王智豪，徐中明，夏子恒，王虎成，黃佳聰

（重慶大學(xué)機械與運載工程學(xué)院，重慶 400030）

前言

車內(nèi)噪聲性能一直以來都是汽車NVH 行業(yè)內(nèi)非常關(guān)心的一個問題。隨著國內(nèi)汽車NVH 行業(yè)的快速發(fā)展，車內(nèi)動力系統(tǒng)相關(guān)的NVH 性能已經(jīng)取得了良好的成績。并且隨著汽車電動化的到來，與動力系統(tǒng)有關(guān)的噪聲甚至?xí)饾u從車內(nèi)消失［1］，因此，車內(nèi)道路噪聲控制的好壞將會是決定車內(nèi)噪聲性能高低的關(guān)鍵。車內(nèi)道路噪聲主要是由輪胎與路面摩擦?xí)r，出現(xiàn)輪胎溝槽的氣泵現(xiàn)象和胎壁振動產(chǎn)生的，通過車身和懸架等結(jié)構(gòu)傳遞到車內(nèi)的低頻噪聲［2］。研究表明，基于聲波的疊加原理，通過控制揚聲器發(fā)出一個與初始噪聲幅值相等且相位相差180°的聲波，并與初始噪聲進(jìn)行干涉抵消，從而實現(xiàn)“以聲消聲”目的的噪聲主動控制（active noise control，ANC）方法針對這種低頻結(jié)構(gòu)噪聲有著良好的控制效果［3］。

車內(nèi)噪聲主動控制，自提出以來已經(jīng)有了許多學(xué)者和科研單位開展了諸多研究［4-8］。Oh 等采用前饋濾波-x 最小均方誤差（filterd-x least mean square，F(xiàn)xLMS）算法，通過使用4 個加速度參考信號，在粗糙路面上將車內(nèi)道路噪聲在50～500 Hz 范圍內(nèi)最大下降了6 dB［9］。Jung 等使用多通道前饋控制與遠(yuǎn)程傳聲器相結(jié)合的頭枕主動噪聲控制系統(tǒng)，對一輛越野車座艙內(nèi)1 000 Hz以內(nèi)的噪聲實現(xiàn)了約3.7 dB的降噪量［10］。張立軍等基于歸一化的FxLMS 算法，在破損的粗瀝青路面上取得了良好的效果［11］。上述研究都是以最小均方誤差為準(zhǔn)則的FxLMS 算法為基礎(chǔ)的。

然而，汽車實際行駛的道路往往是復(fù)雜多變的，尤其是在路況變化時遇到短暫的沖擊時（例如通過橋梁連接處或過減速帶），基于傳統(tǒng)FxLMS 算法的路噪主動控制系統(tǒng)魯棒性較差［12］，在收斂過程中容易出現(xiàn)發(fā)散導(dǎo)致收斂失敗的問題，進(jìn)而產(chǎn)生刺耳的噪聲，嚴(yán)重影響車內(nèi)人員的駕駛感受和乘坐舒適性，在實車應(yīng)用中有較強的局限性。

針對沖擊工況下控制失效的問題，建立了基于濾波-x 最小平均絕對偏差（filterd-x least mean absolute deviation，F(xiàn)xLMAD）算法的車內(nèi)路噪主動控制系統(tǒng)。采集沖擊路面輸入下的車內(nèi)噪聲并對其進(jìn)行相關(guān)分析，從理論上說明FxLMAD 算法對沖擊工況路面噪聲主動控制的有效性。接著建立傳統(tǒng)FxLMS 和歸一化FxNLMS 與FxLMAD 算法的理論模型，分析不同算法的計算復(fù)雜度。然后將實車所采集的車內(nèi)噪聲數(shù)據(jù)作為輸入進(jìn)行仿真分析，驗證其魯棒性和計算復(fù)雜度及FxLMAD 算法的降噪效果。最后，基于數(shù)字信號處理器（digital signal processing，DSP）搭建車內(nèi)噪聲主動控制試驗系統(tǒng)，實車道路試驗證明基于FxLMAD 算法的車內(nèi)路噪主動控制系統(tǒng)在沖擊工況下的有效性。

