Hệ thống kiểm soát tiếng ồn chủ động phi tuyến dựa trên FLANN suy rộng có độ phức tạp tính toán thấp

Chia sẻ: Phó Cửu Vân | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

8
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết "Hệ thống kiểm soát tiếng ồn chủ động phi tuyến dựa trên FLANN suy rộng có độ phức tạp tính toán thấp" trình bày về hệ thống ANC dựa trên GFLANN sử dụng thuật toán CMFe-LMS hiệu quả tính toán đã được đề xuất. Hệ thống mới sẽ giảm được chi phi cập nhật trọng số lọc và lọc tín hiệu tham chiếu. Nhiều minh hoạ so sánh về độ phức tạp tính toán và đặc tính khử tiếng ồn. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Hệ thống kiểm soát tiếng ồn chủ động phi tuyến dựa trên FLANN suy rộng có độ phức tạp tính toán thấp

Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) Hệ thống kiểm soát tiếng ồn chủ động phi tuyến dựa trên FLANN suy rộng có độ phức tạp tính toán thấp Lê Đình Công Viện Kỹ thuật và Công nghệ Trường Đại học Vinh, 182 Lê Duẩn, Thành phố Vinh, Việt Nam Email: congdhv@gmail.com, ldcong@vinhuni.edu.vn Abstract—Bộ điều khiển phi tuyến tuyến dựa trên hàm nhưng ngược pha với nguồn tiếng ồn không mong mở rộng GFLANN (Generalized Function Links muốn để triệt tiêu nhau tại vùng tĩnh. Artificial Neural Networks) cùng thuật toán Fx-LMS (Filetred-x Least Mean Square) đã được phát triển cho Bộ điều khiển tuyến tính FIR cùng thuật toán LMS hệ thống kiểm soát tiếng ồn chủ động (ANC: Active Noise đã được dùng cho hệ thống ANC. Tuy nhiên do không Control) phi tuyến. Tuy nhiên gánh nặng tính toán có thể tính đến trễ của đường dẫn thứ cấp (chứa đựng các thiết là một trong những vấn đề làm cản trở bộ điều khiển này bị điện tử như bộ khuếch đại, loa), nên đặc tính khử áp dụng trong thực tế. Nguyên nhân có thể do hàm mở tiếng ổn bị hạn chế. Để vượt qua vấn đề này thuật toán rộng GFLANN sử dụng các số hạng chéo để nâng khả Fx-LMS đã được đề xuất [3,4]. Bên cạnh đó, bộ điều năng mô hình cho các hàm phi tuyến, nên thuật toán Fx- khiển tuyến tính FIR (Finite Impulse Responce) không LMS phải trả thêm các chi phí cho lọc tín tín hiệu tham bù được các méo phi tuyến nảy sinh trong đường dẫn chiếu và cập nhật các trọng số lọc. Để giảm các bất lợi sơ cấp (primary path), đường dẫn thứ cấp (secondary này, chúng tôi đề xuất thuật toán CMFe-LMS path) và nguồn tiếng ồn. Nguyên nhân này làm cho đặc (Combination M-max Filtered Error Least Mean tính của hệ thống ANC dựa trên bộ điều khiển FIR Square) cho bộ điều khiển GFLANN dựa trên sự kết hợp trong thực tế bị suy giảm [5]. Hai hướng nghiên cứu đã giữa kỹ thuật cập nhật từng phần M-max và thuật toán được phát triển để khắc phục vấn đề này, đó là phát lọc lỗi LMS. Thuật toán đề xuất chỉ cập nhật trọng số lọc triển bộ điều khiển dựa trên mạng nơ-ron và bộ điều khi dữ liệu vào là đủ lớn và sử dụng dụng chiến thuật lọc khiển dựa trên các bộ lọc tuyến tính trong tham số lỗi dư thay cho lọc tín hiệu tham chiếu. Kết quả mô phỏng và tính toán đã chỉ ra rằng hệ thống ANC dựa (LIP: Linear-In-the-Parameters ) [3]. trên cấu trúc GFLANN cùng thuật toán CMFe-LMS có Nhiều tài liệu có liên quan [2-4] đã báo cáo các bộ độ phức tạp tính toán giảm đáng kể, trong khi vẫn duy điều khiển phi tuyến dựa trên mạng nơron cho hệ trì được đặc tính khử tiếng ồn hiệu quả. thống ANC. Nổi trội trong đó có thể kể ra như: bộ điều khiển dựa trên mạng nơ-ron mờ (Fuzy Neural Keywords- Kiểm soát tiếng ồn chủ động, thuật toán cập Networks), bộ điều khiển dựa trên mạng nơ-ron đệ quy nhật từng phần, thuật toán thích nghi phi tuyến, FLANN suy rộng (GFLANN). (Recurrent Neural Networks), bộ điều khiển dựa trên Mạng nơ-ron hàm cơ sở xuyên tâm (RBF) [2-4],...Nhìn chung các bộ điều khiển dùng mạng nơ-ron có thể nâng I. GIỚI THIỆU thêm đặc tính khử tiếng ồn so với bộ điều khiển dùng Tiếng ồn không mong muốn hay còn gọi là ô nhiễm FIR. Tuy nhiên, bất lợi của của chúng là thuật toán tiếng ồn tác động có hại đến tâm sinh lý của con người. thích nghi (ví dụ như BPFx-LMS) khá phức tạp [3]. Trong cuộc sống hiện đại ngày nay thì ô nhiễm tiếng Chủ đề bộ điều khiển tuyến tính trong tham số LIP ồn ngày càng nghiêm trọng [1]. Có hai phương pháp cho ANC đã thu hút được rất nhiều nhà nghiên cứu thường được sử dụng để giảm tiếng ồn không mong quan tâm. Bộ điều khiển dựa trên chuỗi Volterra cắt muốn này, đó là phương pháp kiểm soát tiếng ồn chủ xén đã được phát triển bởi L. Tân và cộng sự [5], cho động (ANC) và phương pháp kiểm soát tiếng ồn thụ thấy một đặc tính vượt trội so với bộ điều khiển FIR. động (PNC) [2-4]. Phương pháp thụ động sử dụng các Để nâng thêm đặc tính nhiều cải tiến của bộ điều khiển vật liệu cách âm, hấp thụ âm thanh để giảm tiếng ồn dựa trên Volterra đã được công bố như: bộ điều khiển không mong muốn. Phương pháp này không hiệu quả Volterra đệ quy (RSOV), bộ điều khiển Pipelined SOV và không kinh tế cho nguồn tiếng ồn có tần số dưới [3],...Bằng cách khai thác hàm mở rộng trigonometric, 1000Hz [4]. Ngược lại, thì thương pháp ANC rất hiệu hệ thống ANC dựa trên FLANN cũng đã được đề xuất quả trong giải tần số thấp [2,4]. Nguyên lý của ANC đó [6]. Nhiều cải tiến của FLANN cũng đã được phát triển là tạo ra nguồn sóng âm thứ cấp có cùng biên độ, tần số cho ANC như: bộ điều khiển FLANN đệ quy, bộ điều khiển Fedback FLANN [7], ...Tuy nhiên do hàm mở ISBN ............ 978-604-80-8932-0 282
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) rộng thiếu các số hạng chéo, nên đặc tính khử tiếng ồn năng mô hình hoá của nó bị hạn chế. Bằng cách đưa của chúng, trong một số tình huống méo phi tuyến là thêm các số hạng chéo vào trong hàm mở rộng FLANN không tốt, như được báo cáo trong [8]. một cấu trúc GFLANN đã được phát triển trong [8]. Gần đây, Sicuranza và cộng sự đã giải quyết vấn đề Giả sử chúng ta xem hàm mở rộng của GFLANN trên bằng cách thêm các số hạng chéo vào trong hàm gồm các hàm cơ bản sau Fk [ X  n ] với k=1,2,3...P, ở mở rộng FLANN, và được đặt tên là GFLANN đây P là bậc của hàm mở rộng, X  n  là véc