有源噪聲與振動控制——原理、算法及實現

有源噪聲與振動控制——原理、算法及實現

《有源噪聲與振動控制——原理、算法及實現》是2014年清華大學出版社出版的書籍,作者是周亞麗、張奇志。

基本介紹

  • 書名:有源噪聲與振動控制——原理、算法及實現
  • 作者:周亞麗、張奇志
  • ISBN:9787302363361
  • 定價:38元
  • 出版時間:2014-6-13
  • 裝幀:平裝
前言,目錄,

前言

本書以管道噪聲為對象和背景,重點介紹有源噪聲控制算法。全書共分8章,第1章介紹了有源噪聲控制的基本原理及發展歷程。第2章概述了經典的有源噪聲控制算法。第3章及第4章研究了針對重複性和周期性噪聲的疊代學習控制及重複控制算法。第5章給出了隨機性脈衝噪聲的有源控制算法。第6章介紹了時變系統的有源噪聲控制算法。第7章介紹了基於神經網路的非線性系統的有源噪聲控制算法。第8章以管道噪聲為被控對象,對第3~7章所介紹的各種算法進行了仿真及實驗分析,給出了仿真及實驗結果。 本書可供從事噪聲與振動控制、信號處理及相關研究和開發的教師、研究生及工程技術人員參考。
有源噪聲控制是得到廣泛關注的研究領域。其基本原理是基於聲波的相消干涉原理,通過引入可控的次級聲源,並控制次級聲源使其輸出和來自主噪聲源的噪聲發生干涉,進而達到降低噪聲水平的目的。有源噪聲控制的出現是為了彌補無源控制方法的不足,傳統無源噪聲控制方法採用吸聲和隔聲等手段,對中高頻噪聲比較有效,而對低頻噪聲的控制需要龐大的裝置,一般難以實現。於是有源噪聲控制技術應運而生。從理論上說,有源噪聲控制在低頻範圍內可以達到很高的降噪量,同時可以使整個系統體積很小,便於設計和控制,具有很大的優越性。
20世紀80年代初,隨著數位訊號處理理論和技術的逐步成熟,基於自適應濾波理論的有源噪聲控制技術開始起步並迅速發展。尤其是1981年Morgan等人提出了獲得廣泛套用的FXLMS算法,有效解決了由於次路徑所引起的系統不穩定問題,開創了自適應有源噪聲控制的先河。至此,有源噪聲控制的研究正式進入了蓬勃發展時期。國內外有多家科研機構從事這方面的研究工作,其中有源消聲耳機、空調管道有源消聲和振動的有源隔離等技術已經在工程中得到套用。
本書以管道噪聲為對象和背景,重點介紹有源噪聲控制算法。本書共分8章,第1章介紹了有源噪聲控制的基本原理及發展歷程,概述了有源噪聲控制系統的基本結構,並對管道聲場的基本特性進行了簡要分析。第2章概述了經典的有源噪聲控制算法。內容包括自適應濾波器的基本結構、次路徑建模方法、經典的FXLMS算法以及各種改進的FXLMS算法。第3章研究了重複性噪聲的有源控制算法——疊代學習控制算法。根據系統的漸近穩定及單調收斂條件,推導出適用於非最小相位ANC系統的疊代學習濾波器設計算法——基於約束最佳化的非因果穩定逆求解算法。第4章研究了周期性噪聲的有源控制算法——重複控制算法。首先分析了基於重複控制算法的ANC系統的穩定條件,並根據穩定條件,設計了重複控制算法的非因果學習濾波器。第5章給出了隨機性脈衝噪聲的有源控制算法,脈衝噪聲控制是有源噪聲控制領域的一個研究熱點。本章首先介紹了脈衝噪聲的特性及建模方法,詳細分析了現有的隨機性脈衝噪聲的有源控制算法。在此基礎上,提出了通用步長歸一化算法,進一步簡化了算法的設計及實現流程。第6章介紹了時變系統的有源噪聲控制算法。主要包括次路徑線上辨識算法、基於SPSA的無模型算法及基於FFT的無模型疊代學習控制算法,以適應ANC系統次路徑時變的情況。第7章介紹了基於神經網路的非線性系統的有源噪聲控制算法,其中包括參考及誤差信號濾波的BP神經網路算法、函式連結型神經網路算法及自適應遞歸模糊神經網路算法.
本書的內容以作者在該領域10餘年的科研積累為主,同時廣泛參考了國內外同行的研究成果。書中引用時已做了相應標註,在此向各位作者表示感謝。作者10餘年的研究工作先後得到了北京市教委科技發展計畫項目、北京市教委骨幹教師項目和北京市優秀人才項目等的持續支持。本書的出版得到了北京市屬高等學校人才強教深化計畫——模式識別與智慧型系統學術創新團隊項目的經費資助,在此一併表示感謝。
本書由北京信息科技大學周亞麗和張奇志著寫。雖然作者進行了反覆修改,但因為水平限制,存在錯誤在所難免。歡迎讀者批評指正。
作者
2014年4月

