邹侃平，伍川辉

(西南交通大学 机械工程学院，四川 成都 610031)



基于DSP的动车组车内噪声主动控制系统设计

邹侃平，伍川辉

(西南交通大学 机械工程学院，四川 成都 610031)

随着高速铁路大规模开通，运行时噪声随着速度提高而增大，严重影响所在环境下人员的舒适性，因此有必要设计一种基于DSP的噪声主动控制系统。系统由DSP部分和音频部分组成：DSP部分以TMS320VC5509A为核心，扩展了SDRAM存储模块以和电源供电模块；音频部分以TLV320AIC23B为核心搭建语音输入输出模块。DSP和AIC23B采用I2C二线制主从式通信，DSP把AIC23B采集到的声音信号经过计算再返回AIC23B输出。同时通过上位机观察，降噪后声音幅值比降噪前幅值明显下降。实验证明：基于DSP的噪声主动控制系统能有效降低动车组车内噪声，在宽频降噪有待改善。

动车组；车内噪声；主动控制；DSP；AIC23B

近年来随着高速铁路的大面积建设，国内形成了规模化的铁路网络。高速列车运营时速从200 km/h提高到350 km/h，噪声越来越大。列车上乘客尤其处于司机室的人员长期暴露在噪声中，会引起疲劳、耳鸣、头晕等情况[1]。噪声同样会影响铁路沿线居民的身心健康，附近的建筑受空气振动影响也会加速老化，对安全造成隐患，目前铁路沿线安装大量的声屏障[2]降低噪声传播范围。研究表明，列车噪声与速度密切相关：在低速区，牵引噪声和轮轨噪声占有重要部分；在中速区轮轨噪声占有重要比例，牵引噪声占有比例下降；在高速区，气动噪声[3-4]占有比例逐渐上升，且和速度呈三次方关系，上升迅速。在当前高速列车降噪方案中，主要为被动降噪方式，即优化列车车头形状、改善车体材料、改进主要噪声源部件结构、增加橡胶弹簧隔振器等[5]。这些降噪方法属于被动降噪方式，需要进行噪声监测、建模仿真、实际应用，工作量很大，于是希望在不改变列车结构的前提下，在传播路径中进行降噪，本文提出一种使用DSP电子技术主动降噪系统的设计方案。

1 降噪系统设计方案

1933年德国物理学家Paul Leug最先提出主动降噪方法[6]，根据波的干涉原理，用一列声波和和原有的噪声声波发生干涉相消，其中两列声波的幅值、频率相同，同时相位差180°。主动噪声技术分为前馈消噪和反馈消噪[7-8]。实际应用中，噪声的参考输入往往是无法获得或者参考信号的信噪比太低，严重影响了前馈结构的实际使用价值。反馈降噪[9]效果与次级通达有非常大的关系，这种系统实现起来非常复杂，影响了它的发展。于是结合二者的优点引入自适应控制系统。方案如图1所示。

图1 主动降噪控制系统Fig.1 ANC system

初级传感器采集噪声源作为输入信号，误差传感器采集目标场区噪声作为残余信号，通过自适应滤波算法调节滤波器系数，不断调整输出信号即次级声源，使得残余信号尽可能降低，达到主动降噪效果。

2 自适应滤波

实际应用中，次级声源的声波会向初级传感器传播，这就不可避免产生声反馈问题，同时，电路运算时间和声波传播速度也严重影响消噪质量。目前采用较多的是最小均方误差(LMS)算法[10]的滤波器。

令X(n)为滤波器的输入信号，Wi(n)为滤波器的权值系数，d(n)为滤波器的期望信号，e(n)为滤波器的估计信号误差。l=0,1…,L-1,L为滤波器的阶数。

自适应滤波器的目的是，以迭代方式逐步调整滤波器系数Wi(n)，使误差信号e(n)的幅度不断减少。

定义滤波器输入信号向量为

X(n)=[x(n),x(n-1),…,x(n-l+1)]T

(1)

滤波器系数矢量为

W(n)=[w0(n),w1(n),…wL-1(n)]T

(2)

滤波器输出为

(3)

误差信号为

e(n)=d(n)-y(n)=d(n)-WT(n)X(n)

(4)

定义性能函数

ξ(n)=e2(n)=E(d2(n)-2d(n)y(n)+y2(n))

