努力控制策略为听觉上耦合分布式声节点

文摘

本文认为努力的影响限制有源噪声控制(ANC)的行为在声学节点组成的分布式网络系统。分布式可以实现理想的为了提供更加灵活,多才多艺,和可伸缩的ANC系统。在这方面,分布式版本的多个filtered-x最小均方误差(DMEFxLMS)算法,允许节点之间的合作已经显示出优秀的属性。然而,实际的约束需要考虑,因为在现实场景中,声学节点配备功率受限的致动器。如果不考虑这些约束的自适应算法,控制信号可能会增加,饱和的硬件设备,导致系统不稳定。为了避免这个缺点,努力控制成本函数的权重可以考虑每个节点的分布式算法。因此,努力控制策略在每个节点的输出信号是用来保持在一个给定的阈值,并确保分布式ANC系统稳定。实验结果表明,假设理想的网络通信,提出了分布式算法实现与破集中ANC系统相同的性能。绩效评估的几个版本的漏DMEFxLMS算法在现实的场景中也包括在内。

1。介绍

最近电子技术的发展使高性能设备的发展越来越小,更便宜和更少的能量需求。这些电子设备通常配备电声换能器、传感器和制动器等,以及强大的和高效的处理器和通信能力。随着无线通信技术成为负担得起的,使用这种设备在无线传感器网络(WSN) [1在最后一年)增长。传感器网络由一组低功耗,低成本,特别是小型传感器节点分布在一些地区执行某一任务。一些优势的网络比传统的有线网络可伸缩性和低计算成本(2,3)等等。此外,更多的传感器可以用来覆盖更大的声音区域,以获得更多的信息从感兴趣的信号。不同类型的网络为各种应用程序开发,包括军事和安全监控(4)或医疗保健应用程序(5]。

无线声传感器网络(还)是专门为声学信号处理任务(6,7),如环境音频监测(8,9),双耳助听器(10),和音频监控(11)以及工业监测和控制(12]。似乎这种网络将成为未来必不可少的音频信号采集、控制和监视。不是,声学节点通常包括几个麦克风连接到一个处理单元与某种形式的通信和计算能力(13]。这些被动节点感兴趣相同的网络信号或参数的估计(14)或解决特定于节点的估计问题15,16]。声传感器捕捉到的信号处理单元的记录和传播,最终做一些处理前的传播。然而,如果不是必须支持一个声场控制应用程序,如有源噪声控制(ANC),节点能够生成信号通过一个或多个致动器是必需的。此外,还应该不仅关注某一参数的估计或信号,而且生成的信号,将执行机构以控制和修改声场(17]。因此,我们考虑一个声学节点设备能够测量,分别处理,并生成信号能够交换必要的信息以及其他节点使用一个合适的通信网络。从实用的角度来看,也可以使用智能手机或平板电脑实现声节点(18]。然而,这些电子设备的电声换能器能力有限,这可能影响他们的频率响应和功率捕获并发出声音,因此音频应用程序的性能。另一方面,注意,在实时应用程序中,网络拓扑结构的选择可以恶化系统性能,引入通信延迟(12和要求使用同步机制19,20.]。因此,非国大在分布式应用程序还应该使用一组声学节点放置到共同的目标取消不良的噪音在某些领域的兴趣。每个节点应该处理信号独立存在他们之间的沟通,它应该能够产生正确的输出信号的处理信号捕获本身以及来自其他节点的信息。

特别是,本地ANC系统的目标是创建一个区域的相消干涉产生适当的声波以取消干扰噪声(21]。为此,系统利用喇叭致力于释放抗噪声信号来降低干扰信号在特定空间点进行麦克风。随着全球降噪在整个圈地是不可行的,我们可以试图控制在某一区域内噪声场创建本地区域安静的22]。大信号的波长被取消,安静的区域越大。它已被证明23),一个相当大的衰减可以实现在一个控制点附近区域的近似大小的十分之一的波长信号被取消。这些安静的区域,噪音水平甚至可能增加(24]。自噪声来源和环境的特点是时变,非国大控制系统通常使用自适应滤波器(25为了应对这些变化(26]。主动噪声控制器调整自适应滤波器系数,减轻噪声信号被麦克风。最常见的ANC系统自适应滤波器是一种有限脉冲响应(杉木)过滤器使用filtered-x最小均方(FxLMS)方法(27,28]基于著名的最小均方(LMS)算法(29日]。

多通道ANC系统是用于生产更大的区域的安静和改善系统性能通过添加多个扬声器和麦克风。通常,多通道ANC系统使用一个中央处理器由一个控制算法访问所有生成的信号捕获的喇叭和麦克风。然而,这些系统需要昂贵的基础设施和他们可以变得不稳定因为单一控制器的失败意味着处理的任何信息。此外,添加多个传感器可能会增加大大捕获所需的计算成本,管理和生成多个信号。一个分布式的方法通常是首选,尤其是在灵活性方面,多功能性和可伸缩性。分布式系统由自动处理器(或声节点)控制扬声器的信号被一个子集的一个子集麦克风。这些独立的节点合作致力于实现相同的解决方案作为一个集中的系统但分布计算负担以及收购和信号的一代。分布式系统的主要问题之一是如何分享节点之间的信息控制和有效的方式。

