对于游艇环境自适应反馈有源噪声控制.docx
《对于游艇环境自适应反馈有源噪声控制.docx》由会员分享，可在线阅读，更多相关《对于游艇环境自适应反馈有源噪声控制.docx（17页珍藏版）》请在冰点文库上搜索。
对于游艇环境自适应反馈有源噪声控制
对于游艇环境自适应反馈有源噪声控制
摘要——在游艇舱室内,高质量的吸收材料可以很好地降低中频和高频噪声，但他们对于低频噪音而言完全是低效的。
很快的，一个关于游艇环境的低频噪音详细的分析就被提出了；这份报告是几条船在不同的噪声源（如，空调，发动机）和各种航行速度条件下进行调查的。
在此背景下，一个特定从著名的x滤波方法制定而来的多信道反馈有源噪声控制系统就被设计和安装在游艇的卧室来减少噪声的产生，并减少使用四个误差麦克风和两个重低音扬声器的带来的声学烦恼。
为了证明所提出的系统的有效性实际实验的结果被公示出来。
关键词——主动降噪，自适应滤波器，噪音消除。
一、引言
环境实现不错的静音效果是应用声学处理的主要方面之一。
更好的性能可以通过采用先进的数字信号处理技术得到，并从环境入手准确分析来选择合适的可以提高声音特性的技术。
简而言之，研究游艇客舱环境是为了减少人类对于船上发动机产生的背景噪声的感知。
高频噪声可以通过使用无源技术，如声学板来降低，而在低频率的情况下，为了在室[1]，[2]中一个特定点获得声压水平在可听范围内的减少，有源噪声控制（ANC）应予以考虑。
至于在房间[3]中的建议，有两种可能的控制策略：
前馈和反馈。
前者验证了该声场的先验知识，而后者使用一个紧密间隔的麦克风反馈整个信号。
此外，考虑到被消除的噪声通常是非平稳和环境的变化严格相关的，自适应算法就得到使用。
常用的技术是来源于熟知的LMS算法[4]，需要特别注意的是LMS算法的x滤波观点（FXLMS）[1]。
考虑到ANC的应用，有几个方法可以在相对于飞机和汽车的文献中发现，但根据笔者所知，没有合适的刊物应用于船环境被出版，即使问题是存在的。
就飞机而言，有几个例子中在[5]中有提到，这些例子可以分为两种主要的方法的：
在[6]，[7]中所述的由螺旋桨引发的室内机的噪音中的有源控制和更适于环境复杂性的有源控制的耳机如[7]，[8]。
在一个车厢的情况下，反馈和前馈这两个方法已被使用[9]，[10]，根据发动机的位置有可能直接得到参考信号。
考虑到游艇船舱，ANC制定是与飞机和汽车舱内的情况不同，因为噪声源需远离用户几个房间环境较大并根据船的结构改变。
此外，每艘游艇是唯一的，专门为最终用户开发的;每个根据一些架构限制来开发的环境都是不同的。
关于噪声特性，根据在不同情况下的实验测量学习后，该噪声在本质上是由发动机和电动发电机而发出的，其特征在于非常低的频率，并且它受到长的传输路径的影响。
此外，这些干扰信号的特性是随着巡航速度或海况的变化而随时间变化的，并且像幅值和相位这些频率特性不能被认为是静止的。
因此，;为了使实时改变误差信号滤波器系数最小化，自适应ANC系统就在这种情况下得到考虑。
更具体地说，在分析环境是一间卧室时，考虑到噪音疲劳，其目的是使靠近床上的枕头的区域安静，以使睡眠更加舒适。
因此，尤其要注意房间的建筑构造，误差麦克风的最佳位置是在床头。
鉴于记录发电机或发动机的主要噪声这几乎是不可能的，因为其位置（例如，游艇总长度在这种情况下是60米）前馈控制不能实施，反馈就必须要考虑在内。
此外，基于扰动估计的方法可以考虑，如内部模块控制[11]，但需在较小的标准化游艇中。
此外，另一个约束是扬声器的抗噪声生成不能被定位在麦克风附近，因此，为了根据高的滤波器长度[12]，[13]降低计算复杂度，一个模块的实施必须要考虑周全。
