基于RBF网络的有源噪声控制

论文摘要

噪声对人体健康的影响已得到了广泛的关注。管道消声器已经被提出来应用于工厂、办公室等地方。被动阻尼技术是一种传统的消声技术,但是它只对高频段的噪声有较好的降噪效果,很难对低频段噪声产生作用。有源噪声控制技术正是基于此产生的一种有效的噪声控制方法。有源噪声控制是指人为的产生次级噪声去抵消原有噪声的一种方法。有源噪声控制的基本原理是根据两列同频率、相位差固定的声波会发生相消性干涉。AANC是采用自适应方式完成次级声源控制的有源消声。AANC系统的核心是自适应滤波器和相应的自适应算法。自适应滤波器可以按某种事先设定的准则自动调节其本身的传递函数以达到所需要的输出。设计自适应滤波器时可以不必预先先知道其输入的统计特性,而且,在滤波过程中输入的统计特性如随时间作慢变化它也能自动适应。这些突出的优点使它顺理成章的被有源噪声控制研究所接纳和发展。本文利用神经网络理论对控制器进行了优化设计,在对控制器进行设计时,选择恰当的网络模型及扩散常数,将对函数的逼近能力产生积极的影响。采用RBF(Radial Basis Function)设计的新控制器不仅克服了BP网络设计时需要预设初值的问题,而且进一步提高了一维输入一维输出的训练速度。文中利用RBF网络的任意精度逼近函数的能力对控制器的传递函数进行逼近,对输入样本进行训练从而尽可能达到理想传递函数应有的输出量。针对RBF网络的特点,用RBF网络对控制器的传递函数进行了逼近,可以取的较理想的输出效果,从而达到提高系统鲁棒性的目的。仿真结果表明,利用RBF网络对控制器进行设计,使有源噪声控制系统的鲁棒性得到了明显的改善。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 有源噪声控制的历史与发展
• 1.2.1 有源消声设想的提出
• 1.2.2 Olson 电子吸声器
• 1.2.3 有源噪声控制的发展
• 1.2.4 有源消声名词术语
• 1.3 有源噪声控制的优点及其局限性
• 第二章 常用的有源噪声自适应算法及神经网络基本理论
• 2.1 自适应控制概述
• 2.2 自适应滤波基本理论
• 2.2.1 自适应滤波概述
• 2.2.2 LMS 自适应算法
• 2.3 AANC 的基本设计思想
• 2.3.1 AANC 系统概述
• 2.3.2 设计AANC 的核心问题
• 2.4 神经网络概述
• 2.4.1 神经网络概述
• 2.4.2 神经网络控制系统基本理论
• 2.4.3 BP 神经网络理论
• 2.4.4 RBF 神经网络理论
• 2.4.5 两种神经网络的鲁棒性分析
• 第三章 径向基函数网络
• 3.1 径向基函数网络模型
• 3.1.1 径向基函数神经元模型
• 3.1.2 径向基函数网络的结构
• 3.1.3 径向基函数的学习过程
• 3.2 径向基函数训练过程及其算法
• 3.2.1 径向基函数网络的工作原理
• 3.2.2 RBF 网络的训练过程与方法
• 3.2.3 实现RBF 的算法需要确定几个量
• 3.2.4 RBF 网络的优点与缺点
• 第四章 AANC 系统控制器的设计
• 4.1 AANC 的物理机制
• 4.1.1 自由声场条件下控制器脉冲响应的一般形式
• 4.1.2 AANC 控制器的本质
• 4.1.3 本文中采用的AANC 模型
• 4.2 控制器传递函数及其空间位置放置的影响
• 4.2.1 控制器的传递函数表达式
• 4.2.2 控制器的设计
• 4.2.3 空间距离的影响和确定
• 第五章 基于RBF 的AANC 的仿真与应用
• 5.1 MATLAB 神经网络工具箱
• 5.1.1 神经网络创建函数
• 5.1.2 利用调用函数训练网络
• 5.2 结果分析
• 第六章 论文总结与展望
• 6.1 论文总结
• 6.2 需要进一步完善的工作
• 6.3 展望
• 致谢
• 参考文献
• 作者在读期间的研究成果