Активное шумовое управление (ANC)

Цель активного шумового управления состоит в том, чтобы уменьшать нежелательный звук путем создания “антишумового” сигнала, который отменяет нежелательную звуковую волну. Этот принцип был применен успешно к большому разнообразию приложений, таких как наушники шумоподавления, активный саунд-дизайн в автомобильных внутренних частях и шумоподавление в кабелепроводах вентиляции и вентилируемых корпусах.

В этом примере мы применяем принципы модельно-ориентированного проектирования. Во-первых, мы проектируем ANC без любого оборудования при помощи простой акустической модели в нашей симуляции. Затем мы завершаем наш прототип, заменяя симулированный акустический путь Целевыми компьютерами Speedgoat и Поддержкой Speedgoat (Simulink Real-Time) и его аналоговый модуль IO104. Speedgoat является внешней целью В реальном времени для Simulink, который позволяет нам выполнять нашу модель в режиме реального времени и наблюдать любые данные интереса, такого как адаптивные коэффициенты фильтра, в режиме реального времени.

Этот пример имеет сопутствующее видео: Активное Шумовое Управление – От Моделирования до Прототипирования В реальном времени.

ANC модель прямого распространения

Следующая фигура иллюстрирует классический пример ANC прямого распространения. Источник шума во входе канала, такого как вентилятор, “отменяется” громкоговорителем. Источник шума b (n) измеряется со ссылочным микрофоном, и сигнал, существующий при выходе системы, проверен с ошибочным микрофоном, e (n). Обратите внимание на то, что, чем меньший расстояние между ссылочным микрофоном и громкоговорителем, тем быстрее ANC должен смочь вычислить и воспроизвести “антишумовое”.

Первичный путь является передаточной функцией между этими двумя микрофонами, W (z) является адаптивным фильтром, вычисленным из последнего доступного сигнала ошибки e (n), и вторичный путь S (z) является передаточной функцией между ANC выход и ошибочным микрофоном. Вторичный оценочный S' пути (z) используется, чтобы отфильтровать вход функции обновления NLMS. Кроме того, акустическая обратная связь F (z) с громкоговорителя ANC на ссылочный микрофон может быть оценена (F' (z)) и удалена из опорного сигнала b (n).

Чтобы реализовать успешную систему ANC, мы должны оценить и основное устройство и вторичные пути. В этом примере мы оцениваем вторичный путь и акустическую обратную связь сначала и затем сохраняем его постоянным, в то время как система ANC адаптирует первичный путь.

Фильтрованная-X модель ANC

С Simulink и модельно-ориентированным проектированием, можно начать с базовой модели желаемой системы и симулированной среды. Затем можно улучшить реализм той модели или заменить симулированную среду действительной. Можно также выполнить итерации путем совершенствования симулированной среды, когда вы узнаете больше о проблемах реальной системы. Например, вы могли добавить акустическую обратную связь или шум измерения к симулированной среде, если те - элементы, которые ограничивают эффективность реальной системы.

Начните с модели Фильтрованной-X системы ANC NLMS, и включая контроллер ANC и включая акустическую среду канала. Примите, что у нас уже есть оценка вторичного пути, поскольку мы спроектируем систему, чтобы измерить это позже. Симулируйте сигнал в ошибочном микрофоне как сумма источника шума, отфильтрованного первичным акустическим путем и ANC выход, отфильтрованный вторичным акустическим путем. Используйте блок “LMS Update” в настройке, которая минимизирует сигнал, полученный ошибочным микрофоном. В Фильтрованной-X системе вход обновления NLMS является источником шума, отфильтрованным оценкой вторичного пути. Чтобы избежать алгебраического цикла, существует задержка одной выборки между расчетом новых коэффициентов фильтра и их использованием фильтром LMS.

Установите вторичный путь к s (n) = [0.5 0.5-.3-.3-.2-.2] и первичный путь к conv (s (n), f (n)), где f (n) = [.1-.1.2-.2.3-.3.15-.15]. Проверьте, что адаптивный фильтр правильно сходится к f (n), в этом случае это совпадает с первичным путем в нашей модели, к которой однажды применяют операцию свертки со вторичным путем. Обратите внимание на то, что s (n) и f (n) были установлены произвольно, но мы могли попробовать любые КИХ-передаточные функции, такие как фактическое измерение импульсной характеристики.

Вторичная модель оценки пути

Спроектируйте модель, чтобы оценить вторичный путь. Используйте адаптивный фильтр в настройке, подходящей для идентификации неизвестной системы. Мы можем затем проверить, что это сходится к f (n).

