基于dsp汽车内部噪声主动智能控制系统设计

《基于dsp汽车内部噪声主动智能控制系统设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://www.paper.edu.cn1基于DSP的汽车内部噪声主动智能控制系统设计孟繁营德州职业技术学院，山东德州（253000）E-mail：mfy_8888@sohu.com摘要：本文在LMS的基础上研究了改进的归一化变步长最小均方误差算法（MNVS），得出了该算法的权重调整公式。论文以TMS320F2812DSP为基础设计了智能控制器，并且根据课题需要完成了汽车内部噪声主动控制实验系统的设计。关键词：噪声主动控制自适应控制LMS算法DSP汽车噪声1．研究背景噪声对人们在心理、生理和社会生活诸多方面都将产生不利影响，随着现代社会的发展和人们生活水平的提

2、高，噪声控制问题日益引起了人们的重视和关注。尤其在汽车、飞机、潜艇等封闭舱内的噪声控制更是具有重要的意义，引起了工程技术界的广泛关注，成为各国争相研究的重点。噪声主动控制基本思想是由德国物理学家PaulLueg于1936年发明“电子消声器”[1]时首次提出的。汽车内部噪声控制方法主要分为被动控制和主动控制。被动控制技术对于高频噪声具有较好的衰减能力，并且实现简单、系统稳定性好，但是被动控制存在许多致命的不足，如容易引起硬件过重、成本增加，更为关键的问题是，被动控制技术对于中、低频噪声控制更显得无能为力。这样噪声主动控制(ActiveNoiseControl,简称AN

3、C)的思想便应运而生并逐渐引起了人们的重视。噪声主动控制技术相对传统的被动控制来说，具有对中、低频段噪声的控制效果明显、系统轻巧、实时[2]性强等优点，具有潜在的工程应用价值。2．改进的变步长归一化最小均方误差（MNVS）算法2.1多误差LMS算法最小均方（LeastMeanSquare，LMS）算法是由Widrow和Hoff于1960年提出的。LMS算法是基于最小均方误差准则（NMSE）的特殊维纳滤波器和最陡下降法[3]提出的一种线性自适应算法。LMS算法的递推公式为w(nn+=1)w()+2µe()nx(n)（1）但是在实际应用中，这种简单的形式很难真正达到预想

4、的效果。不过以它为基础的多误差LMS算法（NVS）具有很高的实用价值。NVS算法的权重调整公式为公式2和3。Jwxmi(1kw+)=−xmi(k)2µxel(k)∑clmjx(k−i−j)（2）j=0Jwymi(1kw+)=−ymi(k)2µyel(k)∑clmjy(k−i−j)（3）j=01本论文得到山东省自然科学基金项目（2004ZRB02001）的资助。-1-http://www.paper.edu.cnLMS算法因其计算量小、性能稳定、简单易实现而被广泛应用于时不变系统。但是，应用于时变系统时，其跟踪能力常常不能满足要求。改进的归一化变步长最小均[4]方误差

5、算法（MNVS）对LMS算法作了很大改进，它采用了归一化变步长方法，加速了算法在大的误差区域内和小误差区的快速收敛性，有效地提高了跟踪性能。传统的LMS算法权系数的迭代公式如公式（1）所示，当步长µ一定时，该算法的总收敛速度主要取决于输入序列自相关矩阵[R]的最小特征值λ，而总失调则主xxmin要取决于最大特征值λ。当[R]的特征值严重分散时，输出收敛速度低且失调大。maxxx由于[R]的特征值随着输入信号强度的改变而改变，影响收敛和失调，甚至可能破坏xx收敛条件。这就要求自适应算法有较大的动态范围，归一化变步长最小均方误差（NVS）算法就能很好地适应这一要求，它采

6、取的措施之一是在公式（1）中引进了变步长因子ε，可以将步长视为µ=µε，即ε大时，µ随之增大，自适应算法自动地进jjjjj行快速跟踪，当ε小时，即算法输出已经较好地跟踪期望值，取小步长µ，以保证jj算法小的失调。其中ε可以由下式给出：j⎧⎪C当εj≥Cεj=⎨⎪⎩εj其他（2）这里C为常数，且C≥1，对ε进行限幅的目的在于保证满足收敛条件。NVS算法的ju又一措施是将输入功率归一化，即以代替µ，p表示输入信号的功率，用下式的jpj一阶递归法进行估计：22pˆ=pˆ+θ(x−pˆj−1),0<θ<1jj−1j（3）2pj初始pˆ=x。由于输入信号的特征值及自相关矩阵[

7、R]的迹Tr[R]均与输入功率00xxxx成比例，因而它的引入使LMS算法的性能保持稳定，不随输入信号强度的改变而改变，从而扩大了LMS算法输入的动态范围，综合起来归一化变步长（NVS）自适应滤波算法的迭代公式为：W(j+1)=W(j)+(2µε/pˆ)εX(j)jjj（5）式中的ε和p分别由公式（2）、（3）两式决定，公式（5）收敛的条件为：jj0<µC<1(λpˆ)maxj（6）事实上在NVS算法中，变步长µεpˆ随着ε的减少而越来越小，而pˆ是较jjjj平稳的量，因而使NVS算法收敛到精确值的时间大大超过LMS算法，为了克服这一缺点，在此给出改进的归一化变