tơ mẫu (Generalized FLANN) [8]. Trong nghiên cứu này các số hạng chéo là tích của tín hiệu vào và các dịch thời vào có L chiều. gian khác nhau của hàm sin() và hàm cos() [7,8]. Bài Hàm cơ bản bậc 1 của GFLANN được biểu diễn: báo đã chỉ ra rằng hệ thống ANC dùng GFLANN đạt F1[ X  n ]  [ F11[ X  n ]T , F12 [ X  n ]T , F13[ X  n ]T , được đặc tính tốt hơn so với FLANN. Tuy nhiên nó (1) cũng làm cho hệ thống tăng nhanh độ phức tạp tính F14 [ X  n ]T , F15 [ X  n ]T ]T toán [9-11]. Để tránh chi phí lọc tín hiệu tham chiếu của thuật trong đó toán Fx-LMS, thuật toán Fe-LMS đã được giới thiệu F11[ X  n ]  [ x(n), x(n 1),..., x(n  L  1)]T (2) trong [12]. Thay vì phải tính chi phí cho lọc tín hiệu vào có không gian N chiều, thuật toán chỉ tính chi phí cho lọc lỗi dư có không gian một chiều. Thuật toán Fe- F12 [ X  n ]  [ sin( x(n)),sin( x(n  1)), (3) LMS đã được chứng minh là hiệu quả về mặt tính toán ...,sin( x(n  L  1))]T cho các bộ điều khiển phi tuyến [10,13]. Bên cạnh đó, thuật toán cập nhật từng phần M-max cũng là một giải pháp hấp dẫn nhiều nhà khoa học cho mục đích giảm F13 [ X  n ]  [ cos( x(n)), cos( x(n  1)), (4) độ phức tạp tính toán cho các hệ thống ANC phi tuyến ..., cos( x(n  L  1))]T [14,15]. Dựa trên việc phân tích dữ liệu đầu vào, thuật toán M-max sẽ đánh giá tác động tín hiệu vào lên hệ thống, từ đó ra quyết định cập nhật các trọng số lọc. Việc cập nhật các trọng số lọc chỉ một phần, nhưng F14 [ X  n ]  không làm giảm đặc tính sẽ tiết kiệm chi phí trong quá trình tính toán. Thuật toám M-max cũng đã được áp  x(n  1)sin( x(n)), x(n  2)sin( x(n  1), dụng trong nhiều ứng dụng khác nhau của hệ thống phi ..., x(n  L  2)sin( x(n  L  1)) tuyến [14,15]. x(n  2)sin( x(n  1)),..., (5) Trong bài báo này, một hệ thống ANC dựa trên x(n  L  3)sin( x(n  L  2)) GFLANN sử dụng thuật toán CMFe-LMS hiệu quả ............................. tính toán đã được đề xuất. Hệ thống mới sẽ giảm được x(n  L  1)sin( x(n))  T chi phi cập nhật trọng số lọc và lọc tín hiệu tham chiếu. Nhiều minh hoạ so sánh về độ phức tạp tính toán và đặc tính khử tiếng ồn đã được trình bày trong bài báo này. F15 [ X  n ]  Phần còn lại của bài báo được tổ chức như sau: trong phần II, chúng tôi mô tả mô hình đề xuất. Trong  x(n  1) cos( x(n)), x(n  2) cos( x(n  1), phần III, chúng tôi đánh giá tính hiệu quả về độ phức ..., x(n  L  2) cos( x(n  L  1)) tạp tính toán. Phần IV cung cấp các kết quả mô phỏng. x(n  2) cos( x(n  1)),..., (6) Cuối cùng, chúng tôi kết luận bài báo trong phần V. x(n  L  3) cos( x(n  L  2)) II. MÔ HÌNH HỆ THỐNG HỆ THỐNG ANC ............................... DỰA TRÊN GFLANN CÙNG THUẬT TOÁN x(n  L  1) cos( x(n)) T CMFE-LMS A) CẤU TRÚC GFLANN Mặc dù về mặt lí thuyết chúng ta có thể đưa các số Hàm mở rộng dựa trên FLANN đã được sử dụng hạng chéo vào hàm mở rộng đến bậc P bất kỳ, nhưng nhiều trong các hệ thống phi tuyến nhờ vào cấu trúc để giảm độ phức tạp tính toán và phù hợp với các ứng thực thi đơn giản của nó [7]. Trong hệ thống ANC phi