汽车车内噪声主动控制变步长NFB-LMS算法

为规避最小均方（Least Mean Square,LMS）算法不能同时提高收敛速度和降低稳态误差的固有缺陷,以及已有变步长LMS算法存在收敛速度慢和稳态误差估计精度差的问题,文中提出了一种基于变步长归一化频域块（Normalized Frequency-domain Block,NFB） LMS算法的汽车车内噪声主动控制方法。为了比较,应用传统的LMS算法、基于反正切函数的变步长LMS算法和变步长NFB-LMS算法分别进行实测汽车车内噪声的主动控制。结果表明,与其他两个算法相比,变步长NFB-LMS算法的收敛速度提高了70%以上,稳态误差减小了90%以上。变步长NFB-LMS算法在处理车内噪声信号时具有很高的效率,为进行汽车车内噪声主动控制提供了一种新方法。     

车内噪声主动控制算法研究

为了能更好地实现对车内噪声的控制，提出了一种基于sym6小波的离散小波变换（DWT）,将其与FxLMS结合形成DWT-FxLMS主动噪声控制算法，并构建相应的主动噪声控制（ANC）系统模型。将采集的车内噪声作为参考噪声源，参考信号经由Mallat塔式算法实现的离散小波变换分解为具有多分辨率的多个子带，再由FxLMS算法处理，最终经离散小波逆变换实现信号的重构。利用计算机仿真分析该算法对车内噪声的控制效果并与时域FxLMS算法（TD-FxLMS）和频域FxLMS算法（FD-FxLMS）进行比较。结果表明，与TD-FxLMS算法相比，DWT-FxLMS算法大大降低了计算复杂性且收敛性更好；与FD-FxLMS算法相比，DWT-FxLMS算法能有效地消除稳态和非稳态噪声，而FD-FxLMS算法无法有效消除非稳态噪声。     

基于延时陷波算法的车内主动噪声控制

传统车内主动噪声控制(Active Noise Control,ANC)中使用的 FxLMS(Filtered-x Least Mean Square)算法,计算量较大,所需硬件成本相对较高,不利于批量生产。因此文章提出一种使用参考信号与滤波参考信号数字合成的改进自适应陷波方案,弥补了次级通路延时模型在相位误差方面的缺陷,同时具有结构简单、计算量小的优点。最后,基于 CompactRIO建立了车内双通道延时陷波窄带 ANC系统,进行车辆定置发动机定转速与行驶过程急加速两种工况下的实车道路试验。试验结果表明,所提方案的主动噪声控制效果良好,急加速工况下,车内噪声总声压级最高仍可降低 8.46 dB(A),为主动噪声控制的工程应用提供了参考。     

车内噪声主动控制变步长LMS算法

通过对轨道车辆车内含噪样本数据的分析,应用步长因子μ(n)与误差信号e(n)呈正弦函数关系的变步长LMS算法。分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行车内噪声主动控制。结果表明,提出的变步长LMS算法解决了LMS算法因固定步长不能同时兼顾算法收敛速度和稳态误差的固有缺陷,具有更快的算法收敛速度和较小的稳态误差。     

一台高强化柴油机排气噪声有源控制实验研究

柴油机噪声使操作人员工作环境恶化,长期还危害操作人员的身体健康。排气噪声对柴油机整机噪声贡献很大,本文设计了一套自适应有源噪声控制（Adaptive Active Noise Control）系统用于控制排气噪声,实验结果表明该系统效果良好。     

极限梯度提升声品质预测模型在车内噪声主动控制中的运用

针对特种车车内噪声声品质提升问题，利用极限梯度提升（XGBoost）算法建立声品质预测模型，模型预测值与实际主观评价值的平均相对误差为2.43%，分析得到客观参数对主观分数的影响权重；针对车内噪声非线性、非平稳性的特点，提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）和滤波-x最小均方（Filtered-x Least Mean Square, FxLMS）算法相结合的主动控制方法，预测模型结果表明，主观分数提升2.11，提升幅度为26.6%。此方法对特种车内噪声非线性、非平稳性具有良好的控制效果，能有效改善车内声品质。     

VS-MFxLMS算法及其在汽车车内噪声有源控制中的应用

为提高经典VS-FxLMS算法的收敛性能以及规避MFxLMS算法不能同时兼顾收敛速度和稳态误差的缺陷,结合修反正切函数和归一化的方法,提出了一种可用于汽车车内噪声有源控制的VS-MFxLMS算法。应用MFxLMS算法、VS-FxLMS算法和VS-MFxLMS算法分别进行汽车车内噪声有源控制仿真实验。噪声有源控制结果的比较表明,与MFxLMS算法相比,VS-MFxLMS算法的收敛速度提高了1.5倍以上,稳态误差降低55%以上;与VS-FxLMS算法相比,VS-MFxLMS算法的收敛速度提高了25%以上,稳态误差降低了28%以上;为汽车车内噪声的有源控制提供了一种新方法。     

