基于粒子群优化的有源噪声控制方法研究

发布时间：2017-04-30 04:09

  本文关键词：基于粒子群优化的有源噪声控制方法研究，由笔耕文化传播整理发布。

【摘要】：噪声污染作为亟待解决的环境问题严重影响着人们生产生活的各个方面,并且已经成为制约社会经济发展的突出问题。相较于常规噪声控制技术,有源噪声控制技术因其在低频段噪声中的控制优势而得到广泛地应用。经典的有源噪声控制方法需要预先估计次级声通道的模型,这不但增加了控制系统的复杂度,而且还影响着系统的稳定性。基于粒子群优化算法的有源噪声控制方法虽然能够避免对于次级声通道的预先估计,但其全局收敛速度和全局优化精度仍有待进一步提升。为改善基于粒子群算法的有源噪声控制系统的性能,本文提出了一种改进型粒子群算法,并重点围绕基于改进型粒子群算法的有源噪声控制方法开展研究工作。首先阐述了有源噪声控制技术的理论基础,包括声学理论、自适应滤波器理论以及有源噪声控制系统理论,并结合实际给出了有源噪声控制系统的设计方案。其次,对经典有源噪声控制算法进行了探讨,分析了经典算法需要预先估计次级声通道模型的原因,介绍了经典算法的基本原理及收敛条件,并在此基础上给出了几种改进的经典有源噪声控制算法,相应的仿真结果验证了对于经典有源噪声控制算法的理论分析,同时也说明了经典算法存在应变能力不足的缺点。然后,在对基本粒子群算法相关性能进行分析的基础上提出了一种改进型粒子群算法,该算法在三个方面作了改进,包括动态改变惯性权重、个体最优均值替代个体最优以及设定触发条件应对声通道突变。基于改进型粒子群算法设计了一种新的有源噪声控制方法,分析了该方法的主要步骤及其与经典有源噪声控制方法的区别,通过仿真比较的结果说明了该方法较基于现有粒子群算法的有源噪声控制方法具有更快的全局收敛速度及更高的全局优化精度,同时该方法的应变能力也优于经典有源噪声控制方法及基于现有粒子群算法的有源噪声方法。最后,利用音频接口等相关设备搭建了实验平台,完成了初级噪声的时频域分析,并设计了相应的实验方案。在次级声通道离线建模实验中,最小均方算法较为准确地估计了次级声通道的模型;在对消实验中,改进型粒子群算法和经典有源噪声控制算法都取得了良好的降噪效果且改进型粒子群算法具有更高的降噪幅度;在降噪实验中,分别利用改进型粒子群算法和经典有源噪声控制算法设计开发的两种降噪系统都能够明显衰减初级噪声且具有一定通用性。
【关键词】：有源噪声控制 粒子群优化算法 次级声通道 经典有源噪声控制算法
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB535
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 绪论11-19
• 1.1 课题背景及研究意义11-13
• 1.2 国内外研究历史及发展状况13-17
• 1.2.1 粒子群优化算法的研究历史及发展状况13-15
• 1.2.2 有源噪声控制技术的研究历史及发展状况15-17
• 1.3 课题的研究内容17-19
• 第2章 有源噪声控制技术理论基础19-34
• 2.1 有源噪声控制的声学基础19-23
• 2.1.1 声波的基本属性19-20
• 2.1.2 声压与声压级20-21
• 2.1.3 相消干涉原理21-23
• 2.2 自适应滤波器理论23-27
• 2.2.1 自适应滤波器的特点23-25
• 2.2.2 自适应滤波器的应用25-27
• 2.3 有源噪声控制系统理论27-30
• 2.3.1 有源噪声控制原理28
• 2.3.2 有源噪声控制系统结构28-30
• 2.4 ANC系统设计方案30-32
• 2.5 本章小结32-34
• 第3章 经典的有源噪声控制算法34-51
• 3.1 LMS算法34-39
• 3.1.1 LMS算法的基本原理34-36
• 3.1.2 LMS算法的收敛条件36-37
• 3.1.3 LMS算法的性能分析37-39
• 3.2 次级声通道建模39-41
• 3.2.1 次级声通道离线建模39-40
• 3.2.2 次级声通道在线建模40-41
• 3.3 FXLMS算法及其改进41-46
• 3.3.1 Fx LMS算法的推导41-43
• 3.3.2 Fx LMS算法的稳定性43
• 3.3.3 Fx LMS算法的基本步骤43-44
• 3.3.4 Fx LMS算法的改进44-46
• 3.4 仿真实验及结果分析46-50
• 3.4.1 次级声通道离线建模46-47
• 3.4.2 经典ANC方法降噪仿真47-49
• 3.4.3 经典ANC方法应变能力仿真49-50
• 3.5 本章小结50-51
• 第4章 基于粒子群优化的有源噪声控制51-67
• 4.1 基本粒子群优化算法51-55
• 4.1.1 算法数学描述51-52
• 4.1.2 算法流程52-53
• 4.1.3 算法参数53-54
• 4.1.4 算法收敛性分析54-55
• 4.2 改进型重新初始化粒子群算法55-58
• 4.2.1 动态改变惯性权重55-56
• 4.2.2 个体最优均值替代个体最优56
• 4.2.3 应对声通道突变的改进56-57
• 4.2.4 算法流程57-58
• 4.3 基于MRPSO算法的有源噪声控制58-60
• 4.3.1 基于MRPSO算法的ANC方法58-59
• 4.3.2 基于MRPSO的ANC方法的特点59
• 4.3.3 基于MRPSO的ANC方法的主要步骤59-60
• 4.3.4 基于MRPSO的ANC方法与经典ANC方法的区别60
• 4.4 仿真实验及结果分析60-66
• 4.4.1 基于MRPSO的ANC方法的降噪仿真61
• 4.4.2 基本控制效果的比较61-63
• 4.4.3 应变能力的比较63-64
• 4.4.4 基于MRPSO的ANC方法与经典ANC方法的比较64-66
• 4.5 本章小结66-67
• 第5章 实验方案与结果分析67-85
• 5.1 实验方案设计67-73
• 5.1.1 实验平台介绍67-70
• 5.1.2 噪声的时频域分析70-71
• 5.1.3 硬件实验方案71-73
• 5.2 次级声通道离线建模73-74
• 5.3 对消实验及结果分析74-78
• 5.3.1 计算控制信号74-75
• 5.3.2 对消降噪及结果分析75-78
• 5.4 降噪实验及结果分析78-83
• 5.4.1 基于MRPSO的ANC方法降噪实验及结果分析78-80
• 5.4.2 经典ANC方法降噪实验及结果分析80-83
• 5.5 本章小结83-85
• 结论85-87
• 参考文献87-92
• 攻读硕士学位期间发表的论文及其它成果92-94
• 致谢94

【参考文献】

中国期刊全文数据库 前3条

1 潘峰;周倩;李位星;高琪;;标准粒子群优化算法的马尔科夫链分析[J];自动化学报;2013年04期

2 刘会灯;邱阿瑞;;管道噪声有源控制系统的次级声源和误差传感器位置优化[J];清华大学学报(自然科学版);2011年03期

3 马欢;李文皓;肖歆昕;刘宏;蒋再男;;空间机器人惯性参数辨识的粒子群优化新算法[J];宇航学报;2015年03期

中国硕士学位论文全文数据库 前1条

1 马伟富;自适应LMS算法的研究及应用[D];四川大学;2005年

  本文关键词：基于粒子群优化的有源噪声控制方法研究，由笔耕文化传播整理发布。

，

本文编号：336201