dụng ANC, nghiên cứu chỉ sử dụng cấu trúc GFLANN tuyến, hàm mở rộng FLANN đã được chứng minh là bậc 1. hiệu quả cao trong các trường hợp đường dẫn sơ cấp B) THUẬT TOÁN CMFE-LMS chứa đựng méo phi tuyến yếu hoặc nguồn tiếng ồn là Hình 1. minh hoạ thuật toán CMFe-LMS cho cấu một quá trình hỗn loạn (chaotic). Tuy nhiên, như được trúc GFLANN. Ở đây P(z) và S(z) là hàm truyền của chỉ ra trong [8], hàm mở rộng FLANN không chứa đường dẫn sơ cấp (primary path) và đường dẫn thứ cấp đựng các số hạng chéo, điều này có thể làm cho khả (secondary path); u(n) là lối ra của bộ điều khiển, d(n) ISBN ............ 978-604-80-8932-0 283
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) là tín hiệu mong muốn tại điểm khử tiếng ồn, e(n) là Chú ý quan trọng rằng, với các thuật toán thích nghi nhiễu dư được đo tại điểm tĩnh, H(n) là véc tơ trọng số thì bước học (step-size) thường lựa chọn nhỏ nên trọng lọc thích nghi. số H(n) được xem như biến đổi chậm. Do đó số hạng Tại thời điểm thứ n, lối ra của bộ điều khiển được uF (n) định nghĩa, có thể khai triển thành biểu thức sau: H u  n   H T  n  F1  n  (7) S uF (n) u F (n) u (n  k )  k   Để suy ra thuật toán thích nghi chúng ta biểu diễn H (n) k 0 u (n  k ) H (n) nhiễu dư e(n) như sau: (11) Sk S uF (n) u (n  k ) uF (n)   k  F1 (n  k ) e  n   d  n   Q  n  * F1 (n) (8) u (n  k ) H (n  k ) k 0 u (n  k ) k 0 ở đây Q  n  là hàm truyền đường dẫn thứ cấp ảo Viết lại phương trình cập nhật trọng số lọc ta có: (virtual secondary path) [12], dấu * là phép toán tích Sk u F (n) chập. Trong trường hợp đường truyền thứ cấp là tuyến H  n  1  H  n    e(n)  u(n  k ) F (n  k ) 1 tính (LSP: linear secondary path) thì Q  n  chính là k 0 (12) Sk véc tơ hệ số được ước lượng của LSP. Trong trường hợp đường truyền thứ cấp là phi tuyến (NSP: nonlinear  H  n    e( n )  q(n, S )F (n  k ) k 0 k 1 secondary path) thì Q  n  là một bộ lọc biến đổi theo thời gian với hệ số được xác định bởi [12], với q ( n, S k ) là thành phần thứ k+1 của véc tơ hệ số lọc của bộ lọc biến đổi theo thời gian. Q  n   [q(n, 0) q(n,1) ...q( n, Sk )]T Đặt m=n-k+Sk, hay có thể viết n=m+k-Sk. Từ đó số Sk  q(n, S )F (n  k ) được viết lại như sau: T  u  n  u  n  uF  n   (9) hạng e(n) = F  k 1 F   u  n  u  n  1 u  n  Sk   k 0   Sk Sk với Sk là chiều dài nhớ của hàm truyền thứ cấp. X(n) e( n )  q(n, S )F (n  k )   e(n)q(n, S )F (n  k ) k 0 k 1 k 0 k 1 Đường truyền sơ cấp P(z) Σ  Sk     e(m  k  Sk )q(m  k  S k , S k )  F1 (m  S k )  k 0  Memory length Hàm mở H(n) Đường truyền   rông thứ cấp S(z) GFLANN (13) Tín hiệu lỗi dư được lọc Tham khảo [12], chúng ta định nghĩa một đường truyền thứ cấp ảo đồng thời (the adjoint virtual Bộ làm trễ tín hiệu và Thuật toán secondary path) như sau: CMFe-LMS lựa chọn M-max Qav  n   [qav (n, Sk ) qav (n -1, Sk -1) ...qav (n - Sk ,0)]T Hình 1. Hệ thống ANC dựa trên GFLANN cùng thuật toán (14) CMFe-LMS. Dễ thấy rằng Qav  n  đảo bậc các hệ số của đường Như vậy, chúng ta có thể định nghĩa hàm chi phí cho thuật toán thích