摘 要： 采用神經網絡控制方法，建立了基于BP算法的神經網絡有源消聲實驗系統。實驗證明基于BP算法的有源消聲實驗系統具有良好的消聲效果和穩定性。
關鍵詞： 神經網絡 BP算法 有源消聲
?
有源消聲作為一種有效的低頻消聲方法，彌補了吸聲、隔聲、減振等傳統無源消聲方法在低頻噪聲控制方面的不足。近年來，基于傳統自適應技術" title="自適應技術">自適應技術的有源消聲系統借助于自適應信號處理技術的最新成果，結合聲場特性研究，取得了初步的成功。但由于空間有源消聲過程具有時變性和非線性，基于傳統自適應技術的有源消聲系統穩定性不足，容易產生振蕩。
神經網絡是由大量簡單的非線性處理單元及單元之間復雜、靈活的聯接關系所構成。神經網絡能夠實現任意非線性映射" title="非線性映射">非線性映射，并具有極強的自適應、自學習、自組織能力。神經網絡的這些特點，為有源消聲研究提供了一個新的途徑。
1 BP神經網絡有源消聲系統結構及算法推導
運用誤差反向傳播學習算法(BP算法)的前饋多層網絡通常稱為BP網絡。由于這種網絡具有很強的非線性映射能力，網絡結構簡單，工作狀態穩定，易于實現，是目前應用最為廣泛的一種網絡。因此，本文將BP網絡應用于有源消聲系統中。圖1為BP神經網絡有源消聲系統結構圖。
若網絡第i層的第l節點的輸入誤差為Eil，按梯度最速下降原理，權值" title="權值">權值沿誤差函數的負梯度方向變化，即有：
對網絡輸出層，即當為l輸出節點時，取神經元的輸出函數為:
對于網絡中間層i，它的誤差來源于i＋1層，取神經元的輸出函數為:
系統開始運行時，首先設置網絡的初始權值，根據實時采得的初級傳聲器信號x(n)，由公式(1)、(2)計算出網絡各層神經元的輸出。根據實時采得的誤差傳聲器信號e(n)，由公式(9)、(12)計算網絡各層的δil，然后由公式(10)、(13)修正所有的權值變化。隨著輸入值的變化，重復上述過程，使誤差信號e(n)穩定在一定范圍內。
2 實驗結果及分析
實驗在半消聲室中進行，實驗系統的硬件構成如圖2所示。噪聲由HP 33120A信號發生器產生的信號來模擬，濾波器采用可調范圍較寬的UL8雙通道通用有源濾波器，聲源采用低頻性能良好的電動式8英寸“飛樂”喇叭制作的高性能音箱。
聲源及傳聲器的布放如圖3所示，初級傳聲器位于噪聲源" title="噪聲源">噪聲源正前方0.05m，誤差傳聲器位于噪聲源正前方0.4m、算法程序由HP Vectra 200計算機來完成。
系統穩定運行后，在以初級聲源為中心，半徑為1m，離地高為1.5m等半徑的空間里測得的消聲前后聲壓級分布圖如圖4、圖5 所示。圖中f、Δf分別表示噪聲源信號的中心頻率和帶寬。圖中虛線表示消聲前的聲壓級，實線表示消聲后的聲壓級。實驗中采用的網絡結構為4×4×1。
從實驗結果可以看出，采用單初級雙次級聲源組成的基于神經網絡BP算法的有源消聲實驗系統不論對單頻還是窄帶隨機信號在全空間范圍內都有較好的消聲效果，在誤差傳聲器周圍都有7dB以上的消聲量。同傳統的自適應有源消聲系統相比，該實驗系統具有較好的穩定性。
本文建立了基于BP神經網絡的有源消聲實驗系統，實驗結果表明，該系統有較好的消聲能力和較高的穩定性。在以后的研究工作中，為進一步改善網絡的性能，擬采用新的算法，如Levenberg－Marquardt算法，以提高該實驗系統的消聲能力。
參考文獻
1 陳克安，馬遠良編著.自適應有源消聲——原理、算法及實現.成都：西北工業大學出版社，1993
2 徐永成.噪聲場測試分析" title="測試分析">測試分析與基于智能模糊控制有源消聲的實驗系統研究.國防科技大學碩士學位論文，1996
3 吳簡彤，王建華編著.神經網絡技術及其應用.哈爾濱：哈爾濱工程大學出版社，1998
4 侯宏，楊建華，孫進才.神經網絡BP算法在有源消聲中的應用.西北工業大學學報，1999，2