首页 理论教育自适应除噪:9.7WO-LMS的应用探究

自适应除噪:9.7WO-LMS的应用探究

【摘要】:分别用传统LMS算法和ap1nsd WO-LMS算法进行自适应除噪,模拟条件如下:1)滤波器阶数N=4。图9-17 k=0.6和k=1.0时WO和LMS除噪学习曲线(续)图9-17给出了相关度为60%和100%时的除噪曲线。然而,WO-LMS算法的优点随相关的减弱而变的越来越不明显。图9-18 稳态均方误差关于相关性变化曲线由图9-18可知,k小于0.3时,LMS具有最小的稳态误差;k大于0.3后,ap1d的稳态误差小于传统LMS算法;相关性大于0.7时,ap1nsd WO-LMS算法的稳态误差都低于LMS;ap1d特性好于ap1nsd,ap1n的性能最差。

自适应除噪(ANC)系统的原理图如图9-16所示。

在ANC中通常假定参考通道噪声nrn)是由主通道噪声nmn)经过一个传递函数为Hz)的系统的输出,自适应除噪的本质就是通过自适应算法估计出Hz)的逆,用nrn)逼近dn)=sn)+nmn),而有用信号与噪声不相关。实际上自适应算法是用nrn)去逼近nmn),得到nmn)的估计值⌒nmn),再与主通道dn)相减以达到最大限度地消除主通道噪声nmn)以获得有用信号sn)。自适应滤波器的权系数是由逼近误差为en)通过LMS准则进行反馈调整。由图9-16可知系统的输出en)为:

978-7-111-48233-8-Chapter09-74.jpg

图9-16 ANC原理图

978-7-111-48233-8-Chapter09-75.jpg

两边取数学期望,由于sn)与nmn)和978-7-111-48233-8-Chapter09-76.jpg均不相关,所以有

978-7-111-48233-8-Chapter09-77.jpg

信号功率E[s2n)]与自适应滤波器的调节无关,故自适应调节使E[e2n)]最小就是使978-7-111-48233-8-Chapter09-78.jpg最小。由式(9-74)可知,978-7-111-48233-8-Chapter09-79.jpgn)=en)-sn),当978-7-111-48233-8-Chapter09-80.jpg最小时E[<en)-sn)>2]也最小,即自适应噪声抵消系统的输出信号en)与有用信号sn)的均方误差最小。可以证明,自适应滤波器能完成上述任务的必要条件为:参考输入信号nrn)必须与被抵消的信号nmn)相关。在图9-16系统中,nrn)是nmn)通过一线性系统的输出,所以收敛条件满足。

分别用传统LMS算法和ap1nsd WO-LMS算法进行自适应除噪,模拟条件如下:

1)滤波器阶数N=4。

2)信号sn)=sin(2nπ/200)。

3)主通道噪声nmn)是均值为0,方差为1的高斯白噪声。

4)参考噪nrn)经过传递函数Hz)=k+(1-kz-1(0≤k≤1)得到,k是参考噪声与主通道噪声的相关程度系数。(https://www.chuimin.cn)

实验进行2000次迭代,收敛步长μ=0.002。实验结果如图9-17所示(横坐标表示迭代次数,纵坐标为误差幅值)。

978-7-111-48233-8-Chapter09-81.jpg

图9-17 k=0.6和k=1.0时WO和LMS除噪学习曲线

978-7-111-48233-8-Chapter09-82.jpg

图9-17 k=0.6和k=1.0时WO和LMS除噪学习曲线(续)

图9-17给出了相关度为60%(图9-17a)和100%(图9-17b)时的除噪曲线。从图中可以看出,ap1ns WO-LMS的收敛速度明显大于LMS,ap1d收敛速度低于ap1ns,但稳态误差明显好于ap1ns和LMS;当相关性由60%变为100%,收敛速度和稳态误差均得到改善。然而,WO-LMS算法的优点随相关的减弱而变的越来越不明显。在收敛速度基本相同的条件下,WO-LMS3种算法得到的稳态误差随相关性的减小而递减。图9-18给出了各种算法的变化规律。

978-7-111-48233-8-Chapter09-83.jpg

图9-18 稳态均方误差关于相关性变化曲线

由图9-18可知,k小于0.3时,LMS具有最小的稳态误差;k大于0.3后,ap1d的稳态误差小于传统LMS算法;相关性大于0.7时,ap1nsd WO-LMS算法的稳态误差都低于LMS;ap1d特性好于ap1nsd,ap1n的性能最差。上面实验的MAT- LAB代码如下:

978-7-111-48233-8-Chapter09-84.jpg

978-7-111-48233-8-Chapter09-85.jpg