一种有轨列车司机室内的噪声主动控制系统的制作方法

本发明涉及噪声控制技术领域，尤其涉及一种有轨列车司机室内的噪声主动控制系统。

背景技术：

噪声污染已经成为全世界都十分关注的环境问题，日渐增加的噪声严重影响人们的正常的工作、学习、生活。现代交通运输业的发展带来了各种交通工具噪声，随着人们对有轨列车乘坐舒适性要求的提高、环保意识的加强以及有轨列车工业的发展，有轨列车的噪声控制日益受到人们的重视。列车内噪声过大，影响着司乘人员的身心健康，尤其是司机室内较强的噪声容易引起司机人员耳部不适、听觉敏感度降低，甚至是听力损伤，因此降低列车司机室内的噪声是很有必要的。

目前，噪声的控制主要以被动控制为主。有轨列车司机室内的噪声的被动控制主要是通过优化车体的结构设计和在车体上应用吸声材料进行物理降噪，以实现有轨列车司机室内的噪声的控制。

传统的噪声控制方案多通过结构设计和应用吸声材料进行物理降噪，这种被动噪声控制针对1khz以上的高频段噪声具有一定的降噪能力，对于中低频噪音则效果较差。

技术实现要素：

本发明目的是提供一种有轨列车司机室内的噪声主动控制系统，以解决上述问题。

本发明解决技术问题采用如下技术方案：

一种有轨列车司机室内的噪声主动控制系统，包括：

多个参考噪声传感器，所述多个参考噪声传感器设置在有轨列车司机室内，用于采集主噪声源噪声x[n]；

多个误差传声器，所述多个误差传声器设置在有轨列车司机室内在噪声控制区域内，用于采集有轨列车司机室内的噪声控制后的残余噪声e[n]；

mimo主动降噪控制器，所述mimo主动降噪控制器分别与所述参考噪声传感器和误差传声器相连，用于接收主噪声源噪声x[n]和残余噪声e[n]，并提取一系列不相干的参考声学模式s[n]，获取用于噪声控制模式预测的路径传递函数h[n]，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，最终生成最优的噪声控制模式；

扬声器，所述扬声器设置在有轨列车司机室内的，并与所述mimo主动降噪控制器相连，用于接收最优的噪声控制模式，并根据最优的噪声控制模式发出目标信号y[n]以降低有轨列车司机室内的噪声。

优选的，所述mimo主动降噪控制器，包括：

参考声学模式提取单元，所述声学模式提取单元与所述参考噪声传感器相连，用于接收主噪声源噪声x[n]，并根据主噪声源噪声x[n]提取一系列不相干的参考声学模式s[n]；

噪声控制模式预测单元，所述噪声控制模式预测单元分别与所述误差传声器、参考传声器和参考声学模式提取单元相连，用于分析目标信号从发出到残余噪声采集处的路径传递函数，获取用于噪声控制模式预测的路径传递函数h[n]，并基于fx-lms算法，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，再根据所述收敛因子μ、路径传递函数h[n]、一系列不相干的参考声学模式s[n]、残余噪声e[n]和主噪声源噪声x[n]生成最优的噪声控制模式。

优选的，所述参考声学模式提取单元，包括：

参考声学模式提取子单元，所述参考声学模式提取子单元用于接收主噪声声源噪声x[n]，并根据主噪声源噪声x[n]提取一系列参考声学模式；

参考声学模式分离子单元，所述参考声学模式分离子单元与所述参考声学模式提取子单元，用于接收一系列参考声学模式，并将参考声学模式之间的互信息调整到最小，获得一系列不相干的参考声学模式s[n]。

优选的，所述根据主噪声源噪声x[n]提取一系列参考声学模式的过程，包括：

将提取函数应用到主噪声源噪声x[n]中：

优选的，所述获得一系列不相干的参考声学模式s[n]的过程，包括：

将对比函数α作用于一系列参考声学模式s'[n]中：

α(s'[n])＝i[s'[1]…s'[k]],

使用自动调整算法自动调整提取函数在一系列参考声学模式s'[n]之间的互信息i[s'[1]…s'[k]]最小时，所输出的声学模式为一系列不相干的参考声学模式s[n]。

