Page 153 - 《应用声学》2023年第3期

第 42 卷 第 3 期 张锦惠等： 有源降噪头靠中一种分布式虚拟传声器优化方法 591

表 1 3 种算法流程图 了 (Q − 1)JM 次乘加运算。因此，所提算法能够有
Table 1 Pseudo code for three different 效降低算法的运算复杂度。为了更好地分析所提
algorithms 算法在降低运算复杂度方面的优势，将所提算法与
MRMT算法以及DRMT算法的运算复杂度绘制为
参数设置：µ, M, L
如图 4 所示曲线。其中图 4(a) 假设系统的次级声
∑ I−1 T
计算输出信号：y j (n) = w (n)x i (n) 源、物理传声器、虚拟传声器的个数均为 2 个，以
i=0 ji
估计虚拟传声器处的误差信号： 此分析这种条件下滤波器缓存长度对算法运算复
for p = 1 : P： 杂度的影响。图 4(b) 假设滤波器的阶数为 256 阶，
∑ J−1 并且假设次级声源、物理传声器、虚拟传声器的个
ˆ T
d m,p(n) = e m,p(n) − s m,pj y j (n)
j=0
数相同，分析这种条件下系统通道个数对运算复
for q = 1 : Q：
杂度的影响。由图中可知，当通道数固定时，所提
∑ P −1
T ˆ
ˆ
MRMT,DMRMT：d v,q (n) = o pq d m,q (n)
p=0 算法拥有最低的运算复杂度，且随着阶数增加，对
∑ P −1 运算复杂度的降低更明显。而当滤波器阶数固定
T ˆ
ˆ
ODMRMT：d v,q (n) = ¯ o d m,q (n)
pq
p=0
时，所提算法运算复杂度随着通道数的上升相比
for j = 1 : J：
于 MRMT 算法以及 DMRMT 更缓慢，且运算复杂
∑ J−1 T
ˆ
MRMT,DMRMT：ˆe v,q (n) = d v,q (n) + s v,qj y j (n)
度更低。
j=0
ˆ
T
ODMRMT：ˆe v,q (n) = d v,q (n) + s v,qq y q (n)
计算滤波参考信号：
MRMT:
10 4
for p = 1 : P：
ᝠካܭాए
for i = 1 : I：
for j = 1 : J：
r ijq (n) = ˆ s T x i (n)
v,qj
DMRMT,ODMRMT:
MRMT DMRMT ODMRMT
10 3
for q = 1 : Q：
100 200 300 400 500 600 700 800 900 1000
໚ฉ٨ᎁߛ᫂ए
for i = 1 : I：
(a) ᝠካܭాएˁ໚ฉ٨᫽஝ᄊТጇ
r iqq (n) = ˆ s T x i (n)
v,qq
更新滤波器系数： 10 5
for i = 1 : I：
for j = 1 : J：
∑ Q−1
MRMT：w ji (n + 1) = w ji (n) + µ r ijq (n)ˆe v,q (n)
q=0 ᝠካܭాए
DMRMT,ODMRMT：w ji (n+1)=w ji (n)+µr ijj (n)ˆe v,j (n)
10 4
所 提 ODMRMT 算 法 与 MRMT 算 法 以 及
MRMT DMRMT ODMRMT
DRMT 算法的复杂度对比如表 2 所示。从表 2 可
2 3 4 5 6 7 8 9 10
以看出，相比 MRMT 算法，所提算法在生成误差信 ൓ጟܦູ̿ԣឨࣀ͜ܦ٨˔஝
号时减少了 (Q − 1)JM 次乘加运算，计算滤波误差 (b) ᝠካܭాएˁᤰ᥋஝ᄊТጇ
信号时减少了 (Q − 1)JIM 次乘加运算，更新滤波
图 4 不同算法运算复杂度对比
器时均减少了 (Q − 1)JIL 次乘加运算，而相比于 Fig. 4 Comparation of the computational com-
DRMT 算法，所提算法在生成误差信号时也降低 plexity of different algorithms