麻豆精品无码国产在线播放,国产亚洲精品成人AA片新蒲金,国模无码大尺度一区二区三区,神马免费午夜福利剧场

一種抑制窄帶主動噪聲控制中頻率不匹配的方法與流程

文檔序號:12476024閱讀:來源:國知局

技術特征:

1.一種抑制窄帶主動噪聲控制中頻率不匹配的方法,其特征在于,包括以下步驟:

(1)在給定失真頻率初始值條件下,采用AR模型自動跟蹤目標噪聲頻率,并產生余弦型參考信號和正弦型參考信號;

(2)采用第一自適應FLANN濾波器對余弦型參考信號及其延遲信號進行處理,得到由余弦型參考信號產生的次級源信號;采用第二自適應FLANN濾波器對正弦型參考信號及其延遲信號進行處理,得到由正弦型參考信號產生的次級源信號;

(3)步驟(2)產生的兩種次級源信號疊加后形成次級源合成信號,次級源合成信號經過次級通道后生成次級噪聲信號;

(4)次級噪聲信號與目標噪聲信號進行相消疊加,得到殘余噪聲信號;

(5)采用步驟(3)所述次級通道的估計模型處理余弦型參考信號和正弦型參考信號,分別得到濾波-X余弦型參考信號和濾波-X正弦型參考信號;

(6)將濾波-X余弦型參考信號和殘余噪聲信號輸入到FXLMS算法中,更新第一自適應FLANN濾波器的權值參數;將濾波-X正弦型參考信號和殘余噪聲信號輸入到另一個FXLMS算法中,更新第二自適應FLANN濾波器的權值參數;將濾波-X余弦型參考信號、濾波-X正弦型參考信號以及殘余噪聲信號輸入到LMS算法中,更新AR模型的自適應參數,從而使產生的次級噪聲信號有效地抑制目標噪聲信號。

2.根據權利要求1所述一種抑制窄帶主動噪聲控制中頻率不匹配的方法,其特征在于:在步驟(1)中,得到的余弦型參考信號的表達式如下:

xa(0)=a,

xa(1)=a cos(ω),

xa(n)=-c(n)xa(n-1)-xa(n-2),n≥2

其中,xa(0)、xa(1)、xa(n-2)、xa(n-1)、xa(n)分別為余弦型參考信號的第0次、第1次、第n-2次、第n-1次、第n次的更新值,ω為通過非聲學傳感器獲得的失真的噪聲頻率;

正弦型參考信號的表達式如下:

xb(0)=b,

xb(1)=b sin(ω),

xb(n)=-c(n)xb(n-1)-xb(n-2),n≥2

其中,xb(0)、xb(1)、xb(n-2)、xb(n-1)、xb(n)分別為正弦型參考信號的第0次、第1次、第n-2次、第n-1次、第n次的更新值;

c(n)為AR模型的自適應參數的第n次更新值,其初始值為c(0)=c(1)=-2cos(ω)。

3.根據權利要求2所述一種抑制窄帶主動噪聲控制中頻率不匹配的方法,其特征在于:在步驟(3)中,所述次級源合成信號y(n)的表達式如下:

<mrow> <mi>y</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>w</mi> <mi>a</mi> <mi>T</mi> </msubsup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mi>x</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>w</mi> <mi>b</mi> <mi>T</mi> </msubsup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mi>x</mi> <mi>b</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <msub> <mi>w</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&lsqb;</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>,</mo> </mrow>

<mrow> <msub> <mi>w</mi> <mi>b</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&lsqb;</mo> <msub> <mover> <mi>b</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>b</mi> <mo>^</mo> </mover> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mover> <mi>b</mi> <mo>^</mo> </mover> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>,</mo> </mrow>