优选的，所述噪声控制模式预测单元，包括：

路径传递函数分析子单元，所述路径传递函数分析子单元用于分析目标信号从扬声器到误差传声器的路径传递函数，并获取用于噪声控制模式预测的路径传递函数h[n]；

自适应滤波器，所述自适应滤波器分别与所述路径传递函数分析子单元、误差传声器、参考传声器和参考声学模式提取单元相连，用于接收用于噪声控制模式预测的路径传递函数h[n]、残余噪声e[n]和一系列不相干的参考声学模式s[n]，并基于fx-lms算法，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，再根据滤波器权重系数计算公式ω[n+1]＝ω[n]+μ(e[n]·h[n]·x[n])，在所述收敛因子μ的范围内调整μ的取值，更新权系数w，直至残余噪声e(n)收敛时的收敛因子μ最小时，生成最优的噪声控制模式y[n]＝w·s[n]。

优选的，所述获取用于噪声控制模式预测的路径传递函数h[n]的过程，包括：

判断第j个路径传递函数h[j]是否使得残余噪声e(n)在n个采样点数内收敛；

若收敛，则使用h[j]进行噪声控制模式预测；

若不收敛，则判断第(j+1)个路径传递函数h[j+1]是否使得残余噪声e(n)在n个采样点数内收敛。

优选的，所述基于fx-lms算法，自适应调整采样周期t的取值范围的过程，包括：

调整采样周期t，使t＝1/fs≤1/2f0，其中，fs为采样频率，f0为输出的最优噪声控制模式的频率范围上限。

优选的，所述基于fx-lms算法，自适应调整自适应滤波器阶数n的范围的过程，包括：

在参考噪声频率突变时，升高n值；

在参考噪声频率稳定时，降低n值。

优选的，所述基于fx-lms算法，自适应调整收敛因子μ范围的过程，包括：

调整自适应调整收敛因子μ，使得μ满足系统稳定性条件和系统收敛性条件。

可见，本发明所公开的有轨列车司机室内的噪声主动控制系统，通过多个参考噪声传感器采集有轨列车司机室内的主噪声源噪声x[n]，通过多个误差传声器采集有轨列车司机室内的噪声控制后的残余噪声e[n]，通过分别与所述参考噪声传感器和误差传声器相连的mimo主动降噪控制器提取一系列不相干的参考声学模式s[n]，获取用于噪声控制模式预测的路径传递函数h[n]，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，生成最优的噪声控制模式，最后与所述mimo主动降噪控制器相连的扬声器根据最优的噪声控制模式发出目标信号y[n]以降低有轨列车司机室内的噪声。

与现有技术相比，本发明所公开的有轨列车司机室内的噪声主动控制系统通过一系列不相干的参考声学模式s[n]所获得的最优噪声控制模式的准确度更高，更能与有轨列车司机室内的的噪声模式相匹配，再根据最优的噪声控制模式发出目标信号y[n]，由于是根据具有更高准确度的最优噪声控制模式发出的目标信号y[n]，则目标信号y[n]与有轨列车司机室内的噪声的匹配程度也更高，从而实现对有轨列车司机室内的噪声的宽频降噪效果，降噪效果更加明显。

此外，通过不断地调整采样周期、自适应滤波器阶数、收敛因子，来自适应修改滤波器权系数，能够在保证系统稳定的前提下提高系统的收敛速度，并获得在较宽频带内的噪声控制。

附图说明

图1为本发明所提供的一种有轨列车司机室内的噪声主动控制系统结构示意图；

图2为本发明所提供的一种有轨列车司机室内的噪声主动控制系统开启前后司机室内的噪声分布图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合实施例及附图对本发明的技术方案作进一步阐述。

本发明实施了公开了一种有轨列车司机室内的噪声主动控制系统，如图1所示，包括：

多个参考噪声传感器，所述多个参考噪声传感器设置在有轨列车司机室内，用于采集主噪声源噪声x[n]。所述主噪声可以理解为在有轨列车行驶过程中，将不同转速下的发动机舱噪声、车载音频装置辐射的中低频段噪声和不同路况下的路噪在附件的噪声集合定位主噪声x[n]。其中，x[n]为n个离散时间对主噪声的采样所组成的矩阵。主噪声的声学属性包括振幅、相位和频率。

多个误差传声器，所述多个误差传声器设置在有轨列车司机室内在噪声控制区域(司机头部活动范围)内，用于采集有轨列车司机室内的噪声控制后的残余噪声e[n]。本实施例中，所述差传声器布置在驾驶室顶部和音频装置处。所述残余噪声可以理解为残余噪声e[n]实际上是经过有轨列车司机室内噪声控制之后所残余的噪声，也可以理解为坐在有轨列车司机室内座椅上的人所能感受到的噪声。残余噪声e[n]为n个离散时间对残余噪声采样所组成的矩阵。

mimo主动降噪控制器，所述mimo主动降噪控制器分别与所述参考噪声传感器和误差传声器相连，用于接收主噪声源噪声x[n]和残余噪声e[n]，并提取一系列不相干的参考声学模式s[n]，获取用于噪声控制模式预测的路径传递函数h[n]，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，最终生成最优的噪声控制模式。其中，所述mimo主动降噪控制器，包括：