1 路面沖擊輸入下車內(nèi)噪聲分析

1.1 路面沖擊輸入下車內(nèi)噪聲采集

在實際應(yīng)用中，道路噪聲常常會伴有不同程度的沖擊，這類信號具有顯著的尖峰，呈現(xiàn)脈沖性，因此不符合高斯分布。為分析沖擊工況下道路噪聲特性，采集試驗車輛的路噪并進(jìn)行相關(guān)分析。

參照 GB/T 18697—2002 《聲學(xué)汽車車內(nèi)噪聲測量方法》，在主駕駛位頭枕左右耳位置處分別布置1個傳聲器，采集車內(nèi)噪聲信號。試驗中采用NI DAQmx 數(shù)采設(shè)備和MPA416 型傳聲器，相關(guān)硬件設(shè)備和傳聲器如圖1 所示，采樣頻率為51.2 kHz，采樣時長為10 s。

圖1 數(shù)采和傳聲器布置

試驗路面為干燥粗糙的平直瀝青路面，天氣晴朗無風(fēng)，車窗關(guān)閉。車內(nèi)乘坐駕駛員與后排測試人員兩人，行駛速度為勻速50、60、70、80 km/h，在同一車速下采集兩組通過該路段的數(shù)據(jù)以便分析。數(shù)據(jù)采集是在粗糙瀝青路面中某段包含沖擊的路段中進(jìn)行，如圖2所示。

圖2 數(shù)據(jù)采集路面

1.2 路面沖擊輸入下車內(nèi)噪聲特性分析

以60 km/h 勻速行駛時采集的車內(nèi)噪聲為例進(jìn)行時域和頻域分析，所得結(jié)果如圖3 所示?？梢钥闯鲕囕v在第8 s 時遇到強沖擊，頻率在150 Hz 以內(nèi)。200 Hz 附近的空腔聲較為突出，整體來看車內(nèi)路噪以低頻結(jié)構(gòu)噪聲為主，集中在300 Hz 內(nèi)，部分低頻空氣噪聲分布于300～500 Hz頻率區(qū)間。

圖3 沖擊路噪特性分析結(jié)果

考慮到根據(jù)高斯模型推導(dǎo)出的FxLMS 算法對沖擊噪聲存在控制失效，因此需要確認(rèn)上文采集到的噪聲信號是否服從高斯分布。QQ 圖（quantilequantile plots）是統(tǒng)計學(xué)里常用的判別某一組數(shù)據(jù)是否來自某個分布的方法。將該噪聲時域數(shù)據(jù)作為輸入樣本進(jìn)行統(tǒng)計學(xué)分析，繪制的QQ 圖如圖4 所示，與標(biāo)準(zhǔn)的正態(tài)分布相比，輸入樣本的QQ 圖在兩端相差極大，顯然該樣本的統(tǒng)計特性與高斯分布有著明顯差別，對于這類非高斯統(tǒng)計特性的信號將不能采用基于高斯分布模型所設(shè)計的控制器來控制。

