非线性主动噪声控制(Active Noise Control,ANC)在汽车降噪、工业降噪等领域中得到广泛应用。基于函数连接型人工神经网络(Functional Link Artificial Neural Network,FLANN)的滤波-s最小均方(Filtered-s Least Mean Square,FsLMS)算...非线性主动噪声控制(Active Noise Control,ANC)在汽车降噪、工业降噪等领域中得到广泛应用。基于函数连接型人工神经网络(Functional Link Artificial Neural Network,FLANN)的滤波-s最小均方(Filtered-s Least Mean Square,FsLMS)算法凭借实现简单、计算复杂度低的优势成为非线性ANC系统中的经典算法。然而,针对脉冲噪声的主动控制,FsLMS算法的降噪性能较差。为了克服这个缺点,通过在FsLMS算法的代价函数中引入Softsign函数框架,提出Softsign FsLMS(SFsLMS)算法,该算法增强了ANC系统的非线性控制能力,同时可以有效解决处理脉冲信号时滤波器更新权值过大而容易发散的问题。最后,通过仿真模拟实验证明了该算法性能表现优于传统方法,尤其是在面对强烈的脉冲噪声时,其展现了出色的降噪能力和较快的收敛速度。展开更多
车载有源噪声控制(active noise control,ANC)系统多基于最小均方(least mean square,LMS)算法来实现,但定步长LMS算法在收敛速度和稳态误差之间存在矛盾。文章基于Softsign函数建立误差与步长之间的非线性关系,提出了一种改进变步长LM...车载有源噪声控制(active noise control,ANC)系统多基于最小均方(least mean square,LMS)算法来实现,但定步长LMS算法在收敛速度和稳态误差之间存在矛盾。文章基于Softsign函数建立误差与步长之间的非线性关系,提出了一种改进变步长LMS算法。仿真算例结果表明,与定步长LMS算法及Tanh-LMS算法相比,该算法具有更快的收敛速度和更小的稳态误差,且比Tanh-LMS算法运算量更小,因而在车载ANC系统上应用更具优势。展开更多
文摘非线性主动噪声控制(Active Noise Control,ANC)在汽车降噪、工业降噪等领域中得到广泛应用。基于函数连接型人工神经网络(Functional Link Artificial Neural Network,FLANN)的滤波-s最小均方(Filtered-s Least Mean Square,FsLMS)算法凭借实现简单、计算复杂度低的优势成为非线性ANC系统中的经典算法。然而,针对脉冲噪声的主动控制,FsLMS算法的降噪性能较差。为了克服这个缺点,通过在FsLMS算法的代价函数中引入Softsign函数框架,提出Softsign FsLMS(SFsLMS)算法,该算法增强了ANC系统的非线性控制能力,同时可以有效解决处理脉冲信号时滤波器更新权值过大而容易发散的问题。最后,通过仿真模拟实验证明了该算法性能表现优于传统方法,尤其是在面对强烈的脉冲噪声时,其展现了出色的降噪能力和较快的收敛速度。
文摘车载有源噪声控制(active noise control,ANC)系统多基于最小均方(least mean square,LMS)算法来实现,但定步长LMS算法在收敛速度和稳态误差之间存在矛盾。文章基于Softsign函数建立误差与步长之间的非线性关系,提出了一种改进变步长LMS算法。仿真算例结果表明,与定步长LMS算法及Tanh-LMS算法相比,该算法具有更快的收敛速度和更小的稳态误差,且比Tanh-LMS算法运算量更小,因而在车载ANC系统上应用更具优势。
