｅj0に基づいて、非線型関数１０〜１７をサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３１】
更新手段４６は、エラー信号ｅj0に基づいて、非線型関数５６〜６３をサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３２】
更新手段４７は、エラー信号ｅj0に基づいて、ニューラルネットワーク９３の出力層Ｏの各ノード８０〜８７における重みをサンプリング周期でＬＭＳ法（最小自乗法）又はＮＬＭＳ法（正規化ＬＭＳ法）により更新する。
【００３３】
すなわち、たとえばファンからなる騒音源１から発生した１次騒音は、たとえばダクトからなるプライマリイパスを伝播してマイクロフォン９１に達する。ニューラルネットワーク９２には、騒音源１から第２次騒音が発生するスピーカ４３まで伝播した第１次騒音を消去するようにその重みと非線形関数を更新する。そして、ニューラルネットワーク９３は、スピーカ４３からマイクロフォン９１のエラーパスを伝播した第１次騒音を消去するように、その重み及び非線形関数を更新する。そのために、ニューラルネットワーク９３は、エラーパスのカップリングＣの項を入れ換えたカップリング 外１ を行うべく動作する。そして、
【００３４】
【外１】
更新手段４４，４５，４６，４７がＬＭＳ法またはＮＬＭＳ法によりエラー信号ｅj0が最小となり、理想的にはエラー信号ｅj0が零すなわち第１次騒音が第２次騒音で消去されてファンから発生する騒音がマイクロフォン９１においては検出されることがなくなる。
【００３６】
なお、１次元音場の場合、エラー信号ｅj1、ｅj2、ｅj3の入力端子は開放にしておく。
更新手段４４〜４７によるニューラルネットワーク９２、９３の重みの更新方法として、例えば、現在の重みに一定の比率のエラー信号ｅj0を加算して重みを更新する方法の他、エラー信号ｅj0の自乗平均が最小となるように重みを決定する最小自乗法（ＬＭＳ法）や正規化最小自乗法（ＮＬＭＳ法）、ＦｉｌｔｅｒｅｄＸアルゴリズムやマルチプル制御アルゴリズムなどを適用することができる。
【００３７】
なお、３次元の場合に利用する音響結合誤差（エラーパス）処理部８８〜９０は、音響結合誤差（エラーパス）処理部４８と同様の構成である。
以上、本発明の一実施例について述べたが、本発明は上述した実施例に限られるものではなく、その他の様々な変更が可能である。
【００３８】
例えば、非線型関数１０〜１７、５６〜６３をニューラルネットワーク９２、９３の入力層Ｉに挿入する構成の他、ニューラルネットワーク９２、９３の隠れ層Ｈ又は出力層Ｏに挿入するようにしてもよい。
【００３９】
また、上述した実施例では、更新手段４４、４７によりニューラルネットワーク９２、９３の出力層Ｏの重みを更新する場合について説明したが、ニューラルネットワーク９２、９３の隠れ層Ｈの重み又は隠れ層Ｈと出力層Ｏとの両方の重みを更新するようにしてもよい。
【００４０】
さらに、上述した実施例では、ニューラルネットワーク９３の出力層Ｏからの出力信号を、ニューラルネットワーク９２の隠れ層Ｈに入力する場合について説明したが、ニューラルネットワーク９３の出力層Ｏからの出力信号を、ニューラルネットワーク９２の出力層Ｏ又は隠れ層Ｈと出力層Ｏとの両方に入力するようにしてもよい。
【００４１】
さらにまた、ニューラルネットワーク９２、９３の隠れ層Ｈを省略してもよく、非線型関数１０〜１７、５６〜６３をニューラルネットワークで実現するようにしてもよい。
【００４２】
また、消去音を発生させて騒音を打ち消すようにする他、騒音を快適な音に変換するようにしてもよい。
以上説明したように、、本発明の第１実施例によれば、デジタルフィルタを用いることなく消去音を生成することができ、能動騒音制御装置の回路規模を小さくすることができる。
【００４３】
次に、本発明の第２実施例による能動騒音制御装置について図面を参照しながら説明する。この第２実施例による能動騒音制御装置は、第１実施例による能動騒音制御装置を３次元音場に適用できるようにしたものである。
【００４４】
図３は、本発明の第２実施例による能動騒音制御装置の構成を示すブロック図である。
図３において、２０１は騒音源、２０２〜２１７はエラーパスユニット、２１８、２２０、２２２、２２４は騒音制御ユニット、２１９、２２１、２２３、２２５は更新手段、２２６〜２２９はスピーカ、２３０〜２３３はマイクロフォンである。
【００４５】
ここで、エラーパスユニット２０２〜２１７はそれぞれ、図１のエラーパスフィルタ４８と同様にニューラルネットワークを用いて構成され、騒音制御ユニット２１８、２２０、２２２、２２４はそれぞれ、図１の騒音制御処理部２と同様にニューラルネットワークを用いて構成され、更新手段２１９、２２１、２２３、２２５はそれぞれ、図１の更新手段４４〜４７と同様に構成されている。
【００４６】
また、ε００はスピーカ２２６とマイクロフォン２３０との間の音響結合系、ε１０はスピーカ２２６とマイクロフォン２３１との間の音響結合系、ε２０はスピーカ２２６とマイクロフォン２３２との間の音響結合系、ε３０はスピーカ２２６とマイクロフォン２３３との間の音響結合系である。
【００４７】
ε０１はスピーカ２２７とマイクロフォン２３０との間の音響結合系、ε１１はスピーカ２２７とマイクロフォン２３１との間の音響結合系、ε２１はスピーカ２２７とマイクロフォン２３２との間の音響結合系、ε３１はスピーカ２２７とマイクロフォン２３３との間の音響結合系である。
【００４８】
ε０２はスピーカ２２８とマイクロフォン２３０との間の音響結合系、ε１２はスピーカ２２８とマイクロフォン２３１との間の音響結合系、ε２２はスピーカ２２８とマイクロフォン２３２との間の音響結合系、ε３２はスピーカ２２８とマイクロフォン２３３との間の音響結合系である。