圖4 60 km/h沖擊路噪時域數(shù)據(jù)QQ圖

汽車經(jīng)過沖擊性路面產(chǎn)生的脈沖性噪聲為偏離平均值的異常大幅值信號，這些異常值使得整個樣本的概率密度函數(shù)（probability density function，PDF）具有尖峰和厚尾的統(tǒng)計特征。對于這類樣本，通常使用α穩(wěn)定分布來描述［13］，α∈(0，2]是α穩(wěn)定分布主要特征參數(shù)之一，α越小，該分布的PDF 有越厚的拖尾，表示遠(yuǎn)離中心位置樣本的概率越大。為更直觀地展示該噪聲的非高斯性，繪制噪聲數(shù)據(jù)的直方圖和正態(tài)分布與α穩(wěn)定分布的擬合曲線，如圖5（a）所示。曲線的橫坐標(biāo)表示該噪聲數(shù)據(jù)的幅值大小，縱坐標(biāo)表示對應(yīng)幅值在整個數(shù)據(jù)樣本中出現(xiàn)的次數(shù)。從圖中可以看出，相較于正態(tài)分布，α穩(wěn)定分布可以更好地描述噪聲數(shù)據(jù)的尖峰特征；同時對于兩端的尾部數(shù)據(jù)來說α穩(wěn)定分布具有更好的擬合精度。以前文分析的噪聲數(shù)據(jù)作為輸入樣本，使用核平滑函數(shù)估計輸入樣本的PDF，接著繪制出輸入樣本對應(yīng)的正態(tài)分布與α穩(wěn)定分布的PDF，如圖5（b）所示，分別計算出兩種分布相對于輸入樣本PDF 的R2，其中α穩(wěn)定分布的R(S)2=0.99明顯高于正態(tài)分布的R(N)2=0.90，充分說明了對于路面沖擊輸入下車內(nèi)噪聲使用α穩(wěn)定分布來建模能取得更準(zhǔn)確的結(jié)果。

圖5 兩種分布的擬合對比圖

α穩(wěn)定分布的另一個重要特征是不存在有界的2 階矩，α穩(wěn)定分布樣本的p階矩僅當(dāng)p≤α?xí)r存在［14］。而傳統(tǒng)的噪聲主動控制算法（FxLMS）都是以殘余誤差的2階矩最小化為準(zhǔn)則，在對符合α穩(wěn)定分布的樣本控制時，這些算法的降噪性能將會顯著降低。

對上文1.1 節(jié)采集到的不同車速下的車內(nèi)道路噪聲使用α穩(wěn)定分布進(jìn)行擬合，得到對應(yīng)的α特征值，具體數(shù)值如表1 所示?？梢钥闯?，表內(nèi)的α特征值均小于1.7，說明車速在50～80 km/h 通過該沖擊性路面輸入路段的車內(nèi)道路噪聲均含有一定程度的脈沖性，并且隨著車速的提高，α特征值逐漸降低，路噪信號脈沖性變強，這與車內(nèi)人員的聽覺主觀感受保持一致。

表1 不同工況路噪α特征值

2 車內(nèi)噪聲主動控制算法

2.1 多通道噪聲主動控制系統(tǒng)

經(jīng)典的多通道車內(nèi)噪聲主動控制系統(tǒng)框圖如圖6所示。

圖6 車內(nèi)路噪主動控制系統(tǒng)框圖

圖中x(n)=[x1(n)，x2(n)，…，xI(n)]T為I個參考傳感器獲取的參考信號；d(n)=[d1(n)，d2(n)，…，dK(n)]T為K個誤差傳感器處的噪聲期望信號；y(n)=[y1(n)，y2(n)，…，yj(n)]T為J個次級聲源發(fā)出的次級聲信號；e(n)=[e1(n)，e2(n)，…，ek(n)]T為K個殘余誤差傳聲器信號；G(z)為J×K個次級通道的傳遞函數(shù)，可以用長度為M的FIR 濾波器表示；為對應(yīng)的次級通道的估計。參考信號x（n）經(jīng)過濾波后為濾波參考信號x′(n)；y(n)經(jīng)過真實的次級通道G(z)濾波后到達(dá)誤差傳聲器處與噪聲期望信號相消。

由I個參考信號生成J個次級聲源需要I×J個FIR濾波器，則第n時刻的第I階的濾波器參數(shù)為

次級聲源發(fā)出的信號是由I個參考信號經(jīng)過I×J個濾波器的貢獻(xiàn)之和，若取濾波器長度為L，有

殘余誤差信號為噪聲期望信號與在誤差傳聲器處接收到的J個次級揚聲器發(fā)出的次級聲源之和：

若次級通道是時不變的，將上式重新整理可得

式中濾波參考信號為

2.2 FxLMS算法

控制目標(biāo)一般取為誤差傳聲器處聲壓幅值2 階矩最小，即目標(biāo)函數(shù)為

式中E表示期望。為避免在求取濾波器權(quán)矢量最優(yōu)解時進(jìn)行矩陣的求逆運算，一般使用LMS 算法更新自適應(yīng)濾波器，則第i個參考傳感器到第j個控制器的濾波器權(quán)系數(shù)迭代公式為