此外，为了扩大工作区域，这种控制的多声道观念是根据试验过的配置得出的。
因此，简而言之，对于游艇环境的自适应技术的应用就被描述了出来。
合适的反馈算法是从模块FXLMSANC中和在一个真正的小船考虑锚地和航行条件的作用进行详尽的测试中提取出来的。
此外，考虑到游艇噪声主要集中在频谱的最下部，而对于这部分人类的感知被削弱了[14]，次级路径的权重就被提出了。
此操作是在考虑到心理声学加权曲线后执行的，所以对于那些很少能从听者那得到的频率将不浪费任何能量。
然后，一个工作在利用专业声卡的PC上的实时系统就已落实。
在Ⅱ-A和Ⅱ-B中进行说明用于多信道反馈ANC系统的FXLMS模块算法的数学推导。
在Ⅱ-C中将报道实时实现的算法，而第一模拟试验结果在Ⅱ-D中描述。
在第三节中通过对一个在一间卧室中的装置的详细说明来报道对于游艇环境的ANC的实际应用，该报告报道了在不同的船的条件下的实际测试和从客观的角度评估的ANC效果。
最后，结论和未来的工作在第四部分中报告。
二、自适应反馈有源噪声控制
通过有源技术对噪音的减少是以对二次光源产生信号的介绍为基础的，该二次光源在一个或多个误差麦克风所控制区域产生相消干扰[1]，[2]。
在自适应控制情况下，由二次源再现的信号根据记录在误差麦克风的噪声自适应地修改。
ANC系统可以被分为两类，即，前馈和反馈系统。
前者的特征在于自适应过程，而这个过程以记录在所需安静区域的麦克风的误差信号为基础，而后者的特征在于接收主要噪声的另一信号。
如上所述，在所测试的环境中，反馈方案被认为是主要的噪声源是不可用的。
在图1（a）中单通道FXLMS前馈方案图是由一个接收噪声源x（n）的参考麦克风，一个接收需要安静的区域的噪声e（n）的误差麦克风和一个产生的干扰信号y（n）扬声器组成。
这个信号是由x（n）经过自适应滤波器W（z）滤波后生成的，其系数由以经过扬声器和误差麦克风（二级路）路径的估计滤波后e（n）与x（n）为基础的LMS模块产生的。
另一方面，在图中的反馈控制如图1（b）可以从前馈角度通过添加主要噪声估计给误差信号e（n）得到的。
基于FXLMS算法有源噪声消除可能需要更高阶的自适应滤波器，因为其实施涉及计算成本很高。
另外，根据房间的特性较高阶滤波器对于次级路径的估计是必要的。
因此，计算复杂性是这些系统处理的一个相当大的问题。
因此，FXLMS模块实施应该注意，在接下来对于游艇的环境提出的ANC反馈模块中问题将呈现出来。
考虑到两个计划之间的相似性，本文下面的反馈方案可以很容易地适用于前馈方案。
图1自适应FXLMS-ANC系统的框图。
虚线模块代表物理转化而连续模块代表算法操作。
（a）前馈控制。
（b）反馈控制。
A．算法描述
图2对应于自适应反馈ANC合成了提出的FXLM模块算法的方案，可通过对图1（b）的扩展观察到。
在此框图中，当前样本n替换为Fs的采样的当前模块j，并添加了串行到并行的转换器。
在实际情况中，转换器和用来卷积的FIR滤波器是通过使用重叠执行与保存技术的方式来得以优化[15]，[16]。
图2实现FXLMS模块算法的自适应反馈ANC系统框图。
虚线块代表物理转化而连续块代表算法操作。
考虑图2和Fs采样的模块的大小，第j个模块的噪声信号d（j）是由下式给出
ANC系统的输入是误差信号，被安置需要安静区域的传声器所记录
而e（n）是通过下式得到
y（n）是该算法在误差麦克风位置的输出。
在所述前馈方案中，自适应滤波器的输入是噪声信号，但在反馈情况下是不可行的。