如果没有声之间的交互节点(非耦合节点),可以实现集中取消解决方案(因此,系统稳定性)通过分散ANC系统(30.,31日独立节点的过程,他们不合作。但是,在大多数的多通道ANC情况下,声扬声器和麦克风之间的交互(耦合节点)。在这种情况下,分布式ANC系统通过网络协作节点必须达到的结果相当于使用集中的方法。基于多个分布式ANC方法错误FxLMS算法(MEFxLMS) (32)和使用增量通信策略(14]在[17DMEFxLMS算法)表示。

然而,应该注意的是,在实际ANC系统,硬件用于生成输出信号在每个节点能量的限制。的喇叭和功放输出饱和,产生的控制信号自适应滤波器可能会增加使系统不稳定。注意,在这些情况下,非线性可能导致系统发散。一个可能的策略是基于限制控制信号功率通过最小化的能量自适应滤波器,以避免这一事实无限喇叭发出的信号可能会增加。在这种情况下,目标是控制信号生成的每个节点的自适应滤波器,以限制信号的振幅复制的喇叭。约束技术已经广泛应用于实际控制系统(33,34]。他们中的一些人可能会用于真实场景来提高处理效率(35- - - - - -37),甚至减少系统的非线性效应(38]。一种常见方法是使用一个泄漏控制滤波器系数的更新中LMS算法(29日]。因为增加偏差系数的更新,这个漏水的LMS算法患有退化的稳态误差衰减(25]。相反,它是可能的稳定系统通过控制泄漏系数的值(30.]。一种可能的解决方案来提高性能的漏水的算法是使用剪切和尺度改变策略34]。剪裁方法只是使输出信号达到饱和状态时,重新调节方法也尺度滤波器权重输出太大时为了避免大振荡系数的更新。分析了这些方法的行为(34单通道ANC系统。关于泄漏系数的正确值,虽然可以计算一系列保证系统线性(38在每个节点[]或引入一个重量不均匀39),通常由试验和错误选择取决于所支持的信号功率扬声器系统。为了提供一个更现实的实用解决方案实现,本文旨在分析控制工作权重的影响行为的分布式ANC系统不是。为此,我们分析几种约束方法中描述的性能(34]应用通过网络与分布式节点和增量学习没有通信约束。实现方面的研究计算复杂度和通信能力等在网络中的节点不同控制策略的努力。据我们所知,没有其他这种类型的分析已经报道。此外,我们提出了一个直观的策略基于限制控制信号功率避免超速喇叭确保分布式ANC系统稳定性,同时减少应用受限的通信需求的策略。

本文组织如下。节2ANC,我们推导出分布式解决方案与努力约束并协作节点组成。实验结果进行比较的性能不同的漏水的策略在现实场景中部分所示3。最后,部分4概述了目前工作的主要结论。

符号。为了清晰,以下符号被使用在这个工作:字母斜体表示标量(例如,),粗体小写字母表示向量(例如,),黑体大写字母表示矩阵(例如,)。

2。算法的描述

让我们考虑一个ANC系统的均匀并工作节点空间分布在一些区域,如图1。我们假设所有节点由一个传感器和一个执行机构,执行相同的算法,和共享相同的参考信号, ,捕捉到一个参考传感器用来检测一个在离散时间即时干扰噪声 。我们的目标是估计的自适应滤波器在每个节点取消噪声信号传感器的位置,( )。为此,控制信号( ),发出的致动器,透过音响系统,旨在减少传感器的信号记录,称为误差信号和用 。声通道连接节点的执行机构的传感器节点()通常是通过冷杉滤波器的估计系数表示为 。

有几种方法可以实现这一目标取决于所选择的策略。后(17),我们从一个网络集中式方法获得到每个节点的贡献在分布式网络使用增量策略的数据交换和假设实际约束的解决方案。