上述便是多通道FxLMS 算法，該方法在面對非穩(wěn)態(tài)噪聲的情況下降噪效果有限，甚至?xí)?dǎo)致系統(tǒng)收斂發(fā)散。在實際的工程應(yīng)用中，面對1.1 節(jié)的沖擊工況路面時，在路噪主動控制系統(tǒng)中使用多通道FxLMS 算法會導(dǎo)致系統(tǒng)收斂失敗，嚴(yán)重時系統(tǒng)會發(fā)出尖銳刺耳的噪聲。

2.3 改進(jìn)歸一化MNFxLMS算法

為改善FxLMS 算法因為固定步長帶來的魯棒性較差等問題。Akhtar 等提出了改進(jìn)歸一化FxLMS（modified normalized FxLMS，MNFxLMS）算 法［15］。MNFxLMS 算法是為了使得步長因子獨立于輸入功率，使用歸一化的收斂系數(shù)實現(xiàn)自適應(yīng)過程中收斂系數(shù)與穩(wěn)態(tài)誤差之間的均衡，加強系統(tǒng)對于非穩(wěn)定聲源的魯棒性。MNFxLMS算法步長因子變化為

對于MNFxLMS算法，當(dāng)參考信號或誤差信號的幅值較大時，等效步長就會變小，因此可以有效避免權(quán)值更新過程中出現(xiàn)發(fā)散的情況。該算法在計算機仿真中對于非穩(wěn)態(tài)噪聲的控制能起到良好的效果，但其權(quán)值更新過程中每一次迭代均需要計算當(dāng)前時刻的參考信號和誤差信號的功率，計算量大，對硬件算力要求較高，因此很少在實際工程應(yīng)用。

2.4 濾波-x最小平均絕對偏差算法

1.2 節(jié)說明了路面沖擊輸入下的車內(nèi)噪聲更適合用α穩(wěn)定分布來描述其過程，對這類噪聲信號而言，基于非高斯的α穩(wěn)定分布模型的噪聲信號處理算法，比基于高斯模型的算法具有更好的魯棒性和穩(wěn)態(tài)性能。Leahy 基于α穩(wěn)定分布的特征，提出了最小化殘差p階矩的濾波-x 最小平均p范數(shù)（filterd-x least meanp-norm，F(xiàn)xLMP）算法［16］。其實質(zhì)就是使控制目標(biāo)函數(shù)由誤差傳聲器處聲壓幅值2 階矩最小化變?yōu)閜階矩最小化。即目標(biāo)函數(shù)為

式中p＜a為分?jǐn)?shù)低階矩。則對應(yīng)的濾波器權(quán)系數(shù)的迭代公式為

FxLMP算法對于包含脈沖性信號的沖擊噪聲可以獲得良好的降噪效果，但需要特征參數(shù)α的先驗信息。對于實際車輛行駛道路來說，路況是實時變化的，因此車內(nèi)路噪信號的α是時變的。為了保證算法的穩(wěn)定性，Bergamasco 提出了采用滑動窗實時在線估計α大小的改進(jìn)FxLMP算法［17］。該算法雖然可以適應(yīng)α的時變性，但每次權(quán)值迭代都需要計算誤差信號的p階矩，這將會大幅增加計算量。受到實際工程應(yīng)用中硬件方面算力的限制必須降低該算法的計算量，Bergamasco 對于特征指數(shù)1 ≤α≤2 的樣本，令FxLMP算法中的p=1，則該算法變?yōu)闉V波-x最小平均絕對偏差（FxLMAD）算法［18］。其中濾波器系數(shù)的迭代公式為