目錄

第1章緒論1
1.1噪聲的危害1
1.2噪聲的無源控制方法2
1.2.1吸聲降噪2
1.2.2隔聲降噪3
1.2.3消聲器降噪3
1.3噪聲的有源控制方法4
1.3.1有源噪聲控制的基本原理4
1.3.2有源噪聲控制的發展歷程5
1.4有源噪聲控制系統的基本結構7
1.4.1前饋控制7
1.4.2反饋控制8
1.5管道聲場的特性分析9
1.5.1平面波截止頻率9
1.5.2平面波相消干涉原理10
1.6有源噪聲控制技術的套用11
第2章經典的有源噪聲控制算法12
2.1自適應濾波器12
2.1.1有限脈衝回響(FIR)濾波器12
2.1.2無限脈衝回響(IIR)濾波器13
2.2最小均方(LMS)算法14
2.3次路徑的建模16
2.4濾波X LMS(FXLMS)算法17
2.5帶遺忘因子的FXLMS算法19
2.6考慮聲反饋的FXLMS算法19
2.6.1FBFXLMS算法19
2.6.2次級聲反饋路徑建模21
2.7濾波U遞歸 LMS(FURLMS)算法21
2.8自適應陷波濾波算法23
2.9基於內模的反饋控制算法26
2.10頻域FXLMS算法26
第3章重複性噪聲的有源控制28
3.1重複性噪聲的特點28
3.2疊代學習控制(ILC)算法29
3.2.1ILC算法描述29
3.2.2ILC算法的收斂條件30
3.2.3ILC算法的終值誤差30
3.3基於ILC的有源噪聲控制算法31
3.3.1基於ILC算法的ANC系統31
3.3.2ILC學習濾波器的設計33
第4章周期性噪聲的有源控制37
4.1重複控制(RC)算法37
4.1.1內模原理37
4.1.2RC算法描述38
4.2基於RC的有源噪聲控制算法39
4.2.1基於RC的有源噪聲控制系統39
4.2.2系統穩定性分析40
4.2.3RC學習濾波器的設計41
第5章隨機性脈衝噪聲的有源控制45
5.1脈衝噪聲簡介45
5.1.1脈衝噪聲的特性45
5.1.2脈衝噪聲的建模45
5.2隨機性脈衝噪聲的生成50
5.2.1ChambersMallowsStuck方法50
5.2.2GaussBernoulli方法51
5.3隨機性脈衝噪聲的有源控制算法52
5.3.1概述52
5.3.2分數低階矩(FXLMP)算法53
5.3.3權值約束(CFXLMS)算法56
5.3.4幅值約束(MRFXLMS)算法57
5.3.5改進歸一化(MNFXLMS)算法59
5.3.6對數變換(FXlogLMS)算法60
5.3.7非線性M估計(FXLMM)算法61
5.3.8反正切函式(FXatanLMS)算法65
5.3.9Sigmoid函式(FXatanLMS)算法66
5.3.10通用步長歸一化(FXgsnLMS)算法68
第6章時變系統的有源噪聲控制73
6.1次路徑線上辨識算法73
6.2基於SPSA的無模型算法74
6.2.1同步擾動隨機逼近(SPSA)算法74
6.2.2基於SPSA的無模型有源噪聲控制算法75
6.3基於FFT的無模型疊代學習控制算法76
6.3.1無模型疊代學習控制(MFILC)算法描述76
6.3.2基於MFILC的脈衝噪聲有源控制算法77
第7章非線性系統的有源噪聲控制79
7.1神經網路概述79
7.2基於BP神經網路算法的ANC系統的結構79
7.3參考信號濾波的BP神經網路算法80
7.4誤差信號濾波的BP神經網路算法83
7.5函式連結型神經網路算法84
7.6自適應遞歸模糊神經網路算法85
7.6.1遞歸模糊神經網路(RFNN)結構85
7.6.2遞歸模糊神經網路的學習算法88
7.6.3自適應遞歸模糊神經網路ANC系統的收斂性89
第8章管道噪聲有源控制實例92
8.1管道噪聲有源控制實驗系統組成92
8.2管道噪聲有源控制實驗系統的數學模型94
8.3重複性噪聲有源控制的仿真及實驗分析96
8.3.1仿真分析96
8.3.2實驗研究99
8.4周期性噪聲有源控制的仿真及實驗分析100
8.4.1仿真分析100
8.4.2實驗研究104
8.5隨機性脈衝噪聲有源控制的仿真及實驗分析105
8.5.1FXatanLMS和FXsigLMS算法仿真分析105
8.5.2FXgsnLMS算法仿真分析109
8.5.3FXgsnLMS算法實驗研究113
8.6基於SPSA的無模型算法的仿真及實驗分析116
8.6.1仿真分析116
8.6.2實驗研究118
8.7基於FFT的無模型疊代學習控制算法的仿真分析119
8.8誤差濾波神經網路(FEBPNN)算法的仿真分析121
8.9函式連結型神經網路(FLANN)算法的仿真分析123
8.10自適應遞歸模糊神經網路算法的仿真分析125
參考文獻127

相關詞條

熱門詞條

聯絡我們