**
**

FXLMS主动降噪的Simulink建模与仿真

**
**

最近在研究关于主动降噪的课题，在摸索学习的过程中，分享一些初步学到的知识。

**FXLMS算法是基于LMS算法在次级通道补偿方向上做出的改进算法，我在simulink中对其进行了建模与仿真，希望对一起学习的小伙伴有所帮助。
**
以下是我的仿真图：

其中用2个频率分别为80HZ和110HZ的正弦信号叠加模拟噪音信号，初级通道传递函数为假定值，用滤波器函数来代替。

次级通道传递函数也是用滤波器来假定的值。

而次级通道传递函数估计是对次级通道的估计，实际情况下可以由在线辨识或离线辨识得到，在这里我假定理想状态次级通道估计和次级通道相同。

FXLMS fliter 是用S函数块编写的自适应滤波器，其中有三个输入，两个输出。

输入1：初始噪音信号
输入2：经过次级通道传递函数估计补偿的噪音信号
输入3：噪音抵消后的误差信号，理想状态为0

输出1：经过LMS算法计算权重后的自适应滤波器输出，用来抵消噪音
输出2：LMS算法计算的权重

function test(block)setup(block);
%endfunctionfunction setup(block)%% Register dialog parameter: LMS step size block.NumDialogPrms = 1;block.DialogPrmsTunable = {'Tunable'};% block.DialogPrm(1).Name = 'StepSize';% block.DialogPrm(1).DataTypeId = 0;%% Regieste number of input and output portsblock.NumInputPorts  = 3;block.NumOutputPorts = 2;%% Setup functional port properties to dynamically%% inherited.block.SetPreCompInpPortInfoToDynamic;block.SetPreCompOutPortInfoToDynamic;block.InputPort(1).Complexity   = 'Real'; block.InputPort(1).DataTypeId   = 0;block.InputPort(1).SamplingMode = 'Sample';block.InputPort(1).Dimensions   = 1;block.InputPort(2).Complexity   = 'Real';block.InputPort(2).DataTypeId   = 0;block.InputPort(2).SamplingMode = 'Sample';block.InputPort(2).Dimensions   = 1;block.InputPort(3).Complexity   = 'Real';block.InputPort(3).DataTypeId   = 0;block.InputPort(3).SamplingMode = 'Sample';block.InputPort(3).Dimensions   = 1;block.OutputPort(1).Complexity   = 'Real';block.OutputPort(1).DataTypeId   = 0;block.OutputPort(1).SamplingMode = 'Sample';block.OutputPort(1).Dimensions   = 1;block.OutputPort(2).Complexity   = 'Real';block.OutputPort(2).DataTypeId   = 0;block.OutputPort(2).SamplingMode = 'Sample';block.OutputPort(2).Dimensions   = 1;%% Set the block simStateCompliance to default (i.e., same as a built-in block)block.SimStateCompliance = 'DefaultSimState';%% Register methodsblock.RegBlockMethod('CheckParameters',         @CheckPrms);block.RegBlockMethod('ProcessParameters',       @ProcessPrms);block.RegBlockMethod('PostPropagationSetup',    @DoPostPropSetup);block.RegBlockMethod('Start',                   @Start);  block.RegBlockMethod('WriteRTW',                @WriteRTW);block.RegBlockMethod('Outputs',                 @Outputs);%% Block runs on TLC in accelerator mode.block.SetAccelRunOnTLC(true);%endfunctionfunction CheckPrms(block)mu = block.DialogPrm(1).Data;if mu <= 0 || mu > 1error(message('simdemos:adapt_lms:stepSize'));end%endfunctionfunction DoPostPropSetup(block)%% Setup Dwork  N = 32;                    %% Filter length   block.NumDworks = 3;block.Dwork(1).Name = 'X'; %% u[n],...,u[n-31]block.Dwork(1).Dimensions      = N;block.Dwork(1).DatatypeID      = 0;block.Dwork(1).Complexity      = 'Real';block.Dwork(1).UsedAsDiscState = true;block.Dwork(2).Name = 'H'; %% Filter coefficientsblock.Dwork(2).Dimensions      = N;block.Dwork(2).DatatypeID      = 0;block.Dwork(2).Complexity      = 'Real';block.Dwork(2).UsedAsDiscState = true;block.Dwork(3).Name = 'l'; %% Filter coefficientsblock.Dwork(3).Dimensions      = N;block.Dwork(3).DatatypeID      = 0;block.Dwork(3).Complexity      = 'Real';block.Dwork(3).UsedAsDiscState = true;%% Register all tunable parameters as runtime parameters.block.AutoRegRuntimePrms;%endfunctionfunction ProcessPrms(block)block.AutoUpdateRuntimePrms;%endfunctionfunction Start(block)%% Initialize Dwork block.Dwork(1).Data = zeros(1, 32);block.Dwork(2).Data = zeros(1, 32);block.Dwork(3).Data = zeros(1, 32);%endfunctionfunction Outputs(block)mu = block.RuntimePrm(1).Data;N  = 32;u = block.InputPort(1).Data;e = block.InputPort(3).Data;r = block.InputPort(2).Data;X = block.Dwork(1).Data;H = block.Dwork(2).Data;l = block.Dwork(3).Data;%%%% H^(n+1)[i] = H^(n)[i]+mu*(d(n)-y(n))*u(n-i) %% X(2:N) = X(1:N-1);X(1)   = u;  l(2:N) = l(1:N-1);l(1)   = r;y      = X'*H;    H      = H+mu*e*l;block.Dwork(1).Data = X;block.Dwork(2).Data = H;block.Dwork(3).Data = l;block.OutputPort(1).Data = y;block.OutputPort(2).Data = norm(H);