参考声学模式提取单元，所述声学模式提取单元与所述参考噪声传感器相连，用于接收主噪声源噪声x[n]，并根据主噪声源噪声x[n]提取一系列不相干的参考声学模式s[n]；

噪声控制模式预测单元，所述噪声控制模式预测单元分别与所述误差传声器、参考传声器和参考声学模式提取单元相连，用于分析目标信号从发出到残余噪声采集处的路径传递函数，获取用于噪声控制模式预测的路径传递函数h[n]，并基于fx-lms算法，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，再根据所述收敛因子μ、路径传递函数h[n]、一系列不相干的参考声学模式s[n]、残余噪声e[n]和主噪声源噪声x[n]生成最优的噪声控制模式。

进一步的，所述参考声学模式提取单元，包括：

参考声学模式提取子单元，所述参考声学模式提取子单元用于接收主噪声声源噪声x[n]，并根据主噪声源噪声x[n]提取一系列参考声学模式s'[n]。所述根据主噪声源噪声x[n]提取一系列参考声学模式s'[n]的过程，又包括：

将提取函数应用到主噪声源噪声x[n]中：其中，提取函数是具有记忆功能的线性映射函数，执行卷积运算，所述声学模式主要包括噪声信号的三个要素，即幅值、相位和频率信息。主噪声x[n]矩阵元素与一系列参考声学模式s'[n]矩阵元素之间为映射关系。

参考声学模式分离子单元，所述参考声学模式分离子单元与所述参考声学模式提取子单元，用于接收一系列参考声学模式s'[n]，并将参考声学模式s'[n]之间的互信息调整到最小，获得一系列不相干的参考声学模式s[n]。所述获得一系列不相干的参考声学模式s[n]的过程，包括：

将对比函数α作用于一系列参考声学模式s'[n]中：

α(s'[n])＝i[s'[1]…s'[k]],

使用自动调整算法自动调整提取函数在一系列参考声学模式s'[n]之间的互信息i[s'[1]…s'[k]]最小时，所输出的声学模式为一系列不相干的参考声学模式s[n]。其中，使用自动调整算法自动调整提取函数的过程如下：

(1)若i＞0，则调整改变x[n]与s'[n]之间的映射关系，继续进行判断；

(2)若i＝0，则使用作为提取过程的提取函数。

所述一系列不相干的参考声学模式s[n]是从预设的主噪声源中所分离出来的最具有代表性的声学模式。本实施例所公开的主动降噪系统将提取函数应用于多类型声源的多个参考噪声输入中，通过自适应调整算法进行提取函数的优化，可有效确保所提取声学模式的准确度。

所述噪声控制模式预测单元，包括：

路径传递函数分析子单元，所述路径传递函数分析子单元用于分析目标信号从扬声器到误差传声器的路径传递函数，并获取用于噪声控制模式预测的路径传递函数h[n]。该过程可以理解为n个采样点对应的时间长度为一个时段，若系统包括e个扬声器和f个误差传声器，则扬声器与误差传声器之间形成ef个传递路径。此时，所述获取用于噪声控制模式预测的路径传递函数h[n]的过程，包括：判断第j个路径传递函数h[j]是否使得残余噪声e(n)在n个采样点数内收敛，若收敛，则使用h[j]进行噪声控制模式预测；若不收敛，则判断第(j+1)个路径传递函数h[j+1]是否使得残余噪声e(n)在n个采样点数内收敛。

自适应滤波器，所述自适应滤波器分别与所述路径传递函数分析子单元、误差传声器、参考传声器和参考声学模式提取单元相连，用于接收用于噪声控制模式预测的路径传递函数h[n]、残余噪声e[n]和一系列不相干的参考声学模式s[n]，并基于fx-lms算法，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，再根据滤波器权重系数计算公式ω[n+1]＝ω[n]+μ(e[n]·h[n]·x[n])，在所述收敛因子μ的范围内调整μ的取值，更新权系数w，直至残余噪声e(n)收敛时的收敛因子μ最小时，生成最优的噪声控制模式y[n]＝w·s[n]。