(5)

当滤波器系数固定之后，性能函数为:

ξ(n)=ξ=[d2(n)]-2WTp+WTRW

(6)

R=E[X(n)XT(n)]是输入信号相关矩阵；p=E[d(n)X(n)]是期望信号与输入信号的互相关矢量。

当矢量p和矩阵R已知时，可以求出W(n)。对W(n)求导，并令R是非奇异的，可以得到目标函数的最佳滤波权值系数

W0=R-1p

(7)

根据维纳滤波原理，期望响应信号与输出信号之间的差值均方是滤波器权值的二次方程函数，因此均方误差与自适应滤波器权值的关系是一个凹形的抛物体的曲面，该曲面的极小点为最佳维纳值。

采用最速下降法求解。在最速下降法中，下一时刻权值向量W(n)应该等于现时刻权值向量W(n)加上一个负的误差梯度-(n)的比例项，此时可以表示为:

W(n+1)=W(n)-μ(n)。

(8)

式中:μ是一个对收敛速度与系统稳定性进行调节的常数，被称为收敛因子。

对梯度进行近似计算，直接取e2(n)作为E[e2(n)]的估计值。

(9)

[e(n)=[d(n)-wT(n)x(n)]=-x(n)

(10)

(11)

可以得到滤波器系数更新公式

W(n+1)=W(n)+2μe(n)X(n)

(12)

采用递推算法的自适应滤波器，其参数将从一次迭代到另一次迭代进行更新，滤波器的参数变成与初级声源和误差信号有关。因此使用自适应滤波器，依靠递推算法进行运算，这使得它有可能在无法获得有关信号特征完整的情况下，完成滤波功能。

3 硬件设计

本方案采用TMS320VC5509A型DSP芯片[10]作为主控芯片，通过I2C和SPI控制方式连接两片TLV320AIC23B语音芯片，对两个噪声源分别进行降噪处理。AIC23B语音芯片具有A/D和D/A转换功能，A/D口用于连接拾音器采集两路声音信号，D/A用于输出处理后的次级声源。选择TPS73HD301芯片作为电源部分，输入5 V直流输出3.3 V和1.6 V供各个芯片使用。采集的原始数据由DSP传输保存到HY57V641620型同步动态存储器(SDRAM)中，通过JTAG口可以上位机可以实时监控DSP运行状况。如图2所示。

图2 系统总体框图Fig.2 Overall system block diagram

两路音频信号通过二合一AUX音频线从LINE IN接口输入AIC23B芯片中，分别保存在寄存器低16位和高16位中，实现对噪声源和目标场区的采集和A/D转换。然后音频数据可以通过McBSP口无缝连接输入DSP5509A芯片。

AIC23B与C5509A的接口有2种类型：一个是控制接口，通过该接口对AIC23B的控制寄存器编程，来设置AIC23B的工作参数；另一个是数据接口，用于传输AIC23B的A/D和D/A数据。当芯片引脚MODE为高电平时，AIC23B处于SPI三线制控制模式；当芯片引脚MODE为低电平时，AIC23B处于I2C二线制控制模式。由于C5509A本身自带I2C模块，所以控制接口选择I2C模式，其中DSP作为主设备，AIC23B作为从设备，选通方式CS引脚为低电平。接口引脚连接如图3所示。C5509A芯片的多通道缓冲串口McBSP与TLV320AIC23B的DSP模式相兼容，无需电平转换，所以数据口选择DSP模式。接口引脚连接如图4所示。

双通道降噪处理需要两片AIC23B，理论上DSPC5509A有3个McBSP接口可以分别连接3片AIC23B，通过I2C轮询方式进行分时复用传输数据。这样就会丢失部分数据，导致实时降噪效果不佳，于是本系统采用两种控制方式分别控制AIC23B达到同时降噪的效果。第一片AIC23B数据接口和McBSP0接口相连，使用I2C方式进行控制。第二片AIC23B数据接口和McBSP1接口相连，控制接口和McBSP2接口相连，设定McBSP2引脚按SPI模式输出。如图5所示。