【００４９】
ε０３はスピーカ２２９とマイクロフォン２３０との間の音響結合系、ε１３はスピーカ２２９とマイクロフォン２３１との間の音響結合系、ε２３はスピーカ２２９とマイクロフォン２３２との間の音響結合系、ε３０はスピーカ２２９とマイクロフォン２３３との間の音響結合系である。
【００５０】
また、エラーパスユニット２０２には、音響結合系ε００を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０３には、音響結合系ε１０を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０４には、音響結合系ε２０を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０５には、音響結合系ε３０を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５１】
エラーパスユニット２０６には、音響結合系ε０１を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０７には、音響結合系ε１１を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０８には、音響結合系ε２１を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２０９には、音響結合系ε３１を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５２】
エラーパスユニット２１０には、音響結合系ε０２を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１１には、音響結合系ε１２を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１２には、音響結合系ε２２を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１３には、音響結合系ε３２を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５３】
エラーパスユニット２１４には、音響結合系ε０３を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１５には、音響結合系ε１３を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１６には、音響結合系ε２３を学習同定させた結果がニューラルネットワークの重みとして記憶され、エラーパスユニット２１７には、音響結合系ε３３を学習同定させた結果がニューラルネットワークの重みとして記憶される。
【００５４】
次に、本発明の第２実施例による能動騒音制御装置の動作について説明する。図３において、騒音源２０１からの入力信号Ｘｊは騒音制御ユニット２１８、２２０、２２２、２２４に供給され、現在及び過去の入力信号Ｘｊに対し、重み演算及び関数処理が行われる。そして、騒音制御ユニット２１８、２２０、２２２、２２４からの出力信号がそれぞれスピーカ２２６〜２２９に供給され、消去音として放射される。
【００５５】
スピーカ２２６〜２２９から放射される消去音は、騒音とともに各マイクロフォン２３０〜２３３で検出され、各マイクロフォン２３０〜２３３からのエラー信号ｅj0〜ｅj3は、更新手段２１９、２２１、２２３、２２５にそれぞれ供給される。
【００５６】
騒音源２０１からの入力信号Ｘｊは、また、エラーパスユニット２０２〜２１７に供給され、現在及び過去の入力信号Ｘｊに対し、重み演算及び関数処理が行われる。そして、エラーパスユニット２０２〜２０５からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２１８のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給され、エラーパスユニット２０６〜２０９からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２２０のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給され、エラーパスユニット２１０〜２１３からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２２２のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給され、エラーパスユニット２１４〜２１７からの出力信号ｙjo〜ｙj3は、騒音制御ユニット２２４のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏに供給される。
【００５７】
更新手段２１９は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２１８のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２０２〜２０５のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００５８】
更新手段２２１は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２２１のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２０６〜２０９のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００５９】
