基于FxLMS的汽車車內噪聲變步長主動均衡算法

張帥，王巖松，郭輝，王孝蘭，劉寧寧

基于FxLMS的汽車車內噪聲變步長主動均衡算法

張帥，王巖松，郭輝，王孝蘭，劉寧寧

(上海工程技術大學汽車工程學院，上海 201620)

提出了一種可用于汽車車內噪聲主動均衡控制的變步長主動噪聲均衡(Active Noise Equalization, ANE)算法，與傳統車內噪聲主動抵消控制方法所采用的濾波x最小均方(Filtered-x Least Mean Square, FxLMS)算法相比具有更好的實用性。應用固定步長主動噪聲均衡(Active Noise Equalization, ANE)算法、所提出變步長ANE算法和已有變步長ANE算法分別進行汽車車內噪聲主動均衡控制。結果表明，所提出變步長ANE算法具有更快的收斂速度和較低的穩態誤差，并且能進一步降低汽車車內噪聲響度，為汽車車內聲品質主動控制提供了一種新方法。

車內噪聲；響度；變步長；濾波x最小均方算法；主動噪聲均衡算法

0 引言

近年來，噪聲主動控制方法已經成為汽車車內噪聲控制研究的一個熱點[1-3]。該方法主要是通過以聲消聲的方式，人為地附加若干個次級聲源并發出與初級噪聲反相的聲波，從而降低初級噪聲的噪聲水平。

在車內噪聲主動控制方法中，噪聲主動控制策略和算法的研究是關鍵。主動控制策略主要包括兩種：主動噪聲抵消控制和主動噪聲均衡控制。主動噪聲抵消控制方法往往是以盡可能的抵消車內初級噪聲幅值為目的[4]，以車內噪聲的聲壓級控制量為考核標準，在車內噪聲主動控制方法早期的研究中應用廣泛。如OLIVEIRA[5]和LI等[6]分別采用濾波x最小均方(Filtered-x Least Mean Square, FxLMS)算法對車內發動機噪聲進行了抵消控制，并取得了較好的降噪效果。但主動噪聲抵消控制方法未考慮到乘員的主觀感受，車內初級噪聲經過抵消控制后，殘余噪聲的波形變成細窄的條狀，已失去了初級噪聲的聲波特征[7]，此時乘員將無法根據車內聲音來判斷汽車行駛工況，不利于安全駕駛。而近來新興的主動噪聲均衡方法在降低車內初級噪聲聲壓級的基礎上保留一定的初級噪聲幅值[8]，使殘余噪聲依然保持著初級噪聲的聲波特征，具有更好的實用性。此方法往往以控制車內聲品質或提高車內聲環境聽覺舒適性為目的，以車內聲品質參數控制量為考核標準，這些參數包括響度、尖銳度、粗糙度、波動度等[9]，其中響度對車內聲品質的貢獻量在60%以上而被重視[10]，許多國內外研究人員也都致力于降低車內噪聲響度的主動控制方法研究[11-12]。

本文在文獻[14]所提出變步長函數基礎上進一步改進，提出一種新的變步長函數，并基于FxLMS算法提出一種變步長ANE算法。采集了正常行駛狀態下汽車的車內噪聲信號，應用所提出的變步長ANE算法對其進行主動均衡控制，結果表明，所提出的變步長ANE算法具有優異的性能。

1 FxLMS算法

圖1 FxLMS算法框圖

2 ANE算法

ANE算法的框圖如圖2所示。

圖2 ANE算法框圖

假設FxLMS算法收斂后，初級噪聲剛好被完全抵消，即：

則此時的殘余噪聲為

初級噪聲得到一定量的保留。

3 變步長ANE算法

3.1 變步長函數

文獻[14]提出的變步長函數為

對式(13)進行化簡可得：

將式(15)應用到ANE算法中，最后式(11)對濾波器進行自適應更新時采用新的迭代公式：

3.2 參數分析

(a)=0.5,=2

(b)=1,=2

從以上的分析中可以看出，這3個參數值的大小對算法的收斂性能都有很大影響，這也初步驗證了改進函數的合理性。但由于目前變步長函數的最佳取值仍無法通過理論計算給出，在實際應用中，可以根據實際狀況參考以上的分析對參數進行調試，進而達到較好的收斂狀態。

4 仿真實驗

為進一步驗證所提出算法的有效性，依據聲學—汽車車內噪聲測量方法(國家標準GB/T 18697_2002)[16]，本節對汽車車內噪聲信號進行了采集。選取車輛為國產某品牌家用轎車，數據采集時車窗處于關閉狀態。采集設備為西門子公司生產的LMS.test.Lab噪聲與振動信號采集設備。采集數據為汽車以勻速60 km.h-1直線行駛時駕駛員右耳處的噪聲信號，此時的車內噪聲包含有發動機以及傳動機構噪聲、路噪、風噪以及周圍環境噪聲等，是一種汽車正常行駛狀態下的綜合噪聲，結果如圖4所示，其中縱軸幅值進行了歸一化。

