复杂环境如汽车车厢内路噪的有源噪声控制(Active Noise Control,ANC)通常依赖大量传感器来获得有效的噪声控制性能,使应用传统自适应算法的收敛速度缓慢且计算量较大.针对这一问题,在频域滤波参考最小均方(Frequency Domain Filtered-x...复杂环境如汽车车厢内路噪的有源噪声控制(Active Noise Control,ANC)通常依赖大量传感器来获得有效的噪声控制性能,使应用传统自适应算法的收敛速度缓慢且计算量较大.针对这一问题,在频域滤波参考最小均方(Frequency Domain Filtered-x Least Mean Square,FDFxLMS)算法的基础上提出了多迭代预处理正则化频域滤波参考最小均方(Multi-Iterative Pre-Regularized Frequency Domain Filtered-x Least Mean Square,MIPR-FDFxLMS)算法,该算法的多迭代策略提升了算法收敛速度并保持较高的计算效率,预处理的正则化因子改进方法保证了算法的稳定收敛.基于实测汽车道路噪声数据的仿真结果表明,与传统自适应算法相比,提出的MIPR-FDFxLMS算法在收敛速度方面具有明显优势,展示了其在实际路噪控制系统中的应用前景.展开更多
文摘复杂环境如汽车车厢内路噪的有源噪声控制(Active Noise Control,ANC)通常依赖大量传感器来获得有效的噪声控制性能,使应用传统自适应算法的收敛速度缓慢且计算量较大.针对这一问题,在频域滤波参考最小均方(Frequency Domain Filtered-x Least Mean Square,FDFxLMS)算法的基础上提出了多迭代预处理正则化频域滤波参考最小均方(Multi-Iterative Pre-Regularized Frequency Domain Filtered-x Least Mean Square,MIPR-FDFxLMS)算法,该算法的多迭代策略提升了算法收敛速度并保持较高的计算效率,预处理的正则化因子改进方法保证了算法的稳定收敛.基于实测汽车道路噪声数据的仿真结果表明,与传统自适应算法相比,提出的MIPR-FDFxLMS算法在收敛速度方面具有明显优势,展示了其在实际路噪控制系统中的应用前景.
