一種基于頻率選擇的周期噪聲無模型反饋控制

引言

有源噪聲控制技術(shù)近年來得到了廣泛重視，特別適合低頻噪聲(1000Hz以下)的控制。有源噪聲控制從結(jié)構(gòu)上可分為兩類：一類是需要參考輸入信號(hào)的前向控制算法；另一類是不需要參考輸人信號(hào)的反饋控制算法[1]。隨著高性能低成本數(shù)字信號(hào)處理器(DSP)的出現(xiàn)，有源噪聲控制已經(jīng)成為可以用于實(shí)際工程的技術(shù)[2]。目前，使用最廣泛的是采用Filter-x最小二乘算法的前向控制算法[3]，但它需要測(cè)量與主噪聲相關(guān)的參考信號(hào)，同時(shí)要已知次級(jí)聲學(xué)路徑的模型。然而，在實(shí)際應(yīng)用中往往無法獲得或需要付出非常高的代價(jià)才能獲得參考信號(hào)。而且，次級(jí)聲學(xué)徑往往是時(shí)變的。因此，前向控制技術(shù)在實(shí)際應(yīng)用中受到一定限制。不易測(cè)量參考信號(hào)的問題可采用反饋控制技術(shù)來解決，次級(jí)聲學(xué)路徑模型已有多種不同的在線建模方法提出。然而，由于濾波、A／D轉(zhuǎn)換和信號(hào)傳遞過程等時(shí)間延遲的影響，反饋控制技術(shù)主要適用于窄帶噪聲控制。Meur-en[5]等提出了一種基于頻率選擇濾波的反饋控制技術(shù)。其主要優(yōu)點(diǎn)是不需要進(jìn)行傅立葉變換，各頻率獨(dú)立進(jìn)行控制，每個(gè)頻率控制的參數(shù)只有幅值和相位。該方法可采用在線建模方法處理次級(jí)聲學(xué)路徑時(shí)變的問題。本文利用Meurers的思想，使用無模型控制技術(shù)給出了一種新的周期噪聲控制方法。仿真結(jié)果表明，這種方法對(duì)次級(jí)聲學(xué)路徑的時(shí)變有較好的魯棒性。

2 基于FSF的周期噪聲反饋控制間

圖1給出了單頻噪聲控制結(jié)構(gòu)圖，其中x(ω)是單頻噪聲干擾信號(hào)，e(ω)為輸出信號(hào)。P(ω)為主噪聲路徑，G(ω)為次級(jí)聲學(xué)路徑，H(ω)為控制濾波器。目標(biāo)是產(chǎn)生控制信號(hào)u(ω)使系統(tǒng)的輸出盡量接近零。假設(shè)系統(tǒng)的各環(huán)節(jié)都是線性的，對(duì)于多頻干擾，每個(gè)正弦信號(hào)和對(duì)象的動(dòng)力響應(yīng)可以用復(fù)數(shù)方便地表示為：
e(jωn)=d(jωn)+ G(jωn)u(jωn) ,n=l，2，…，N (1)
為消除噪聲，控制器產(chǎn)生的控制信號(hào)應(yīng)滿足
u(jωn)=-d(jωn)/G(jωn), n=1,2, …，N (2)
是干擾頻率的數(shù)目，誤差信號(hào)中的每個(gè)頻率分量可由用頻率選擇濾波獲得，濾波器由3個(gè)串聯(lián)的2階濾波器構(gòu)成：
Fn(q)=f1n(q)F1n(q),n=1,2…，N (3)

其中

T是采樣周期，參數(shù)rl，但是r~1，實(shí)際應(yīng)用中常選r=0．97。控制系統(tǒng)采用分塊方式運(yùn)行，設(shè)每塊內(nèi)的樣本數(shù)為M。在第忌塊定義代價(jià)函數(shù)為
J(jωn)=e(jωn)2， n=l，2…，N(5)
誤差輸出寫為實(shí)部和虛部組成的向量形式
e=Gu-,M+n (6)
其中，刀為測(cè)量噪聲。用梯度下降算法可得到控制增益
的自適應(yīng)規(guī)律：
uk+l=uk-μGTe (7)
從(7)式可以看出，該算法需要次級(jí)聲學(xué)路徑的模型?？刹捎迷诰€估計(jì)方法確定該模型，但需事先記錄干擾信號(hào)，同時(shí)必須保持信號(hào)的同步[5]。

3 無模型噪聲控制算法[6]

實(shí)質(zhì)上，自適應(yīng)調(diào)節(jié)的關(guān)鍵是誤差梯度的計(jì)算，直接解析計(jì)算的結(jié)果需要次級(jí)聲學(xué)路徑的模型，可以采用差分等數(shù)值方法計(jì)算誤差梯度
Δui=μJ(u+cei)-J(u)/c(8)

Δui是參數(shù)的修正量，μ是學(xué)習(xí)系數(shù)，c是攝動(dòng)量，ei是第i個(gè)基向量。該算法的缺點(diǎn)是需要多次函數(shù)值的計(jì)算，當(dāng)調(diào)節(jié)參數(shù)較多時(shí)，計(jì)算量太大無法實(shí)際應(yīng)用。采用隨機(jī)梯度算法可以減少計(jì)算量
Δui=μJ(u+cs)-J(u)/csi(9)
其中，s是隨機(jī)符號(hào)向量，si是其中第i個(gè)分量。這里假設(shè)，隨機(jī)向量的每個(gè)分量都是零均值，且相互獨(dú)立。則：
E(Δui)=J(u)ui (10)
使用隨機(jī)梯度算法只需要計(jì)算兩次函數(shù)值，與調(diào)節(jié)參數(shù)數(shù)目無關(guān)。