Chia sẻ bài báo qua Email SO SÁNH MÔ HÌNH CHUỖI FOURIER MỞ RỘNG VÀ MẠNG NƠ-RON NHÂN TẠO LIÊN KẾT CHỨC NĂNG CHO HỆ THỐNG KIỂM SOÁT TIẾNG ỒN CHỦ ĐỘNG PHI TUYẾN
Thông tin bài báo
Ngày nhận bài: 24/10/22 Ngày hoàn thiện: 19/12/22 Ngày đăng: 21/12/22Các tác giả
Lê Đình Công
, Viện Kỹ thuật và Công nghệ, Trường Đại học Vinh
Tóm tắt
Đặc điểm của tính phi tuyến trong hệ thống kiểm soát tiếng ồn chủ động ANC (active noise control) là không giống nhau. Do đó, để tăng hiệu quả cho việc giảm tiếng ồn, chúng ta cần phải hiểu được loại của tính phi tuyến trong hệ thống ANC và lựa chọn được mô hình phù hợp. Bài báo này trình bày một so sánh, đánh giá giữa chuỗi Fourier mở rộng EMF (Even Mirror Fourier) và Mạng nơ-ron nhân tạo liên kết chức năng FLANN (Functional links artificial neural networks) cho hệ thống ANC phi tuyến. Bằng cách phân tích cụ thể các ảnh hưởng phi tuyến tồn tại trong đường dẫn sơ cấp (primary path), đường dẫn thứ cấp (secondary path) và nguồn tiếng ồn trong hệ thống ANC, nhiều loại tính phi tuyến, chẳng hạn như phi tuyến có nhớ (memory nonlinearity), phi tuyến không nhớ (memory-less nonlinearity) và tính phi tuyến hỗn loạn (chaotic) đã được thảo luận. Hơn nữa, khả năng mô hình phi tuyến của hàm mở rộng EMF và FLANN cho các loại phi tuyến trong hệ thống ANC đã được phân tích. Các nguyên nhân cũng đã được chỉ ra.Nhiều mô phỏng tính toán trong các kịch bản phi tuyến khác nhau đã được tiến hành để chứng minh cho những phân tích, đánh giá các hệ thống ANC dựa trên mô hình EMF và FLANN.
Từ khóa
Toàn văn:
PDFTài liệu tham khảo
[1] L. Lu, K. L. Yin, R. C. Lamare, Z. Zheng, Y. Yu, X. Yang, and B. Chen, “A survey on active noise control in the past decade-Part I: Linear systems,” Signal Process., vol. 183, 2021, Art. no. 108039.
[2] L. Lu, K. L.Yin, R. C. Lamare, Z. Zheng, Y. Yu, X. Yang, and B. Chen, “A survey on active noise control in the past decade-Part II: Nonlinear systems,” Signal Process., vol. 181, pp. 1-16, 2021.
[3] T. L. Tan and J. Jiang, “Adaptive Volterra filters for active control of nonlinear noise processes,” IEEE Trans. Signal Processing, vol. 49, pp. 1667-1676, 2001.
[4] H. Zhang and D. Wang, “Deep ANC: A deep learning approach to active noise control,” Neural Networks, vol. 141, pp. 1-10, 2022.
[5] M. C. Huynh and C. Y. Chang, “A novel adaptive neural controller for narrowband active noise control systems,” 8th NAFOSTED Conference on Information and Computer Science (NICS), Hanoi, Vietnam, 2021.
[6] D. P. Das and G. Panda, “Active mitigation of nonlinear noise processes using a novel filtered-s LMS algorithm,” IEEE Trans. Audio, Speech, Lang. Process., vol. 12, pp. 313-322, 2004.
[7] A. Carini and G. L. Sicuranza, “Fourier nonlinear filters,” Signal Process, vol. 94, no.1, pp. 183–94, 2014.
[8] G. L. Sicuranza and A. Carini, “A generalized FLANN filter for nonlinear active noise control,” IEEE Transactions on Audio, Speech, and Language Processing, vol. 19, no. 8, pp. 2412–2417, 2011.
[9] D. C Le, J. Zhang, and D. Li, “Hierarchical partial update generalized functional link artificial neural network filter for nonlinear active noise control,” Digit. Signal Process, vol. 93, pp. 160–171, 2019.
[10] X. Guo, J. Jiang, L. Tan, and S. Du, “Improved adaptive recursive even mirror fourier nonlinear filter for nonlinear active noise control,” Appl. Acoust., vol. 12, pp. 10–19, 2019.
[11] D. C. Le, J. S. Zhang, and J. Zhang, “Low-complexity even mirror fourier adaptive filter for nonlinear active noise control,” Appl Acoust., vol. 197, 2022, Art. no. 108914.
[12] D. Zhou and V. DeBrunner, “Efficient adaptive nonlinear filters for nonlinear active noise control,” IEEE Trans. Circuits Syst.–I: Regular., vol. 54, no. 3, pp. 669-681, 2007.
DOI: https://doi.org/10.34238/tnu-jst.6760
Các bài báo tham chiếu
- Hiện tại không có bài báo tham chiếu