基于量子粒子群优化算法的主动噪声控制方法

摘要

本发明涉及主动噪声控制领域，尤其涉及基于量子粒子群优化算法的主动噪声控制方法，包括：(1)根据实际噪声控制问题建立迭代学主动噪声控制系统；(2)根据广义次级通道的传递函数设计自变量为学滤波器参数的适应度计算公式；(3)根据IIR滤波器数学模型建立量子粒子群优化模型；(4)利用量子粒子群优化算法搜索出最佳性能滤波器参数。本发明的有益效果在于：(1)本发明方法简单，易于实现，能够解决重复噪声消噪问题；(2)本发明设计一种迭代学主动噪声控制系统，该系统用频域方法描述系统，用IIR滤波器实现学滤波器，并通过量子粒子群优化算法设计IIR滤波器的参数，具有很好的稳定性、鲁棒性，收敛速度快。

主权项

基于量子粒子群优化算法的主动噪声控制方法，其特征在于：基于量子粒子群优化算法的主动噪声控制系统由广义次级通道的传递函数P(z)、学习滤波器Q(z)和G(z)组成，其中Q(z)＝1，G(z)由IIR滤波器实现；包括以下步骤：(1)根据广义次级通道的传递函数P(z)，选择IIR滤波器的抽头系数个数，其中分子中的参数个数为l，分母中的参数个数为r；(2)根据已知线性时不变系统的传递函数对应的频率响应函数P(e^jω)，得到一个适应度函数表达式：其中：e_n(e^jω)＝[1,e^‑jω,...,e^‑jωl]^Te_d(e^jω)＝[e^‑jω,e^‑2jω,...,e^‑jωr]^Tφ＝[a₁,a₂,...,a_r]^Tψ＝[b₀,b₁,...,b_l]^T(3)设定量子粒子群优化算法的参数；具体的参数有：总搜索代数N；粒子总数M；β,u为服从[0,1]内均匀分布的随机数；(4)初始化滤波器系数向量所有个体的适应度值个体潜在最优的滤波器系数向量Pbest_i(0),i＝1,2,...,M、群体潜在最优的滤波器系数向量gbest(0)、平均最优的滤波器系数向量mbest(0)、搜索代数n＝0；(5)进入下一代搜索，n＝n+1；计算所有个体的适应度值：比较个体当前适应度值和个体上一代的适应度值，如果个体的当前适应度小于上一代的适应度值，则用当前适应度值更新适应度值，并用当前个体滤波器系数向量更新个体潜在最优的滤波器系数向量如果个体的当前适应度值大于上一代的适应度值，则保留上一代的适应度值和上一代的个体潜在最优滤波器系数向量pbest_i(n)＝pbest_i(n‑1)；用个体潜在最优滤波器系数向量作为当前个体滤波器系数向量计算所有个体的适应度值，求出适应度最小的个体，用该个体的当前个体滤波器系数向量更新群体潜在最优滤波器系数向量gbest(n)＝pbest^*(n)；计算平均最优的滤波器系数向量：$\mathrm{mbest}\left(n\right)=\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}{\mathrm{pbest}}_i\left(n\right)$更新滤波器系数向量：(6)重复步骤(5)，直到达到设定的最大搜索代数；输出群体潜在最优的滤波器系数作为滤波器系数。