组合步长的改进仿射投影主动噪声控制算法

为了改善在主动噪声控制(Active Noise Control,ANC)中由不平稳脉冲噪声引起的经典仿射投影算法稳态误差高的缺陷,利用鲁棒类M估计器代价函数对误差信号的饱和特性,将其与权重向量的L2范数约束相结合,提出类M估计器函数仿射投影算法。该算法的收敛精度相较于经典符号仿射投影算法提升3.2 dB。为了进一步提升收敛速度,将组合步长技术引入上述算法来自适应调节权重约束中的步长参数,调节收敛速度与稳态误差之间的矛盾。仿真结果表明,最终提出的算法突破固定步长的限制,可实现更快的收敛速率和更低的稳态误差,相较于已有仿射投影算法,在收敛速度方面提升2倍,在收敛精度方面提高10 d B。该算法可为之后仿射投影算法的研究提供理论指导和实验依据。     

误差非线性函数的变步长FxLMS算法研究

滤波-x最小均方（Filtered-x Least Mean Square,FxLMS）算法是主动噪声控制的经典算法,其存在收敛速度与稳态误差不可兼得的问题,解决方法之一是采用变步长FxLMS算法。总结了现有的基于误差非线性函数的变步长模型,并将其应用于FxLMS算法以改善算法性能。用三种常见的噪声作为参考输入信号进行仿真试验,对比了不同非线性函数变步长算法的性能。结果表明,变步长FxLMS算法能有效改善参考信号为高斯白噪声和正弦波时的收敛速度和稳态误差,且不同噪声环境下最优算法不同,但此类算法无法提升噪声源为冲击噪声时的性能。这为不同应用场景下算法的选取提供了参考。将变步长FxLMS算法应用于某车型的发动机主动噪声控制,结果表明,变步长FxLMS能显著提高定速工况的系统性能,但对急加速工况效果并不明显。     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

车内噪声综合烦躁度模糊综合评价

以车内噪声为研究对象,研究了声品质的主观模糊综合评价方法。根据汽车车内噪声测量标准设计噪声采集方案,对平稳和非平稳车内噪声进行了数据采集、信号预处理,建立噪声样本数据库。采用参考语义细分法对四款汽车车内噪声的综合烦躁度进行主观评价试验研究,基于主观评价试验结果和模糊综合算法,建立了综合烦躁度模糊综合评价模型,可以计算出整车噪声综合烦躁度总值。结果表明不同车型有其自身的声品质特征。所提出的方法可用于实施不同车辆的声品质比较和评判。     

An improved maximum power point tracking method for a photovoltaic system

In this paper, an improved auto-scaling variable step-size Maximum Power Point Tracking (MPPT) method for photovoltaic (PV) system was proposed. To achieve simultaneously a fast dynamic response and stable steady-state power, a first improvement was made on the step-size scaling function of the duty cycle that controls the converter. An algorithm was secondly proposed to address wrong decision that may be made at an abrupt change of the irradiation. The proposed auto-scaling variable step-size approach was compared to some various other approaches from the literature such as: classical fixed step-size, variable step-size and a recent auto-scaling variable step-size maximum power point tracking approaches. The simulation results obtained by MATLAB/SIMULINK were given and discussed for validation.     

车内噪声听觉时域掩蔽主动控制LMS算法

在传统噪声主动控制LMS算法基础上,考虑人耳听觉感知的后掩蔽效应,推导出Post-masking LMS算法。以汽车车内噪声主动降噪为例,分别采用LMS与Post-masking LMS算法,在Matlab环境中对实测的不同车速下车内噪声信号进行有源噪声控制仿真试验,结果表明Post-masking LMS算法能在传统LMS算法的基础上进一步降低车内噪声响度水平,具有更好的降噪效果和主观听觉感受。     

Simple and robust analytically derived variable step-size least mean squares algorithm for channel estimation

A new variable step-size least mean squares (VSS-LMS) algorithm for the estimation of frequency selective communications channels is herein presented. In contrast to previous works, in which the step-size adaptation is based on the instantaneous samples of the error signal, this algorithm is derived on the basis of analytical minimisation of the ensemble-averaged mean-square weight error. A very simple rule for step-size adaptation is obtained, using a small number of communication system parameters. This is another significant difference from other proposals, in which a large number of control parameters should be tuned for proper use. The algorithm here proposed is shown to be applicable to both time-varying and time-invariant scenarios. While the lack of a termination rule for step-size adaptation is a common characteristic of other schemes, the algorithm here presented adopts a criterion for stopping the step-size adaptation that assures optimal steadystate performance and leads to large computational savings. A simulation-based performance comparison with other VSS-LMS schemes is provided, including their application to maximum likelihood sequence estimation receivers using per survivor processing (MLSE/PSP). The results show that the algorithm proposed in this work has good performance characteristics and a very low computational cost, specially in the application to MLSE/ PSP receivers. Besides, this algorithm is shown to be robust to changes in the signal-to-noise ratio (SNR).     

一种变步长的自适应特征值分解时延估计方法

在房间声场环境下基于传声器阵列的说话人定位中,时延估计算法是其中的关键步骤。与其它常用时延估计方法相比,自适应特征值分解（Adaptive Eigenvalue Decomposition,AED）时延估计算法因其优越的抗混响性能受到越来越多的关注。但在受噪声和混响干扰的语音条件下,传统的自适应特征值分解算法收敛速度较慢,对初值敏感。通过引进动量因式,提出了一种变步长的特征值分解算法,通过理论分析和仿真实验,证实了新算法的收敛性能要优于传统的特征值分解算法,节省收敛时间,使算法的整体性能有所提高。