一种适用于抑制发动机噪声的主动控制方法

1.本发明属于有源噪声控制的技术领域，具体涉及一种适用于抑制发动机噪声的主动控制方法。


背景技术：

2.有源噪声控制(active noise control)技术具有自适应、低频有效和相比被动吸声材料增重低而更符合轻量化设计等优点，近年来在车载噪声控制方向引起广泛关注。发动机噪声是汽车噪声的主要成分之一，兼具单频特性和低频段属性，且因其频率特性直接与发动机转速相关联而容易获得参考信号，满足前馈控制策略。
3.前馈算法常用滤波-x最小均方(filtered-x least mean square，fxlms)算法，该算法因其结构简单、鲁棒性好，常应用于发动机噪声控制中。然而，车内声场环境复杂，使得目标频段内次级路径频响波动大，限制了fxlms算法的步长上限，进而影响了fxlms算法的收敛速度，使得其对动态变化的发动机噪声跟踪性能受限。此外，快速变化的发动机噪声还会带来频率失调的问题，这也会带来系统降噪效果的减弱。
4.针对这一问题，人们做了很多改进用于提升fxlms算法的收敛速度，如thomas等使用特征值均衡的方法(j.k.thomas,s.p.lovstedt,j.d.blotter,and s.d.sommerfeldt,"eigenvalue equalization filtered-x algorithm for the multichannel active noise control of stationary and nonstationary signals,"the journal of the acoustical society of america,123(6),4238-4249(2008))，根据原参考信号构成的自相关矩阵的特征值分布情况来调整滤波参考信号幅度，使调整后的参考信号构成的自相关矩阵特征值分布均匀，从而增大系统收敛步长；huang和pritzker等分别通过变步长的方法(vss-fxlms)或动态调整控制滤波器的长度(vl-fxlms)来加速收敛(b.huang,y.xiao,j.sun,and g.wei,"avariable step-size fxlms algorithm for narrowband active noise control,"ieee transactions on audio,speech,and language processing,21(2),301-312(2012)；z.pritzker and a.feuer,"variable length stochastic gradient algorithm,"ieee transactions on signal processing,39(4),997-1001(1991))。但这些方法有的针对固定频率有改善，对于变化的单频信号效果不佳，有的增加了运算量或复杂了实现结构。较大的运算量或复杂的结构都可能带来较高的系统成本，甚至无法实现，尤其是对于需要使用多通道系统的应用情况。
5.基于此，有必要针对发动机噪声有源控制系统，提供一种既能迅速跟踪又能在目标频率有效收敛，且计算量较小的方法。


