適應性基因演算法在主動噪音控制系統之應用

Application of Adaptive Genetic Algorithm in Active Noise Control Systems

陳登銳(Deng-Rui Chen)

指導教授 ： 張政元

中原大學/工學院/電機工程研究所/碩士(2009年)

https://doi.org/10.6840/cycu200901156

摘要

本篇論文以主動噪音控制系統為基礎，提出適應基因演算法用在主動噪音控制來取代傳統的FXLMS演算法，並增進主動噪音控制系統的效能。論文中詳細介紹整個基因演算法應用主動噪音控制的流程，並歸納出利用基因演算法有幾個優點，最主要可以不用評估次級路徑，傳統FXLMS需要做這項步驟，要花費比較多時間，而且評估的不好，消音的效果也會有限。傳統FXLMS演算法則是利用單點搜尋，所以比較容易落入局部最佳解的陷阱，而基因演算法本身就是一種相當有效並強健的多點搜尋最佳解技術，利用多個起點來搜尋最佳的一個解，因此可以有效的預防落入局部最佳解的問題。在基因演算法裡交配率和突變率是很重要的參數，選擇的不理想會導致搜尋到局部最佳解，於是結合適應性基因演算法，利用適應函數來調整交配率與突變率的參數，在每世代的交配和突變都使用最適合的交配率和突變率。最後，本論文以MATLAB來做模擬的方式，利用不同的路徑來驗證結果，模擬結果有相當不錯的效果。

關鍵字

主動噪音控制 ； 基因演算法 ； 適應性基因演算法 ； 次級路徑 ； 局部最佳解 ； FXLMS演算法

並列摘要

This proposes an adaptive genetic algorithm (AGA) for the active noise control (ANC) system. The conventional ANC system often utilizes the filtered-X LMS (FXLMS) algorithm to update the coefficients of the linear finite impulse response (FIR) and nonlinear Volterra filters for its simplicity; meanwhile, the FXLMS algorithm may converge to local minima. In this work, FXLMS algorithm is replaced with AGA to prevent the local minima problem. Additionally, the proposed AGA method does not require identifying the secondary path for the ANC, explaining why no plant measurement is necessary when designing an AGA based ANC system. Simulation results demonstrate the effectiveness of the proposed AGA method can suppress the nonlinear noise interference under several situations without clearly identifying the secondary path.

並列關鍵字

Genetic Algorithm ； local minima ； Adaptive Genetic Algorithm ； secondary path ； FXLMS ； Active Noise Control

參考文獻

[3] J. C. Burgess, “Active Adaptive Sound Control in a Duct : A Computer Simulation,” J. Acoust. Soc. Am. 70, pp. 715-726, 1981.

[4] L. J. Eriksson, M. C. Allie and R. A. Greiner, “The Selection and Application of an IIR Adaptive Filter for Use in Active Sound Attenuation,” IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. ASSP-35, no.4, pp. 433-437, April. 1987.

[5] L. Tan and J. Jiang, “Adaptive Volterra Filters for Active Control of Nonlinear Noise Processes,” IEEE Transactions on signal processing, vol. 49, no. 8, pp. 1667-1676, August 2001.

[7] S. M. Kuo and D. R. Morgan, Active Noise Control Systems: Algorithms and DSP Implementations. New York: Wiley, 1996.

[11] S. D. Snyder and N. Tanaka, “Active Control of Vibration Using a Neural Network,” IEEE Transactions on Neural Networks, vol. 6, no. 4, pp. 819-828, July 1995.