基于粒子群算法的有源噪声控制方法技术

本发明专利技术提供一种基于粒子群算法的有源噪声控制方法，其主要特点是：惯性权重随迭代次数动态变化；利用所有粒子个体最优值的平均值替代速度更新中某个粒子的个体最优值；根据声通道突变前后两次均方误差的差值会突然变大的特点设定重新初始化粒子的触发条件。本发明专利技术充分利用粒子个体最优信息，增强了种群的多样性，提高了粒子群算法的收敛速度和全局优化能力，在对误差信号逐个采样的基础上提出的有源噪声控制方法不仅可以降低噪声信号，提高信噪比，还能有效应对声通道的突变。本发明专利技术可以广泛应用于有源噪声控制设备或者装置中。

【技术实现步骤摘要】

本专利技术涉及有源噪声控制领域，尤其涉及一种基于粒子群算法的有源噪声控制方 法。
技术介绍
随着社会的不断发展进步，噪声污染作为突出的环境问题，越来越受到全世界的 关注。目前，大多数国家已经制定了相应的噪声控制条例以减少噪声污染。传统的噪声控制 方法称为无源噪声控制，它是从声学角度研宄噪声的控制方法，利用声学材料或声学结构 的声学特性，采用的方法主要包括吸声、隔声、使用消声器等。在声波传输过程中，声学材料 与声波相互作用从而消耗声波能量以降低噪声。但是，由于声学材料或结构的限制，无源噪 声控制方法仅对控制中高频噪声较为有效，而对低频噪声的控制效果却不尽如人意。为此， 需要采用一项新技术--有源噪声控制（Active Noise Control，ANC)技术，它是根据声波 相消干涉原理，通过电声装置产生一个与原有噪声信号幅值相等、相位相反的抗噪声信号， 并让该信号与原有噪声信号相加后产生相消干涉，以取得预期的降噪效果。 近来，ANC技术因其对低频噪声的控制优势，受到了国内外专家学者的广泛关注。 ANC系统利用自适应算法来调整控制器的权系数，滤波-x最小均方（Filtered-x Least Mean Square，FxLMS)算法是有源噪声控制系统中最常用的自适应算法。由于FxLMS算法 需要离线估计次级声通道的模型，这不仅给ANC系统带来了繁重的计算量，而且不正确的 建模还可能使系统的噪声抵消能力下降，甚至导致系统发散。
技术实现思路
基于粒子群算法的有源噪声控制系统的最大特点是无须估计次级声通道的模型， 但在全局收敛速度和全局优化精度方面，现有的粒子群算法还很难取得比较满意的结果。 本专利技术提出一种，该方法以对误差信号的逐个采样为 基础，充分利用了所有粒子的个体最优信息，采用动态改变惯性权重的方法，获得的有益效 果是，提高了系统的全局收敛速度和全局优化精度，并通过重新初始化粒子能够应对声通 道的突变。 ANC系统按照控制方式的不同可以分为前馈系统和反馈系统。这两种系统的主要 差异在于前馈系统由参考传感器检测参考信号，而反馈系统则由误差传感器同时检测参考 信号和误差信号。一个有源噪声控制系统主要包括控制器部分和电声部分：控制器部分包 括信号处理器（内含自适应算法）及其外围电路；电声部分主要包括次级声源、参考传感器 (对前馈控制方式而言）和误差传感器。 参考传感器用于检测得到参考信号x (n)，次级声源用于产生必要的抗噪声，而误 差传感器则用来检测误差信号e (n)，这里n表示采样时刻。自适应控制器利用参考信号 x (n)和误差信号e (n)根据自适应算法调整控制器的输出。在这里，从初级噪声源到误差传 感器的声传播路径称为初级声通道，从次级声源到误差传感器的声传播路径称为次级声通 道。单通道自适应有源噪声控制前馈系统的工作过程如下： (1)初级噪声源发出声波，参考传感器拾取参考信号X(n)作为控制器的输入；(2)自适应控制器根据自适应算法计算出次级信号y(n)，输出后经过功率放大器 驱动次级声源发出抗噪声； (3)初级噪声源和次级声源产生的声波分别形成初级声场和次级声场，误差传感 器检测到两者叠加后形成的误差信号e(n); (4)误差信号输入到自适应控制器中，采用自适应算法根据预先设定的描述控制 目标的目标函数调整控制器权系数从而改变次级信号强度； (5)反复进行上述⑴到⑷的过程，最终系统会满足控制目标，系统达到稳定状 〇 粒子群优化算法（Particle Swarm Optimization，PS0)由 Eberhart 和 kennedy 提出，作为进化计算技术，它和其他进化算法一样，在初始化时产生一组随机解，并通过迭 代搜寻最优值。粒子在解空间的位置和速度分别表示为一个矢量。每个粒子都有一 个由适应度函数决定的适应值，将该粒子到目前为止的最好位置称之为个体最优（pbest)， 并将整个群体的最好位置称之为全局最优（gbest)。在每一次迭代中，粒子通过学习两个最 佳位置来更新自己的位置，直至达到迭代次数上限或满足精度要求。 假设N维搜索空间中第i个粒子的速度和位置分别为(Vi>1，Vi, 2, ...，Vi,N) 和Xi= (x u，xi>2, . . .，xi>N)。在基本的PSO算法中，粒子根据以下公式更新自己的速度和 位置： j (t+1) = wv^ j (t) +c2r2 (1) j (t+1) = j (t) j (t+1) (2) 其中，j = l，2，...，N，t表示当前迭代次数，w为惯性权重，cJPc2为学习因子， A和；r 2为0到1之间均勾分布的随机数，p i,j表示当前第i个粒子在第j维上的个体最优， 而Pg,j则表示当前在第j维上的全局最优。基本PS0算法的性能很大程度上取决于算法的 控制参数，主要包括：粒子数R、粒子的维度N、最大速度V_、学习因子(^和c 2以及惯性权 重w〇 本专利技术的应用对象为单通道自适应有源噪声控制前馈系统，采用自适应控制算 法，利用粒子群优化算法进行参数优化，其主要思想如下：首先给定惯性权重的变化公式， 让其随着迭代次数动态变化，然后利用所有粒子个体最优值的平均值替代速度更新公式中 某个粒子的个体最优值，最后根据声通道突变前后两次均方误差的差值会突然变大的特点 设定重新初始化粒子的触发条件。 下面对本专利技术的具体步骤进行详细说明。 由于在传统PS0算法的每一次迭代中，粒子位置和速度的更新使用同一组输入信 号，但考虑到ANC系统要求对噪声采样逐个进行检测、控制和调整，传统的PS0算法不能直 接应用于ANC系统。 在ANC系统中，自适应算法的主要目标是使误差传感器检测到的均方误差达到最 小。为了将传统PS0算法应用于这样一个优化问题，本专利技术使用R个自适应控制器，每个控 制器被表示为一组系数矢量，也即PS0算法中的一个粒子。这里将R组矢量表示为【主权项】1. 一种，适用于单通道自适应有源噪声控制前馈 系统，使用R个自适应控制器，每个控制器用一组系数矢量表示，也即PSO算法中的一个粒 子，R组矢量表示为其中，n为当前采样时刻，r表示粒子索引编号，N表示控制器阶数，而W的每一行则代 表一个自适应控制器的权系数；该系统中的自适应算法采用粒子群优化算法，其特征在于： 前述粒子群优化算法包括如下步骤： 第一步：设置粒子群优化算法的参数和要求的精度，前述粒子群优化算法的参数包括 粒子数R，控制器阶数N，数据块长度L，迭代次数上限，惯性权重的最大值Wmax，惯性权重 的最小值W min，最大速率vmax，zjp Z 2;前述参数Z :和Z 2通过多次反复实验后确定，具体的 确定方法如下：通过多次反复实验，分别记录声通道突变前后两次均方误差的差值，根据两 组差值所在的范围分别设定ZdPz 2，设定的21要保证突变前两次均方误差的差值都在区间 (〇, Z1)内，设定的22要保证突变后两次均方误差的差值都在区间（Z 2, + D )内； 第二步：随机初始化粒子种群中各粒子的位置和速度； 第三步：根据如下公式更新粒子索引编号其中，「y是取整运算，R和L分别表示种群粒子数及数据块长度，这里每个粒子需经历 L个采样时刻，本步骤本文档来自技高网...

