基于dsp的管道有源噪声控制系统研究

《基于dsp的管道有源噪声控制系统研究》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、硕士学位论文基于DSP的管道有源噪声控制系统研究RESEARCHONACTIVENOISECONTROLSYSTEMOFPIPELINEBASEDONDSP段相哈尔滨工业大学2016年12月万方数据国内图书分类号：TB535学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于DSP的管道有源噪声控制系统研究硕士研究生：段相导师：王明江教授申请学位：工程硕士学科：集成电路工程所在单位：深圳研究生院答辩日期：2016年12月授予学位单位：哈尔滨工业大学万方数据Classified

2、Index:TB535U.D.C:621.3DissertationfortheMaster’sDegreeofEngineeringRESEARCHONACTIVENOISECONTROLSYSTEMOFPIPELINEBASEDONDSPCandidate：DuanXiangSupervisor：Prof.WangMingjiangAcademicDegreeAppliedfor：Master’sDegreeofEngineeringSpeciality：IntegratedCircuitEng

3、ineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2016Degree-Conferring-Institution：HarbinInstituteofTechnology万方数据哈尔滨工业大学工程硕士学位论文摘要噪声污染对人们生活的影响越来越受到关注。噪声控制方法主要有被动噪声控制和有源噪声控制两种，被动噪声的方式对低频的噪声不能有很好的降噪效果且设备过大，成本也较高。而有源噪声控制技术对低频噪声效果好，并且装置较小，

4、易于安放，特别适合针对管道声场空间有限的环境。对于管道有源噪声控制技术，为了应对噪声信号的多变性，自适应滤波器常被采用，最小均方算法是自适应算法中最常使用的算法，算法的收敛速度和稳态误差对实际的降噪效果会产生很大影响。本文研究了有源噪声控制系统的结构，讨论不同噪声控制结构的特点及其应用场景。分析了自适应滤波器的原理，对自适应滤波算法的设计规则进行深入了解，研究最小均方算法，从原理上阐述算法的收敛速度和稳态误差之间的矛盾；对变步长的最小均方算法进行了深入的研究，针对变步长的改进规则，提出三段式的步长控

5、制原则，采用分段的思想来控制步长迭代的过程。在初始阶段采用恒定的步长使系统快速收敛，在稳态阶段利用正割函数来控制稳态过程，使算法具有较小的稳态误差，针对新的步长迭代公式，对改进的算法进行仿真，与已有的算法进行比较，新的算法相比已有算法具有较快的收敛速度和较小的稳态误差。在算法研究及仿真的基础上，以DSP为控制核心，选取相应的输入输出设备，搭建管道前馈有源噪声控制系统，并且针对实际系统中的次级通道问题进行建模，分析次级通道对系统产生的影响，利用滤波-X最小均方算法结构来解决次级通道的问题，在搭建的控制

6、系统中利用新的变步长算法，经过多次降噪实验，新的算法能够获得较快的收敛速度，降噪控制平台具有一定的降噪效果。关键词：有源噪声控制；自适应滤波器；最小均方算法；DSP-I-万方数据哈尔滨工业大学工程硕士学位论AbstractTheinfluenceofnoisepollutiononpeople'slivesisgettingmoreandmoreattention.Noisecontrolmethodsincludepassivenoisecontrolandactivenoisecontrol.P

7、assivenoisecontrolmethodscannothaveagoodnoisereductioneffectforlowfrequencynoiseandtheequipmentistoolarge,thecostisalsohigh.Buttheactivenoisecontroltechnologyhasagoodeffectonlowfrequencynoise,andthedeviceissmallandeasytoinstall.Activenoisecontroltechno

8、logyisespeciallysuitablefortheenvironmentofthelimitedspacelikepipeline.Fortheactivenoisecontrolofthepipeline,theadaptivefilterisoftenusedinordertocopewiththevariabilityofthenoisesignal.Theleastmeansquarefilteringalgorithmisthemostcommon