资源描述：
《毕业设计（论文）-基于rls算法的自适应有源噪声控制系统的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、本科毕业设计(论文)题目：基于RLS算法的自适应有源噪声控制系统的研究院（系）电子信息工程学院专业电气工程及其自动化班级姓名学号导师2012年6月本科毕业设计(论文)题目：基于RLS算法的自适应有源噪声控制系统的研究院（系）电子信息工程学院专业电气工程及其自动化班级姓名学号0导师III基于RLS算法的自适应有源噪声控制系统的研究摘要噪声作为现代社会主要的环境污染，其有效控制和消除一直是热门研究课题之一。在无源噪声控制技术始终无法得到优良的降噪性能的现实下，有源噪声控制技术成为研究热点。（Activ
2、eNoiseControl）.所谓无源噪声控制是采用吸声、隔音、使用消声器等被动噪声控制的方法，对中高频噪声的控制效果较好，但对低频噪声的控制却不明显。有源噪声控制又称有源控制或有源消声，主要是通过声波的相消性干涉原理，由次级声源产生与初级声源声波幅度大小相等、相位相反的声波，从而实现相消性干涉，进而达到降低噪声的目的。所以，有源噪声控制系统的研究是非常急需和必要的。RLS算法相对于目前使用较多的LMS算法，RLS算法具有较好的收敛性能和跟踪能力，但是要求较多的计算量，目前最快的RLS算法也要比L
3、MS算法多2-3倍的计算量，但是，随着DSP芯片速度的提高，极大的弥补了RLS算法运算量大的弱点。因此，对于RLS算法的研究，还是很有理论意义和实用价值的。本文介绍了自适应滤波器的基本原理，对自适应算法中的最小二乘算法进行了深入研究，分析了算法的收敛特性及各参数对算法性能的影响，最后应用MATLAB软件，对自适应算法在噪声控制系统中的应用进行了仿真研究。关键词：：自适应算法，有源噪声控制，RLS算法,Matlab仿真IIIAdaptiveActiveNoiseControlSystemBasedo
4、nRLSalgorithmAbstractNoiseasoneofthemajorenvironmentalpollutionisaworldwideenvironmentalconcerns,howtoeffectivelyeliminatethenoisewasoneofthemostpopularresearchtopicsformanyyears.Atpresent,themainnoisecontrolmeasurescanbedividedintopassivenoisecontrol
5、andtheactivenoisecontrol.Theso-calledpassivenoisecontrolistheuseofsoundabsorptionorinsulation,useofpassivenoisecontrolmufflerthebetterthecontroleffectofthehighfrequencynoise,butthecontroloflowfrequencynoiseisnotobvious.Activenoisecontrol,alsoknownasth
6、eactivecontroloractivemuffler,mainlythroughtheacousticphasecancellationbetweentheinterferenceprincipleofequalsizewiththeacousticwaveamplitudeoftheprimarysoundsourcegeneratedbythesecondarysoundsource,theoppositephaseofthesoundwavesinordertoachievecance
7、llationsexualinterference,thusachievingthepurposeofreducingnoise.Therefore,thestudyofactivenoisecontrolsystemisveryurgentandnecessary.RLSalgorithmiscomparedtomoreofthecurrentuseofLMSalgorithm,RLSalgorithmhasbetterconvergenceperformanceandtrackingabili
8、ty,butrequiresmorecomputation,RLSiscurrentlythefastestalgorithmthanLMSalgorithmof2-3timestheamountofcomputation,but,astheDSPchipspeedincrease,greatlymakeupalargeamountofcomputationtheweaknessoftheRLSalgorithm.Therefore,theRLSalgorithm,greatthe
