[发明专利]基于标准粒子群优化算法的主动噪声控制方法

摘要

本发明涉及主动噪声控制领域，尤其涉及基于标准粒子群优化算法的主动噪声控制方法，包括：(1)根据实际噪声控制问题建立迭代学习主动噪声控制系统；(2)根据广义次级通道的传递函数设计自变量为学习滤波器参数的适应度计算公式；(3)根据IIR滤波器数学模型建立标准粒子群优化模型；(4)利用标准粒子群优化算法搜索出最佳性能滤波器参数。本发明的优势在于：(1)本发明方法简单，易于实现，能够有效的消除重复噪声；(2)本发明设计一种迭代学习主动噪声控制系统，该系统用频域方法描述系统，用IIR滤波器实现学习滤波器，并通过量子粒子群优化算法设计IIR滤波器的参数，有很好的稳定性、鲁棒性，收敛速度快。

主权项

基于标准粒子群优化算法的主动噪声控制方法，实施本方法的基于标准粒子群优化算法的主动噪声控制系统运行于计算机系统上，包括广义次级通道的传递函数P(z)、学习滤波器Q(z)和G(z)，其中Q(z)＝1，G(z)由IIR滤波器实现，z为系统函数的z域表示的变量；本方法包括以下步骤：(1)根据广义次级通道的传递函数P(z)，选择IIR滤波器的抽头系数个数，其中分子中的参数个数为l，分母中的参数个数为r；(2)根据已知线性时不变系统的传递函数对应的频率响应函数P(ejω)，得到一个适应度函数表达式：其中：en(ejω)＝[1,e‑jω,...,e‑jωl]T   (2)ed(ejω)＝[e‑jω,e‑2jω,...,e‑jωr]T   (3)φ＝[a1,a2,...,ar]T   (4)ψ＝[b0,b1,...,bl]T   (5)ejω为时域到复频域的拉普拉斯变换后的频域表示，ω为频率，φ，ψ为滤波器的实系数向量，其中[·]T表示向量转置，en(ejω)，ed(ejω)为两个复函数向量。(3)设定标准粒子群优化算法的参数；具体的参数有：总搜索代数N；粒子总数M；粒子在搜索空间飞行的速度v，加速系数c1,c2,r1,r2为服从[0,1]内均匀分布的随机数；(4)初始化滤波器系数向量所有个体的适应度值个体潜在最优的滤波器系数向量Pbesti(0),i＝1,2,...,M、全局潜在最优的滤波器系数向量gbest(0)、搜索代数n＝0；(5)进入下一代搜索，n＝n+1；计算所有个体的适应度值，i表示第i个粒子：比较个体当前适应度值和个体上一代的全局最优适应度值，如果个体的当前适应度大于上一代的全局最优适应度值，则用全局最优适应度值更新当前适应度值，并用全局潜在最优的滤波器系数向量更新当前个体的滤波器系数向量如果个体的当前适应度值小于上一代的全局最优适应度值，则保留上一代的适应度值和上一代的全局潜在最优滤波器系数向量gbesti(n)＝gbesti(n‑1)，再用个体当前的适应度值与上一代个体最优适应度值比较，如果个体当前的适应度值大于上一代个体最优适应度值，则用个体最优适应度值更新当前适应度值，并用个体潜在最优的滤波器系数向量更新当前个体的滤波器系数向量：看滤波器的系数向量是否达到最终条件，没有则更新粒子飞行的速度和滤波器的系数向量，进入下一次迭代。更新粒子飞行速度v和滤波器系数向量：(6)重复步骤(5)，直到达到设定的最大搜索代数；输出全局潜在最优的滤波器系数作为滤波器系数。