论文部分内容阅读
随着社会的进步,噪声污染问题日益加剧,尤其是产生于旋转设备或具有往复运动装置的低频噪声。近十多年,针对低频噪声抵消的主动噪声控制(Active Noise Control,ANC)技术逐渐成为噪声控制领域的研究热点。然而目前绝大多数ANC算法都是滤波类算法,需要对ANC控制器输出和消噪点之间的次级通道进行在线或离线辨识。次级通道辨识不仅会引入辅助噪声减小降噪量,还会因辨识误差导致控制系统性能恶化。针对以上问题,本文提出一种基于Kalman滤波的无次级通道建模ANC算法——模型误差补偿Kalman滤波算法(Model Error Compensatory KalmanFilter,MECKF)。首先,在状态空间描述无次级通道建模ANC控制器权值的估计问题,将主通道波动归入ANC控制器的权值估计误差中,通过剩余噪声序列导出权值估计的Kalman滤波递推过程。然后,根据声场特性和随机论假设,对模型做等价转化,将次级通道的波动归入量测矩阵,利用已知数据调节Kalman增益补偿未知次级通道的影响。最后,在本文所定义的状态空间模型下,给出了简单有效的系统噪声和量测噪声统计特性估计方法,降低了系统复杂度,提高了算法收敛速度,保证了算法实时性。仿真实验证明本算法对单频和宽带原始噪声均可收敛,消噪效果理想,并可以稳定地工作在平稳和非平稳环境。