但是，它的估计可以估计通过误差麦克风位置的值
增加系统的输出到错误信号中来推断。
其中
与零向量进行初始化的。
因此，该信号可以作为输入给自适应滤波器
考虑到N个样本的自适应滤波器，矩阵
可以被创建为
并且它是由行Fs和列N组成。
因此，考虑到所述自适应滤波器的系数向量
该系统（即Fs的样本的一个向量）的输出y（j）由以下矩阵乘法给出：
（8）的结果为x（n）和w（n）的之间的卷积。
以同样的方式，向量
可以通过由M系数的和表示次级路径S的估计值组成的滤波器s之间的乘法运算获得
和输出矩阵Y（j），实现为
得到
自适应滤波器系数的更新是根据LMS模块的方法完成的[15]。
但是，在这种方法中，x的滤波方式被认为如下[1]：
其中
并且矩阵
创建为
这个关联矩阵可以通过x滤波模块
和误差矢量
之间的卷积得到
而这个矩阵的维度是N×1。
因此，C（j）被用在自适应滤波器系数的更新中
B．多通道角度
关于FXLMSANC的多声道角度，一些从单通道例子的扩展可以在文献[10]，[17]，[18]中找到。
取得块FXLMS算法的多声道角度也是可以的;以下[19]，其中，呈现了ANC的前馈角度，获得上述反馈算法的多声道角度。
在这种情况下，整个系统由扬声器M和误差麦克风K组成，所以M×K个副路径
就必须加以考虑。
此外，自适应滤波器
的数目等于系统输出，K乘以系统输入M。
因此，在多声道角度，有M×K输入块
其中
为
并且输出到扬声器的信号均通过过滤与相应的自适应滤波器
每个信号
和然后求和对所有误差麦克风获得
最后，该自适应滤波器的更新是直接来自于式（12）-（16）的多路扩展
为了避免由输入信号得来的更新质量的依赖性，系数可通过归一最小化均方来更新。
在这种情况下，（22）被取代为
C．实时实现
在第II-A所描述的ANC实施，已经通过NU科技框架实现[20]。
该框架是一个允许通过利用音频流输入/输出（ASIO）协议来实施和测试在多通道情况下的实时DSP算法的平台。
特别是，多亏ASIO协议的支持NU科技框架允许处理音频流（帧一帧）从I/O声卡的渠道，也可以通过延迟时间的精确管理。
在这种方式中，硬件潜伏期是很低的，例如，直到32个采样的帧，并且它允许向具有良好的性能。
硬件延迟的最小化表示在反馈ANC实施方式的一个重要方面，为了最大限度地消除频带：
噪声频带被取消的越宽，延迟对性能结果的影响更越大[2]。
此外，考虑到分析噪声的频率范围，缩减像素采样和上采样操作可分别在ANC执行之前和之后。
以这种方式，可以使计算复杂度得到相关的减小。
然而，值得注意的是由抗混叠滤波器的设计假定的特殊重要性。
实际上，滤波器的阶数会影响整体的延迟，因此它必须是尽可能小。
对于所有的测试中，16倍的下采样已经被考虑。
在这种情况下，奈奎斯特频率变为3kHz，并通过具有很宽的过渡频带的Parks-McClellan算法来设计过滤器，（即100-2900Hz），-60dB的通带波纹和-80dB的阻带波纹，最小可获得的顺序是40，涉及的20个样品可接受的延迟在48kHz（对应于0.4毫秒）[16]。
D．模拟测试结果
所描述的ANC算法的有效性已经在模拟环境中先验证了。
为了测试多声道的观点，两个扬声器和两个麦克风被考虑，因此，四个虚拟次级路径
被创建，并且为了这个仿真
一直被认为等于
。
在向下抽样的域中的512个样本的自适应滤波器的长度被用来考察。
为了评估对噪声的变化适应能力，由在70，90和50赫兹可信频率5秒的3个连续纯音所组成的测试信号已被考虑到。
在图3，这个模拟的结果得到显示，该系统对噪声的变化的适应能力可以得到说明。