圖4 車內噪聲信號

將所提出的變步長函數分別應用到FxLMS算法和ANE算法上，并應用變步長FxLMS算法、變步長ANE算法和固定步長ANE算法對所采集車內噪聲進行主動控制仿真實驗。所用實驗車的初級傳遞路徑以及次級傳遞路徑分別為[0.01-0.05-0.05 0.75 0.5 0.5-0.4 0.2-0.03-0.01]和[0.01 0.1 0.9-0.75-0.1]。

圖5 次級路徑的擬合

4.1 控制策略結果對比

對式(15)中參數進行調試，使變步長FxLMS算法以及變步長ANE算法達到最優的收斂狀態，得出各個參數值為：=4，=0.3，=0.5。

從圖6中可以清晰地看出，車內噪聲經過變步長FxLMS算法主動控制后，殘余噪聲波形成細窄的條狀，已經失去初級噪聲的聲波特征。而經過變步長ANE算法主動控制后，其殘余噪聲依然保持著初級噪聲的聲波特征。經過噪聲回放發現，變步長ANE算法的殘余噪聲依然保持著初級噪聲的時變性，而變步長FxLMS算法的殘余噪聲卻已失去了初級噪聲的時變性，無法根據該殘余噪聲判斷汽車的運行狀態。

(a) 變步長FxLMS算法殘余噪聲

(b) 變步長ANE算法殘余噪聲

圖6 變步長FxLMS和變步長ANE算法主動控制結果對比

Fig.6 Comparison of active control results between variable step-size FxLMS and variable step-size ANE algorithm

4.2 收斂性對比

采用固定步長ANE算法和變步長ANE算法得到的結果如圖7、8所示。

圖8 變步長ANE算法殘余噪聲[14]

結合圖6(b)中本文所提出的變步長ANE算法主動噪聲均衡控制結果，對三種主動噪聲均衡算法收斂性進行對比，結果如圖9所示，圖9中橫軸表示迭代次數，縱軸為均方誤差MSE(Mean Square Error)。從3條曲線的下降速度可以看出，文獻[14]所提出變步長算法的收斂速度明顯快于固定步長算法，但穩態誤差噪聲與固定步長算法相當。而本文所提出的變步長算法的收斂速度相對于文獻[14]所提出的變步長算法又進一步提高，且其穩態誤差值也低于其他兩個算法。

圖9 不同算法的收斂性對比

依據國際標準Loudness ISO 532A分別計算采集車內噪聲、固定步長ANE算法的殘余噪聲，依據文獻[14]變步長ANE算法和本文所提出變步長ANE算法計算殘余噪聲響度，結果如表1所示。

表1 不同算法的噪聲響度

從表1中各個噪聲響度值可以看出，采樣噪聲經過固定步長ANE算法主動均衡控制后響度值下降了1.49 sone。采用依據文獻[14]的變步長ANE算法的主動噪聲均衡控制后噪聲響度與固定步長算法相比幾乎無變化。而經過本文所提出變步長ANE算法主動均衡控制后響度值下降了1.72 sone，與固定步長算法相比又下降了0.23 sone，取得了較好的效果。

5 結論

經過變步長FxLMS算法主動控制后，車內噪聲已經失去初級噪聲的聲波特征，無法辨別初級噪聲的時變性，而變步長ANE算法的殘余噪聲保留了一定的初級噪聲幅值，依然可以辨別出初級噪聲的時變性。這說明與主動噪聲抵消方法相比，主動噪聲均衡方法具有更好的實用性。仿真試驗的對比結果表明，本文所提出的變步長ANE算法不僅提高了固定步長ANE算法的收斂速度，同時降低了穩態誤差，且與已有變步長方法相比，具有更快的收斂速度和更小的穩態誤差。同時本文所提出變步長ANE算法可進一步降低汽車的車內噪聲響度，改善了車內聲品質。

[1] HAFIDI A E, MARTIN B, LOREDO A, et al. Vibration reduction on city buses: determination of optimal position of engine mounts[J]. Mechanical Systems and Signal Processing, 2010, 24(7): 2198-2209.

[2] AIRAKSINEN T, TOIVANEN J. An optimal local active noise control method based on stochastic finite element models[J]. Journal of Sound and Vibration, 2013, 26(332): 6924-6933.

[3] 馮天培, 孫躍東, 王巖松, 等. 汽車車內制動噪聲主動控制[J]. 噪聲與振動控制, 2016, 36(1): 75-78.

FENG Tianpei, SUN Yuedong, WANG Yansong, et al. Active noise control of automotive interior braking noise[J]. Noise and Vibration Control, 2016, 36(1): 75-78.

[4] BELGACEM W, BERRY A, MASSON P. Active vibration control on a quarter-car for cancellation of road noise disturbance[J]. Journal of Sound and Vibration, 2012, 331(14): 3240-3254.