nghi CMFe-LMS là, truyền thứ cấp ảo (the virtual secondary path) Q  n  và   H   E[e2  n  ] . Để giảm công suất nhiễu dư, các hệ số trong Qav  n  được làm trễ theo thời gian. Do chúng ta phải tối thiểu hoá hàm chi phí   H  . Dựa đó chúng ta có suy ra Qav  n  từ Q  n  . trên phương pháp giảm bước nhanh nhất (steepest Sử dụng phương pháp này, chúng ta có thể tính descent), hàm chi phí   H  sẽ tối thiểu khi các trọng được lỗi dư e(n) được lọc qua Qav  n  như sau: số lọc H(n) được cập nhật theo phương trình sau: Sk 1 (n) H  n  1  H  n    2 H e f ( n)   e( n  k  S ) q ( n  k  S , S ) k 0 k k k (10) (15)  u (n)  Sk  H  n    e( n ) F  H     e( n  ( S k 0 k  k ) qav (n, Sk  k ) ISBN ............ 978-604-80-8932-0 284
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) Chú ý rằng qav (n, k ) chính là số hạng thứ k+1 của III. PHÂN TÍCH ĐỘ PHỨC TẠP TÍNH TOÁN Qav  n  . Hệ thống ANC dựa trên GFLANN cùng thuật toán Sk Fx-LMS có độ phức tạp tính toán phụ thuộc vào các Rõ ràng số hạng  e(m  k  S )q(m  k  S , S ) k 0 k k k phép toán chính sau: a) Các phép toán tạo lối ra của bộ điều khiển GFLANN bao gồm: 3L+L(L-1) phép nhân và 3L+L(L- trong (13) chính lỗi dư được lọc e f (n) . Do đó kết hợp 1)-1 phép cộng cho hàm mở rộng GFLANN bậc 1. (12) ta có phương trình cập nhật các trọng số lọc như b) Các phép toán lọc tín hiệu tham chiếu yêu cầu: sau: Sk(3+2Nc) phép nhân và (Sk-1)(3+2Nc) phép cộng. Với Nc là số kênh của các phần tử chéo, Sk là chiều dài nhớ H  n  1  H  n  [e f (n)]F1 (n  k ) (16) của hàm truyền thứ cấp. (chú ý rằng tính toán chi phí này đã sử dụng tính chất trễ theo thời gian, nghĩa là Tuy nhiên để tăng tính mềm dẻo trong thuật toán trong một kênh truyền ta chi tính chi phí cho số hạng thích nghi, chúng tôi chia quá trình cập nhật trọng số đầu, các số hạng tiếp theo được suy ra từ tính chất trễ) H  n  thành ba thành phần, đó là thành phần trọng số [8]. tuyến tính H tt  n  , thành phần trọng số phi tuyến c) Các phép toán cập nhật trọng số lọc bao gồm: 3L+L(L-1) phép nhân và 3L+L(L-1) -1 phép cộng. (sin(), cos()) H sc  n  và thành phần trọng số phi tuyến Hệ thống ANC dựa trên GFLANN cùng thuật toán gồm các phần tử chéo H ch  n  . Ngoài ra, để giảm CMFe-LMS algorithm có độ phức tạp tính toán phụ thuộc vào các phép toán chính sau: thêm độ phức tạp tính toán trong quá trình cập nhật a) Các phép toán tạo lối ra của bộ điều khiển trọng số lọc, chúng tôi áp dụng chiến thuật cập nhật GFLANN: 3L+L(L-1) phép nhân và 3L+L(L-1)-1 phép từng phần M-max cho quá trình cập nhật trọng số phi cộng. tuyến gồm các phần tử chéo H ch  n  . Do đó phương b) Các phép toán lọc tín hiệu lỗi qua hàm truyền trình cập nhật trọng số được viết lại như sau: thứ cấp: Sk phép nhân và (Sk-1) phép cộng. c) Các phép toán cập nhật trọng số: 3L+M phép Htt  n  1  Htt  n  1[e f (n)]F11 (n  k ) (17a) nhân và 3L+M -1 phép cộng, ở đây M là tham số lựa chọn M-max. H sc  n  1  H sc  n  2 [e f (n)]F123 (n  k ) (17b) Để có sự so sánh trực quan hơn về độ phức tạp tính