Development of a Local Active Noise Control System

Abstract

Active noise control (ANC) is a technology reducing noise by incorporating secondary sources, producing so called anti-noise. This anti-noise has the same amplitude but inverted phase at all frequencies compared to the primary noise under subject of attenuation, resulting in the two sound fields canceling each other out by the principle of superposition.

The aim of this thesis is to evaluate the feasibility of using a mobile simple single-channel ANC system to reduce broadband noise in a 3D-space. To achieve this, different known ANC algorithms are simulated, and based on the simulations, a physical prototype device is developed and tested. Based on literature review, the only viable solution to the problem is to develop a local feedback ANC system. Local ANC systems minimize sound pressure at a single point in space instead of the entire room, and feedback ANC systems conduct the attenuation without prior knowledge of the incoming noise. Thus, feedback ANC is a prediction problem at its core.

Three algorithms are simulated: leaky filtered-x least mean squares algorithm (LFxLMS), functional link artificial neural network based LFxLMS (FLANN), and wavelet packet transform based LFxLMS (Wavelet). Out of these three, LFxLMS and Wavelet were then tested with the prototype system. Both algorithms achieved over 6 dB reduction on low-frequency fan noise, around 1--3 dB reduction on orchestral music, around 1 dB reduction on traffic noise, but virtually no reduction on speech, depending on measurement location.

The results show that such a feedback local ANC system is able to attenuate noise with strong tonal components but cannot attenuate sound that varies quickly in time. Additionally, it was confirmed that secondary path latency forms the biggest limitation of a feedback ANC system and must be minimized for the system to work well.

Aktiivinen melunhallinta (active noise control, ANC) on tekniikka, jolla voidaan vähentää melua tuottamalla toisiokaiuttimella niin kutsuttua vastamelua. Tällä vastamelulla on sama amplitudi mutta käänteinen vaihe vaimennettavaan primäärimeluun nähden, jolloin nämä kaksi äänikenttää kumoavat toisensa superpositioperiaatteen mukaisesti.

Tämän diplomityön tavoitteena on arvioida yksinkertaisen yksikanavaisen aktiiviseen melunhallintaan perustuvan laitteen käyttökelpoisuutta laajakaistaisen melun vaimentamiseksi 3D-tilassa. Tavoitteen saavuttamiseksi työssä simuloidaan tunnettuja aktiivisen melunhallinnan algoritmeja, ja simulointien pohjalta kehitetään prototyyppilaite. Kirjallisuuskatsauksen perusteella ainoa käytettävissä oleva ratkaisu ongelmaan on kehittää paikallinen takaisinkytketty ANC-järjestelmä. Paikalliset ANC-järjestelmät minimoivat äänenpainetta yhdessä pisteessä koko huoneen sijaan, ja takaisinkytketyt ANC-järjestelmät tuottavat vastamelua ilman ennakkotietoa tulevasta primäärimelusta. Takaisinkytketty ANC on siten pohjimmiltaan ennustamisongelma.

Työssä simuloidaan kolmea algoritmia: vuotava referenssisuodatettu pienimmän neliösumman algoritmi (leaky filtered-x least mean squares, LFxLMS), funktionaaliseen linkkineuroverkkoon perustuva LFxLMS (functional link neural network, FLANN) ja lyhyen aaltomuodon muunnokseen perustuva LFxLMS (wavelet packet transform, Wavelet). Näistä kolmesta LFxLMS ja Wavelet testattiin myös prototyyppijärjestelmällä. Molemmat algoritmit saavuttivat yli 6 dB vaimennuksen matalataajuuksiseen tuuletinmeluun, noin 1--3 dB vaimennuksen orkesterimusiikkiin, ja noin 1 dB vaimennuksen liikennemeluun, mittauspaikasta riippuen. Puheeseen kumpikaan algoritmi ei juuri saavuttanut vaimennusta.

Tulokset osoittavat, että tämänkaltainen takaisinkytketty, paikallinen ANC-järjestelmä pystyy vaimentamaan melua, jolla on vahvat, tasaiset tonaaliset komponentit, mutta ei kykene vaimentamaan nopeasti ajassa muuttuvaa ääntä. Lisäksi tulokset vahvistavat, että toisiotien viive on suurin yksittäinen rajoittava tekijä takaisinkytketyissä ANC-järjestelmissä.