《Mechanical Systems and Signal Processing》：Implementation of distributed multichannel active noise control with intermittent communication and coprocessor assisted data combination
编辑推荐：
提出间歇通信分布式多通道ANC系统，通过协处理器辅助和间歇通信降低计算与通信负担，结合WCFxLMS算法抑制系统失稳，数值与实时实验验证了其有效性。
纪俊伟|史东源|沈晓怡|甘文生|陈杰|杨俊
新加坡南洋理工大学电气与电子工程学院智能国家TRANS实验室，639798，新加坡
摘要 多通道主动噪声控制（MCANC）通过分布式控制提供了比传统集中式方案更高效的计算方法，该方法利用多个低成本控制器。在这种分布式MCANC（DMCANC）架构中，每个节点包括一个误差麦克风、一个扬声器和一个本地控制器，通过相互数据交换来优化全局控制滤波器并提高整体噪声衰减效果。然而，通信网络问题可能会影响系统的稳定性。因此，开发了一种间歇性通信DMCANC（IC-DMCANC）系统以提高系统的鲁棒性，其中每个ANC节点在由硬件能力和网络条件决定的灵活且可能异构的通信时刻交换数据。此外，为了防止由于非通信阶段和传输延迟导致的不稳定性，采用了加权约束滤波参考最小均方（WCFxLMS）算法对每个节点进行迭代更新。为了进一步减轻每个节点的计算和通信负担，引入了一个协处理器来负责数据融合，然后将组合结果发送到每个节点以更新WCFxLMS中的参数。因此，所提出的带有协处理器辅助的IC-DMCANC-CPA系统更加高效且易于实现。数值仿真结果验证了所提方法与集中式方法相比具有令人满意的噪声降低性能。此外，实时实验展示了IC-DMCANC-CPA系统在真实场景中的有效性和鲁棒性。
引言 主动噪声控制（ANC）是一种成熟的技术，通过生成幅度相等、相位相反的反噪声信号来衰减低频噪声。[1]、[2]。其成功依赖于能够实时适应变化环境的自适应算法，其中滤波x最小均方（FxLMS）算法仍然是最广泛采用的算法[3]。已经提出了许多对FxLMS算法的改进，以解决实际应用中的挑战，例如输出饱和[5]、移动源[6]和头部跟踪[7]。近年来，人工智能的进步催生了基于深度学习的ANC算法[8]、[9]、[10]，为提高性能和适应性提供了新的机会[11]、[12]。
随着噪声降低需求扩展到更大的空间，多通道ANC（MCANC）系统得到了越来越多的应用。它配备了多个次级声源和误差麦克风，以在大范围内实现全局噪声降低。传统的MCANC算法，如多误差FxLMS（MEFxLMS），通常称为集中式噪声控制，使用单个控制器管理所有输入和输出信号，通过汇总所有误差测量值来同时更新系统[13]。然而，这种方法需要大量的计算资源，对控制器的处理能力提出了重大挑战，并导致实施成本增加。
为了减轻与集中控制策略相关的高计算复杂性，引入了各种高效算法，如部分更新算法[14]、混合误差方法[15]和频率点选择方法[16]。另一种方法是分散式控制策略，将计算任务分配给多个独立控制器，每个控制器依靠本地误差信号单独更新控制滤波器[17]、[18]。尽管这种方法减少了计算量，但它本质上忽略了节点间的相互声学串扰，从而增加了系统不稳定的风险[19]。
分布式MCANC（DMCANC）系统具有多个ANC节点，作为一种有前景的解决方案[20]、[21]，其中每个节点独立处理其本地信号，同时与其他节点交换必要的信息，从而确保全局噪声降低。与集中式架构相比，DMCANC提供了一个模块化、可扩展且计算效率高的框架，适用于实时和无线实现。它还允许灵活部署传感器和执行器，实现更加适应性和空间优化的噪声控制。
已经为DMCANC系统提出了几种控制策略，其中增量策略和扩散策略尤为突出。增量策略[22]依次更新每个节点，由于其逐节点的数据传输方法，本质上需要大量的通信开销。这种策略也已扩展到虚拟感知[23]。相比之下，扩散策略[24]通过相邻节点之间的本地协作促进信息交换，从而消除了共享全局信息的需要[25]。扩散FxLMS（DFxLMS）算法[26]采用基于拓扑的组合规则，但由于其空间平滑特性，在非对称声学路径下性能较差[27]。为了解决这一限制，引入了增强型DFxLMS（ADFxLMS）算法[28]，尽管增加了通信负担。随后，提出了一种双向通信策略，旨在减轻与ADFxLMS算法相关的通信需求[29]。混合梯度FxLMS（MGDFxLMS）算法通过结合接收到的梯度来减轻节点间的串扰效应，在理想通信条件下理论上等同于集中式MEFxLMS。对于非理想通信网络，开发了自动收缩步长MGDFxLMS（ASSS-MGDFxLMS）算法[30]来应对通信延迟[30]。最近，对DMCANC进行了实验研究[31]。然而，所采用的通信方法涉及内部芯片级信息交换，这与实际DMCANC系统中的传统通信定义不同。尽管如此，大多数现有的DMCANC系统假设在每个采样点进行数据交换，忽略了实际的通信限制。实际上，由于硬件限制，两次连续通信时刻之间的时间间隔无法与ANC系统的实际采样周期匹配，这揭示了理论进展与实际实现之间的显著差距。
