改进生成式固定滤波器变电站噪声有源控制

摘要

考虑到变电站噪声的频谱特点，针对自适应算法存在收敛速度慢、跟踪能力弱和运算量大的缺陷，研究了一种改进生成式固定滤波器有源噪声控制(Enhanced Generative Fixed-Filter Active Noise Control, EGFANC)方法.采用轻量级的一维卷积神经网络(1-Dimensional Convolutional Neural Network, 1D CNN)根据噪声帧信息输出权重向量后与子控制滤波器组合，以自适应地生成适用于各种噪声的控制滤波器.仿真结果表明，EGFANC方法在处理动态噪声和变压器谐波噪声时具有更好的降噪性能和鲁棒性，同时，EGFANC为不同类型噪声选择适当的预训练控制滤波器，可以显著减少收敛时间.

关键词

有源噪声控制 / 生成式固定滤波器 / 卷积神经网络 / 深度学习