toán, một bảng tóm tắt các phép cộng và nhân cho các hệ thống ANC dựa trên FLANN và GFLANN cùng Hch  n  1  Hch  n  3(n)[e f (n)]F145 (n  k ) (17c) thuật toán Fx-LMS và CMFe-LMS đã được minh hoạ như Bảng 1. (Giả sử hàm mở rộng của FLANN là bậc ở đây 1 , 2 và 3 là bước học tương ứng với các 3, Nc là số kênh được tạo ra từ các phần tử của hàm mở trọng số tuyến tính, sin() cos() và phần tử chéo; rộng GFLANN bậc 1, chiều dài nhớ của tín hiệu vào của các bộ điều khiển được chọn giống nhau và bằng L,  (n) là ma trận lựa chọn hệ số M-max; Sk là chiều dài nhớ của đường truyền thứ cấp) F123 (n  k )  [F12 (n  k )T F13 (n  k )T ]T . Bảng 1. So sánh độ phức tạp tính toán của các hệ thống ANC Tham khảo [14], ma trận lựa chọn hệ số M-max Hệ thống ANC Số phép nhân Số phép cộng được xác định: ANC dựa trên 14L+7Sk 14L+7(Sk-1)-2 FLANN cùng 1 (n) 0 0  thuật toán Fx-  0 2 (n) 0  LMS (n)=   ANC dựa trên 6L+2L(L-1)+ 6L+2L(L-1)+(Sk-   GFLANN cùng Sk(3+2Nc) 1)(3+2Nc)-2   thuật toán Fx-  0  0 LC (n)   LMS (18) ANC dựa trên 6L+M+ L(L-1)+Sk 6L+M+ L(L-1)+Sk-3 GFLANN cùng với LC là chiều dài nhớ của hàm mở rộng thuật toán CMFe- F145 (n  k )  [F14 (n  k )T F15 (n  k )T ]T , và phần tử LMS i ( n) được tính bởi, IV. KẾT QUẢ 1 if Trong phần này, chúng tôi thực hiện các mô phỏng F145i (n)  max( F145 j (n) , M ) Monte-Carlo để so sánh về đặc tính khử tiếng ồn và độ  i (n)   1 j  LC (19) phức tạp tính toán của hệ thống đề xuất với các hệ  0 thống ANC dựa trên GFLANN và FLANN cùng thuật  otherwise toán Fx-LMS. Đặc tính khử tiếng ồn được đánh giá bởi ISBN ............ 978-604-80-8932-0 285
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) lỗi trung bình bình phương được chuẩn hoá (NMSE: đáng kể độ phức tạp tính toán, trong khi vẫn duy trì normalized mean-square error): được đặc tính khử tiếng ồn tương đương với các hệ thống ANC trước đó. Trong thí nghiệm này số phép NMSE  10log10 [ E (e2 (n))  dn ] 2 (20) nhân và phép cộng của hệ thống ANC đề xuất giảm lần lượt 43,5% và 41,4% so với hệ thống ANC cùng đặc ở đây  dn là phương sai nhiễu đường truyền sơ cấp 2 tính khử tiếng ồn. tại điểm khử nhiễu. Thí nghiệm 1: Trong thí nghiệm này chúng tôi giả định đường truyền sơ cấp (P(z)) bị ảnh hưởng bởi méo phi tuyến. Tham khảo [5], mô hình phi tuyến này có thể được xem là mô hình đa thức bậc 3 như sau: dn  p(n  2)  0.8 p 2 (n  2)  0.4 p3 (n  2) (21) p ( n)  x ( n) * f ( n) (22) 2  500 ở đây x(n)  2 sin(  n) là nguồn tiếng ồn 8000 có tần số 500Hz, tốc độ lấy mẫu 8000 mẫu/s và Hình 3a. Minh hoạ số phép nhân trên một lần lặp của các f ( n ) là đáp ứng xung của hàm truyền hệ thống ANC F ( z )  z 3  0.3z 4  0.2 z 5 . Đường truyền thứ cấp có hàm truyền S ( z )  z 2  1.5 z 3  z 4 . Các tham số bước học của hệ thống ANC dựa trên FLANN cùng thuật toán Fx- LMS là  F 1  0.01 (cho phần tuyến tính);  F 2  0.005 (cho phần phi tuyến). Các tham số bước học của hệ thống ANC dựa trên GFLANN cùng thuật toán Fx-LMS là G1  0.06 (cho phần tuyến tính); G 2  0.002 (cho phần phi tuyến