[发明专利]基于人工免疫算法的主动降噪优化方法及系统

说明书

本发明涉及有源噪声控制技术领域，具体为基于人工免疫算法的主动降噪优化方法及系统，该方法包括：S100：初始化抗体的位置，作为滤波器系数向量；S200：确定适应度函数的表达式；S300：计算所有抗体的适应度函数值；S400：计算所有抗体的个体浓度，并联合抗体的适应度计算激励度；S500：根据抗体的激励度进行免疫选择；S600：对进行免疫选择后的种群个体进行克隆、变异以及克隆抑制操作，形成免疫种群；S700：将免疫种群和新生成种群合并，进行种群刷新。本发明提供的基于人工免疫算法的主动降噪优化方法及系统，多样性机制保证了算法的全局寻优能力，同时创新性地改进了变异算子和种群刷新机制，加快其收敛，能够有效地提高主动噪声控制的性能。

技术领域

本发明涉及有源噪声控制技术领域，具体为基于人工免疫算法的主动降噪优化方法及系统。

背景技术

随着工业化的不断发展，噪声污染逐渐成为影响人们生活的一个重要问题，而针对噪声问题处理，目前主要可分为两大类：主动降噪和被动降噪。被动降噪对于低频噪声的处理能力较弱，而主动降噪由于采用相消性干涉的手段能有效地抑制低频噪音。随着对各种问题的理论和技术解决方案的日益复杂，ANC的趋势是走向更广泛的算法，以抑制复杂的噪声模式，包括解决三维空间和时变信号等。Guicking(1988,1991)很早便描述了人们对它越来越感兴趣，目前市场上也已经有众多关于ANC解决方案的研究成果。

免疫算法(immune algorithm)的灵感来自于人类免疫系统使用的克隆选择原理。在这一过程中，当抗原进入体内，B和T淋巴细胞在识别后能够克隆并与之结合，并经历多轮体细胞高突变。B细胞对现有抗原的适应度越高，克隆的机会就越大，最终消灭抗原。生物体的抗体免疫流程和优化算法的思想很契合，克隆和变异的过程也为算法提供了多样性，从而能有效地避免局部最优陷入。将免疫算法应用于ANC将会是一个不错的方向，目前尚未有针对此应用的研究。

发明内容

本发明提供了基于人工免疫算法的主动降噪优化方法及系统，具有全局寻优、快速收敛的效果，能够有效地提高主动噪声控制的性能。

为了解决上述技术问题，本申请提供如下技术方案：

基于人工免疫算法的主动降噪优化方法及系统，包括以下步骤：

S100：初始化抗体的位置，作为滤波器系数向量；

S200：根据主动噪声控制系统确定适应度函数的表达式；

S300：计算所有抗体的适应度函数值；

S400：根据抗体之间的亲和度计算所有抗体的个体浓度，并联合抗体的适应度计算激励度；

S500：根据抗体的激励度进行免疫选择，筛掉激励度低的抗体；

S600：对进行免疫选择后的种群个体进行克隆、变异以及克隆抑制操作，形成免疫种群；

S700：将免疫种群和新生成种群合并，进行种群刷新；

S800：当满足迭代条件时，最优抗体的位置作为最优滤波器系数向量，否则，循环执行S400至S800。

进一步，所S400中第i个抗体的个体浓度根据以下公式计算：

其中，den(ab_i)表示个体浓度，N表示种群的抗体数量，S(ab_i,ab_j)表示抗体ab_i和ab_j之间的相似度，由下式得到：

其中，aff(ab_i,ab_j)为抗体间的欧氏距离或海明距离，δ_s为相似度阈值。