A Neural Multiple LMS Based ANC System for Reducing Acoustic Noise of High-Speed Trains

본 논문은 고속 기차안에서 음향 노이즈 신호를 감소시키는데 최소 평균 제곱 (LMS) 알고리즘과 신경망 접근을 사용하는 신규 능동 잡음 제어 (ANC) 시스템을 제공한다. 우리는 명목상 ANC 시스템으로서 LMS 프레임워크를 구성하고, 덧붙여 그것의 비정상과 불확실한 성질 때문에 실시간 잔여 노이즈를 감소시키기 위해 목적으로된 보조 ANC로서 인공 단층을 이룬 퍼셉트론 모델을 설계한다. 혼성 ANC의 매개변수 벡터는 최속 내림 계산법에 의하여 적합한 ANC 구성을 실현하기 위해 온라인 추정으로 결정된다. 우리는 한국 기차 익스프레스 (KTX)으로 측정된 현실적 음향 잡음 신호를 사용하는 제안된 ANC 시스템을 증명하기 위해 시뮬레이션 실험을 달성한다.This paper presents a novel active noise control (ANC) system using least mean square (LMS) algorithm and neural network approach for decreasing acoustic noise signals inside high-speed trains. We construct a LMS framework as a nominal ANC system and additionally design an artificial single-layered perceptron model as an auxiliary ANC which is aimed to reduce real-time residuary noise due to its nonstationary and uncertain nature. Parameter vector of the hybrid ANC is determined through online estimation to realize an adaptive ANC configuration by means of the steepest descent algorithm. We achieve simulation experiment to demonstrate the proposed ANC system employing realistic acoustic noise signals measured in Korea Train eXpress (KTX).ope