2.1。MEFxLMS算法使用集中控制的努力

首先,我们考虑这样一个集中的策略,一个处理器接收和传输的所有信息通过网络(见图2(一个))。需要这个中央单位是必要的,因为所有的错误信号来计算每个滤波器的系数(32]。请注意,如果我们收集信号参与ANC系统图中描述1到下面的向量 捕获的信息,所有的传感器网络的定义是错误 在向量 的大小 连接的自适应滤波器包含了滤波器的系数节点。矩阵 是连接的向量的大小 定义为 被一个长度向量包含最后一个参考信号的样本过滤 。ANC系统试图最小化代价函数,取决于声场控制。最常用的集中的自适应策略,目的是多个错误FxLMS算法(MEFxLMS) [32)是致力于减少的力量的总和瞬时错误信号。但是,为了最大限度地减少错误和控制信号,惩罚的一个努力可能应用在自适应滤波器最小化代价函数如下: 在哪里是一个对角矩阵的大小 对角元素是谁的的值复制次了。泄漏系数用于调整节点的自适应滤波器系数的振幅吗 。这种泄漏因素可以被视为一个正则化参数,使用值小于1自适应滤波器系数导致收益减少。请注意,(3)类似于多通道的成本函数集中的系统组成的喇叭和麦克风。作为中央单元使用梯度下降法来估计网络的自适应滤波器系数 ,全球过滤器更新方程的集中渗漏MEFxLMS (l-CMEFxLMS)算法声明如下: 在哪里是步长参数。鉴于众所周知的集中式系统的缺点,如大型计算和通信要求,使用分布式网络是必需的。分布式还涉及不仅身体上的节点分布在一个特定的区域,但也的处理节点之间的分裂。因此,实施(4)通过网络的分布式节点将在以下部分。

2.2。协作的分布式算法使用控制的努力

现在,我们的目标是分配的计算在图中描述的是节点1但是考虑到环拓扑与增量策略在没有通信约束网络中(见图2 (b))。因此,数据交换是在连续的顺序进行。澄清通信周期,连续时间索引之间的分化, 和 ,表示在图2 (b)。注意,在每一个样品的时间 ,所有必要的数据传输,节点交换他们的信息,必须完成。我们必须分手的和全球更新方程转化为每个节点的贡献;也就是说,届任期(的总和4可以只计算)节点。定义随着全球网络和考虑的本地版本在th节点,从节点 到节点 ,我们可以分手中每个节点的贡献(4)中描述17]: 在哪里 。请注意,因为每个节点计算其部分的总和和供应以下节点的部分结果,最后一个节点,th节点,包含完整的更新系数。因此,更新过滤方程th节点通过破DMEFxLMS算法(l-DMEFxLMS)可以表示为

为了达到相同的性能集中策略,最后一个节点的更新系数, ,必须传播到其他的节点 迭代。原因是每个节点都需要网络的全局状态在上一次迭代( )来执行的部分更新系数。这意味着 滤波器系数之间的交换节点每个样本(图进行2 (b))。为了执行一个简单的和透明的数据交换,我们认为每个节点只能交换本地的网络和节点。自 不可用(6),每个节点使用最后一个节点的本地状态,其中包含网络的全局状态在前一个迭代 。应该注意的是,只有当地的信息, ,需要生成th节点输出信号 。

正如前面说的那样,我们已经考虑齐次节点实现更新方程提出了(4)。这意味着所有节点计算相同的操作和执行相同的算法。然而,考虑是由非齐次节点,(4)可能以不同的方式计算。例如,第一个节点,更新其系数增量序列,可以假设的完整计算控制努力释放剩余的节点来执行它们。更具体地说,第一个节点可以计算它的当地政府 而其他的节点可以更新他们的系数 在哪里 。因此,更新系数的传播可以消除减少通讯费用的要求第一个节点的计算成本的增加。

另一方面,[描述的剪裁策略34可以应用到l-DMEFxLMS算法。这一策略解决了放大器的饱和问题或喇叭通过限制输出功率。如果输出信号功率大于一个阈值,一个简单的解决方案在于限制输出功率阈值。定义的最大允许的值在每个节点的输出信号 ,的剪裁l-DMEFxLMS算法 在哪里被定义为临时输出信号th节点,计算 被一个合理编列的矩阵的大小( )定义为

这取决于参数的值 ,一个饱和 或压缩 影响输出的动态范围可能应用于某个阈值 。为了避免大振荡系数的更新,重新调节方法可以应用到剪切l-DMEFxLMS算法导致l-DMEFxLMS剪裁算法。为此,只需要增加(9)自适应滤波器的尺度改变如下:

算法1演示了一个摘要l-DMEFxLMS剪裁算法伪代码,每个样本在每个节点执行。比较(9)和(12),它可以看到,尽管剪裁l-DMEFxLMS算法只有重新调节输出,l-DMEFxLMS剪裁算法重新调节输出和滤波器系数。双重尺度改变阻止稳定性问题由于系数更新是不相关的过滤器输出剪裁策略是工作时(34,36]。重要的是要考虑到系统的稳定性是保证输出信号通过应用适当的约束,虽然限制太多饱和水平可能导致性能障碍。此外,重新调节l-DMEFxLMS算法需要更高的数据传输速度比l-DMEFxLMS算法。这个结果从这一事实 系数之间的交换节点(见图3(一个)):第一轮,每个节点通过网络的全局状态在前面的迭代, 下面的节点;第二轮,每个节点接收前一节点的信息, ,计算其本地版本的帮助下 ,供应以下节点部分的结果;最后,第三轮,在每个节点重新调节其部分 ,通过其本地状态下面节点,并生成输出信号的新系数。因此,最后一个节点将获得网络的全局状态更新正确新将必要的传播中其余的节点之后的第一轮迭代。注意,在最后一轮,每个节点只能供应新部分直接到最后一个节点。然而,它需要不同的沟通策略来实现这个解决方案。

