Sinyal tepe noktaları yakalama algoritması ile aktif gürültü kontrolü

Abstract

Yapılmış olan bu çalışmada aktif gürültü kontrol sistemi yeni bir yaklaşımla araç tekerlek/yol gürültüsünü azaltma amacıyla kullanılmıştır Aktif kontrol yönteminin temeli 1930'lu yıllara dayanmaktadır. Teknolojik gelişmelerin, özellikle dijital sinyal işleme yöntemlerinin ortaya çıkması ve müthiş bir hızla ilerlemesi ile beraber pek çok alanda olduğu gibi aktif kontrol alanında da 70 yıl önce bu temeli atanların hayal edemeyeceği seviyelere gelinmiştir. Özellikle elektronik haberleşme konusunda ağırlıklı olarak kullanılan aktif kontrol yöntemi bu çalışmada bir aracın tekerlek yol etkileşiminden kaynaklanan ve araç içinde uğultu olarak nitelenen yaklaşık 1 kHz'e kadar karakteristik frekansları görülen nispeten geniş bandlı gürültüleri kontrol amacı ile kullanılmaktadır. Genelde otomobil üzerinde yapılan aktif gürültü kontrolü uygulamaları motor ve aktarma organları gibi birbirinin tekrarı şeklinde birtakım seslerin toplamından oluşan bir karakteristik gösteren gürültüler üzerinde yaygın olarak görülmektedir. Bunun sebebi, bu sistemin temelini oluşturan adaptif kontrol algoritmalarının en iyi şekilde bu tip harmonik karakterde seslerin işlenmesinde kullanılabiliyor olmasıdır. Tekerlek/yol gürültüsü ise harmonik birtakım bileşenlerin yanında bünyesinde rastlantısal karakterde gürültüleri de taşıyan bir sinyaldir. Bu çalışmada adaptif kontrolün uygulama alanlarından biri olan adaptif kestirim yapısı kullanılmıştır. Bu yapının esası, önceden alınmış ve karakteri belirlenen bir sinyalin bir sonraki adımda tekrar edileceği varsayımına dayanmaktadır. Bu şekilde işlenen sinyaller ile esas gürültü sinyallerine zıt fazda bir ters gürültü yaratılarak ortamın genel gürültü seviyesi düşürülmeye çalışılmaktadır. Sistem bir geri besleme sistemidir. İleri besleme sistemlerden en büyük farkı gürültü sinyalini algılayacak olan farklı bir sensör bulunmaması, tüm algılama işleminin tek bir mikrofon ile yapılmasıdır. Bu durumda toplam gürültü sinyali genliğinin sürekli en az seviyede tutulması ihtiyacı oluşmaktadır. Bunu sağlayan hesaplama rutini ise filtrelenmiş- XLMS algoritmasıdır. Çalışmalarda, laboratuvar ortamında oluşturulmuş olan, PVC borular, hoparlörler, mikrofon ve çeşitli ölçü-kontrol cihazlarından oluşan bir deney düzeneği kullanılmıştır. Ana yayılım ortamı olarak boruların kullanılmasının sebebi, ses dalgalarının tek boyutlu bir ortamda hareketini temin etmek, dolayısıyla ortam şartlarım kontrol altına almak ve hesaplama boyutlarını küçültmektir. Bu şekilde deney düzeneğinin bir ucundan verilen gürültü sinyalleri bir başka noktada bir kontrol gürültüsü ile azaltılmaya çalışılmaktadır. Kontrol sistemi bir dizüstü, bilgisayar üzerinde çalışan National Instrument firmasının Lab View yazılımı ile oluşturulmuştur. Hesaplama ortamına sinyallerin dijital formatta alınıp deney ortamına analog formatta verilmesi yine aynı firmanın bir analog-dijital dönüştürücü kartı vasıtasıyla yapılmaktadır. Oluşturulmuş olan algoritmanın klasik adaptif kestirim geri besleme algoritmalarından en önemli farkı ve yeniliği, bir sinyal tepe noktası yakalama işleminin devreye sokulmuş olmasıdır. Bu tür bir işleme ihtiyaç duyulmasının sebebi, tekerlek/yol gürültüsünün önceden de belirtilmiş olan, içinde rastlantısal sinyaller de bulunan karakteristiğidir. Bu karakteristikte bir sinyalin klasik adaptif kestirim yöntemi ile kontrolü esnasında algoritma, toplam sinyal içindeki periyodik birtakım bileşenlerle birlikte rastlantısal kısmı da yoketmeye çalışacaktır. Bu ise rastlantısal sinyallerin doğasından ötürü imkansız bir durumdur. Toplam sinyal içindeki periyodik kısımların genliklerinde bir azalma olmakla beraber, rastlantısal kısmın genliği tahmin edilemezlikten dolayı artacaktır. Yani toplam gürültü içinde belli karakteristiği olan ve tekrarlı sesler azalacak fakat belirsiz karakteristiği olan sesler artacaktır. Bunu çözmenin bir yolu bu rastlantısal kısımları hiç işin içine katmamak, yani sadece belli karakteristiği olan sinyalleri işleme sokmaktır. Bu durumda, rastlantısal kısım olduğu gibi kalacak diğer yandan periyodik sinyallerin genlikleri de azalacaktır. Bunu yapmanın yolu toplam gürültü sinyali içinde belli tepeler oluşturan bu bileşenlerin yakalanmasıdır. Sistem çalıştırılmaya ilk başladığında fiziksel ortamın bir tanımlaması yapılmakta, yani kontrol kaynağı ile algılama noktası arasındaki ortamın transfer fonksiyonu bulunmaktadır. Bu bilgi daha sonra kontrol sinyali ortama verilirken kullanılmaktadır. Sinyaller analiz ortamına alındıktan sonra Fourier dönüşümü ile frekans bileşenlerine ayrılmakta ve bu sayede de belli karakteristiğe sahip olanlar ortaya çıkarılmaktadır. Daha sonra, belli bir seviyenin üstünde olan bu karakteristikteki sinyaller tepe noktalan yakalama algoritması ile seçilerek adaptif kontrol işlemine tabi tutulmakta ve toplam gürültü sinyali en az olacak şekilde bir ters gürültü sinyali yaratılarak tekrar ortama verilmektedir. Sistemin ilk denemeleri sanal ortamda yaratılan gürültü ve kontrol sinyalleri ile yapılmıştır. Doğru çalıştığı görüldükten sonra, gerçek şartlarda fakat tek sinüs bileşeninden oluşan bir sinyal kullanılmıştır. Bu şekildeki bir denemede ele alman frekansta yaklaşık 25 dB bir düşme kaydedilmiştir. Bundan sonra ise araç içinde kaydedilmiş tekerlek/yol gürültü sinyali sisteme yüklenerek sonuçlar gözlenmiştir. Gerçek tekerlek/yol gürültü sinyallerini işlemekte, oluşturulan sistemin yavaş kaldığı ve istenen neticeyi vermediği görülmektedir. Bunun en büyük sebeplerinden biri, algoritmada kullanılan kayar bellek veri dizinlerinin çok yavaş işleme sokulabilmesidir. Bundan başka, kullanılan analog-dijital/dijital-analog dönüştürücü kartın sinyal işleme kapasitesi de ele alınan karakterde ve frekansta sinyalleri işlemekte yetersiz kalmaktadır. Tüm bunların dışında, oluşturulan sistemin sağlıklı olarak çalıştığı belli birtakım şartlar dahilinde gözlenmiş ve doğrulanmıştır. Daha da iyileştirme noktasında; kapasitesi daha yüksek ve daha hızlı işlemciler ile ve işlemciye daha az yük düşüren algoritmalar ile bu sistemin daha iyi sonuç verebileceği öngörülmektedir.

