ANC算法流程梳理第二篇----FxLMS算法（过滤的LMS）

火爆俊

已于 2024-07-23 08:18:13 修改

阅读量260

点赞数 2

文章标签：算法

于 2024-07-23 08:07:32 首次发布

本文链接：https://blog.csdn.net/huobaojun/article/details/140614543

版权

图1中所示的标准LMS算法将二级路径传递函数引入到控制器中，通常会导致不稳定。这是因为 $S(z)$ 的存在，错误信号没有正确的和参考信号对齐。有许多可能的方案可以用来补偿 $S(z)$ 的影响，Morgan [1]提出了两种解决这个问题的方法。第一个解决方案是放置一个逆滤波器，并与 $S(z)$ 串联，以消除其效果。第二种解决方案是在LMS算法的权值更新的参考信号路径中放置一个相同的滤波器，从而实现了所谓的F-xLMS（FXLMS）算法。因为 $S(z)$ 的逆并不一定存在，FXLMS算法通常是最有效的方法。FXLMS算法是由Widrow [2]在自适应控制和Burgess [3]应用中独立推导出来的。

FXLMS算法的推导：次级滤波器传递函数在数字滤波器 $W(z)$ 之后的位置，残差信号的时域表示为：
假设一个均方代价函数为: $\xi (n)=E[e^{2}(n)]$ ，自适应滤波器使瞬时平方误差最小化：
采用最陡下降算法，利用步长更新负梯度方向上的系数向量 $\mu$
是在时间上的均方误差（MSE）梯度的瞬时估计，并被表示为

此外，因为。所以，梯度估计就变成了，最终，我们有FXLMS算法为：

在实际的ANC应用中， $S(z)$ 是未知的，必须由一个额外的滤波器 $\widehat{S}(z)$ 估计，因此，过滤后的参考信号是通过二次路径的估计传递参考信号产生的：

FXLMS算法通过 $\widehat{S}(z)$ 滤波器似乎非常宽容 $S(z)$ 的误差估计，在缓慢适应的范围内，该算法在 $\widehat{S}(z)$ 与 $S(z)$ 之间将收敛于近90度相位误差。因此，在ANC程序初始训练阶段离线建模可以用于估计 $S(z)$ 。

[1]D. R. Morgan, “An analysis of multiple correlation cancellation loops with a filter in the auxiliary path,” IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-28, pp. 454–467, Aug. 1980.

[2]B. Widrow, D. Shur, and S. Shaffer, “On adaptive inverse control,” in Proc. 15th Asilomar Conf., 1981, pp. 185–189.

[3]P. Lueg, “Process of silencing sound oscillations,” U.S. Patent 2 043 416, June 9, 1936.

火爆俊

关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
ANC算法流程梳理第二篇----FxLMS算法（过滤的LMS）

第二种解决方案是在LMS算法的权值更新的参考信号路径中放置一个相同的滤波器，从而实现了所谓的F-xLMS（FXLMS）算法。的逆并不一定存在，FXLMS算法通常是最有效的方法。的影响，Morgan [1]提出了两种解决这个问题的方法。第一个解决方案是放置一个逆滤波器，并与。图1中所示的标准LMS算法将二级路径传递函数引入到控制器中，通常会导致不稳定。的存在，错误信号没有正确的和参考信号对齐。的误差估计，在缓慢适应的范围内，该算法在。是未知的，必须由一个额外的滤波器。在实际的ANC应用中，
复制链接

扫一扫