一种用于主动噪声抑制系统的次级通道特性识别算法的改进

　　引　言

　　传统的低频机械噪声被动抑制技术存在代价高,效果差,系统尺寸大等缺陷。主动噪声抑制技术的出现,在一定范围内弥补了传统方法的不足,吸引了越来越多的人从事相关的研究。噪声可以分为宽带噪声和窄带噪声两大类。在现实中大量存在的周期性噪声,比如由引擎,压缩机,发动机,风扇,螺旋桨等产生的噪声均可归结到窄带噪声一类,此类噪声是以机械旋转频率为基频的多次谐波频率成分的合成。对于窄带信号噪声的主动抑制技术,常见的控制算法是采用自适应滤波的FXLMS算法。对次级通道(控制信号通道)特性进行识别是该控制算法的一个重要环节,对于时变系统,需要进行次级通道特性的在线识别,也就是横向滹波器W(z)的权值更新和次级通道特性的识别同时进行。在线识别的困难在于用于识别的激励信号受到控制系统信号的干扰,严重影响识别的收敛速度,从而恶化了控制系统的整体性能。为了解决这一问题,S.M.Kuo[1],Ming Zhang[2],张玉麟[3]等提出了各自的改进算法,这些改进方法的基本思想是增加自适应横向滤波器的个数,用增加的滤波器来减小控制信号对用于通道特性识别的激励信号的干扰。本文从窄带噪声信号的特点出发,给出一种更为简单的基于自适应陷波器的在线识别次级通道特性的改进算法,仿真结果表明,采用基于自适应陷波器的次级通道特性在线识别方法可以有效的大幅度提高次级通道特性识别的速度。

　　1　次级通道在线识别的FXLMS算法

　　次级通道特性在线识别的FXLMS算法如图1所示,假设p(z)是系统的结构特性,也就是初级通道特性,参考输入窄带噪声信号x(n)通过p(z)得到待消除的噪声信号d(n),自适应滤波器W(z)作为控制器,产生控制信号y(n),y(n)经过次级通道H(z)后,与d(n)混叠得到残余噪声e(n),最终达到消除噪声的目的。次级通道一般包括D/A转换器,平滑滤波器,功率放大器,扬声器等。根据FXLMS算法理论[1],需要对次级通道的影响进行补偿,自适应横向滤波器H (z)就是为补偿次级通道的影响而对H(z)的估计。为了估计次级通道特性,引入辅助的随机信号v(n)作为识别H(z)的激励信号,b(n)和b(n)分别是v(n)经过H(z)和H (z)的输出。出于分析方便考虑,将次级通道特性识别部分单独划分出来,如图2所示。

以h(n)表示次级通道的单位冲击响应,*表示卷积,由图1得:

　　图2实际上是标准的系统识别算法,由于x(n)与v(n)是不相关的,从(1)式得到u(n)与v(n)也是不相关的,从系统识别的观点来看,对系统特性识别完成时估计输出b(n)应当与期望输出b(n)一致,因此,(2)式中的u(n)是干扰信号,它与激励信号v(n)不相关,虽然可以保证对H(z)的识别是无偏的,但u(n)的存在会阻碍H (z)的收敛,严重时甚至导致H(z)不能收剑[1]。