不難看出，F(xiàn)xLMAD 算法是FxLMP 算法的一種特殊情況，由于p≤α的條件總能滿足，F(xiàn)xLMAD 算法不需要對特征指數(shù)的先驗需求，同時極大地降低了計算量。FxLMAD 算法的本質(zhì)是對e(n)中大幅值的樣本點進(jìn)行限幅，避免由于大幅值的尖峰脈沖使權(quán)值在更新過程中發(fā)散。

2.5 算法復(fù)雜度分析

復(fù)雜度是評價算法性能的一個重要指標(biāo)［11］。在工程實際應(yīng)用中，一些復(fù)雜的算法往往因為硬件算力不夠而無法實際應(yīng)用。本節(jié)對上文提到的FxLMS算法、MNFxLMS 算法和FxLMAD 算法的復(fù)雜度以單個周期為例子進(jìn)行對比分析，取L表示濾波器長度，M表示次級通道長度，結(jié)果如表2 所示。在實際應(yīng)用中，噪聲主動控制算法的實現(xiàn)通常是基于高性能數(shù)字信號處理（DSP）芯片的控制器。本節(jié)以亞德諾半導(dǎo)體（ADI）公司的ADI21565 芯片為載體，直觀地比較了上述AINC 算法的計算復(fù)雜度。DI21565 芯片的單指令周期為1.00 ns，計算中涉及的變量均采用32位浮點型，常用運算所需的指令數(shù)如表3所示。不難看出，除法運算的計算量遠(yuǎn)遠(yuǎn)高于乘法運算。此外，指數(shù)和對數(shù)運算需要大量的計算資源。

表2 計算復(fù)雜度比較

表3 常見操作的指令數(shù)

與下文相同，濾波器長度L和次級通道長度M均取為128，根據(jù)表2 與表3 中的數(shù)據(jù)計算出FxLMS算法、MNFxLMS 算法和FxLMAD 算法在單個周期內(nèi)的指令數(shù)分別為5 115、6 485 和5 142。以FxLMS 算法指令數(shù)為基準(zhǔn)，MNFxLMS 算法與FxLMAD 算法的指令數(shù)分別增加26.8%和0.5%，后者增加的計算量極低。

3 車內(nèi)路噪主動控制仿真

為驗證不同算法對包含脈沖信號路噪的有效性，在MATLAB/Simulink 中建立多通道路噪主動控制模型，該模型中的參考信號數(shù)量為8，次級聲源與誤差傳聲器數(shù)量均為2，以前文1.1節(jié)所分析的車內(nèi)噪聲數(shù)據(jù)作為輸入進(jìn)行仿真。

3.1 次級路徑獲取

為了使仿真結(jié)果更可靠，選取實際車內(nèi)測得的次級路徑作為模型中的次級路徑估計。在駕駛員位置的左右耳位置分別布置一個聚聲泰A2B數(shù)字傳聲器（GM26-V063）作為誤差傳聲器，座椅上的頭枕揚聲器作為次級聲源，布置形式如圖7 所示?？刂泼總€次級聲源依次發(fā)出50～500 Hz 的掃頻噪聲，誤差傳聲器同時進(jìn)行采集，使用LMS 算法離線獲得次級路徑的估計值。

圖7 次級聲源與誤差傳聲器布置

實車次級通道的濾波器系數(shù)如圖8 所示，每幅子圖包含了該位置揚聲器到2 個誤差傳聲器處的2個濾波器系數(shù)。次級路徑的濾波器階數(shù)選取為128階。

圖8 揚聲器到2個誤差傳聲器的濾波器系數(shù)

3.2 仿真結(jié)果分析

將仿真數(shù)據(jù)和辨識得到的次級路徑通道導(dǎo)入到Simulink 中，采樣頻率設(shè)置為2 kHz，3 種算法的仿真結(jié)果對比如表4所示。

