Kolloquium - Details zum Vortrag
Sie werden über Vorträge rechtzeitig per E-Mail informiert werden, wenn Sie den Newsletter des kommunikationstechnischen Kolloquiums abonnieren.
Alle Interessierten sind herzlich eingeladen, eine Anmeldung ist nicht erforderlich.
Bachelor-Vortrag: Parameter Optimierung für Systeme zur aktiven Störgeräuschunterdrückung
Onno Linschmann
21. Oktober 2016
10:00 Uhr
Hörsaal 4G IKS
Im alltäglichen Leben vieler Menschen wird Umgebungslärm zunehmend zu einem Problem. Permanente Lärmpegel am Arbeitsplatz können zu Gesundheitsproblemen und daraus folgend zu Einschränkungen der Leistungsfähigkeit führen. Auch fern vom Arbeitsplatz kann Lärm zu dauerhaftem Stress führen. Üblicherweise werden zum Schutz gegen Umgebungsgeräusche passive Dämpfer wie z.B. Ohrenschützer oder Lärmschutzwälle verwendet. Diese eignen sich aber vor allem für höhere Frequenzen. Tieffrequente Signale benötigen dagegen große Dämpfer aufgrund der größeren Wellenlänge. Um auch tieffrequente Signale kostengünstig zu dämpfen werden häufig Active Noise Control (ANC) Systeme verwendet. Dieses auf destruktiver Intereferenz beruhende aktive Verfahren emittiert gegen das Störgeräusch gegen- phasige Signale möglichst gleicher Amplitude, um es zu dämpfen.
Um eine Dämpfung auch für zeitveränderliche Störgeräuschsituationen zu ermöglichen, werden oftmals adaptive Filter angewendet. Damit eine schnelle Adaption garantiert werden kann, müssen die Parameter des Adaptionsalgorithmus möglichst optimal gewählt werden. Dies geschieht jedoch zumeist empirisch und liefert daher oft keine optimalen Lösungen. Daher zielt diese Bachelorarbeit darauf ab, ein Parameter Tuning für ein Feedforward ANC System für verschiedene Adaptionsalgorithmen durchzuführen. Da konventionelle Optimierungsalgorithmen, die z. B. auf konvexen Problemen beruhen, oftmals keine Optimallösungen finden, werden sogenannte Evolutionäre Algorithen (EA) basierend auf bionischen Verfahren verwendet. Drei verschiedene evolutionäre Algorithmen, das Simulated Annealing , die Selbst-adaptive Evolutionsstrategie und der Particle Swarm Algorithmus werden auf ihre Konvergenzeigenschaften untersucht. Dazu werden sie zunächst anhand simpler Funktionen bestimmter Eigenschaften, wie z.B. vieler lokaler Extrema, evaluiert. Anschließend wird ein Parameter Tuning für die üblich genutzten Adaptionsalgorithmen, dem Filtered-x Least-Mean-Squares (FXLMS) Algorithmus, dem Leaky FXLMS Algorithmus und dem Kalman Filter durchgeführt und deren Eignung für verschiedene Anwendungen diskutiert. Auch anhand dieses Tunings soll abschließend die Performance der Algorithmen evaluiert werden.