[5] de OLIVEIRA L P R, da SILVA M M, SAS P, et al. Concurrent mechatronic design approach for active control of cavity noise[J]. Journal of Sound and Vibration, 2008, 314(3-5): 507-525.

[6] LI D S, CHENG L. The design of synthesized structural acoustic sensors for active control of interior noise with experimental validation[J]. Journal of Sound and Vibration, 2010, 329(2): 123-139.

[7] 張帥, 王巖松, 張心光, 等. VS-MFxLMS算法及其在汽車車內噪聲有源控制中的應用功能[J]. 噪聲與振動控制, 2019, 39(2): 64-69.

ZHANG Shuai, WANG Yansong, ZHANG Xinguang, et al. Application of variable step-size modified FxLMS algorithm to active interior noise control for vehicles[J]. Noise and Vibration Control, 2019, 39(2): 64-69.

[8] JAIME A. Mosquera-Sánchez, WIM Desmet, et al. A multichannel amplitude and relative-phase controller for active sound quality control[J]. Mechanical Systems and Signal Processing, 2017, 88(1): 145-165.

[9] 賀巖松, 涂梨娥, 徐中明, 等. 汽車聲品質研究綜述[J]. 汽車工程學報, 2014, 4(6): 391-401.

HE Yansong, TU Li’e, XU Zhongming, et al. Review of vehicle sound quality[J].inese Journal of Automotive Engineering, 2014, 4(6): 391-401.

[10] 王登峰, 劉宗巍, 梁杰, 等. 車內噪聲品質的主觀評價試驗與客觀量化描述[J]. 吉林大學學報(工學版), 2006, 36(S2):41-45.

WANG Dengfeng, LIU Zongwei, LIANG Jie, et al. Subjective evaluation test and objective quantificational description of vehicle interior noise quality[J]. Journal of Jilin University (Engineering and Technology Edition), 2006, 36(S2):41-45.

[11] 姜順明, 陳南. 采用響度控制改進算法的封閉車廂主動消聲[J]. 振動與沖擊, 2013, 32(5): 167-170.

JIANG Shunming, CHEN Nan. Active loudness control of enclosed cabin noise by using improved algorithm[J]. Journal of Vibration and Shock, 2013, 32(5): 167-170.

[12] WANG Y S, FENG T P, WANG X L, et al. An improved LMS algorithm for active sound-quality control of vehicle interior noise based on auditory masking effect[J]. Mechanical Systems and Signal Processing, 2018, 108:292-303.

[13] MARCOS V M, SEARA R. On the stochastic modeling of FxLMS-based narrowband active noise equalization systems[J]. Signal Processing, 2015, 115: 214-226.

[14] 余榮平, 張心光, 王巖松, 等. 車內噪聲主動控制變步長LMS算法[J]. 噪聲與振動控制, 2015, 35(1): 123-126.

YU Rongping, ZHANG Xinguang, WANG Yansong, et al. Active noise control for vehicle interior noise using variable incremental step LMS algorithm [J].Noise and Vibration Control, 2015, 35(1): 123-126.

[15] SUN G H, FENG T, LI M F, et al. Convergence analysis of FxLMS-based active noise control for repetitive impulses[J]. Applied Acoustics, 2015, 89: 178-187.

[16] 中華人民共和國國家質量監督檢驗檢疫總局. GB/T 18697-2002 聲學—汽車車內噪聲測量方法[S]. 北京: 中國標準出版物社, 2002.

A FxLMS based variable step-size active equalization algorithm for vehicles interiornoise

ZHANG Shuai, WANG Yan-song, GUO Hui, WANG Xiao-lan, LIU Ning-ning

(Automotive Engineering College, Shanghai University of Engineering Science, Shanghai 201620, China)

A new active equalization method for vehicle interior noise based on variable step-size ANE algorithm is presented in this paper, which has better practicality compared with the traditional active interior noise cancellation control method based on Filtered-x Least Mean Square (FxLMS) algorithm. The fixed-step Active Noise Equalization (ANE) algorithm, the proposed variable step-size ANE algorithm and the existing variable step-size ANE algorithm have been respectively applied to active interior noise equalization control for comparison. The results show that the proposed variable step-size ANE algorithm has faster algorithm convergence speed, less steady-state error and gives a lower loudness level, which provides a new method for active sound quality control of vehicle interior noise.

vehicle interior noise; loudness; variable step-size; Filtered-x Least Mean Square (FxLMS) algorithm; Active Noise Equalization (ANE) algorithm

U467.4+93

A

1000-3630(2019)-05-0574-06

10.16300/j.cnki.1000-3630.2019.05.015

2018-04-25;

2018-06-25

國家自然科學基金項目(51675324)、上汽基金項目(1523)

張帥(1989－), 男, 河南商丘人, 碩士, 研究方向為汽車NVH測控技術、車內噪聲主動控制方法。

王巖松, E-mail: jzwbt@163.com