В этом примере показано, как использовать Фильтрованный-X LMS-алгоритм в Адаптивном шумовом управлении (ANC).
В модели Simulink сигнал Источников шума содержит суперпозицию белого шума и синусоид. Модель использует адаптивный фильтр, чтобы уменьшать шум с помощью Фильтрованного-X LMS-алгоритма. Когда вы запускаете симуляцию, можно визуализировать и шум и получившийся сигнал с уменьшаемым шумом. В зависимости от времени Фильтрованный-X адаптивный алгоритм фильтра LMS в модели отфильтровывает шум путем минимизации степени сигнала ошибки через итеративное обновление весов фильтра.
Типичный адаптивный алгоритм LMS итеративно настраивает коэффициенты фильтра, чтобы минимизировать степень e (n). Таким образом, вы измеряете d (n) и y (n) отдельно и затем вычисляете e (n) = d (n) - y (n).
Однако в реальных Адаптивных Шумовых Приложениях управления, e (n) является суммой первичного шума d (n) и вторичного шума ys (n). Первичный шум является оценкой; мы не можем измерить его непосредственно. Вторичный шум от фазы сигнала, переключает или задерживается из-за вторичного пути. В Адаптивном шумовом управлении (ANC) необходимо принять вторичный путь во внимание. Вторичный путь является путем от выхода адаптивного фильтра к сигналу ошибки. Фильтрованный-X LMS-алгоритм может использоваться, чтобы создать адаптивное шумовое управление адаптивные фильтры, поскольку обычные алгоритмы наименьшее количество средних квадратичных (LMS) не могут компенсировать эти вторичные эффекты пути.
Фильтрованный-X сигнал LMS и системные определения:
x (n) - Вход Synthesized
y (n) - Corresponding выход
dN - Первичный шумовой вход
S (z) - Вторичная импульсная характеристика пути
ys (n) - Выход Secondary path
e (n) - Сигнал ошибки, от d (n) и ys (n)
S^ (z) - Оценка S (z)
fx (n) - Фильтрованный S^ (z) оценка выводится
Фильтрованный-X LMS-алгоритм выполняет следующие операции:
Вычислите выход y (n).
Вычислите fx (n) путем фильтрации x (n) с S^ (z) оценка.
Обновите коэффициенты фильтра с помощью уравнения LMS.
Подводя итоги, входные сигналы к Фильтрованному-X адаптивному фильтру являются x (n) и e (n). Введите x (n), синтезируемый опорный сигнал, произведенный суммой измеренной ошибки e (n) и вторичный сигнал y (n), отфильтрованный вторичной оценкой пути, i.e., X (z) = E (z) + S (z) Y (z). Чтобы компенсировать эффекты вторичного пути, необходимо оценить импульсную характеристику вторичного пути и принять эту оценку во внимание.