,目的是减少这个算法的通信需求,提出了一轮战略(r尺度改变l-DMEFxLMS)。使用这种方法,在一轮从其先例节点,每个节点接收信息 ,计算其本地版本借助其信息在前面的迭代, ,并供应以下节点部分结果与先前部分新。同时,每个节点生成新输出信号。注意,在本例中,而不是使用网络的全局状态在前一个迭代更新方程,每个节点使用其本地状态之前的迭代, 。因此,避免传播更新系数,可以减少节点之间的数据传输 交换的滤波器系数,可以看到在图3 (b)。算法2演示了一个摘要1 r l-DMEFxLMS剪裁算法伪代码,每个样本在每个节点执行。注意,因为更新系数并没有完全在节点之间共享,的行为r l-DMEFxLMS剪裁算法并不完全一样的重新调节方法。因为连续的顺序系数进行交换,这些差异可能在更大也更相关的结果。这是增量学习的结果,每个节点计算的一部分全球过滤器,给定的过滤收集,并将其传递到下面的节点。通过这种方式,节点接近最后一个节点有一个更精确的估计全球过滤器。这可能恶化的收敛速度r l-DMEFxLMS剪裁算法相比,重新调节l-DMEFxLMS策略。然而,对于不是由一些节点,这两种方法都将获得一个类似在收敛速度和降噪性能。之间的性能比较所有提出的算法提出了以下部分。

3所示。仿真结果

在本节中,我们提出了模拟进行评估的性能提出了分布式算法在网络没有通信约束。在第一阶段,我们的性能相比l-CMEFxLMS和l-DMEFxLMS算法为了验证部分中概述的理论解2.2。在第二阶段,我们合理的使用限制技术比较DMEFxLMS算法(中描述的性能(17(l-DMEFxLMS)])及其漏水的版本。随后,我们已经验证的需要使用剪切和重新调节方法(分析(34)为了实现喇叭输出约束以及使用提出了一轮战略(r l-DMEFxLMS剪裁)来减少网络的通信要求。为此,我们相比l-DMEFxLMS,剪裁l-DMEFxLMS, l-DMEFxLMS剪裁,r l-DMEFxLMS剪裁算法的降噪,收敛行为,计算复杂度和通信需求。所有的算法都进行均匀的四个单通道节点组成的,如图4。只有节点最好和最糟糕的表现所示模拟,以评估行为的根本。其他节点的性能仍然是在这个范围内。我们设计并使用真正的声学测量听房间的渠道米长,米宽,米高,位于音频处理实验室的瓦伦西亚理工大学(40],模仿的FIR滤波器 系数的采样率kHz。模拟也被描述的配置如下:四个节点组成的一个扬声器和一个麦克风被认为是。平等的分离cm相邻喇叭被选中。对面的麦克风被喇叭和分离cm远离他们。麦克风之间的分离厘米。麦克风和喇叭都是位于的高度厘米。ANC测试分布模拟一个真正的应用程序,我们将寻求创建地方安静区域附件(如公共交通的小屋)声学节点的使用也具有类似上面详细的分离。我们认为是宽带与单位方差为零均值高斯白噪声干扰信号和一个自适应滤波器的长度 系数。一个初始步长参数 作为最高的价值,以确保稳定的算法被用于模拟。此外,我们已经考虑的最大容许值的输出信号 和一个衰减参数 所有的节点和模拟。最初,我们使用泄漏参数 的所有节点。这个泄漏值的原因解释如下。

为了评估不同算法的性能,我们定义的瞬时噪声降低节点 , ,dB的比率估计误差之间的权力和不活跃的应用噪声控制器: 在哪里信号功率在吗麦克风当ANC系统活动和误差信号功率测量的吗麦克风在ANC系统的工作原理。此外,这些信号的权力已经被申请一个指数估计窗口的瞬时信号。

3.1。集中式和分布式的方法之间的比较

在第一次模拟,我们比较的降噪漏水的集中ANC系统参考信号,四个致动器,4个传感器(1:4:4配置)和漏水的分布式ANC系统4单通道节点。图5显示的时间演化l-CMEFxLMS和麦克风的l-DMEFxLMS算法最好和最差性能在集中的情况下,最好和最差的节点分布情况下的性能。正如所料,分布式实现展品完全相同的结果集中的版本的收敛速度和最终残留噪声,提供一个衰减12 dB为最坏的节点和几乎14 dB最好的节点。