A new approach has been studied to reduce car tire and road noise level by means of an active noise control method in this thesis. The fundamentals of the active control system were established in the 1930s. New technologies made it possible to replace primitive methods that employed analog devices and setups recently. The active control system can be applied to a wide variety of problems in telecommunications. This study intends to use this method for booming noise control which signifies a broad band noise up to about 1 kHz. The active noise control methods in automotive applications especially aim at eliminating periodic noise such as engine and powertrain noise. The reason of this inclination is the ease of using feedback and feedforward adaptive control for controlling harmonic noise. The tire road noise, on the other hand, has a complex characteristic that contains periodic and random noise at the same time. In this study, the adaptive prediction structure has been used for canceling components of the total noise with periodic nature. Since the periodic noise components have a predictable nature, the system can correlate the signals to produce the essential anti-noise signals. The absence of a reference sensor that senses the primary noise signal is the main difference between feedback and feedforward controls. The composite noise signal that signifies a final error in the system is sensed by a microphone in front of the control speaker. In this case, there is a need to handle the error signal at a minimum level. This minimization routine is provided by the filtered-XLMS algorithm. The test setup has been established in a laboratory environment by means of PVC tubes, microphones, speakers, and signal processing devices. The main reasons for using tubes are to obtain one-dimensional propagation of sound waves and to simplify the calculations. The control process has been performed by the Lab View software of National Instruments and the data acquisition card of the same brand. The insertion of a peak picking routine in a classic adaptive predictive feedback algorithm is the main contribution of this study. The classical algorithm is unable to reduce random noise due the broadband and complex characteristics of the tire/road noise. The periodic signals can be eliminated only if they are separated from random components. The peak-picking algorithm makes this selection possible. The periodic noise is computed while random components remain out of the control system. When the system starts functioning, the transfer function is found between the control speaker and the microphone. This' information is used to compute anti noise signals afterwards. The Fourier transformation is performed to transform the signals from time to frequency domain. The main components have been selected by means of the peak-picking algorithm in this frequency domain. The selected peak-based anti noise signals are then created by adaptive XLMS algorithm. The first experiments have been performed virtually on the computer. Once the confidence of the system in these virtual experiments was verified, a reduction of about 25 dB for only one sinus signal was achieved in real condition. The final step was to observe the results for real tire/road noise signals that have been recorded in a test car. It has been observed that the system has an insufficient capacity to elaborate complex signals such as tire/road noise. The inability of shift registers to handle the signals and the unconformity of the data-acquisition card to convert the acoustic signals are the main reasons for this lack of success. Nevertheless, it was noticed that the system works well in some specific conditions. The system can be improved using a processor with higher capacity and with algorithms that require less space within the processors.