一种含次级通道在线辨识的窄带主动噪声控制系统

４管道实验系统
本文通过设计了一维管道实验系统，模拟真实的管道 系统，如图５所示。图５中，初级噪声源信号由硬件电路 （１６位定点ＴＭＳ３２０ＶＣ５５０９ ＤＳＰ和ｒＩ＇Ｉ公司ＭＣ２３Ｂ语音芯 片）产生。其中，语音芯片内置ＭＩＣ前置放大电路、抗混叠 滤波电路、ＡＤＣ电路和ＤＡＣ电路，可以通过对其寄存器设 计获得适合的输入输出参数。从ＤＳＰ产生的正弦信号通 过功率放大器驱动扬声器在管道上游产生固定频率的初 级噪声。误差传声器选用ＥＣＲ２０１型驻极体传声器，其频 响范围为８０一１４ ０００ Ｈｚ，灵敏度为（一３４±２）ｄＢ（２０ ＭＶ／ Ｐａ），用以采集初级噪声和次级噪声在管道下游干涉相消 后的残余噪声。整个系统实物装置如图６所示¨２。”１。
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐｒｉｎｃｉｐｌｅ，ｉｍｐｏｒｔａｎｃｅ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｓｔａｔｕｓ ｏｆ ａｃｔｉｖｅ ｎｏｉｓｅ ｃｏｎｔｒｏｌ（ＡＮＣ）ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｉｎｔｒｏ－
ｄｕｅｅｄ，ｗｈｉｃｈ ｉｓ ｂａｓｅｄ ｏｎ ｃａｎｃｅｌｉｎｇ ｔｈｅ ｓｉｎｕｓｏｉｄａｌ ｎｏｉｓｅ ｇｅｎｅｒａｔｅｄ ｂｙ ｒｏｔａｔｉｎｇ ｍａｃｈｉｎｅｓ．Ｔｈｉｓ ｔｅｃｈｎｉｑｕｅ ｅｓｐｅｃｉａｌｌｙ
引言
噪声不仅损害听力，影响心理健康，而且工业中高强 度的噪声能够引起某些机械设备和结构的声疲劳。降低 其使用寿命。
收稿日｜明：２０１０４３８
Ｒｅｃｅｉｖｅｄ Ｄａｔｅ：２０１０－０８
·基金项目：黑自项目：黑龙江省自然科学基金（Ｆ２０１０２７）资助项目
管道是噪声广泛存在的一类声学环境，如通风、取暖 和空调系统等。管道一端的送风机或者马达等产生的噪 声能够通过管道出口传出，同时，这些噪声往往能够引起 管道本身的振动，延管道产生另外的噪声向外辐射。对 于某些场合，如会议室等，为营造安静舒适的环境，有效 消除这种管道噪声十分重要。对于高频成分，采用传统
得到图４结果的主要仿真条件包括：初级噪声频率 ∞＝０．１＇ｔｒ，该频率的ＤＦＣ值为ａ＝２．０，ｂ＝一１．０；初级 噪声中额外噪声能量盯．２＝０．Ｏｌ，用于次级通道在线辨
识的辅助噪声能量盯：＝０．２５；次级通道为一个２４阶 （Ｍ＝２５），截至频率为０．４叮ｒ的ＦＩＲ低通滤波器，而其
估计没定为一个２０阶（Ｍ＝２１）的ＦＩＲ滤波器；仿真中 通过４０次叠加平均逼近理论集合平均值。
图１前馈型ＡＮＣ系统（一维管道） Ｆｉｇ．１ Ｆｅｅｄｆｏｒｗａｒｄ ＡＮＣ ｓｙｓｔｅｍ ｆｏｒ ｓｉｎｇｌｅ ｃｈａｎｎｅｌ
ｉｎ ａ ＯＲｅ－ｄｉｍｅｎｓｉｏｎａｌ ｄｕｃｔ
图３ 含次级通道在线辨识的单频率通道窄带ＡＮＣ系统 Ｆｉｇ．３ Ｎａｒｒｏｗｂａｎｄ ＡＮＣ ｓｙｓｔｅｍ ｗｉｔｈ ｏｎｌｉｎｅ ｓ∞ｏｎｄａｒｙ－ｐａｔｈ
（１１）
，，（乃）＝三（ｎ）茗。（ｎ）＋ｂ（ｎ）聋５（ｎ）－Ｉ ｅ（ｎ—１）ｌ口（ｎｉｔ） （１２）
为定性说明加入Ｉ ｅ（ｎ—１）Ｉ后系统对噪声抑制效 果有明显改善，图４给出一个计算仿真结果。
ｍ
５
ｏ
巧
ｍ 蕾Ｐ，韫譬《鼷 ：罕
埘 岱
迭代步敦 图４辅助噪声约束前后残余噪声水平 Ｆｉｇ．４ Ｒｅｓｉｄｕａｌ ｎｏｉｓｅ ｌｅｖｅｌｓ ｂｅｆｏｒｅ ａｎｄ ａｆｔｅｒ ａｕｘｉｌｉａｒｙ ｎｏｉｓｅ ｉｓ ｓｅａｌｅｄ ｂｙ ｏｎｅ－ｓａｍｐｌｅ－ｄｅｌａｙ ａｂｓｏｌｕｔｅ ｖａｌｕｅ ｏｆ ｔｈｅ ｒｅｓｉｄｕａｌ ｎｏｉｓｅ