3.2。在实际场景中改善DMEFxLMs的性能

在第二个模拟,我们比较DMEFxLMS算法的性能与l-DMEFxLMS策略以证明其在实际场景中使用。与前面的模拟,在4-single-channel-node ANC系统也被认为是。图6显示了两种算法在节点最好和最糟糕的表现。DMEFxLMS算法的两个行为分化:它的性能在实际场景(表示真实DMEFxLMS)和它的性能在一个理想的场景(表示理想DMEFxLMS)。真正的版本模拟扬声器饱和度如何影响行为的分布式算法。另一方面,扬声器饱和度的影响没有被认为是在理想版本。控制信号的时间变化对两种算法在最坏的情况下节点图所示7(一)和7 (b),分别。控制信号的振幅归一化和最大和最小信号振幅,可以产生的喇叭。它可以表明,理想和现实DMEFxLMS行为最初表现l-DMEFxLMS算法在收敛速度和降噪但当他们达到临界点后,真正的版本将不稳定,不收敛。这是因为DMEFxLMS方法不能满足控制输出约束如图7(一)。因此,由于扬声器非线性饱和的出现导致DMEFxLMS的散度算法。为了避免这种情况,我们使用l-DMEFxLMS算法 选择所有节点的试验和错误。因此,l-DMEFxLMS算法满足的约束限制的最大输出信号(见图7 (b)),实现大约10 dB的最好和最坏的节点,图中可以看到6。为简单起见,因为漏水的使用方法在现实场景中已经证明,喇叭饱和度的影响性能的漏水的算法没有考虑在接下来的模拟。

3.3。比较分布式漏水的方法

此外,它可以提高l-DMEFxLMS算法的性能,最后衰减,实现输出信号约束通过剪裁和l-DMEFxLMS剪裁算法。中可以看到这个数字8和9泄漏的参数被选为的所有节点4-node不是,为了增加漏的降噪方法。请注意,对于 ,我们将获得相同的结果与前面的模拟自漏水的算法使其输出信号权力低于允许的阈值, ,因为它描述的是(9)和(12)。作为网络的四个节点的行为是相似的,只有节点的结果最好的性能已被证明。如图8(一个),所有在场的算法相似的噪声衰减水平提供12 dB降噪的三种情况。关于第一个自适应滤波器的收敛行为系数,绘制在图8 (b),它可以观察到,这是几乎相同的三种方法。然而,l-DMEFxLMS算法,从图9(一个),无法满足输出约束要求在特定的时间瞬间可能导致系统不稳定,合理的在前面的仿真。相反,输出信号电平的剪裁和尺度改变l-DMEFxLMS算法在阈值固定的约束下,在如下图所示9 (b)和9 (c)。

3.4。实验周期噪声作为输入信号

另一方面,剪裁算法会导致系统不稳定的自适应滤波器系数的不可预知的行为(34]。这可以观察到在未来模拟一个周期性噪声赫兹,赫兹,赫兹,赫兹组件被用作干扰信号。与前面的情况下,数字10- - - - - -12只显示一个4节点的结果最好的节点不是。在这种情况下,最高价值的步长参数,保证算法的稳定性 。关于泄漏参数的值 所有的节点被选中。请注意,更高的价值将保持l-DMEFxLMS算法的输出信号功率低于阈值(参见图吗(11日))获得类似的三种算法的性能。然而,因为它在前面的模拟可以看出,较小的泄漏参数,更大的噪声衰减。

在这种情况下,如图10 (),重新调节l-DMEFxLMS l-DMEFxLMS算法显示稳定的行为提供一个衰减第一个,几乎dB为第二个分贝。然而,正如前面的仿真,注意控制输出超过l-DMEFxLMS算法的约束,如图(11日),重新调节l-DMEFxLMS策略满足输出约束(见图11 (c))。虽然剪裁l-DMEFxLMS方法满足最大输出信号约束(见图11 (b)),它实现了最糟糕的表现最终残留噪声,获得的dB最好的节点。图中可以看到10 (b)和关于第一滤波器系数的时间演化,而l-DMEFxLMS和尺度改变l-DMEFxLMS算法具有稳定的收敛,剪裁l-DMEFxLMS系数的算法提出了一种明显的振荡。尽管这种行为不会导致系统不稳定,就会导致不良的出现频率成分的频谱误差信号。功率谱密度的大小误差信号的ANC系统时衰减三个漏水的策略获得的相比在图表示12。从数据可以看出12 (b),12 (c),12 (d)的所有方法,l-DMEFxLMS算法,剪裁l-DMEFxLMS算法,和l-DMEFxLMS剪裁算法,在感兴趣的频率减少了噪音,赫兹,赫兹,赫兹,赫兹,获得一个衰减的dB,dB,dB,分别dB。它可以观察到,重新调节l-DMEFxLMS算法引入了干扰噪声赫兹和赫兹,图中可以看到12 (d)。然而,剪裁l-DMEFxLMS算法引入了更多的额外的谐波,明显在高频率,如图12 (c)。至少五个新的谐波频率出现赫兹,赫兹,赫兹,赫兹,赫兹,实现多dB的他们。这可能会导致不稳定的ANC系统在现实场景中,可能引起的强烈饱和应用于控制信号(见图11 (b))。自从l-DMEFxLMS算法不能确保实现约束和剪裁l-DMEFxLMS算法可能存在一些潜在的问题的稳定,l-DMEFxLMS剪裁算法表现出最佳的总体性能,提供更高的降噪和系统稳定和实现输出信号的约束。