表4 仿真結(jié)果

在60 km/h 的勻速下，MNFxLMS 算法和FxLMAD 算法降噪量差別不大但均遠(yuǎn)好于傳統(tǒng)的FxLMS 算法。圖9 為60 km/h 各位置的頻譜分析結(jié)果，可以看到，MNFxLMS算法和FxLMAD 算法在50～500 Hz 均能取得有效的降噪效果，尤其是在低頻50～200 Hz取得的降噪效果更為明顯，說明了這兩種算法在控制包含脈沖性噪聲時的有效性?？紤]到FxLMAD 算法的計算量更低，因此有更好的實際應(yīng)用價值。

圖9 60 km/h仿真結(jié)果

4 實車試驗

4.1 試驗概況

為驗證所提方法的可行性，在某款燃油SUV 乘用車上進(jìn)行車內(nèi)路噪主動控制系統(tǒng)實車道路測試。采用與仿真相同的次級聲源、誤差傳聲器和相同數(shù)量的參考信號。系統(tǒng)的8 路參考信號來自于底盤與懸架處的共4個PCB 356A32型加速度計。這4個加速度計安裝位置的選取方法使用多重相干法為基礎(chǔ)［19］，通過枚舉法列出基于12 個初選點的所有參考信號組合，最后選擇車內(nèi)噪聲多重相干系數(shù)最大的參考信號組合作為終選結(jié)果，其實車安裝位置如圖10所示。

圖10 加速度傳感器布置

多通道路噪主動控制系統(tǒng)的硬件原理框架圖如圖11 所示，誤差信號到達(dá)A2B 傳聲器后，與汽車底盤處加速度計所獲取的振動信號共同通過由主收發(fā)器AD2428 和從收發(fā)器AD2426 構(gòu)成的A2B 鏈路上傳至DSP，當(dāng)DSP 中的存儲器數(shù)據(jù)到達(dá)設(shè)定長度時，運行多通道FxLMAD 算法，算法生成的次級聲信號再經(jīng)過數(shù)模轉(zhuǎn)換和功放后驅(qū)動揚聲器發(fā)聲。

圖11 硬件原理框圖

在A2B誤差傳聲器旁放置一個MPA 416型監(jiān)測傳聲器，用以采集降噪效果，采樣頻率為51.2 kHz數(shù)采設(shè)備為NI DAQmx。底盤加速度計與A2B 誤差傳聲器采樣頻率均為48 kHz，為提高計算效率在進(jìn)入硬件系統(tǒng)后均降采樣為2 kHz。整個硬件系統(tǒng)主要由一塊集成了數(shù)字功放和MCU、A2B 主收發(fā)器、DSP 芯片的PCB 開發(fā)板構(gòu)成。其中芯片型號為ADI公司的ADSP-21565、MCU 型號為恩智浦FS32K144 HAT0MLHT、A2B主、從收發(fā)器型號為AD2428和AD2426。其余設(shè)備還包括供電電源、線束等。試驗車輛和DSP控制器如圖12所示。

圖12 車內(nèi)路噪主動控制平臺

4.2 試驗結(jié)果分析

試驗路面選擇為粗糙瀝青路面中某段包含沖擊的路段，測試時速度分別為50、60、70 和80 km/h 勻速行駛。試驗開始時提前打開噪聲主動控制系統(tǒng)，等待5 s系統(tǒng)收斂后開始數(shù)據(jù)采集；系統(tǒng)關(guān)閉時則直接采集數(shù)據(jù)。數(shù)據(jù)采集時長均為10 s，對比噪聲主動控制系統(tǒng)開啟和關(guān)閉后相應(yīng)的噪聲信號。為提高測試結(jié)果的可信度，對不同車速下不同算法控制系統(tǒng)未開啟狀態(tài)下的車內(nèi)噪聲進(jìn)行對比。以80 km/h車速為例，其頻譜對比圖如圖13所示。

