Affine Projection Algorithm Over Acoustic Sensor Networks for Active Noise Control

Ferrer, Miguel; Diego, María de; Piñero, Gema; González, Alberto

doi:10.1109/taslp.2020.3042590

Cited by 16 publications

(4 citation statements)

References 42 publications

(84 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…, k ∈ N que representa o instante de tempo ou amostra e d ∈ N que representa o atraso do sistema. É importante notar que a planta é considerada causal 2 e de fase não mínima 3 . A estrutura do IAIC utilizada nesse trabalho foi proposta em [12], conforme a Figura 1.…”

Section: Controle Inverso Adaptativo Indiretounclassified

“…Para as técnicas de AIC, o vetor de pesos da função de transferência inversa da planta é atualizado em função da minimização de um índice de performance por um algoritmo de otimização baseado, por exemplo, no método do gradiente descendente estocástico. Na literatura, para o projeto de AIC, já foram utilizados os seguintes algoritmos adaptativos baseados no método do gradiente descendente estocástico: Least Mean Square (LMS) [11], Normalized Least Mean Square (NLMS) [7] e Affine Projection (AP) [3]. O algoritmo NLMS ao contrário do LMS, soluciona o problema de sensibilidade à dimensão do vetor de entrada pela normalização com a potência desse sinal.…”

Section: Introductionunclassified

“…Os graus dos polinômios A(q −1 ) e B(q −1 ) são definidos como n ≥ m 3. O polinômio B(q −1 ) contém pelo menos uma raiz não localizada no interior do círculo de raio unitário.…”

unclassified

See 2 more Smart Citations

Metodologia de Controle Inverso Adaptativo Indireto via Algoritmo FASS-NLMS

Noronha

2021

Proceeding Series of the Brazilian Society of Computational and Applied Mathematics

View full text Add to dashboard Cite

Resumo. Uma questão fundamental em aplicações envolvendo filtros adaptativos é que durante a atualização da estimativa do vetor de pesos por um algoritmo de otimização seja obtido um bom trade-off entre a velocidade de convergência e o erro médio quadrático no regime estacionário. Nesse sentido, visando desenvolver um algoritmo de otimização baseado em gradiente descendente estocástico com uma rápida velocidade de convergência e um pequeno erro médio quadrático no regime estacionário, é proposta uma nova versão do Normalized Least Mean Square (NLMS) com o tamanho de passo adaptado por um Sistema de Inferência Fuzzy Mamdani. Para validação do algoritmo proposto foi realizado o projeto de Controle Inverso Adaptativo Indireto (do inglês, IAIC -Indirect Adaptive Inverse Control ) para uma planta de fase não mínima na presença de um sinal de distúrbio adicionado ao sinal de controle.

show abstract

Section: Controle Inverso Adaptativo Indiretounclassified

Section: Introductionunclassified

See 1 more Smart Citation

Metodologia de Controle Inverso Adaptativo Indireto via Algoritmo FASS-NLMS

Noronha

2021

Proceeding Series of the Brazilian Society of Computational and Applied Mathematics

View full text Add to dashboard Cite

show abstract

“…On the other hand, the network latency in transmitting the error signal can interrupt the adaptation of the control filter. Since it is crucial for the wireless networked ANC system to generate the anti-noise wave in real time [43], it is more practical for common types of wireless communications, such as ZigBee, WLAN, 5G etc., to take place in the adaptation of the control filter instead of in the generation of the anti-noise wave. Moreover, the adaptation of the control filter can exploit digital twin to improve its stability [44]- [46], whereby a digital counterpart of the electro-acoustic relation of the ANC system is built by utilizing cloud computing.…”

Section: Introductionmentioning

confidence: 99%

A Digital Twin Architecture for Wireless Networked Adaptive Active Noise Control

Shi

2022

IEEE/ACM Trans. Audio Speech Lang. Process.

View full text Add to dashboard Cite

The active noise control (ANC) is a complementary technique to the passive noise control (PNC) to reduce the low frequency noise. The ANC controller can be implemented by pre-trained filters or adaptive filters. The adaptive ANC controller is advantageous in its adaptation to environmental changes. However, the algorithm complexity of the adaptive ANC controller increases with the scale of ANC applications, making it difficult to be carried out on low-cost processors. To resolve this problem, cloud computing should be utilized in ANC systems, and thus the wireless networked ANC system is proposed. Since it is crucial for ANC controllers to generate the anti-noise wave in real time, this paper formulates a digital twin architecture that implements the control filter adaptation in the cloud and the anti-noise signal generation on the local controller, respectively. A digital twin filtered-reference least mean squares (DT-FxLMS) algorithm is proposed to coordinate the digital twin with the local controller. Simulation and experiment results demonstrate the effectiveness and efficiency of the wireless networked ANC system based on the digital twin architecture.

show abstract