3.5。计算复杂度和通信需求

表1比较了计算复杂性(每个迭代的乘法)和通信需求(数据传输)的分布式漏水的ANC算法。传播滤波器系数将按比例相关传输比特取决于所使用的编码。l-CMEFxLMS算法没有被包含在表因为它有完全相同的计算复杂度随着l-DMEFxLMS算法。为此,我们考虑的一个网络单通道节点。为简单起见,我们假设每个节点有访问权通过另一个广播频道。因此,参考信号的计算没有考虑数据传输。注意,所有的算法,计算复杂度取决于 , ,和而只取决于通信需求和 。然后,实现方面都是具体的 , , 。结果表明,尺度改变版本的计算成本略高于l-DMEFxLMS和剪裁l-DMEFxLMS算法。虽然他们之间没有显著差异,重要的是要考虑到这一事实的计算复杂度l-DMEFxLMS策略与节点的数量显著增加。关于通信需求,重新调节l-DMEFxLMS策略更高的要求如表所示1。对于一个增量学习- node网络,重新调节l-DMEFxLMS方法需要每个节点传输 系数如下节点 在每个迭代中。然而,使用r l-DMEFxLMS剪裁算法,数据流 样品通过传播节点,减少了网络的数据传输。注意,正如预期的那样,关系是相同的节点数量的增加。后一个例子中描述的相同的配置(下41),注意,剪裁和尺度改变l-DMEFxLMS算法需要的传输速率 和 兆字节每秒(MBps),在增量节点没有分别。然而,r l-DMEFxLMS剪裁算法至少需要的传输速率 MBps。因此,在最后一种情况下,我们可以使用无线网络MBps执行所需的节点之间的数据传输。

3.6。重新调节方法之间的比较

最后,比较两种尺度改变策略的行为,人物13显示的时间演化l-DMEFxLMS算法和剪裁r l-DMEFxLMS剪裁算法,节点与节点不是最佳的性能。我们已经考虑干扰信号,在第一次使用的宽带噪声模拟以及步长参数 和泄漏参数 的所有节点。图中可以看到(13日),r l-DMEFxLMS剪裁算法提出了类似的结果,重新调节l-DMEFxLMS方法的最后残余噪声提供了一个11分贝衰减。在评论部分2,以避免传播更新系数的收敛速度会影响r l-DMEFxLMS剪裁算法。然而,这两种策略之间的差异可以忽略不计,因为它可以看到从图13 (b)。在这种情况下,r l-DMEFxLMS剪裁策略不引入强降解性能的尺度改变l-DMEFxLMS算法,应该注意的是,在其他情况下,如更大的是,可能更相关的差异。为此,在图14的时间演化l-DMEFxLMS算法和剪裁r l-DMEFxLMS剪裁算法为节点的最佳性能sixteen-node还可以看到。在这种情况下,两种算法之间的区别,在收敛速度方面,比以前的模拟,如图14 (b)。不同算法的结果可能会变得更加明显,如果我们使用数量的增加节点(可能尽可能多的节点滤波器系数)或者我们通过块样品。自r l-DMEFxLMS剪裁算法表现出类似的行为尺度改变l-DMEFxLMS算法,他们的研究结果尚未包含在前面的模拟。请注意,所有的结果完成这项工作取决于特定的设置和参数配置。

4所示。结论

在这篇文章中,已经实现了一些努力控制策略在分布式ANC系统理想并使用一个协作增量策略。为此,四个新方法来源于DMEFxLMS确保ANC系统稳定性在实际场景。结果表明,漏的分布式版本MEFxLMS (l-DMEFxLMS)算法表现出相同的性能漏水的集中式版本(l-CMEFxLMS)当没有约束的通信网络。我们已经进行了模拟的性能分布漏水的方法在不同的场景中。使用l-DMEFxLMS算法在实际情况下的系统性能恶化一直是合理的。在这方面,需要一个适当的泄漏参数值减少性能退化:高到足以满足约束,也足够低获得良好的降噪。已经证明,剪裁和尺度改变l-DMEFxLMS算法允许我们使用低泄漏值保持输出约束控制。此外,衰减噪音水平接近DMEFxLMS获得的算法在理想的场景中已经实现了这两种方法。由于剪切l-DMEFxLMS策略的稳定性问题,利用尺度改变l-DMEFxLMS算法在大多数情况下更有前途。一个简化版的尺度改变l-DMEFxLMS算法,称为r l-DMEFxLMS剪裁算法,其目的是为了减少通信的要求重新调节l-DMEFxLMS不是方法。此外,分布式的算法的计算复杂度已经报道,记住应该考虑节点的计算能力在实际场景。关于通信需求,提出r l-DMEFxLMS剪裁策略达到明显节省数据传输保持类似的性能l-DMEFxLMS剪裁算法。因此,它已经表明,提出的r l-DMEFxLMS剪裁算法实现良好的控制努力计算成本类似于其他策略但显著减少网络的通信需求。然而,使用异构节点,分析该算法在约束网络的行为,和一个自动选择的每个节点的参数提出了未来的工作。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作已经被欧盟ERDF一起支持西班牙政府通过tec2015 - 67387 - c4 - 1 - r项目和Generalitat Valenciana通过PROMETEOII / 2014/003项目。