圖13 80 km/h系統(tǒng)關(guān)閉時噪聲對比

從圖中可以看出，在同一車速下，兩種系統(tǒng)關(guān)閉時的噪聲功率相差不大，在50～500 Hz 范圍內(nèi)，將系統(tǒng)關(guān)閉時（FxLMAD）車內(nèi)噪聲的總聲壓級（A 計權(quán)）減去系統(tǒng)關(guān)閉時（FxLMS）車內(nèi)噪聲的總聲壓級（A計權(quán)），得到兩種算法在系統(tǒng)關(guān)閉時前者較后者在右耳處增量為0.4 dB，左耳處為-0.4 dB。4 種車速下兩種系統(tǒng)關(guān)閉時的車內(nèi)噪聲聲壓級差值均在1 dB以內(nèi)。實車道路測試結(jié)果如表5 所示，同仿真結(jié)果類似，F(xiàn)xLMAD 算法的降噪效果優(yōu)于傳統(tǒng)的FxLMS算法。

表5 試驗結(jié)果

以80 km/h 降噪效果為例，此時左右耳在50～500 Hz 頻帶內(nèi)的總聲壓級分別下降了2.2 和2.0 dB（A），而傳統(tǒng)的FxLMS 算法中，左右耳在50～500 Hz頻帶內(nèi)的總聲壓級的降噪量為-0.6和0.2 dB（A）。

圖14 和圖15 為80 km/h 道路測 試頻譜和1/3 倍頻程對比結(jié)果。可以看出，傳統(tǒng)算法在200 Hz 以下的低頻部分控制早已失效，甚至產(chǎn)生了負(fù)向的降噪效果，而這一頻段對應(yīng)的正好是整個路面中含有脈沖性的部分，傳統(tǒng)的FxLMS 算法對沖擊工況路面依然失效。在80～200 Hz內(nèi)，F(xiàn)xLMAD 算法相較FxLMS算法有更好的噪聲控制效果，80 Hz以下的頻帶沒有得到有效的控制，其原因可能是被試驗中所使用的揚聲器頻響限制。

圖14 80 km/h道路測試結(jié)果（駕駛員座位左耳）

圖15 80 km/h道路測試結(jié)果（駕駛員座位右耳）

試驗結(jié)果表明，車輛在不同車速下，使用FxLMAD 算法的降噪系統(tǒng)在50～500 Hz 范圍內(nèi)的總聲壓級降噪量均可以達(dá)到約2 dB（A），綜上所述，F(xiàn)xLMAD 算法在具有沖擊性信號的噪聲下相較于傳統(tǒng)的FxLMS 算法有良好的穩(wěn)定性，從而使整個工況取得了更好的降噪效果，驗證了FxLMAD 算法在包含沖擊性信號的路面噪聲主動控制中的有效性。

5 結(jié)論

（1）通過對路面沖擊輸入下的車內(nèi)噪聲特性分析，表明傳統(tǒng)FxLMS 算法不適用于處理此類工況，分析了適合沖擊路況的MNFxLMS 算法和FxLMAD算法，表明該兩種算法的計算復(fù)雜度在單個周期內(nèi)對比傳統(tǒng)FxLMS算法分別增加了26.8%和0.5%。

（2）建立了不同算法的多通道路噪主動控制模型。在路面沖擊輸入下對車內(nèi)噪聲主動控制系統(tǒng)進(jìn)行仿真分析，結(jié)果表明，較傳統(tǒng)FxLMS 算法與MNFxLMS 算法，F(xiàn)xLMAD 算法不僅具有更好的降噪效果和穩(wěn)定性，而且其結(jié)構(gòu)相對簡單，計算量小，更具實際工程應(yīng)用價值。

（3）基于DSP 構(gòu)建了某燃油車路面沖擊輸入下車內(nèi)噪聲主動控制試驗系統(tǒng)。驗證了基于FxLMAD算法的車內(nèi)噪聲主動控制系統(tǒng)在控制沖擊性噪聲的實用性和有效性。