有源噪声控制与实时仿真软件金宝app
设计一个实时主动噪声控制系统使用Speedgoat®仿真软件®实时™的目标。金宝app
有源噪声控制(ANC)
有源噪声控制的目标是减少不必要的声音通过产生一个“吸声”信号,取消了不受欢迎的声波。这一原则已经成功地应用于各种应用程序,如消音耳机,活跃的声音设计汽车内饰,在通风管道和通风附件降噪。
在这个例子中,我们应用基于模型的设计原则。首先,我们设计非国大没有任何硬件通过使用一个简单的声学模型模拟。然后,我们完成我们的原型代替模拟声学路径的Speedgoat目标计算机和Speedgoat支持金宝app(金宝app实时仿真软件)及其IO104模拟模块。Speedgoat外部实时仿真软件的目标,它允许我们执行模型实时观察感兴趣的任何数据,如自适应滤波器金宝app系数,在真正的时间。
这个例子有一个同伴的视频:有源噪声控制——从建模到实时的原型。
非国大前馈模型
下面的图展示了一个经典的例子前馈ANC。管入口处的噪声源,如风机,由扬声器“取消”。噪音的来源b(n)是测量与参考麦克风,出席的输出信号系统监控与麦克风,一个错误e(n)。注意参考麦克风和扬声器之间的距离较小,越快非国大必须能够计算和回放“吸声”。
主路径之间的传递函数是两个麦克风,W(z)是自适应滤波器计算最后一个可用的误差信号e(n),二级道路年代(z)是非国大输出之间的传递函数和麦克风的错误。次要路径估计年代(z)用于过滤NLMS更新函数的输入。此外,声反馈F(z)从非国大扬声器参考麦克风可以估计(F '(z从参考信号)和删除b(n)。
实现一个成功的ANC系统,我们必须估计主要和次要路径。在这个例子中,我们估计第二路径和声学反馈,然后保持不变而ANC系统适应的主要路径。
Filtered-X ANC模型
仿真软件和金宝app基于模型的设计,您可以开始所需的系统的基本模型和模拟环境。然后,您可以改善模型或取代模拟现实的环境,真正的一个。您也可以通过细化迭代模拟环境,当你学习更多关于真实世界的挑战系统。例如,您可以添加声反馈或测量噪声对模拟环境如果这些元素限制实际系统的性能。
开始的模型Filtered-X NLMS ANC系统,包括非国大控制器和管道的声学环境。假设我们已经有次要路径的估计,因为我们将设计一个系统来衡量之后。模拟信号的误差传声器噪声源的和过滤的主要声学路径和非国大输出过滤通过次级声学路径。使用一个“LMS更新”的配置块最小化信号被错误麦克风。在Filtered-X系统中,NLMS更新的输入是过滤噪声来源的估计次要道路。为了避免一个代数环,之间有一个延迟一个样本的计算滤波器系数和LMS滤波器使用。
设置二级道路年代(n)= (0.5 - 0.5。3 -。3 -。2 -。2)和主要路径conv(年代(n),f(n)),f(n)= (。1 -。1。2 -。2。3 -。3含量原来]。验证正确的自适应滤波器收敛于f(n),在这种情况下,它匹配的主要路径在我们的模型一次与二次卷积路径。请注意,年代(n),f(n)设置任意,但我们可以尝试任何冷杉转移功能,如一个实际的脉冲响应测量。
次要路径估计模型
设计一个模型来估计路径。使用一个自适应滤波器在配置适合一个未知系统的识别。我们可以确认它收敛于f (n)。
实时实现Speedgoat
尝试非国大在实时的环境中,我们建立了经典的导管的例子。在接下来的形象,从右到左,我们有一个扩音器播放噪声源,参考麦克风,非国大扬声器,麦克风的错误。
延迟是至关重要的:系统必须记录参考麦克风,计算的响应和玩在非国大扬声器之间的旅行时间声音这些点。在这个例子中,之间的距离参考麦克风和“Y”的开始部分是34厘米。声音是343 m / s的速度,因此我们的最大延迟1 ms,或8样本8 kHz的采样率在这个例子中使用。
我们将使用Speedgoat实时目标模型,与IO104模拟I / O接口卡。金宝appSpeedgoat允许我们实现延迟低至一个或两个样品。
意识到我们的实时模型,我们使用我们之前测试的构建块,并简单地取代Speedgoat声学模型的I / O模块。我们还包括测量非国大扬声器的声反馈参考麦克风,我们添加一些逻辑自动测量路径切换到前10秒钟实际ANC模式。在第一次10秒,白噪声是非国大扬声器回放和两个NLMS启用过滤器,一个麦克风。然后,噪声源是回放模型的方便,但实际输入的ANC系统参考麦克风(这种回放可以取而代之的是一个真正的噪声源,比如风扇的右端管)。系统记录参考麦克风,适应非国大NLMS过滤和计算非国大扬声器的信号。我们照顾建立模型属性,以便IO104卡驾驶仿真软件模型(请参见的节奏金宝appIO104中断驱动模式)。访问模型的文件夹,打开示例通过单击“打开脚本”按钮。模型的文件名是“Speedgoat_FXLMS_ANC_model.slx”。
降噪性能
我们测量的性能这ANC原型双音调和实际记录的低沉的洗衣机。我们获得了降噪的20 - 30 dB双音调和8 - 10 dB的录音,这是一个更现实,也更困难的情况。滤波器的收敛速度与音调不到几秒钟,但实际情况需要更多的时间(一到两分钟)。
延迟测量
性能的另一个方面是系统的延迟,因为这决定了参考非国大麦克风和扬声器之间的最小距离。在我们的原型中,活跃的ANC扬声器,我们使用的是可能会引入延迟,所以我们可以确保这不是一个问题通过比较两个麦克风之间的响应之间的响应非国大麦克风输出信号和错误。之间的区别这两个延迟的最大时间计算可用的系统抗噪声信号的参考麦克风。使用相同的NLMS识别技术,我们获得以下参考麦克风的响应错误麦克风:
然后,我们可能比较反应路径的估计:
不同的是只有两个或三个样本,所以使用我们目前的活跃的扬声器和Speedgoat,我们不能显著降低参考非国大麦克风和扬声器之间的距离在我们的原型。减少距离,我们需要一个扬声器,不引入任何额外的延迟。我们还可以增加仿真软件模型的采样率(Speedgoat延迟设置为一个或两个样品,无论采样率)。金宝app
引用
s . m .郭和d·r·摩根,“主动噪声控制:教程审查。”在IEEE学报》,87卷,没有。1999年6月6日,页。943 - 973年。
K.-C。陈,彭译葶。Chang, s m .郭“有源噪声控制在一个管取消宽带噪声,“在眼压会议系列:材料科学与工程,237卷,没有。1,2017。https://iopscience.iop.org/article/10.1088/1757 - 899 x/237/1/012015。
Speedgoat目标计算机和Speedgoat支持金宝app(金宝app实时仿真软件)
