神经网络及同步方程自适应噪声抵消方法研究

论文摘要

随着现代工业的发展,噪声控制问题日益引起了人们的关注。基于自适应控制策略的有源噪声抵消技术已经成为有源噪声控制领域的重要研究内容之一。在自适应有源噪声控制中,控制算法是直接影响自适应控制品质的重要因素。目前,国内外在控制算法的研究方面已经取得了丰硕的成果,但其中一些算法存在着明显的不足和特定性,因此运用新的信息分析手段对控制算法进行研究是一个非常有潜力而且具有重要意义的工作。针对这一问题,论文选择丁以控制算法为切入点,主要研究了两类自适应有源噪声抵消方法:基于神经网络的自适应有源噪声抵消方法和基于同步方程方法的自适应有源噪声抵消方法。为了有效的控制非线性噪声,论文深入研究了FXBPNN算法,该算法采用BP（back-propagation）神经网络作为自适应有源噪声抵消系统的控制器,它能够抵消非线性噪声,但运算量大。因此在这种算法的基础上,论文提出了一种运算量小的FEBPNN算法。并对FEBPNN算法、FXBPNN算法和FXLMS算法进行了计算机仿真比较分析。另外,论文深入研究了基于同步方程方法的自适应有源噪声抵消算法,该算法通过估计附加滤波器避免了次级通道建模,但运算量也很大。因此在这种算法的基础上,论文提出了一种改进的基于同步方程方法的自适应有源噪声抵消算法,通过存储少量的主输入噪声和误差信号,避免了估计附加滤波器,因而有效地降低了运算量。通过计算机仿真,将两种同步方程方法与FXLMS算法进行比较分析。最后,利用文中研究的几种自适应有源噪声抵消算法对真实的海试数据进行处理分析。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 有源噪声控制简介
• 1.3 自适应有源噪声控制简介
• 1.4 自适应有源噪声控制发展历史与研究现状
• 1.4.1 自适应有源噪声控制的发展历史
• 1.4.2 自适应有源噪声控制的研究现状
• 1.5 论文主要内容
• 第2章 自适应有源噪声抵消系统基本理论
• 2.1 自适应算法
• 2.1.1 最小均方算法
• 2.1.2 归一化最小均方算法
• 2.2 自适应前馈有源噪声抵消系统
• 2.2.1 系统模型
• 2.2.2 FXLMS算法
• 2.3 次级通道建模
• 2.3.1 次级通路建模原理
• 2.3.2 次级通路建模方法
• 2.4 本章小结
• 第3章 基于神经网络的AANC系统研究
• 3.1 引言
• 3.2 基于BPNN的前馈AANC系统
• 3.2.1 系统结构
• 3.2.2 FXBPNN算法
• 3.2.3 FEBPNN算法
• 3.2.4 FXBPNN算法与FEBPNN算法的计算量比较
• 3.3 计算机仿真
• 3.3.1 仿真参数设置
• 3.3.2 线性仿真
• 3.3.3 非线性仿真
• 3.4 次级通道的离线建模
• 3.4.1 系统结构
• 3.4.2 计算机仿真
• 3.5 本章小结
• 第4章 基于同步方程方法的AANC系统研究
• 4.1 理论背景
• 4.2 基于同步方程方法的AANC系统
• 4.2.1 基本原理
• 4.2.2 估计最优控制滤波器
• 4.2.3 在线辨识
• 4.2.4 控制算法
• 4.3 改进的基于同步方程方法的AANC系统
• 4.3.1 基本原理
• 4.3.2 估计最优控制滤波器
• 4.3.3 在线辨识
• 4.3.4 控制算法
• 4.4 两种同步方程方法的运算量比较
• 4.5 计算机仿真
• 4.6 本章小结
• 第5章 海试数据处理
• 5.1 基于神经网络的AANC算法处理结果分析
• 5.1.1 线性处理结果
• 5.1.2 非线性处理结果
• 5.2 基于同步方程的AANC算法处理结果分析
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