引用

1. i . f . Akyildiz w·苏y Sankarasubramaniam,和e . Cayirci“传感器网络的一项调查,”IEEE通讯杂志,40卷,不。8,102 - 114年,2002页。视图:出版商的网站|谷歌学术搜索
2. j .活跃、b·穆克吉和d . Ghosal“无线传感器网络调查,”计算机网络,52卷,不。12日,第2330 - 2292页,2008年。视图:出版商的网站|谷歌学术搜索
3. d . Puccinelli和m . Haenggi”无线传感器网络:无处不在的传感应用和挑战,”IEEE电路和系统杂志,5卷,不。3胜38负页。2005。视图:出版商的网站|谷歌学术搜索
4. 杜x h·h·陈,“无线传感器网络的安全。”IEEE无线通讯杂志,15卷,不。4,60 - 66、2008页。视图:出版商的网站|谷歌学术搜索
5. m·艾尔Ameen j·刘,k .夸克“无线传感器网络安全与隐私问题对于医疗保健应用程序,”医疗系统杂志,36卷,不。1,第101 - 93页,2012。视图:出版商的网站|谷歌学术搜索
6. a·伯特兰”应用程序和无线传感器网络的趋势:信号处理的角度来看,“学报18 IEEE通信和车载技术研讨会上比荷卢经济联盟(SCVT 11),页1 - 6,IEEE,根特,比利时,2011年11月。视图:出版商的网站|谷歌学术搜索
7. 郭y和m . Hazas声源定位的日常使用无线传感器网络的声音,”学报》第12届国际会议上无处不在的计算主要的10),页411 - 412,丹麦,2010年9月。视图:出版商的网站|谷歌学术搜索
8. k·马丁内斯,j·k·哈特,r . Ong“环境传感器网络,”电脑杂志,37卷,不。8日,50-56,2004页。视图:出版商的网站|谷歌学术搜索
9. j . Segura-Garcia s Felici-Castell j . j . Perez-Solano m . Cobos和j·m·纳瓦罗“低价的城市噪声危害监测使用无线传感器网络,”IEEE传感器杂志,15卷,不。2、836 - 844年,2015页。视图:出版商的网站|谷歌学术搜索
10. a·伯特兰·m·穆南,“健壮的分布式降噪助听器与外部声学传感器节点”EURASIP在信号处理的发展》杂志上ID 530435条,卷。2009年,14页,2009。视图:出版商的网站|谷歌学术搜索
11. h .王声监测无线传感器网络(博士论文),加州大学,2006年。
12. a . Flammini p .法拉利,d . Marioli e . Sisinni a .电路研究,“有线和无线传感器网络在工业应用中,“微电子学杂志,40卷,不。9日,第1336 - 1322页,2009年。视图:出版商的网站|谷歌学术搜索
13. h . Kwon、诉贝里沙和a . Spanias“实时传感和声学安全应用程序的场景描述,”诉讼第三无线普适计算国际研讨会(ISWPC ' 08)希腊,页755 - 758年,2008年5月。视图:出版商的网站|谷歌学术搜索
14. c·g·洛佩斯和a·h·赛义德“增量在分布式网络自适应策略,”IEEE信号处理,55卷,不。8,4064 - 4077年,2007页。视图:出版商的网站|谷歌学术搜索|MathSciNet
15. n . Bogdanovic j . Plata-Chaves, k . Berberidis”为特定于节点的分布式incremental-based LMS自适应参数估计,“IEEE信号处理,卷62,不。20日,第5397 - 5382页,2014年。视图:出版商的网站|谷歌学术搜索|MathSciNet
16. a·伯特兰信号处理算法的无线传感器网络[博士学位。论文)鲁汶工学院,KU(比利时鲁汶),比利时,2011年5月。
17. m·费雷尔,m . de迭戈g .皮尼罗和a·冈萨雷斯,“自适应有源噪声控制分布式网络,”信号处理卷,107年,第95 - 82页,2015年。视图:出版商的网站|谷歌学术搜索
18. g .皮尼罗j . Estreder f . Martinez-Zaldivar m·费雷尔和m . de迭戈,“声场生殖系统两节点声的移动设备,网络”第二届IEEE世界物联网论坛WF-IoT 2015,页652 - 657,意大利,2015年12月。视图:出版商的网站|谷歌学术搜索
19. m . Cobos j . j . Perez-Solano o . Belmonte g .拉莫斯和a . m .托雷斯,”同时范围和空间同步的无线传感器网络,”IEEE信号处理,卷64,不。22日,第6004 - 5993页,2016年。视图:出版商的网站|谷歌学术搜索|MathSciNet