图3 I2C控制接口Fig.3 I2C control interface

图4 数据接口Fig.4 Data interface

图5 SPI控制接口Fig.5 SPI Control Interface

TPS73HD301双电压调节器是TI公司生产主要给DSP提供电源输入的芯片。双输出电压为分体式电源应用，同时可以输出3.3 V电压电源和1.2～9.75 V的可调电压电源。输出电压与外接电阻关系式为V0=1.182(1+R1/R2)，R1和R2为外接电阻，一般R2取固定值210 K，而R1的取值根据所需输出电源电压值来调整取75 K。模块原理如图6所示。

图6 电源模块原理图Fig.6 Power Modules Schematic

HY57V641620是韩国海力士公司生产的一款64 Mb的同步动态随机存取存储器(SDRAM)，电平与LVTTL兼容[9]。本设计选择A0到A11为外部地址管脚，DQ0到DQ15为数据输入输出线，CS为片选控制管脚，WE为输入控制管脚，RAS行地址选通管脚，CAS为列地址选通管脚。当McBSP缓冲串口接收来自AIC23B音频数据时，把DSP片上RAM之前采集的原始数据保存在片外存储器中，用于试验结束后，对全部数据进行分析。如图 7所示

图7 EMIF与SDRAM连接图Fig.7 EMIF connection with SDRAM

4 软件设计

JTAG接口电路与IEEE 1149.1标准给出扫描逻辑电路一致，用于仿真和测试。通过JTAG口仿真器和上位机通信，在上位机中运行CCS3.0(Code Composer Studio)软件，观察运算过程。对DSP设置144 Hz工作频率和AIC23B设置为8 K 32 bit采样率，左右声道分别线性输入16bit长度数据存入高位地址和低位地址。芯片节电模式为部分工作状态，麦克风输入关闭，对各个寄存器初始化，I2C模块初始化，McBSP2输出SPI控制时序。由C5509A自带的通用定时器设置，AIC23B为从模式，通过分频实现AIC23B的采样频率。滤波器长度设定200阶，收敛速度设定μ=0.002，次级通道辨识次数，对采集的数据进行实时处理。主程序流程图如图8所示。

图8 主程序流程图Fig.8 Main program flow chart

子程序属于完成DSP对AIC23B采集来的音频数据进行实时处理。次级通道辨识子程序在主动降噪程序开始前，通过发出白噪声预先调节滤波器系数，对系统实际所处的环境进行一次预估，并把调节好的滤波系数发送到主动降噪的滤波器中。系统根据初级声源和目标场区误差信号计算输出次级声源，然后更新滤波器系数。

5 试验结果

在列车以200 km/h运行时，车厢前端安装初级声源传感器和次级声源音箱，座椅人耳高度安装误差传感器，车厢前端声源处发出频率为500 Hz响度为100 dB的正弦噪声通过第一片AIC23B进行降噪如图9所示，

图9 初级声源Fig.9 Primary sound source

从图10可以观察到次级声源输出信号通过自适应调节很快稳定。降噪后初级声源响度略大于降噪前声源，这是由于次级声源音响单向指向性不够优秀，在整个声场中扩散，向初级声源处传播，造成声反馈现象。次级声源和初级声源没有严格按照相位差180°，这是因为目标场区和初级声源相对位置没有按照半波长整数倍放置。在目标场区降噪后下降22 dB，如图11所示。

对500～600 Hz响度为80 dB扫频噪声通过第二片AIC23B进行降噪试验，观察目标场区幅频特性，降噪后各频率幅值下降10 dB左右，如图12所示。

图10 初级声源和次级声源Fig.10 Primary source and secondary source

图11 降噪前后误差信号Fig.11 Error signal before and after

图12 扫频降噪Fig.12 Frequency sweep Noise

6 结论

1)基于DSP的动车组车内噪声主动控制系统，能够实现对车内噪声进行实时采集和降噪。

2)在动车组平稳运行下，对单一频率噪声有良好效果，对扫频变化的声源也有具有降噪作用。

3)该系统结构灵活可以根据实际声源和目标场相对位置改变，运行稳定功耗低，具有实际应用价值。

[1] 罗梦莹.主动噪声控制研究[D].重庆:重庆大学,2013. LUO Mengying. Research of the active noise control [D].Chongqing: Chongqing University,2013.