图3在多通道反馈ANC在模拟环境中应用后，错误的信号在麦克风1中发出五秒钟的三个频率为70,90和50赫兹的连续纯音的噪声信号。
三、ANC应用到实际环境游艇
为了获得在床上枕头区域的噪声水平的衰减程度，ANC算法已经在真正的豪华游艇的一间卧室得到测试。
图5示出了放置了麦克风和扬声器的卧室的示意性俯视图。
房间面积为约6×4×2.6米，其中所述误差麦克风放置的最接近听者的位置是床的头部，为了覆盖整个宽度，四个麦克风（即，Audio-TechnicaES945）被安置，如图4（a）所示。
因为ANC已被用于非常低的频率下的衰减，低音炮（即，SunfireHRS8）必须被用于抗噪声的生成。
不幸的是，扬声器由于其大尺寸和房间的设计问题不能靠近定位误差麦克风。
因此，在那里它可以被放置在最佳位置是在床底下，如图4（b），但在这种情况下，麦克风和扬声器之间的距离变大，也增加了次级路径长度。
图4在游艇卧室安装设置的ANC应用。
（一）在床头的误差麦克风（即Audio-TechnicaES945）。
（二）在床下的抗噪扬声器（即SunfireHRS8）。
图5麦克风和扬声器在卧室的位置的方案。
A环境分析
第一步是在游艇舱内噪声的分析。
船并不总是在相同的条件下，因此，ANC系统需改变其自身适应当前的状态。
安装如图5中的话筒是用于分析由船在一个特定的状态产生的每个噪声。
特别地，船可以主要分为两种情况：
锚地（A）和导航（B）。
在条件A，五个业务模式被认为是在表一（A）;第一个问题是背景噪声的分析，其余则用于以孤立一些关键的噪声源（如空调），或者对它们进行分析的一些显著的组合。
此外，在条件B，5的操作模式被认为是记录在表I（B）。
在这种情况下，考虑到船在几个速度下航行，在房间里的噪音水平就进行了分析。
在条件B中，都记录在条件A中的噪声源被认为是激活的。
在条件A噪声行为的分析表明，发电机和发动机产生一个正弦或窄带噪声，同时空调产生的宽带噪声。
例如，在图6的实线示出了噪声在游艇舱，记录在操作模式A5的频率特性。
第一峰，在约25赫兹，则称为两个发电机在相同的频率工作的，它是本质上被认为是一个物理振动而不是一个声干扰。
第二个峰，在约50赫兹，被称为发动机。
此峰并不总是在相同的频率，但根据发动机的速度是可变的。
相反，相对于空调的噪声是由在低频下的背景噪声的增量来表示。
这是众所周知的，原来的噪音，只有在可预测的部分可以使用自适应反馈ANC来消除，而宽带噪声可以只用一个自适应前馈ANC来衰减[2]。
因此，相对于空调的噪音不能被安装的反馈系统来控制，并且，在这种情况下，对导管的前馈ANC观点需要被探索[21]。
此外，所有噪声源相结合的分析表明，相对于发电机和引擎结果的绝对振幅比相对于空调大得多。
另一方面，在状态B中的噪声特性的分析表明当巡航速度增加时（图6中的虚线曲线），相对于发动机噪声的频率就增加。
值得注意的是，在所有的条件下，相对于可以由反馈方式来控制的大多数信号的噪声源的功率被封闭在第一个100赫兹频带。
图6在操作模式A5和B5游艇机舱内麦克风位置M2的噪音记录。
记录在选择房间的隔音行为分析之后，考虑图5的真实环境中的应用，第二个步骤是自适应反馈ANC在第II-A所述的。
B真正的测试结果
对于实时性能评价，表1的工作模式已被考虑，来评估所有的噪音（即，无论是在锚地和导航）。
至于音频流的参数，为48kHz和256个样本的帧大小的取样频率已被考虑。
长度8192的样品，相对于每对麦克风扬声器的8次路径，进行了评价。
