A New Robust Hybrid Active Noise Control System
Notice bibliographique
Résumé
The conventional hybrid active noise control (ANC, HANC) may significantly degrade if the reference signal for the feedforward ANC (FFANC) subcontroller consists of not only a broadband component but also a low-frequency sinusoidal component that is uncorrelated or partially correlated with the narrowband noise component that is attenuated by the feedback ANC (FBANC) subcontroller. In this paper, a new robust HANC system is proposed to mitigate the performance degradation resulting from the low-frequency sinusoidal component. A band-pass filter bank (BPFB) is applied to the FFANC reference signal to separate the low-frequency sinusoidal component from the broadband one and each of them is fed to an FFANC subcontroller that solely focuses on a single noise component. A supporting filter takes the extracted broadband component and the residual error as its input and desired signal, respectively. The same BPFB is then applied to the supporting filter error in order to separate the remaining low-frequency sinusoidal component from the narrowband component that persists in the residual error. The use of the two BPFBs and the supporting filter allows the three HANC subcontrollers to operate practically independently, each taking care of one of the pre-processed noise components which are uncorrelated with each other irrespective of the relationship between the two original noise sources. Extensive simulations are provided to demonstrate the improved effectiveness and robust capability of the proposed HANC as compared to its counterpart, even in a case that the low-frequency sinusoidal component in the FFANC reference signal is partially corrected with the primary narrowband noise component that is targeted by the FBANC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».