<mrow> <msub> <mi>x</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&lsqb;</mo> <msub> <mi>x</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>x</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>x</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mi>N</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>,</mo> </mrow>

xb(n)=[xb(n),xb(n-1),...,xb(n-N+1)]T

其中,wa(n)為第一自適應FLANN濾波器權值的第n次更新值,分別為第一自適應FLANN濾波器的第1個,第2個,…,第N個權值,xa(n)為余弦型參考信號xa(n)的第n次更新值經過N-1次延時器延時形成的N維向量;wb(n)為第二自適應FLANN濾波器權值的第n次更新值,分別為第二自適應FLANN濾波器的第1個,第2個,…,第N個權值,xb(n)為正弦型參考信號xb(n)的第n次更新值經過N-1個延時器延時形成的N維向量。

4.根據權利要求3所述一種抑制窄帶主動噪聲控制中頻率不匹配的方法,其特征在于:在步驟(4)中,所述殘余噪聲信號e(n)的表達式如下:

e(n)=p(n)-ys(n)

其中,p(n)為目標噪聲信號,它是窄帶源噪聲經線性初級通道傳播后在相消點形成的噪聲,ys(n)為次級噪聲信號。

5.根據權利要求4所述一種抑制窄帶主動噪聲控制中頻率不匹配的方法,其特征在于:目標噪聲信號p(n)的表達式如下:

p(n)=apcos(ωpn)+bpsin(ωpn)+vp(n)

其中,ap、bp為離散傅里葉系數,ωp為目標噪聲頻率,vp(n)為加性環境噪聲。

6.根據權利要求4所述一種抑制窄帶主動噪聲控制中頻率不匹配的方法,其特征在于:在步驟(6)中,更新第一、第二自適應FLANN濾波器的權值參數的表達式如下:

<mrow> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>&mu;</mi> <mi>e</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow>

<mrow> <msub> <mover> <mi>b</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>b</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>&mu;</mi> <mi>e</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>b</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow>

更新AR模型的自適應參數的表達式如下:

<mrow> <mi>c</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mi>c</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>&mu;</mi> <mi>c</mi> </msub> <mi>e</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&lsqb;</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mover> <mi>b</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>b</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&rsqb;</mo> </mrow>

其中,為第一自適應FLANN濾波器第k+1個權值的第n次,第n+1次更新值,為第二自適應FLANN濾波器第k+1個權值的第n次,第n+1次更新值;為濾波-X余弦型參考信號經過k個延時器延時后所得信號的第n次更新值,為濾波-X正弦信號經過k個延時器延時后所得信號的第n次更新值;為濾波-X余弦型參考信號的第n-1次更新值,為濾波-X正弦型參考信號的第n-1次更新值;μ為FLANN濾波器權值的更新步長因子,μc為AR模型參數的更新步長因子。

7.根據權利要求1-6中任意一項所述一種抑制窄帶主動噪聲控制中頻率不匹配的方法,其特征在于:步驟(3)所述次級通道S(z)和步驟(5)所述次級通道的估計模型是由FIR濾波器構成,它們的表達式如下:

<mrow> <mi>S</mi> <mrow> <mo>(</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>s</mi> <mi>j</mi> </msub> <msup> <mi>z</mi> <mrow> <mo>-</mo> <mi>j</mi> </mrow> </msup> </mrow>

<mrow> <mover> <mi>S</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>z</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mover> <mi>M</mi> <mo>^</mo> </mover> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mover> <mi>s</mi> <mo>^</mo> </mover> <mi>m</mi> </msub> <msup> <mi>z</mi> <mrow> <mo>-</mo> <mi>m</mi> </mrow> </msup> </mrow>

其中,M、為FIR濾波器的長度。

當前第2頁1 2 3 
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
主站蜘蛛池模板: 栖霞市| 东至县| 体育| 临汾市| 延边| 温州市| 双桥区| 无锡市| 平远县| 江都市| 赤壁市| 扎囊县| 南陵县| 博兴县| 通渭县| 娱乐| 高邮市| 靖宇县| 新干县| 台山市| 越西县| 清河县| 建昌县| 阿勒泰市| 建平县| 外汇| 昆明市| 崇信县| 靖远县| 高雄县| 屯门区| 克什克腾旗| 赣州市| 兴国县| 延庆县| 宜川县| 名山县| 蕲春县| 晋中市| 久治县| 三亚市|