（９）
式中：肛为更新步长。由图３可知，系统误差ｅ（ｎ）及次
级通道辨识误差ｅ０（凡）通过下式计算得到：
Ｍ—Ｊ
ｅ（几）＝Ｊｐ（ｎ）一耳（ｎ）＝ｐ（ｎ）一∑ｓｊｙ（ｎ一＿『）（１０）
』＝０
量．‘
％（ｎ）＝口（，１）一），，（ｎ）＝ｅ（ｎ）一∑；。（ｎ）Ｉ ｅ（ｎ—
ｌ—ｍ）Ｉ ｔ，（ｎ一，，１） 次级源Ｙ（ｎ）表示为：
一一ｌ
Ｓ（：）＝ ∑甲。
（６）
』＝Ｏ
式中：｛ｓ，｝等为Ｓ（ｚ）的单位脉冲响应系数。ｎ时刻，相
应的次级通道估计表示为：
量一ｌ
．
ｓ。（ｚ）＝∑；。（ｎ）名一
（７）
控制滤波器权值更新的ＦＸＬＭＳ算法由下式表示：
ａ（ｎ＋１）＝五（ｎ）＋肛ｅ（，１）；。（ｎ）
（８）
６（ｎ＋１）＝６（凡）＋ｐｅ（厅）茹。（ｎ）
次级噪声
残余噪声
初级噪声
图２噪声相消干涉
Ｆｉｇ．２ Ｐｒｉｎｃｉｐｌｅ ｏｆ ｔｈｅ ｄｅｓｔｒｕｃｔｉｖｅ ｉｎｔｅｒｆｅｒｅｎｃｅ ｏｆ ｎｏｉｓｅ
３含次级通道在线辨识的窄带ＡＮＣ系统
考虑主动噪声控制对象为单频目标噪声，同时为提 高系统自适应性，利用在线系统辨识技术对次级通道进 行辨识，相应的ＡＮＣ系统如图３所示。
ｍｏｄｅｌｉｎｇ ｆｏｒ ｓｉｎｇｌｅ ｃｈａｎｎｅｌ ｎｏｉｓｅ
图３中，初级噪声Ｐ（ｎ）表示成：
ｐ（ｎ）＝似．（ｎ）－４－ｂｘ‘（ｎ）＋％（ｎ）
（１）
式中：
茹．＝ＣＯＳ（∞ｎ），‰＝ｓｉｎ（∞ｎ）
（２）
式中：∞为未知的噪声频率；口、ｂ为该频率噪声信号的离
散傅里叶系数（ＤＦＣ）；额外加性随机噪声％（ｎ）是均值
ｔａｋｅｓ ｔｈｅ ｌｏｗｅｒ ｆｒｅｑｕｅｎｃｙ ｎｏｉｓｅ ｃｏｍｐｏｎｅｎｔｓ ｌｅｓｓ ｔｈａｎ ５００ Ｈｚ ｏｒ ６００ Ｈｚ ａｓ ｔｈｅ ｔａｒｇｅｔ，ａｎｄ ｔｈｅ ｈａｚａｒｄｓ ｏｆ ｔｈｅ ａｃｏｕｓｔｉｃ ｎｏｉｓｅｓ ａｒｅ ａｎａｌｙｚｅｄ．Ｉｎ ｒｅａｌ—ｌｉｆｅ ｓｏｕｎｄ ｆｉｅｌｄ，ｔｈｅ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｕｓｕａｌｌｙ ｉｓ ｎｏｔ ｓｔａｂｌｅ ｂｅｃａｕｓｅ ｔｈｅ ｓｙｓｔｅｍ ｉｓ ｅａｓｙ ｔｏ ｂｅ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｐｏｗｅｒ ｏｆ ｐｒｉｍａｒｙ ｎｏｉｓｅ，ａｍｐｌｉｔｕｄｅ ｏｆ ｒｅｓｉｄｕａｌ ｎｏｉｓｅ ａｎｄ ｅｔｃ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｓｕｌｔｓ ｏｂ－ ｔａｉｎｅｄ ｆｒｏｍ ａｎａｌｙｚｉｎｇ ｔｈｅ ｃｏｎｖｅｒｇｅｎｃｅ ｃｏｎｄｉｔｉｏｎｓ ｏｆ ｔｈｅ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ，ａ ｓｃａｌｅ ｆａｃｔｏｒ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｔｈｅ ｒｅｓｉｄｕａｌ ｎｏｉｓｅ ｓｉｇｎａｌ ａｎｄ ｃｏｎｓｅｑｕｅｎｔｌｙ ｔｈｅ ｓｙｓｔｅｍ ｍｏｄｅｌ ｉｓ ｉｍｐｒｏｖｅｄ．