更新手段２２３は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２２２のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２１０〜２１３のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００６０】
更新手段２２５は、エラー信号ｅj0〜ｅj3に基づいて、騒音制御ユニット２２４のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新するとともに、エラーパスユニット２１４〜２１７のニューラルネットワークにおける隠れ層Ｈ又は出力層Ｏの重み及び非線型関数を更新する。
【００６１】
次に、本発明の一実施例による能動騒音制御装置の学習方法について説明する。能動騒音制御装置は、騒音制御系（Ａｃｔｉｖｅ Ｎｏｉｓｅ Ｃｏｎｔｒｏｌ Ｐａｔｈ：ＡＮＣＰ）の他に、音響帰還系（Ａｃｔｉｖｅ Ｆｅｅｄｂａｃｋ Ｃｏｎｔｒｏｌ Ｐａｔｈ：ＡＦＣＰ）、残留誤差処理系（Ｒｅｓｉｄｕａｌ Ｅｒｒｏｒ Ｃｏｎｔｒｏｌ Ｐａｔｈ：ＲＥＣＰ）を有している。
【００６２】
ここで、騒音制御系、音響帰還系及び残留誤差処理系についてリアルタイム学習を行うとともに、音響帰還系及び残留誤差処理系については事前学習も行う。
以下、残留誤差処理系の学習方法について説明する。
【００６３】
図４において、１０１は空冷ファンなどの騒音源、１０２は白色雑音やＭ系列信号などの疑似騒音、１０３は最小自乗法又は正規化最小自乗法による重みの更新手段、１０４は残留誤差処理系、１０５は音響結合系、１０６〜１０９はスピーカである。
【００６４】
疑似騒音Ｍｊを残留誤差処理系１０４に供給し、残留誤差処理系１０４からの信号Ｇｊをスピーカ１０６〜１０９に供給する。更新手段１０３は、図５に示すように、音響結合系１０５におけるエラー信号Ｅｊに基づいて、残留誤差処理系１０４の重みを更新することにより、残留誤差処理系の伝達系を学習同定させる。
【００６５】
なお、事前学習時においては、空冷ファンなどの騒音源１０１を停止させるようにしてもよい。
以上説明したように、、本発明の第２実施例によれば、デジタルフィルタを用いることなく３次元音場における消去音を生成することができ、回路規模を小さくすることができる。
【００６６】
また、エラー情報を並列に処理することができるので、エラーセンサをスキャニングしながらフィルタ係数を更新するエラー・スキャニング・アルゴリズムを用いる必要がなくなる。
【００６７】
以上、能動騒音制御装置による騒音低減方法を例にとって説明したが、本発明は騒音低減システムに限られるものではなく、その他の様々な分野への適用が可能である。
【００６８】
例えば、本発明は、耐震・制震システム、電話機などを含む音声処理システム、画像処理システムなどにも適用が可能である。
【００６９】
【発明の効果】
以上説明したように、本発明によれば、ニューラルネットワークを用いて第１次騒音からスピーカまで、スピーカからエラーマイクまでの騒音に対応する消去音を写像で形成することにより、デジタルフィルタを用いることなく消去音を生成することができ、回路規模を小さくすることができる。さらに、ニューラルネットワークを用いたのでプライマリイパス、エラーパスの騒音伝播特性が非線形であっても、第１次騒音に対応する消去音を作成することができる。
【図面の簡単な説明】
【図１】本発明の第１実施例による能動騒音制御装置の構成を示すブロック図である。
【図２】本発明の第２実施例による能動騒音制御装置の構成を示すブロック図である。
【図３】本発明の一実施例による非線型関数の例を示す図である。
【図４】本発明の一実施例による残留誤差系の学習方法を示す図である。
【図５】本発明の一実施例による残留誤差系の学習時におけるタイミングチャートを示す図である。
【図６】従来の能動騒音制御装置の構成を示すブロック図である。
【符号の説明】
１、１０１、２０１ 騒音源
２ 騒音制御処理部
２１８、２２０、２２２、２２４ 騒音制御ユニット
３〜９、４９〜５５ 遅延素子
１０〜１７、５６〜６３ 非線型関数
１８〜４１、６４〜８７ ノード
４２ 加算器
４３、１０６〜１０９、２２６〜２２９ スピーカ
４４〜４７、１０３、２１９、２２１、２２３、２２５ 更新手段
４８、８８、８９、９０ 音響結合誤差処理部
２０２〜２１７ エラーパスユニット
９１、２３０〜２３３ マイクロフォン
９２、９３ ニューラルネットワーク
１０２ 疑似騒音源
１０４ 残留誤差処理系
１０５ 音響結合系
Claims (9)
- 現在及び過去における第１次騒音に対応する直列入力時系列データを並列に分散処理する第１のニューラルネットワークと、現在及び過去における前記第１次騒音に対応する時系列データを並列に入力するとともに、出力を前記第１のニューラルネットワークの入力層以降の層に供給する第２のニューラルネットワークと、前記第１のニューラルネットワークの出力によって駆動されるスピーカから出力される第２次騒音と伝播された第１次騒音との誤差信号を検出するエラーマイクからなる誤差検出手段と、前記誤差検出手段から誤差信号を入力し前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの重みを伝播された第１次騒音が消去されるように更新する更新手段とを備えることを特徴とする能動騒音制御装置。
- 前記第１のニューラルネットワークは、第１次騒音が前記スピーカまで伝播するプライマリイパスに対応する消去音を作成し、前記第２のニューラルネットワークはスピーカからエラーマイクまでのエラーパスに対応する音響結合誤差系を創生することを特徴とする請求項１に記載の能動騒音制御装置。
