[論文レビュー] Active Noise Control based on the Momentum Multichannel Normalized Filtered-x Least Mean Square Algorithm

Dongyuan Shi, Woon‐Seng Gan+3 more|arXiv (Cornell University)|Aug 7, 2023

Advanced Adaptive Filtering Techniques被引用数 9

ひとこと要約

論文は、アクティブノイズコントロールのための運動量を強化した多チャネル正規化フィルタード-x LMS (MNFxLMS) アルゴリズムを提案し、収束速度の向上とノイズ電力変動への頑健性を示し、実測の4チャネルANC設定で実堀・fMRIノイズを用いて検証します。

ABSTRACT

Multichannel active noise control (MCANC) is widely utilized to achieve significant noise cancellation area in the complicated acoustic field. Meanwhile, the filter-x least mean square (FxLMS) algorithm gradually becomes the benchmark solution for the implementation of MCANC due to its low computational complexity. However, its slow convergence speed more or less undermines the performance of dealing with quickly varying disturbances, such as piling noise. Furthermore, the noise power variation also deteriorates the robustness of the algorithm when it adopts the fixed step size. To solve these issues, we integrated the normalized multichannel FxLMS with the momentum method, which hence, effectively avoids the interference of the primary noise power and accelerates the convergence of the algorithm. To validate its effectiveness, we deployed this algorithm in a multichannel noise control window to control the real machine noise.

研究の動機と目的

• 大規模なノイズ低減領域を可能にする多チャネルアクティブノイズコントロール（MCANC）の動機付けと、計算量の管理。
• FxLMSベースのMCANCにおける収束の遅さとノイズ電力への感度の問題を解決。
• 入力電力の頑健性を維持しつつ収束を加速するモメンタム機能を持つMNFxLMSを開発。
• 実測の一次・二次パスを用いた現実ノイズで提案手法を検証。

提案手法

• 多チャネル正規化FxLMS（MNFxLMS）アルゴリズムと、入力電力変動を緩和する正規化をレビュー。
• 過去の勾配情報を蓄積して収束を加速するモメンタム項を導入（モメンタムMNFxLMS）。
• ギャップ忘却因子 gamma および勾配蓄積パラメータ gamma を含むモメンタムMNFxLMSの更新式を導出。
• 高速変化勾配を低域通過フィルタとして作用させ、遅く変化する勾配を増幅するモメンタム機構を分析。
• オフラインシステム識別を用いて二次パスを推定し、指定のタップ長と忘却因子（gamma=0.9）でアルゴリズムを実装。
• 4チャネルANC設定から得られた実測一次/二次パスを用いたシミュレーションを実施し、McFxLMS、MNFxLMS、モメンタムMNFxLMSを比較。

実験結果

リサーチクエスチョン

• RQ1 モメンタムをMNFxLMSに統合することで、MCANCの収束速度は向上し、一次ノイズ電力の変動に対する頑健性を損なわないか？
• RQ2 実世界ノイズ（ piling、fMRI ）に対するモメンタムMNFxLMSは、従来のMcFxLMSおよびMNFxLMSと比べてどう性能を示すか？
• RQ3 ステップサイズの選択と忘却因子が提案アルゴリズムの安定性と性能にどのような影響を与えるか？
• RQ4 提案手法は、急変動する撹乱を扱いつつ定常時のノイズ低減を同等程度維持できるか？

主な発見

• モメンタムMNFxLMSはシミュレーションでMNFxLMSおよびMcFxLMSよりも収束が速い。
• すべてのアルゴリズムは、 tested noises で定常時のノイズ低減を同等程度（約20–21 dB）達成。
• 大きな入力電力で発散する可能性があるMcFxLMSに対し、MNFxLMSおよびモメンタムMNFxLMSは一次ノイズ電力変動下でも安定。
• 実測パスのシナリオで、実際の piling および fMRI ノイズに対してモメンタムMNFxLMSが最も高速に収束。
• 4チャネル設定の実測一次/二次パスを用いた実証で、急変動ノイズのキャンセル効果を検証。