技术实现要素：

6.针对现有技术中存在的上述技术问题，本发明提出了一种适用于抑制发动机噪声的主动控制方法。不同于fxlms算法只考虑期望信号端存在噪声的情况，该方法同时约束了参考信号端和期望信号端的噪声，使得该方法能够在输入输出均存在噪声时仍能收敛至最
优解，而同样的配置下，fxlms算法仅能收敛至次优解。本发明提出的方法为单频噪声构建了性能更为优越的陷波滤波器，使之带宽更宽、陷波更深，从而对连续变化的发动机噪声实现良好的跟踪和控制性能。
7.本发明采用的技术方案为：
8.一种适用于抑制发动机噪声的主动控制方法，包括如下步骤：
9.(1)测量车内头靠系统的次级路径传递函数单位冲激响应c，得到估计的次级路径传递函数根据初级路径p，匹配出合适的控制滤波器w；
10.(2)通过公式计算经过滤波的含噪参考信号其中为含噪参考信号，x(n)为纯净参考信号，δx(n)为参考信号端的扰动噪声信号，n为时间序列，m为次级路径单位冲激响应阶数，t为转置符号；通过公式得到含噪期望信号，其中d(n)为纯净期望信号，δd(n)为期望信号端的扰动噪声信号；将经过滤波的含噪参考信号和含噪期望信号共同构成一个数据扩展矩阵基于控制滤波器系数w构建(n+1)
×
1维的参数扩展矩阵其中w＝[w(0),w(1),...w(n-1)]
t
，n为控制滤波器阶数；
[0011]
(3)根据传统的线性回归方法，最小化扩展矩阵的均方值，从而得到算法的代价函数其中为扩展矩阵的自相关矩阵；
[0012]
(4)使用瞬态误差e(n)的能量代替期望误差能量，最小化所述代价函数，用随机梯度下降的方法得到控制滤波器的递归更新公式表示第n次更新迭代；
[0013]
(5)为保证初始条件每次完成更新后，需要根据更新得到的的最后一位系数对进行一次归一化操作，最终得到控制滤波器w
n+1
的更新值
[0014]
(6)不断迭代控制滤波器系数wn，使得所述代价函数最小。
[0015]
本发明相比现有技术，具有以下有益效果：
[0016]
(1)本发明提出的方法与fxlms算法相比，在输入输出均含噪的情况下，能够收敛至最优解，更适用于车内复杂嘈杂的环境，可有效跟踪发动机噪声变化，自适应以达到最优结果。
[0017]
(2)本发明与fxlms算法相比，能够实现更宽更深的陷波效应，从而对快速变化的发动机噪声有优越的追踪性能和降噪表现。
[0018]
(3)本发明与一般用于提升fxlms收敛速度的变步长算法相比，结构简单且运算量需求更低；本发明方法基本保持了fxlms算法的原本架构，仅在控制滤波器的系数更新部分
有变动，便于进行算法更替，对实用友好。
附图说明
[0019]
图1是本发明方法的流程框图。
[0020]
图2是车内头靠系统的布放图。
[0021]
图3是本发明方法与传统fxlms算法在200hz单频处构成的陷波滤波器对比图；
[0022]
图4是本发明方法与使用传统fxlms算法对加速状态下的发动机噪声降噪前后噪声信号幅度对比图；
[0023]
图5是本发明方法与使用传统fxlms算法对加速状态下的发动机噪声进行降噪的2阶次的声压级切片图；
[0024]
图6是本发明方法与使用传统fxlms算法对加速状态下的发动机噪声进行降噪的3阶次的声压级切片图；
[0025]
图7是本发明方法与使用传统fxlms算法对加速状态下的发动机噪声进行降噪的4阶次的声压级切片图。
具体实施方式
[0026]
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本技术所附权利要求所限定的范围。
[0027]
本实施例提供一种适用于抑制发动机噪声的主动控制方法，流程框图如图1所示，通过以下技术方案来实现：
[0028]
(1)测量车内头靠系统的次级路径传递函数单位冲激响应c，得到估计的次级路径传递函数可根据初级路径p，匹配出合适的控制滤波器w；
[0029]
(2)通过公式计算经过滤波的含噪参考信号，其中为含噪参考信号，x(n)为纯净参考信号，δx(n)为扰动噪声信号，n为时间序列，m为次级路径单位冲激响应阶数，t为转置符号；通过公式得到含噪期望信号，其中d(n)为纯净期望信号，δd(n)为期望信号端的扰动噪声信号；将经过滤波的含噪参考信号和含噪期望信号共同构成一个数据扩展矩阵基于控制滤波器w构建(n+1)
×
1维的参数扩展矩阵其中w＝[w(0),w(1),...w(n-1)]
t
，n为控制滤波器阶数；
[0030]
(3)根据传统的线性回归方法，最小化的均方值，从而得到算法的代价函数其中为扩展矩阵的自相关矩阵；
[0031]
(4)使用瞬态误差e(n)的能量代替期望误差能量，最小化代价函数，用梯度下降的
方法得到控制滤波器的递归更新公式n为时间序列，表示第n次更新迭代；
[0032]
(5)为保证初始条件每次完成更新后，需要根据更新得到的的最后一位系数对进行一次归一化操作，最终得到控制滤波器w
n+1
的更新值
[0033]
(6)不断迭代控制滤波器系数，使得代价函数最小。
[0034]
根据图1所示的本发明方法的流程框图，其原理简介如下：
[0035]
设定控制滤波器wn的长度为l，迭代步长为μ。根据常用的线性回归方法，得到本发明方法的代价函数的时域形式为：
[0036][0037]
式中为经过滤波的含噪参考信号的自相关矩阵。因此可以将本发明提出的方法归类为最小化求解的问题，
[0038][0039]
使用随机误差能量代替期望误差能量统计，对代价函数进行梯度计算可得
[0040][0041]
进一步简化得到对应的控制滤波器系数更新公式为
[0042][0043]
式中μ为迭代步长。因该算法的代价函数同时约束了参考信号端和期望信号端的误差，因此称之为滤波-x整体最小均方(filtered-x total least mean square)算法，简称fx-tlms算法。
[0044]
下面以加速发动机噪声为例说明本发明的效果。车内有源降噪头靠系统的布置如图2所示，其中，传声器布置在人耳附近，使用扬声器作为次级声源，通过降低人耳附近误差传声器的噪声，在人耳附近产生静区。每只耳朵使用一个控制通道，包含一个次级声源和一个误差传声器，车内头靠系统的次级声源和误差传声器均集成于汽车座椅头枕中。
[0045]
为了说明本发明方法的优点，以下使用仿真对比的方法对传统的fxlms算法和本发明提出的fx-tlms算法的稳态性能进行比较验证。使用上述车内的有源降噪头靠系统实测的传递函数进行仿真，先使用200hz单频噪声经过一个满足系统因果性的初级路径滤波后的信号作为初级噪声，对比了两种算法的闭环传递函数响应，然后使用车内实测发动机噪声信号作为初级噪声进行降噪控制。自适应控制滤波器长度l＝128，迭代步长μ选择保证
系统稳定收敛的情况下收敛速度最快的值。初级噪声为200hz单频时，fxlms算法和fx-tlms算法各自的步长分别为5e-4和1e-3；初级噪声为实测发动机加速噪声时，两种算法各自的步长分别为8e-4和5e-3，两种算法的闭环传递函数对比图如图3所示，使用两种算法分别收敛后的降噪前后误差信号对比结果和2～4阶次声压级切片图如图4～图7所示。
[0046]
图3显示：相比于传统的fxlms算法，本发明提出的方法在目标频率的闭环传递函数具有更宽更深的陷波效应，且对目标频率周边频段有明显的抑制效果，这说明本发明提出的方法在目标频率的降噪会更为有效，同时对存在频率偏移的情况也能有良好的降噪效果。
[0047]
图4～图7显示：在发动机噪声控制的应用场景下，相比于传统fxlms算法，本发明提出的方法，其误差传声器处的时域信号变化结果显示，该算法在整个加速阶段均有很好的控制效果，控制后的误差信号幅度明显小于fxlms算法。从切片图的结果来看，相比于关闭有源噪声控制(anc)算法的原始噪声声压级(图4～图7中的anc-off所示曲线)，使用两种算法后，二阶次发动机噪声均得到明显的抑制，而本发明提出的方法对二阶次发动机噪声的控制性能明显更优越。此外，fxlms算法在发动机噪声的3、4阶次会有明显抬升，而fx-tlms算法则对3、4阶次发动机噪声则有明显的降噪效果，这也跟图3中的两种算法的闭环传递函数比对结果吻合，从而也验证了本发明提出的方法的优势。
[0048]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。