- 前記第２のニューラルネットワークは、伝播された第１次騒音を消去するための参照信号を前記第１次のニューラルネットワークの入力層以降の層に出力することを特徴とする請求項１に記載の能動騒音制御装置。
- 前記第１のニューラルネットワーク及び前記第２のニューラルネットワークは、入力層の前段に非線型関数を備えることを特徴とする請求項１〜３のいずれか１項に記載の能動騒音制御装置。
- 前記更新手段は、前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの入力層と隠れ層、隠れ層と出力層との間の重み又は入力層と隠れ層と隠れ層と出力層との間の重みを更新することを特徴とする請求項１〜４のいずれか１項に記載の能動騒音制御装置。
- 第１次騒音を発生する騒音源と、前記騒音源からの現在及び過去における騒音データを第１の非線型関数を介して並列に入力する第１のニューラルネットワークと、前記騒音源からの現在及び過去における騒音データを第２の非線型関数を介して並列に入力するとともに、出力を前記第１のニューラルネットワークの入力層以降の層に供給する第２のニューラルネットワークと、前記第１のニューラルネットワークからの出力信号に基づいて、伝播された第１次騒音を消去する第２次騒音を発生させる音響手段と、前記伝播された第１次騒音と、第２次騒音から形成された消去音との差の誤差信号を音響結合系を介して検出する検出手段と、前記検出手段により検出された誤差信号に基づいて、前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの重みと第１の非線型関数及び第２の非線型関数の少なくとも１つを更新する更新手段とを備えることを特徴とする能動騒音制御システム。
- 第１の波形データを遅延させ現在及び過去における前記第１の波形データを出力する遅延手段と、前記遅延手段の出力である現在及び過去における前記第１の波形データを非線形関数を介して入力する第１のニューラルネットワークと、前記遅延手段の出力である現在及び過去における前記第１の波形データを非線形関数を介して入力し出力を前記第１のニューラルネットワークの入力層以降の層に供給する第２のニューラルネットワークと、前記第１のニューラルネットワークの出力層の各ノードからの出力結果を加算して第２の波形データを出力する加算手段と、前記第２の波形データに対応した波形と前記第１の波形データに対応した波形との誤差を検出する誤差検出手段と、前記誤差に基づいて、前記第１及び第２のニューラルネットワークの重み及び非線形関数の少なくとも１つを更新する更新手段をさらに備え、前記第２の波形データに対応する波形は前記第１の波形データに対応する波形を所望の波形とするように前記第１及び第２のニューラルネットワークの重み及び非線形関数の少なくとも１つを更新することを特徴とする波形変換装置。
- 前記第１の波形データに対応する波形が消去されることを特徴とする請求項７に記載の波形変換装置。
- 現在及び過去における第１次騒音に対応する時系列データを並列に入力するＮ個の第１のニューラルネットワークと、前記第１のニューラルネットワークの出力によって駆動されるＮ個の第２次騒音と伝播された第１次騒音との誤差信号を検出するＮ個の誤差検出手段と、前記第１のニューラルネットワークからの第２次騒音が前記誤差検出手段のそれぞれに至るＮ個の音響結合系を学習し、その学習結果を前記第１のニューラルネットワークのそれぞれの入力層以降の層に供給するＮ2 個の第２のニューラルネットワークと、前記誤差検出手段のそれぞれから誤差信号を入力し、前記第１のニューラルネットワーク及び前記第２のニューラルネットワークの重みを、伝播された第１次騒音が消去されるように更新するＮ個の更新手段とを備えることを特徴とする能動騒音制御装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31217395A JP3654980B2 (ja) | 1995-11-30 | 1995-11-30 | 能動騒音制御装置及び波形変換装置 |
| US08/758,260 US5949890A (en) | 1995-11-30 | 1996-11-27 | Active noise control apparatus and waveform transforming apparatus through neural network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31217395A JP3654980B2 (ja) | 1995-11-30 | 1995-11-30 | 能動騒音制御装置及び波形変換装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09152874A JPH09152874A (ja) | 1997-06-10 |
| JP3654980B2 true JP3654980B2 (ja) | 2005-06-02 |
Family
ID=18026108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP31217395A Expired - Lifetime JP3654980B2 (ja) | 1995-11-30 | 1995-11-30 | 能動騒音制御装置及び波形変換装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5949890A (ja) |