[2] 耿传智,孙维娜,张健.关于轨道交通声屏障结构优化的仿真分析[J].铁道科学与工程学报,2014,11(8):127-134. GENG Chuanzhi, SUN Weina, ZHANG Jian.Simulation analysis of optimizing the structure of the noise barrier for railway traffic [J]. Journal of Railway Science and Engineering,2014,11(8): 127-134.

[3] 张曙光.350 km/h高速列车噪声机理、声源识别及控制[J].中国铁道科学,2009,30(1):86-90. ZHANG Shuguang. Noise mechanism, sound source localization and noise control of 350 km/h High-Speed train[J]. China Railway Science,2009,30(1):86-90.

[4] 蔡军爽,张洁,刘堂红.基于DES的高速列车气动阻力分布特性研究[J].铁道科学与工程学报,2014,11(10):64-69. CAI Junshuang, ZHANG Jie, LIU Tanghong. Study on distribution characteristics of aerodynamic drag of high-speed train based on DES[J]. Journal of Railway Science and Engineering, 2014,11(10):64-69.

[5] 纳跃跃,谢翀.高速列车透射噪声与结构噪声的分离[J].北京交通大学学报,2013,37(10):143-150. NA Yueyue, XIE Chong. High speed train transmission noise and structural noise separation[J]. Journal of Beijing Jiaotong University,2013,37(10):143-150.

[6] 周遥.基于DSP的主动噪声控制系统研究与硬件实现[D].杭州:浙江工业大学,2013. ZHOU Yao. Research and implementation of active noise control system based on DSP[D]. Hangzhou: Zhejiang University of Technology,2013.

[7] WU Lifu, HE Hongsen, QIU Xiaojun.An active impulsive noise control algorithm with logarithmic transformation[J]. IEEE Transaction on Audio, Speech, and Language Processing, 2011,19(5):1041-1044.

[8] Vicente L, Masgrau E. Novel FxLMS convergence condition with deterministic reference [J]. IEEE Transactions on Signal Processing, 2006(10):3768-3774.

[9] SUN Guohua, LI Mingfeng, Teik C. Lim. A family of threshold based robust adaptive algorithms for active impulsive noise control [J]. Applied Acoustics, 2015(4):30-36.

[10] 于华民,朱海潮,施引.自适应逆控制FXLMS算法有源噪声控制仿真研究[J].海军工程大学学报,2003,15(10):22-25. YU Huamin, ZHU Haichao, SHI Yin. A NMP adaptive inverse control basedon FXLMS algorithm applied in active noise control[J]. Journal of Naval University of Engineering,2003,15(10):22-25.

[11] 辛光,伍川辉.基于DSP的高速动车组车内噪声测试系统设计[J].中国测试,2013,39(5):84-87. XIN Guang, WU Chuanhui. High-speed EMUs interior noise test system based on DSP[J]. China Measurement & Test,2013,39(5):84-87.

[12] 佟海彬.高速列车噪声测试系统及数据处理设计[D].成都：西南交通大学,2008. TONG Haibin. Design of high-speed train noise testing system and data processing[D].Chengdu: Southwest Jiaotong University,2008.

Interior noise of EMU active control system based on DSP

ZOU Kanping，WU Chuanhui

(School of Mechanical Engineering，Southwest Jiaotong University， Chengdu 610031，China)

Due to the massive use of high-speed railway, running noise increases with speed, seriously affecting the comfort of the staff exposed to the operational environment. A DSP-based active noise control system was designed. The system consisted of the DSP part and the audio part. The DSP part took TMS320VC5509A as a core, expanding SDRAM memory modules and power supply modules. The audio part takes TLV320AIC23B as a core, building voice input and output modules. DSP used I2C for communication with AIC23B, which was two-wire and master-slave way. DSP calculated the input from AIC23B and returned the output, while observing the effect in real time via the PC. The noise amplitude decreased obviously after using the system. Experimental results show that the DSP-based active noise control system can effectively reduce interior noise of EMU. Broadband noise reduction needs to be improved.

EMU; interior noise; active noise control; DSP; AIC23B

2016-01-11

“十一五”国家科技支撑计划项目(2009BAG12A01)

伍川辉(1961-)，男，四川成都人，副教授，从事机车车辆振动信号分析研究，E-mail: chwu126@126.com

TP216+.2

A

1672-7029(2016)11-2256-06