基于DSP的自适应有源噪声控制系统

文章介绍了基于TITMS32 0F2 4 0DSP的自适应有源噪声控制系统 ,给出了系统的硬件结构及其工作原理 ,详细说明了有源噪声控制的自适应算法 ,并给出了程序流程图及实验结果。通过实验证明 ,该系统有较好的降噪效果。     

管道低频宽带噪声自适应有源控制的实验研究

运用三种常用的自适应ANC算法A（FXLMS，FBFXLMS，FULMS），在一个以PC机为核心的前馈ANC实验系统上进行抗噪声试验。实验研究表明：这三种算法都能有效地衰减管道中的低频宽带噪声，其中FULMS比另两种算法具有更快的收敛速度。在次级声反馈对参考输入影响比较小的情况下，FBFXLMS算法的效果反而不如单纯的FXLMS算法。     

噪声有源控制的人工神经网络方法

讨论了有源噪声控制（ＡＮＣ）问题,提出一种基于人工神经网络的非线性噪声有源自适应控制方法,给出了一种基于误差梯度下降的学习算法,证明了闭环控制系统在Ｌｙａｐｕｎｏｖ意义下的稳定性。     

自适应有源噪声控制的滤波-LMAD算法

本文研究了稳定非高斯环境下的自适应有源噪声控制问题，提出了滤波－ＬＭＡＤ（ｌｅａｓｔｍｅａｎａｂｓｏｌｕｔｅｄｅｖｉａｔｉｏｎ）算法及归一化滤波－ＬＭＡＤ算法，仿真结果表明，与常用的滤波－ＬＭＳ算法和归－化滤波－ＬＭＳ算法相比，本文提出了算法收敛速度更快。     

输出不可量测非线性系统的神经模型参考自适应控制

该文针对被控对象输出不可量测的非线性系统,引入一个便于在线辨识的扩展神经网络模型,提出一种基于前馈-反馈结构的神经网络模型参考自适应控制方法。给出了具有全局收敛性的网络训练算法,并分析了控制系统的稳定性。仿真结果表明该控制方法是有效的,而且对网络初始权值的选取及被控对象特性参数的扰动都具有良好的鲁棒性。     

应用于多通道有源控制的自适应组合逆算法

本文在分析单通道伴随LMS算法的基础上,对组合逆算法进行推导和分析,获得了一种有效多通道自适应的快速逆算法,分析了算法的性能,给出了算法的实现步骤。与同样参数条件下的FxLMS算法的运算量进行的比较结果表明: 该算法大大减少了计算量。     

管道噪声有源控制的模型研究

笔者介绍了3种建模的系统辨识方法,并用管道噪声实验系统采集的数据对这些方法进行了验证和比较。结果表明：采用不同方法得到的模型具有一致性,模型预测误差均在10％以内。     

神经网络自适应有源噪声对消器

本文提出一种新颖的非线性自适应滤波器-递归神经网络(TNN)自适应滤波器．讨论RNN滤波器的构成及算法,实现了RNN自适应有源噪声对消器．RNN自适应有源噪声对消器性能优于由线性滤波器组成的线性对消器,能适应各种噪声环境．仿真结果充分证明了这一点．     

自适应前馈有源噪声控制技术设计与实现

针对自适应有源噪声控制的基本原理和特点,设计了一套基于TMS320VC5509ADSP处理器为核心的自适应前馈有源噪声控制技术。详细描述了系统的软硬件架构和组成,LMS算法的DSP实现。用开发的原型设备进行测试,测试结果表明系统对80-600Hz之间的低频噪声有着良好的降噪效果。     

自适应管道有源降噪系统

本文讨论自适应管道有源降噪系统的工作原理并对系统的传输函数进行了分析，把它转为成一个均方误差辨识模型以采用ＬＭＳ算法的自适应控制问题。文中给出了管道有源降噪自适应系统的构成并对其中部分方案进行计算机模拟。最后给出一些计算机模拟结果。     

应用于有源消声的间歇自适应RLS算法

自适应有源消声最常用的算法是滤波－ＸＬＭＳ（ＦＬＭＳ）算法，虽然ＦＬＭＳ算法运算量小，实现简便，但该算法收敛速度慢，宽带消声效果差。针对ＦＬＭＳ算法的不足，利用误差通道时延特性，本文提出间歇自适应ＲＬＳ算法。该算法兼有收敛速度快，宽带消声效果好，以及运算量相对较小的优点。     

舱室的有源噪声控制

首先讨论了有界空间的有源噪声控制,并给出了一些较为成功的舱室有源噪声控制实例。例如,飞机座舱内和小汽车座舱舱内有源噪声控制系统和它们的降噪效果。     

自适应主动噪声控制系统的仿真研究

对主动噪声控制系统的前馈型、反馈型和混合型3种控制方式进行了比较,利用Simulink设计了实现FxLMS算法的模块,并进行仿真。结果表明,前馈型控制方式可降低与参考信号相关的噪声;反馈型控制方式可降低可预测的噪声;而混合型控制方式可同时降低这2种噪声。     

一种窄带主动噪声控制系统次声学路径建模技术

本文针对最大长度序列相关(Maximal Length sequence Correlation，MLc)建模技术在窄带主动噪声控制系统次声学路径建模的应用中，系统性能易受窄带信号影响这一不足，提出了一种改进的MLC(MMLC)次声学路径建模技术。具体地说就是采用一个自适应预测滤波器来预测和消除MLC技术中的窄带干扰，并用一个补偿滤波器来修正由预测误差滤波器引起的训练信号成分失真。计算机仿真表明，MMLC算法能有效克服窄带主动噪声控制系统次声学路径建模的窄带信号影响，具有较高的建模精度。     

内模型神经网络在有源噪声控制中的应用

采用IMC结构与人工神经网络方法解决了无法得到参考信号和系统非线性的问题，设计内模型神经网络控制器对噪声进行控制。通过仿真和实验证明，该控制结构能有效消除噪声中所含的周期噪声。非线性系统的仿真实例表明，内模型神经网络控制方法明显优于线性滤波X-LMS算法。     

模型参考自适应控制逆变器的研究

分析了模型参考自自就控制方法应用于逆变器控制的可行性,提出了一种控制方案。详细地分析了系统的工作原理,得出了仿真结果及相应的数字解释。结果表明,这是一种控制效果好的方案。     

无模型技术在有源噪声控制中的应用

根据无模型自适应控制的基本原理,采用同时扰动算法对有源噪声控制系统中的测量误差信号进行直接处理,不再需要建立次级声学路径模型。分别就前馈控制和反馈控制两种情况加以研究。仿真结果表明,该算法不仅使主噪声信号得到明显的衰减,而且对系统次路径的变化也不敏感。     

基于MRAS无速度传感器矢量控制系统研究

根据异步电动机矢量控制基本原理,构建了基于转子磁链定向的模型参考自适应系统,并针对其基准模型易受积分初值和漂移问题的影响,提出了一种改进的速度辨识方法。该方法由改进的电压参考模型和电流可调模型构成。利用Matlab/Simulink对系统进行了仿真,仿真结果表明该系统能较好地估计电机的磁链及转速,收敛速度快,具有良好的...