运行结果：

蓝色为噪音信号，黄色为降噪后信号，可以看到明显的降噪效果。

图为LMS算法计算的权重

同时面临这一个问题，在负反馈时，ERRO误差信号在初始阶段为0，所以在降噪的初始阶段，会呈现不稳定状态，加入延迟模块最初是为了消除代数环，可对初始的误差状态并未起改善作用，希望有人能提出中肯的指点与建议，第一次发文，不妥之处请见谅，谢谢。

FXLMS主动降噪的simulink建模与仿真相关推荐

永磁同步电机PMSM启动Simulink建模与仿真
永磁同步电机PMSM启动Simulink建模与仿真学习完PMSM的基本原理之后,再根据具体的连接原则设计simulink仿真模型:主要包括一个产生三相正弦波的产生源,再两两相加减,再经过两个受控电压 ...
转载：深入研究simulink建模与仿真之输入端口模块(Inport)的几种不同的图标
深入研究simulink建模与仿真之输入端口模块(Inport)的几种不同的图标版权在临摹学习时,经常会看到demo中的Inport模块有多种不同的形式,现总结一下. 默认图标从Ports &a ...
【更新中…】Matlab simulink建模与仿真
本文为学习笔记,视频来源:https://www.bilibili.com/video/BV1L7411a7uL Matlab simulink建模与仿真 1 初始simulink 1.1 simul ...
【MASHIII调制器】MASHIII调制器的Simulink建模与仿真
1.软件版本 MATLAB2021a 2.本算法理论知识这里,基于小数分频的频率合成器,考虑到你需要实现sigma-delta以及mash等结构.因此,系统的模块结构如下图所示: 下面,我们对这个结 ...
迭代学习控制方式Simulink建模与仿真
1 什么是迭代学习控制迭代学习控制(iterative learning control,简称ILC)由Uchiyama于1978年首先提出,不过因为论文由日文撰写,影响不是很大.1984年,Ari ...
基于arx模型的MPC预测控制器simulink建模与仿真实现
目录一.理论基础二.核心程序三.测试结果一.理论基础 MPC的优点模型预测控制善于处理多输入多输出系统对于MIMO系统,PID需要为每个子系统单独设计PID控制器,由于存在耦 ...
m基于PID控制器的电动车充放电系统的simulink建模与仿真
目录 1.算法仿真效果 2.算法涉及理论知识概要 3.MATLAB核心程序 4.完整算法代码文件 1.算法仿真效果 matlab2022a仿真结果如下: 2.算法涉及理论知识概要随着全球经济的增长. ...
双闭环pid matlab仿真,SPWM波控制单相逆变器双闭环PID调节器的Simulink建模与仿真...
随着电力行业的快速发展,逆变器的应用越来越广泛,逆变器的好坏会直接影响整个系统的逆变性能和带载能力.逆变器的控制目标是提高逆变器输出电压的稳态和动态性能,稳态性能主要是指输出电压的稳态精度和提高带不平 ...
深入研究simulink建模与仿真之信号线上的几种不同的图标
先来看看一个简单模型中,信号线上的不同图标: 信号解析图标信号解析图标是一个蓝色小叉子. 先双击信号线,添加信号标签(信号名称),再打开属性对话框,勾选"Signal name must ...

FXLMS主动降噪的simulink建模与仿真

FXLMS主动降噪的Simulink建模与仿真

FXLMS主动降噪的simulink建模与仿真相关推荐

最新文章

热门文章