【技术保护点】
一种基于粒子群算法的有源噪声控制方法，适用于单通道自适应有源噪声控制前馈系统，使用R个自适应控制器，每个控制器用一组系数矢量表示，也即PSO算法中的一个粒子，R组矢量表示为其中，n为当前采样时刻，r表示粒子索引编号，N表示控制器阶数，而W的每一行则代表一个自适应控制器的权系数；该系统中的自适应算法采用粒子群优化算法，其特征在于：前述粒子群优化算法包括如下步骤：第一步：设置粒子群优化算法的参数和要求的精度，前述粒子群优化算法的参数包括粒子数R，控制器阶数N，数据块长度L，迭代次数上限tmax，惯性权重的最大值wmax，惯性权重的最小值wmin，最大速率vmax，z1和z2；前述参数z1和z2通过多次反复实验后确定，具体的确定方法如下：通过多次反复实验，分别记录声通道突变前后两次均方误差的差值，根据两组差值所在的范围分别设定z1和z2，设定的z1要保证突变前两次均方误差的差值都在区间(0，z1)内，设定的z2要保证突变后两次均方误差的差值都在区间(z2，+∞)内；第二步：随机初始化粒子种群中各粒子的位置和速度；第三步：根据如下公式更新粒子索引编号其中，是取整运算，R和L分别表示种群粒子数及数据块长度，这里每个粒子需经历L个采样时刻，本步骤共需经历R×L个采样时刻；第四步：计算每个粒子在L个采样时刻内的均方误差作为该粒子的适应值，用来评价粒子的适应度，将当前各粒子的位置和适应值存储在各粒子的pbest中，将所有pbest中适应值最优个体的位置和适应值存储于gbest中；第五步：若满足如下公式则返回第二步，否则转入第六步：|E(t‑1)‑E(t‑2)|≤z1且|E(t)‑E(t‑1)|≥z2上式中，E(t)为第t次迭代后的均方误差；第六步：将每个粒子的适应值与其经历过的最好位置作比较，如果更好，则将其作为当前的最好位置，并比较所有pbset和gbest的值，更新gbest；第七步：计算所有粒子个体最优值的均值；第八步：根据如下公式更新惯性权重：w=wmax-(wmax-wmin)(ttmax)2]]>其中，wmax和wmin分别表示w的最大值和最小值，tmax表示迭代次数上限；第九步：用如下公式分别更新粒子的速度和位置：Vi(t+1)＝wVi(t)+c1r1[P(t)‑Xi(t)]+c2r2[Pg‑Xi(t)]Xi(t+1)＝Xi(t)+Vi(t+1)其中，Pg为全局最优，即所有粒子个体最优值的平均值；第十步：若满足迭代次数上限或者精度要求，则停止运行，否则返回第三步继续运行。...

【技术特征摘要】

【专利技术属性】
技术研发人员：马立勇，张湧，马家辰，谢玮，胡佳俊，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：山东;37