其中，所述基于fx-lms算法，自适应调整采样周期t的取值范围的过程，包括：

调整采样周期t，使t＝1/fs≤1/2f0，其中，fs为采样频率，f0为输出的最优噪声控制模式的频率范围上限。由于采样周期t的大小影响所采集的参考噪声的频率范围的上限f，而t＝1/fs，fs≥2f；则t越小，f越大，即可分析的参考噪声频率上限越大(可分析的参考噪声频率范围与最优噪声控制模式频率范围一致)，当t＝1/fs≤1/2f0(即f≤f0)时，可以获得较大的降噪频率范围。

此外，滤波器阶数n的大小会影响输出最优噪声控制模式的频率范围上限f0，若增大n，则滤波器截止频率f0降低，而其控制扬声器输出的信号频率上限也随之降低。最优噪声控制模式的频率范围与参考噪声频率范围的匹配度决定降噪水平。通过分析采样周期t和自适应滤波器阶数n的关系，自适应调整采样周期的取值范围，能够有效保证可降噪噪声频带宽度。

所述基于fx-lms算法，自适应调整自适应滤波器阶数n的范围的过程，包括：

在参考噪声频率突变时，升高n值；

在参考噪声频率稳定时，降低n值。

mimo主动降噪控制器所输出的最优噪声控制模式的频带宽度为(0，f0)，若增大n，则滤波器截止频率f0会降低，可分析的参考噪声频率范围与最优噪声控制模式频率范围一致，所以自适应调整n值，可降低滤波器算法的运算量，使得系统快速收敛。即通过分析自适应滤波器阶数n与参考噪声频带宽度的关系，自适应调整n的范围，能够在确保最优降噪量的前提下加快系统的收敛速度。

所述基于fx-lms算法，自适应调整收敛因子μ范围的过程，包括：

调整自适应调整收敛因子μ，使得μ满足系统稳定性条件和系统收敛性条件。其中，系统稳定性的条件为：0＜μ＜1/(n·p)，n为滤波器阶数，p为扬声器输出信号的功率。所述系统收敛性是指在特定的迭代时间内，fx-rbf算法是否达到收敛。本实施例中，μ值的选取，需要同时满足系统稳定性和系统算法收敛性。

通过分析自适应滤波器阶数n与收敛因子μ的关系，自适应调整μ的范围，能够保证系统的稳定性。

扬声器，所述扬声器设置在有轨列车司机室内的，并与所述mimo主动降噪控制器相连，用于接收最优的噪声控制模式，并根据最优的噪声控制模式发出目标信号y[n]以降低有轨列车司机室内的噪声。

由于最优的噪声控制模式y[n]最能与一系列不相干的参考声学模式s[n]相匹配，则依据最优的噪声控制模式所发出的目标信号(声音)才能有效的抵消主噪声，达到最佳的降噪效果。

可见，本发明所公开的有轨列车司机室内的噪声主动控制系统，通过多个参考噪声传感器采集有轨列车司机室内的主噪声源噪声x[n]，通过多个误差传声器采集有轨列车司机室内的噪声控制后的残余噪声e[n]，通过分别与所述参考噪声传感器和误差传声器相连的mimo主动降噪控制器提取一系列不相干的参考声学模式s[n]，获取用于噪声控制模式预测的路径传递函数h[n]，自适应调整采样周期t的取值范围、自适应滤波器阶数n的取值范围和收敛因子μ的范围，生成最优的噪声控制模式，最后与所述mimo主动降噪控制器相连的扬声器根据最优的噪声控制模式发出目标信号y[n]以降低有轨列车司机室内的噪声。与现有技术相比，本发明所公开的有轨列车司机室内的噪声主动控制系统通过一系列不相干的参考声学模式s[n]所获得的最优噪声控制模式的准确度更高，更能与有轨列车司机室内的的噪声模式相匹配，再根据最优的噪声控制模式发出目标信号y[n]，由于是根据具有更高准确度的最优噪声控制模式发出的目标信号y[n]，则目标信号y[n]与有轨列车司机室内的噪声的匹配程度也更高，从而实现对有轨列车司机室内的噪声的宽频降噪效果，降噪效果更加明显。

此外，通过不断地调整采样周期、自适应滤波器阶数、收敛因子，来自适应修改滤波器权系数，能够在保证系统稳定的前提下提高系统的收敛速度，并获得在较宽频带内的噪声控制。而且本发明所述的主动降噪系统，不限定车型，普适应比较强。

如图2所示，本实施例进一步公开了在一定车速下，本有轨列车主动降噪座椅的主动降噪控制器开启前(off)和开启后(on)，在噪声控制区域内测得的噪声频谱曲线，通过对比可知，本发明所提供的主动降噪方案在宽频范围内的主动降噪效果显著。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。