科技工作者之家
科技工作者之家APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2019-07-28
来源:中科院声学所
窄带有源噪声控制是一种通过发出与初始噪声幅度相同、相位相反的声波从而有效降低低频窄带噪声的控制手段。窄带有源噪声控制算法需要预先获得初始噪声的频率信息,包括频率个数及各个频率值。
传统的基于自适应陷波器(adaptive notch filter,ANF)的频率估计方法需要人为设置频率个数,且在信噪比较低时收敛速度慢、频率估计精度低,从而影响了噪声控制系统的性能。
为了解决该问题,中科院噪声与振动重点实验室的博士生韩荣与其导师吴鸣研究员、杨军研究员等人提出将基于贝叶斯参数估计的方法应用于频率估计算法,将频率估计的结果提供给窄带有源噪声控制系统,可有效提高窄带有源噪声控制的性能。
相关研究成果2019年5月4日在线发表于国际学术期刊Journal of Sound and Vibration。
应用基于贝叶斯频率估计的窄带有源噪声控制系统时,研究人员首先采集一段噪声,假设该信号为复数信号,基于概率模型得到与频率个数、频率值相关的目标函数,利用坐标梯度下降算法和最大后验概率,得到信号中频率个数和各频率值。当初级噪声中频率值变化时,该算法可与自适应陷波器算法结合,提高频率估计算法的精度,进而提高窄带有源噪声控制的性能。
仿真数据表明,在低信噪比(0 dB)条件下,与传统方法相比,基于贝叶斯的频率估计可以更快得到频率的个数和频率值,基于该频率估计的窄带噪声控制系统也可以更快将初级噪声中的单频噪声抑制。
该研究首次将基于贝叶斯参数估计的方法应用于窄带有源噪声控制系统中,相关研究成果有望提高现有的窄带有源噪声控制系统对窄带噪声的控制性能。
本研究得到国家重点研发计划课题(2016YFB1200503)、国家自然科学基金(11474306, 11404367, 11474307)资助。
▲ 基于贝叶斯参数估计算法的频率估计性能(图/中科院声学所)
▲ 基于贝叶斯频率估计算法的窄带噪声控制系统对单频噪声的控制性能(左图为原始噪声频谱,右图为基于贝叶斯频率估计算法的噪声频谱)(图/中科院声学所)
参考文献:
HAN Rong, WU Ming, LIU Feng, SUN Hongling, YANG Jun. A narrowband active noise control system with a frequency estimator based on Bayesian inference. Journal of Sound and Vibration, 2019, 455: 299–311. DOI: 10.1016/j.jsv.2019.04.031
来源:cas-ioa 中科院声学所
原文链接:http://mp.weixin.qq.com/s?__biz=MzIyNzk0MzI4MQ==&mid=2247485658&idx=1&sn=e5e61933c4124169cd2bab300b2926af&chksm=e8583ec4df2fb7d246319e4c7ff7e311204432d5d3e027cd7b55352eaa7e727e12750ff88548&scene=27#wechat_redirect
版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。
电话:(010)86409582
邮箱:kejie@scimall.org.cn
声学所提出一种基于贝叶斯频率估计算法的窄带有源噪声控制系统
贝叶斯用概率论,居然轻松预测了未来?
每日一词 | 贝叶斯分类 Bayesian Classification
图灵奖得主Judea Pearl :从“贝叶斯网络之父”到“AI社区的叛徒”
贝叶斯置信区间
贝叶斯法建树的新进展 — 用简约值作建议向导可大幅提高贝叶斯算法的收敛速度
贝叶斯推断
贝叶斯深度学习研究进展
贝叶斯神经网络对梯度攻击的鲁棒性
贝叶斯搜索理论