在向下抽样的域512个样本的自适应滤波器的长度被考查。
为简洁起见，图7和8分别示出了一些测试的结果在锚地和导航的条件下。
在锚地条件下，25赫兹的峰值相对于发电机为在发动机噪声的存在的情况下相对于频谱的其他部分占主体地位，而ANC算法能够减弱这种峰值高达15分贝，如图7所示。
考虑主观评价，衰减被特别认为是在房间里振动的合理减少。
另一方面，在导航状态下，发动机频率峰值在振幅方面变得更加媲美发电机峰值。
在这种情况下，两个峰值是由ANC算法的应用降低和衰减也被认为从图声学点除了在房间里减振，如图8所示。
在所有上述的情况下，很显然，干扰衰减不会导致干扰扩增到扰动频率的下面和上面的频率。
图7自适应反馈的结果FXLMSANC应用程序与在锚地的船在在麦克风位置M2多种工作条件下所产生的游艇噪音。
（一）发电机，发动机关闭，空调关闭（操作模式A3）。
（二）电力发电机上，对发动机，空调关闭（操作模式A4纸）。
（c）供电的发电机上，对发动机，对空调（运作模式A5）。
图8自适应反馈的结果FXLMSANC应用程序与导航船在几个速度在麦克风位置M2产生的游艇噪音。
（一）8节（操作模式B1）。
（二）16海里（操作模式B3）。
（三）27海里（操作模式B5）。
在图9（b）这个显著例子可以看出;由于发电机25赫兹的峰值，使用ANC则显著减少，但由于发动机50赫兹的峰值保持不变。
的确，从声学上看，50赫兹的峰值更可感知相对于25赫兹的峰值，尽管它是在较低的功率。
因此，为了强调声感觉，良好的解决方案是改变辅路径，在图2的x滤波块中给定使用的，采用心理声学加权曲线，即A加权曲线所表明的[14]。
考虑到游艇噪声主要集中在频谱最低部分，在这里的人类感知降低[14]，心理声学加权曲线避免了所有的能量被浪费掉在那些较少从听者得到的频率。
作为一个例子，图7（b）示出了当船处于操作模式4存在和不存在的心理声学曲线的[14]之间的差异。
在第一种情况下，所有的能量集中在根据50赫兹的峰值的小减少量来减少25赫兹的峰值，而在第二种情况下利用加权曲线，减少较大者为50赫兹的峰值相比于第一个高峰。
这将导致在主观判断方面具有更好的性能，作为第二峰值主要从人耳感知，如在[14]中所述。
因此，使用一个加权曲线的允许在有知觉降噪方面有更好的表现，主观测试结果也初步证实了这种方法的所有积极的方面。
图9不考虑加权和A称重次级路径模式运作在A4模式时的麦克风M2位置的FXLMSANC游艇噪音的应用自适应反馈的结果。
四、结论
简而言之，实时的ANC实施适用于豪华游艇船舱已经呈现。
用于ANC算法是一个LMSx滤波反馈的多通道一帧一帧改变的观点，还实施音质矫正。
该算法已经开发了一个电脑软件，并在游艇卧室的枕头的区域进行测试，特别是四个已安装在床头误差麦克风，而两个超低音扬声器已被定位在床底下。
游艇在锚地和在导航条件下实际实验都已经进行，而且它已经显示噪声的主要来源是由发电机，引擎和空调给出。
仅在第2源可以用一个自适应反馈ANC被控制，因为它们具有周期性行为。
在20-100赫兹频率范围内误差麦克风位置的噪声源的结果最高衰减15分贝，而被动技术效率不高是众所周知的。
此外，它也提出了使用声学加权曲线应用到备用路径过滤器，来忽视有很大一部分能量存在的频谱的最低的一部分，并强调那些被消除的主要频率来提高声学感知。
非正式的主观结果证实了该方法的有效性。
未来的作品可以作为在一个嵌入式系统上所呈现的算法来执行，以进一步获得其他类型的游艇的整体延迟的减小和ANC性能的分析，特别是对于那些具有较少的架构限制的低维度，其中噪声的存在要大得多。
升级会员 