| JP (1) | JP3654980B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105244016A (zh) * | 2015-11-19 | 2016-01-13 | 清华大学深圳研究生院 | 主动降噪系统和方法 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5200239B2 (ja) * | 2006-09-15 | 2013-06-05 | 国立大学法人 名古屋工業大学 | アクティブノイズコントロールシステムに用いられる適応フィルタ回路 |
| JP5131217B2 (ja) * | 2009-01-30 | 2013-01-30 | パナソニック株式会社 | 消音装置及びそれを用いた電子機器 |
| CN106898342A (zh) * | 2017-03-23 | 2017-06-27 | 同济大学 | 一种用于主动噪声均衡控制的临界频带幅值增益优化方法 |
| CN111276117B (zh) * | 2020-01-27 | 2023-02-28 | 西北工业大学 | 一种基于混合蛙跳算法的有源噪声控制方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4677677A (en) * | 1985-09-19 | 1987-06-30 | Nelson Industries Inc. | Active sound attenuation system with on-line adaptive feedback cancellation |
| US4665549A (en) * | 1985-12-18 | 1987-05-12 | Nelson Industries Inc. | Hybrid active silencer |
| US4677676A (en) * | 1986-02-11 | 1987-06-30 | Nelson Industries, Inc. | Active attenuation system with on-line modeling of speaker, error path and feedback pack |
| GB8615315D0 (en) * | 1986-06-23 | 1986-07-30 | Secr Defence | Aircraft cabin noise control apparatus |
| US5170433A (en) * | 1986-10-07 | 1992-12-08 | Adaptive Control Limited | Active vibration control |
| US4815139A (en) * | 1988-03-16 | 1989-03-21 | Nelson Industries, Inc. | Active acoustic attenuation system for higher order mode non-uniform sound field in a duct |
| US5033082A (en) * | 1989-07-31 | 1991-07-16 | Nelson Industries, Inc. | Communication system with active noise cancellation |
| US4987598A (en) * | 1990-05-03 | 1991-01-22 | Nelson Industries | Active acoustic attenuation system with overall modeling |
| US5313407A (en) * | 1992-06-03 | 1994-05-17 | Ford Motor Company | Integrated active vibration cancellation and machine diagnostic system |
| US5386689A (en) * | 1992-10-13 | 1995-02-07 | Noises Off, Inc. | Active gas turbine (jet) engine noise suppression |
| JP3345930B2 (ja) * | 1993-01-06 | 2002-11-18 | 日産自動車株式会社 | アクティブコントロール装置 |
-
1995
- 1995-11-30 JP JP31217395A patent/JP3654980B2/ja not_active Expired - Lifetime
-
1996
- 1996-11-27 US US08/758,260 patent/US5949890A/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105244016A (zh) * | 2015-11-19 | 2016-01-13 | 清华大学深圳研究生院 | 主动降噪系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US5949890A (en) | 1999-09-07 |
| JPH09152874A (ja) | 1997-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS62193310A (ja) | 能動減衰装置 | |
| JPH01274598A (ja) | 高次モード不均等音場用の音響積極減衰装置 | |
| Das et al. | Nonlinear active noise control for headrest using virtual microphone control | |