Реализация в реальном времени с Speedgoat

Чтобы экспериментировать с ANC в окружении реального времени, мы создали классический пример канала. В следующем изображении, справа налево, у нас есть громкоговоритель, проигрывая источник шума, ссылочный микрофон, громкоговоритель ANC и ошибочный микрофон.

Задержка очень важна: система должна записать ссылочный микрофон, вычислить ответ и воспроизвести его на громкоговорителе ANC во время, которое требуется для звука, чтобы переместиться между этими точками. В этом примере, расстоянии между ссылочным микрофоном и начало раздела “Y” 34 см. Скорость звука составляет 343 м/с, таким образом наша максимальная задержка составляет 1 мс, или 8 выборок на частоте дискретизации на 8 кГц, используемой в этом примере.

Мы будем использовать Speedgoat цель в реальном времени в Simulink с аналоговой интерфейсной платой ввода-вывода IO104. Speedgoat позволяет нам достигать задержки всего одна или две выборки.

Чтобы понять нашу модель реального времени, мы используем базовые блоки, которые мы протестировали ранее, и просто замените акустические модели блоками ввода-вывода Speedgoat. Мы также включали измерение акустической обратной связи с громкоговорителя ANC на ссылочный микрофон, и мы добавили некоторую логику, чтобы автоматически измерить вторичный путь в течение 10 секунд прежде, чем переключиться на фактический режим ANC. В течение первых 10 секунд белый шум воспроизводится на громкоговорителе ANC, и два фильтра NLMS включены, один на микрофон. Затем “источник шума” воспроизводится моделью для удобства, но фактический вход системы ANC является ссылочным микрофоном (это воспроизведение могло быть заменено действительным источником шума, таким как вентилятор в правильном конце канала). Система записывает ссылочный микрофон, адаптирует ANC, который фильтруют NLMS, и вычисляет сигнал для громкоговорителя ANC. Мы заботимся, чтобы настроить наши свойства модели так, чтобы карта IO104 управляла тактовым сигналом модели Simulink (см. IO104 в управляемом прерыванием режиме). Чтобы получить доступ к папке модели, откройте пример путем нажимания кнопки “Open Script”. Имя файла модели является “Speedgoat_FXLMS_ANC_model.slx”.

Эффективность шумоподавления

Мы измерили уровень этого прототипа ANC и с двойными тонами и с фактической записью приглушенной стиральной машины. Мы получили шумоподавление 20-30 дБ для двойных тонов и 8-10 дБ для записи, которая является более реалистическим, но также и более трудным случаем. Уровень сходимости для фильтра меньше нескольких секунд с тонами, но требует намного большего количества времени для действительного случая (одна или две минуты).

Измерения задержки

Другим аспектом эффективности является задержка системы, когда это определяет минимальное расстояние между ссылочным микрофоном и громкоговорителем ANC. В нашем прототипе активный громкоговоритель ANC, который мы используем, может ввести задержку, таким образом, мы можем убедиться, что это не проблема путем сравнения ответа между этими двумя микрофонами к ответу между выходным сигналом ANC и ошибочным микрофоном. Различием между этими двумя задержками является максимальное время, которое система имеет в наличии, чтобы вычислить антишумовой сигнал из ссылочного микрофона. Используя тот же идентификационный метод NLMS, мы получаем следующий ответ со ссылочного микрофона на ошибочный микрофон:

Затем мы можем сравнить тот ответ на вторичную оценку пути:

Различием являются только две или три выборки, таким образом с помощью нашего текущего активного громкоговорителя и Speedgoat, мы не можем значительно уменьшить расстояние между ссылочным микрофоном и громкоговорителем ANC в нашем прототипе. Чтобы уменьшить расстояние, нам был бы нужен громкоговоритель, который не вводит дополнительной задержки. Мы могли также увеличить частоту дискретизации модели Simulink (задержка Speedgoat установлена в одну или две выборки, независимо от частоты дискретизации).

Ссылки

С. М. Куо и Д. Р. Морган, "Активное шумовое управление: учебный анализ", в Продолжениях IEEE, издания 87, № 6, стр 943-973, июнь 1999.

K.-C. Чен, C.-Y. Чанг и С. М. Куо, "Активное шумовое управление в канале, чтобы отменить широкополосный шум", в Ряду Конференции по IOP: Материаловедение и Разработка, издание 237, № 1, 2017. https://iopscience.iop.org/article/10.1088/1757-899X/237/1/012015.

Целевые компьютеры Speedgoat и поддержка Speedgoat (Simulink Real-Time)

Подготовка модуля IO104 в Simulink

Подготовка IO104 в управляемом прерыванием режиме

Смотрите также: Активное Шумовое Управление Используя Фильтрованного-X КИХ LMS Адаптивный Фильтр