Ｔｏ ｖｅｒｉｆｙ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｍｏｄｉｆｉｅｄ ｓｙｓｔｅｍ，ａ ｈｉｇｌｌ－ｓｐｅｅｄ ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ（ＤＳＰ）－ｂａｓｅｄ ａｃｔｉｖｅ ｎｏｉｓｅ ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ ｏｎｌｉｎｅ ｓｅｃｏｎｄａｒｙ—ｐａｔｈ ｍｏｄｅｌｉｎｇ ｉｓ ｄｅ－ ｓｉｇｎｅｄ ｔｏ ｓｕｐｐｒｅｓｓ ｔｈｅ ｎａｒｒｏｗｂａｎｄ ｎｏｉｓｅ ｉｎ ａ ｏｎｅ—ｄｉｍｅｎｓｉｏｎａｌ ｄｕｅｔ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｎｏｉｓｅ ｒｅｄｕｃ－ ｔｉｏｎ ｉｓ ｕｐ ｔｏ １６ ｄＢ ａｒｏｕｎｄ ｆｒｅｑｕｅｎｃｙ ｂａｎｄ ｏｆ ２５０ ｌ－ｌｚ． Ｋｅｙ ｗｏｒｄｓ：ｎａｒｒｏｗｂａｎｄ ａｃｔｉｖｅ ｎｏｉｓｅ ｃｏｎｔｒｏｌ；ｏｎｌｉｎｅ ｓｅｃｏｎｄａｒｙ·ｐａｔｈ ｍｏｄｅｌｉｎｇ；ＤＳＰ
２管道内的前馈型窄带ＡＮＣ系统
以一维管道为例，对于窄带噪声，前馈型ＡＮＣ系统 结构如图ｌ所示。管道上游由旋转设备产生周期或者近 似周期的初级噪声，为避免消声扬声器可能对参考传声 器产生声反馈，常常利用非声学传感器（如转速计）获取 同步信号（如转速），再通过噪声频率与同步信号之间的 线性关系得到参考信号频率，从而利用函数发生器产生 参考信号。主动噪声控制器在参考信号和误差信号作用 下，通过适当的自适应算法产生次级源信号驱动消声扬 声器，进而产生与初级噪声幅值相同相位相反的次级噪 声，并与初级噪声在误差传声器所在下游相消干涉，产生 静区，达到抑制噪声的目的（如图２所示）。
ቤተ መጻሕፍቲ ባይዱ万方数据
第２期
孙金玮等：一种含次级通道在线辨识的窄带主动噪声控制系统
２５３
被动抑制方法（如吸声石棉等）即可消除。而多数低频 噪声如由送风机或电机旋转产生的噪声（通常低于５００ Ｈｚ或６００ Ｈｚ），被动方法很难有效消除¨…。主动噪声控 制（ＡＮＣ）技术作为被动方法的有利补充，能够有效消除 低频噪声，特别适合于消除具有正弦特性的谐波噪声ｐ１。
２哈尔滨工业大学电气工程系 哈尔滨１５０００１）
摘要：分析了噪声危害设备产牛的谐波噪声，特别是以５００ Ｈｚ或６００ Ｈｚ以下的低频成分为对象，介绍了主动噪声控制 （ＡＮＣ）技术的原理、意义及发展现状。在实际声学场所，由于控制系统易受初级噪声功率、残余噪声幅值等因素影响而不稳 定。在分析控制系统收敛条件的基础上，通过对系统误差引入一个比例因子从而改进系统模型，并以一维管道为实验平台，基 于高速数字信号处理器（ＤＳＰ）设计了含次级通道在线辨识的主动噪声控制器。实验结果表明，在２５０ Ｈｚ左右的频段上能够达 到１６ ｄＢ的降噪效果。 关键词：窄带主动噪声控制；次级通道在线辨识；ＤＳＰ 中图分类号：ＴＪ０１１ 文献标识码：Ａ 国家标准学科分类代码：１４０．２０
第３２卷第２期 ２０１１年２月
仪 器 仪 表 学报
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｓｃｉｅｎｔｉｆｉｃ Ｉｎｓｔｒｕｍｅｎｔ
ＶｏＬ ３２ Ｎｏ．２ Ｆｅｂ．２０１ｌ
一种含次级通道在线辨识的窄带主动噪声控制系统
孙金玮１，孙琳１。刘剑１，于志２ （１ 哈尔滨工业大学自动化测试与控制系哈尔滨１５０００１；
Ｎａｒｒｏｗｂａｎｄ ａｃｔｉｖｅ ｎｏｉｓｅ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｗｉｔｈ ｏｎｌｉｎｅ ｓｅｃｏｎｄａｒｙ－ｐａｔｈ ｍｏｄｅｌｉｎｇ
Ｓｕｎ Ｊｉｎｗｅｉｌ，Ｓｕｎ Ｌｉｎｌ，Ｌｉｕ Ｊｉａｎｌ，Ｙｕ Ｚｈｉ２