| CN110246480A (zh) | 利用对角化滤波器矩阵的主动噪声消除系统 | |
| Shi et al. | Analysis of multichannel virtual sensing active noise control to overcome spatial correlation and causality constraints | |
| Das et al. | Performance evaluation of an active headrest using the remote microphone technique | |
| Das et al. | A nonlinear active noise control algorithm for virtual microphones controlling chaotic noise | |
| EP0789900B1 (en) | Reduction of computational burden of adaptively updating control filter(s) in active systems | |
| JP3654980B2 (ja) | 能動騒音制御装置及び波形変換装置 | |
| CN108428444A (zh) | 一种补偿次级声源近场影响的紧凑有源吸声方法 | |
| JPH06195089A (ja) | 騒音キャンセル方式 | |
| JP3590096B2 (ja) | 騒音キャンセルシステム | |
| Huynh et al. | A novel adaptive neural controller for narrowband active noise control systems | |
| Dong et al. | Distributed wave-domain active noise control based on the diffusion strategy | |
| JPH0844375A (ja) | 騒音消去装置及び騒音消去方法 | |
| Bagha et al. | Reference Microphone Free Active Headrest System for Noise Containing Varying Frequency Tonal Components | |
| JP3432845B2 (ja) | 騒音キャンセル方式 | |
| Das et al. | Nonlinear active noise control with virtual sensing technique | |
| Manikandan | Literature survey of active noise control systems | |
| Zangi | Optimal feedback control formulation of the active noise cancellation problem: pointwise and distributed | |
| JPH08179782A (ja) | 能動的消音装置 | |
| JP3532582B2 (ja) | 騒音キャンセル装置 | |
| JPH10247087A (ja) | 三次元空間の能動騒音／振動制御システム及びその事前学習方法 | |
| Turpati et al. | Implementation of robust virtual sensing algorithm in active noise control to improve silence zone | |
| Pradhan | Computationally efficient adaptive algorithms for active control systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040427 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040706 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040902 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050301 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050302 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080311 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090311 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100311 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100311 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110311 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110311 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120311 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130311 Year of fee payment: 8 |