因此，本文提出了一种带有协处理器辅助的间歇性通信分布式多通道ANC系统（IC-DMCANC-CPA）。在这个框架中，每个节点使用加权约束FxLMS（WCFxLMS）算法[32]，并在预定的通信时刻定期交换其当前控制滤波器权重与WCFxLMS算法的约束中心点之间的差异，这些时刻就是数据交换发生的确切时刻。然后协处理器执行混合权重差（MWD）组合来更新节点。该系统具有以下关键贡献：
1. 每个ANC节点独立运行WCFxLMS算法，以减轻非通信期间由节点间串扰引起的不稳定性，同时确保有效的噪声降低性能。
2. IC策略允许在固定间隔进行通信，使节点能够定期整合全局信息，从而提高噪声降低性能，同时降低硬件通信要求。
3. 使用协处理器执行MWD组合操作显著减轻了单个节点的计算和通信负担。MWD方法可以视为MGDFxLMS算法的扩展，其中累积的权重差异相当于在间歇性通信间隔内对局部梯度的积分，而不是瞬时梯度。这种表述使所提出的方法自然兼容IC框架，同时保持了MGD组合的性能优势。
4. 由于每个ANC节点实现的单通道WCFxLMS算法可以潜在地实现芯片硬化，整个系统设计受益于改进的模块化和可扩展性。
本文的其余部分组织如下：第2节简要介绍DMCANC系统。第2节详细介绍了所提出的IC-DMCANC-CPA系统，包括WCFxLMS和MWD算法以及IC和CPA策略。第4节描述了其性能分析。第5节和第6节将通过数值仿真和实时实验分别验证所提系统的有效性。最后，第7节将提供整篇论文的结论。
章节片段 分布式多通道ANC 与传统的MCANC系统相比，分布式MCANC系统将大量的计算负载分配给多个ANC节点——每个节点包括一个次级声源、一个误差传感器和一个ANC控制器——如图1所示。因此，可以使用功率较低但更具成本效益的控制器来替代高性能处理器，从而显著降低整体系统成本。
不失一般性，我们假设分布式系统包含K
方法论 本节首先介绍了每个节点执行的加权约束FxLMS（WCFxLMS）算法。接下来，提供了关于间歇性通信（IC）策略和协处理器辅助的详细组合操作描述。此外，本文假设所有节点具有相同的采样频率，并且时钟是同步的。
与集中式算法的关系 为了更好地理解所提出的IC-DMCANC-CPA框架的优点，分析其与传统集中式MEFxLMS算法的理论关系是必要的。由于集中式方法通常被视为多通道ANC的性能基准，建立这种联系为分布式策略提供了严格的验证。特别是，这种比较明确了在哪些通信条件下分布式更新可以实现等效性
数值仿真 通过数值仿真评估了所提出的IC-DMCANC-CPA方法的性能。在噪声室的开放孔口中测量了主要和次要声学路径。如图4所示，系统由六个ANC节点组成。次级路径、补偿滤波器和控制滤波器的长度分别设置为256、33和512抽头，采样频率为16 kHz。每个节点的中心点w ? k 实时实验结果 在本节中，我们通过实时实验验证了所提出的IC-DMCANC-CPA系统。实际平台如图11所示，系统配置了一个参考麦克风（GRAS麦克风）、六个次级声源（Model T3-2190S）和六个误差麦克风（GRAS 40PH）。次级声源及其最近的误差麦克风形成一个ANC节点。Genelec B320A扬声器（图11(b)中的白色扬声器）用于主要噪声播放。详细配置已
结论 本文提出了一种带有协处理器辅助数据组合的间歇性通信分布式多通道ANC系统（IC-DMCANC-CPA），旨在解决大规模ANC部署中的通信问题和计算资源限制。通过将加权约束FxLMS（WCFxLMS）算法与混合权重差（MWD）组合策略相结合，所提出的方法有效减轻了由节点间声学串扰引起的不稳定性
CRediT作者贡献声明 纪俊伟： 撰写——原始草稿、验证、方法论、形式分析。史东源： 撰写——审阅与编辑、形式分析、概念化。沈晓怡： 撰写——审阅与编辑、形式分析。甘文生： 撰写——审阅与编辑、监督。陈杰： 撰写——审阅与编辑、概念化。杨俊： 撰写——审阅与编辑、概念化。
利益冲突声明 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢 本工作得到了新加坡教育部 的支持，通过学术研究基金第二级（Grant #MOET2EP50122-0018）和中国科学院青年人才引进计划 （Grant Number: #552025000180）的支持。