sin(), cos()); G 3  0.0009 (cho phần phi tuyến chứa số hạng chéo). Hình 3b. Minh hoạ số phép cộng trên một lần lặp của các Các tham số của hệ thống ANC dựa trên GFLANN hệ thống ANC cùng thuật toán CMFe-LMS là  M 1  0.005 (cho phần Thí nghiệm 2: Trong thí nghiệm này, chúng tôi giả tuyến tính);  M 2  0.0015 (cho phần phi tuyến sin(), định hệ thống ANC chứa đựng tính phi tuyến trong cả cos());  M 3  0.001 (cho phần phi tuyến chứa số hạng đường truyền sơ cấp và đường truyền thứ cấp. Tham khảo [8], mô hình phi tuyến của đường truyền sơ cấp chéo); Tham số lựa chọn M-max là M=40. và đường truyền thứ cấp được mô tả lần lượt như sau: dn  x(n)  0.8 x(n  1)  0.3x(n  2)  0.4 x(n  3)  0.8 x(n) x(n  1)  0.9 x(n) x(n  2) (23)  0.7 x(n) x(n  3)  3.9 x 2 (n  1) x(n  2)  2.6 x 2 (n  1) x(n  3)  2.1x 2 (n  2) x(n  3) uF  u (n)  0.35u (n  1)  0.09u (n  2) (24)  0.5u (n)u (n  1)  0.4u (n)u (n  2) Trong thí nghiệm này tín hiệu tham chiếu là nguồn Hình 2. Minh họa đặc tính khử tiếng ồn của các hệ thống tiếng ồn ngẫu nhiên được phân phối đều trong [-1,1]. ANC cho tình huống méo phi tuyến trong thí nghiệm 1. Các tham số của các hệ thống ANC được xác định như Hình 2, Hình 3a và Hình 3b minh hoạ so sánh đặc sau: đối với bộ điều khiển FLANN cùng thuật toán Fx- tính khử tiếng ồn (theo NMSE) và độ phức tạp tính LMS (  F 1  0.5 ,  F 2  0.05 ); đối với bộ điều khiển toán của 3 hệ thống ANC cho tình huống phi tuyến GFLANN cùng thuật toán Fx-LMS ( G1  0.65 , trong thí nghiệm 1. Rõ ràng hệ thống đề xuất giảm ISBN ............ 978-604-80-8932-0 286
Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) G 2  0.05 , G 3  0.2 ); đối với bộ điều khiển hiệu tham chiếu và giảm được chi phí cập nhật trọng số GFLANN cùng thuật toán CMFe-LMS (  M 1  0.05 , lọc. Kết quả tính toán đã chỉ ra rằng hệ thống đề xuất có thể giảm trên 40% số phép nhân và phép cộng mà  M 2  0.0015 ,  M 3  0.007 ), tham số lựa chọn M- không làm suy giảm đặc tính. Nghiên cứu góp phần max là M=20. ứng dụng GFLANN cho hệ thống ANC trở nên khả thi Hình 4 và Bảng 2 minh hoạ đặc tính NMSE và độ hơn. phức tạp tính toán các hệ thống ANC. Dễ thấy rằng đặc tính của hệ thống ANC đề xuất và hệ thống ANC dựa TÀI LIỆU THAM KHẢO trên GFLANN cùng thuật toán Fx-LMS là tương [1] S. W. Hasan, M. A. Jamal, ‘‘Noise Pollution, Effect of Noise đương. Hệ thống ANC đề xuất đạt được đặc tính vượt on Behaviour of Animals and Human Health, ’’ Texas Journal of Medical Science, 1(1), pp. 71-75, 2021. trội so với FLANN, nhưng chỉ phải trả chi phí gần [2] N. V. George and G. Panda, ‘‘Advances in active noise tương đương với FLANN. control: A survey, with emphasis on recent nonlinear techniques,’’ Signal Process., vol. 93, pp. 363–377, Feb. 2013. [3] L. Lu, K.