基于FELMS算法改善车内声品质

摘要

为了改善某款国产乘用车匀速工况下车内噪声声品质,以驾驶员耳旁处的噪声为研究对象,首先在支持向量机基础上,引入最小二乘法进行优化其求解的约束条件,建立LS-SVM高精度的预测模型,实现声品质的客观评价。选取对声品质影响最大的响度作为控制参量,依据特征响度的大小确定各临界频带对总体响度的贡献程度,然后采用CEEMD经验模态分解对信号进行处理,经分解重构后确定各IMF分量对声品质的影响程度。最后基于Simulink搭建FELMS噪声主动控制系统,综合考虑控制频段大小对自适应滤波效果的影响以及声品质的控制效果进行仿真研究。结果表明,当响度达到最优控制时,烦躁度下降了2.47个等级,当基于CEEMD分解的声品质主动控制达到最优时,烦躁度下降了3.07个等级,控制效果明显提升,车内声品质得到良好的改善。