20. c . Llerena-Aguilar r . Gil-Pita m . Rosa-Zurera d . Ayllon m . Utrilla-Manso f . Llerena,“基于混合同步定位声源分离的无线传感器网络,”信号处理卷,118年,第187 - 177页,2016年。视图:出版商的网站|谷歌学术搜索
21. 美国j·艾略特和p·a·尼尔森“主动噪声控制,”IEEE信号处理杂志,10卷,不。4、12、1993页。视图:出版商的网站|谷歌学术搜索
22. m . Pawełczyk“主动噪声控制,控制好相关问题的审查,”音响档案,33卷,不。4、509 - 520年,2008页。视图:谷歌学术搜索
23. s . j .艾略特·约瑟夫·a·j .图像和p·a·纳尔逊”活动取消点纯质的音调扩散声场,”杂志的声音和振动,卷120,不。1,第189 - 183页,1988。视图:出版商的网站|谷歌学术搜索
24. ·约瑟夫·s·j·艾略特,p . a . Nelson“近场区域的安静,”杂志的声音和振动,卷172,不。5,605 - 627年,1994页。视图:出版商的网站|谷歌学术搜索
25. 微积分,自适应滤波器理论美国,新世纪,上台北,2002年。
26. s . m .郭和d·r·摩根“有源噪声控制:教程审查,”IEEE学报》,卷87,不。6,943 - 973年,1999页。视图:出版商的网站|谷歌学术搜索
27. j·c·伯吉斯”,主动适应声音控制管:计算机模拟中,“《美国声学学会杂志》上,卷70,不。3、715 - 726年,1981页。视图:出版商的网站|谷歌学术搜索
28. b . Farhang-Boroujeny自适应滤波器:理论和应用程序约翰•威利父子,高雅,西萨塞克斯郡,英国,2013年。
29. b . Widrow和s·d·斯登自适应信号处理美国新泽西,Prentice Hall,恩格尔伍德悬崖,1985。
30. 美国j·艾略特和c·c·鲍彻多个活动的前馈控制系统之间的相互作用,”IEEE音频、语音和语言处理,卷2,不。4、521 - 530年,1994页。视图:出版商的网站|谷歌学术搜索
31. p . Grosdidier和m·莫拉里“交互系统分散控制措施,”自动化,22卷,不。3、309 - 319年,1986页。视图:出版商的网站|谷歌学术搜索
32. s . j .艾略特、i m . Stothers和p·A·纳尔逊”多个错误LMS算法及其应用声音和振动的主动控制,”IEEE信号处理,35卷,不。10日,1423 - 1434年,1987页。视图:出版商的网站|谷歌学术搜索
33. 美国j·艾略特和k h .回来,“努力约束自适应前馈控制,”IEEE信号处理信件,3卷,不。1,7号到9号,1996页。视图:出版商的网站|谷歌学术搜索
34. x邱和c·h·汉森时域FXLMS算法的研究与控制输出约束,“《美国声学学会杂志》上,卷109,不。6,2815 - 2823年,2001页。视图:出版商的网站|谷歌学术搜索
35. b . Rafaely”,计算有效的频域LMS算法和约束自适应滤波器,”IEEE信号处理,48卷,不。6,1649 - 1655年,2000页。视图:出版商的网站|谷歌学术搜索
36. w·j·Kozacky和t . Ogunfunmi主动噪声控制算法与自适应滤波器增益和功率限制,”EURASIP在信号处理的发展》杂志上,卷2013,不。1,第十七条,2013。视图:出版商的网站|谷歌学术搜索
37. j . A . Mosquera-Sanchez w . Desmet, l . p . r . de Oliveira“多通道幅值和相对相位控制器活跃的声音质量控制”机械系统和信号处理卷,88年,第165 - 145页,2017年。视图:出版商的网站|谷歌学术搜索
38. f . Taringoo、j . Poshtan和m . h . Kahaei”努力约束算法的分析在有源噪声控制系统中,“EURASIP应用信号处理》杂志上文章ID 54649卷,2006年,10页,2006。视图:出版商的网站|谷歌学术搜索
39. d·j·罗赛蒂·m·r·乔利和s . c .向南,“控制工作权重在前馈自适应控制系统中,“《美国声学学会杂志》上,卷99,不。5,2955 - 2964年,1996页。视图:出版商的网站|谷歌学术搜索
40. “音频信号处理和通信集团(做的),“http://www.gtac.upv.es。视图:谷歌学术搜索
41. c . Antonanzas m .费雷尔,m . de迭戈和a·冈萨雷斯,“频域块有源噪声控制器在分布式网络,”应用科学》第六卷,没有。5,货号。124年,2016年。视图:出版商的网站|谷歌学术搜索

版权

版权©2017年基督教Antonanzas et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。