-L. Yin, R. C. de Lamare, Z. Zheng, Y. Yu, X. Yang, and B. Chen, ‘‘A survey on active noise control in the past decade—Part II: Nonlinear systems,’’ Signal Process., vol. 181, pp. 107-929, Apr. 2021. [4] S.M. Kuo, D.R. Morgan, Active noise control: a tutorial review, Proceedings of the IEEE, 8 (6) (1999), pp. 943–973. [5] L. Tan, J. Jiang, " Adaptive volterra filters for active control of nonlinear noise processes," IEEE Trans Signal Process, vol. 49(8), pp. 1667–76, Aug 2001. [6] D.P. Das, G. Panda, "Active mitigation of nonlinear noise processes using a novel filtered-s LMS algorithm," IEEE Transactions on Speech and Audio Processing, vol. 12(3), pp. 313-322, 2004. [7] Zhao, H., & Chen, B. (2023). FLANN Adaptive Filter. In Efficient Nonlinear Adaptive Filters: Design, Analysis and Hình 3. Minh họa đặc tính khử tiếng ồn của các hệ thống Applications (pp. 83-161), 2023. Cham: Springer International ANC cho tình huống méo phi tuyến trong thí nghiệm 2. Publishing. Bảng 2. Minh hoạ số phép nhân và số phép cộng cho [8] G. L. Sicuranza, A. Carini, "A generalized FLANN ﬁlter for trường hợp thí nghiệm 2. nonlinear active noise control," IEEE Transactions on Audio, Speech, and Language Processing, 19 (8), pp. 2412–2417, 2011. Hệ thống ANC Số phép nhân Số phép cộng [9] D. C. Le, J. S. Zhang, Y. Pang, "A bilinear functional link ANC dựa trên 161. (3.104) 152. (3.104) artificial neural network filter for nonlinear active noise FLANN cùng control and its stability condition," Appl Acoust., 132, 19–25, thuật toán Fx- 2018. LMS [10] S. Zhao, L. Zhang, W. Lu, "A generalized collaborative ANC dựa trên 303. (3.104) 280. (3.104) functional link adaptive filter for nonlinear active noise GFLANN cùng control," Appl Acoust., 175,107799, 2021. thuật toán Fx- [11] J. Ji, C. Li, J. Wang, S. Li, Y. Zhang, Y. Yang, " A LMS collaborative recursive generalized exponential functional link ANC đề xuất dựa 4 173.(3.10 ) 4 170. (3.10 ) artificial neural network nonlinear filter based on optional trên GFLANN parameter entry method," Digital Signal Processing, 142, cùng thuật toán 104216, 2023. CMFe-LMS [12] D. Zhou, V. DeBrunner, "Efficient adaptive nonlinear filters for nonlinear active noise control, " IEEE Trans. Circuits V. KẾT LUẬN Syst.–I: Regular Pap., 54 (3), pp. 669–681, 2007. [13] D. C. Le, J. Zhang, D. Li, D, "Hierarchical partial update Trong bài báo này, chúng tôi đề xuất hệ thống ANC generalized functional link artificial neural network filter for có hiệu quả tính toán cao dựa trên hàm mở rộng nonlinear active noise control," Digital Signal Processing, 93, GFLANN và thuật toán CMFe-LMS. Như đã được 160-171, 2019. phân tích, cấu trúc GFLANN có thể bù tốt méo phi [14] K. Dogancay, Partial-Update Adaptive Signal Processing: Design Analysis and Implementation, 2008. tuyến, nhưng nó cũng làm tăng độ phức tạp tính toán. [15] W. Wang, J. Li, M. Li, "Selective Partial Update of NLMS Bằng cách kết hợp với thuật toán CMFe-LMS, hệ Adaptive Filter Algorithm," In Journal of Physics: Conference thống ANC đề xuất có thể giảm nhẹ bất lợi này. Cụ thể Series (Vol. 1966, No. 1, p. 012009, 2021.). IOP Publishing. ở đây đó là hệ thống ANC tránh được chi phí lọc tín ISBN ............ 978-604-80-8932-0 287