ads:
LEANDRO CÉSAR DELFINO
CONTROLE ATIVO DE RUÍDO EM DUTOS
UTILIZANDO
PROCESSADORES DIGITAIS DE SINAIS
UNIVERSIDADE FEDERAL DE UBERLÂNDIA
FACULDADE DE ENGENHARIA MECÂNICA
2005
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ads:
LEANDRO CÉSAR DELFINO
CONTROLE ATIVO DE RUÍDO EM DUTOS UTILIZANDO
PROCESSADORES DIGITAIS DE SINAIS
Dissertação apresentada ao Programa de
Pós-graduaçào em Engenharia Mecânica da
Universidade Federal de Uberlândia, como
parte dos requisitos para a obtenção do título
de MESTRE EM ENGENHARIA MECÂNICA.
Área de Concentração: Mecânica dos Sólidos
e Vibrações
Orientador: Prof. Dr. Francisco Jose Ribeiro
UBERLÂNDIA – MG
2005
Dados Internacionais de Catalogação na Publicação (CIP)
D349c
Delfino, Leandro César, 1979-
Controle ativo de ruído em dutos utilizando processadores
digitais de sinais / Leandro César Delfino. - 2006.
159 f. : il.
Orientador: Francisco Jose Ribeiro.
Dissertação (mestrado) – Universidade Federal de Uberlândia,
Programa de Pós-Graduação em Engenharia Mecânica.
Inclui bibliografia.
1. Acústica - Teses. 2. Controle de ruído - Teses. 2.
Processamento de Sinais - Técnicas digitais. I. Ribeiro, Francisco
José. II. Universidade Federal de Uberlândia. Programa de Pós-
Graduação em Engenharia Me-cânica. IV. Título.
CDU: 531.77
Elaborada pelo Sistema de Bibliotecas da UFU / Setor de Catalogação e Classificação
LEANDRO CÉSAR DELFINO
CONTROLE ATIVO DE RUÍDO EM DUTOS UTILIZANDO
PROCESSADORES DIGITAIS DE SINAIS
Dissertação _____________ pelo Programa
de Pós-graduaçào em Engenharia Mecânica
da Universidade Federal de Uberlândia.
Área de Concentração: Mecânica dos Sólidos
e Vibrações
Banca Examinadora:
_____________________________
Prof. Dr. Francisco Jose Ribeiro – UFU – Orientador
_____________________________
Prof. Dr. Marcus Antonio Viana Duarte – UFU
_____________________________
Prof. Dr. Eduardo Bauzer Medeiros – UFMG
Uberlândia, 28 de Outubro de 2005.
Agradecimentos
À Universidade Federal de Uberlândia e à Faculdade de Engenharia Mecânica pela
oportunidade de realizar este Curso.
À Deus.
À minha mãe Regina, por sempre acreditar.
À minha família, pelo apoio prestado.
Ao Professor José Francisco Ribeiro, pela dedicação, apoio e orientação.
Aos Professores Valder Steffen Jr. e Francisco Paulo Lepore Neto pelas
colaborações prestadas durante o trabalho.
Aos colegas de laboratório Israel Jorge Cárdenas Nuñez e Patrick Magalhães
Cardoso.
À minha namorada Aretuza.
Aos amigos de Uberlândia e Uberaba.
À todos os demais colegas do programa de pós-graduação.
À CAPES - Coordenação de Aperfeiçoamento de Pessoas de Nível Superior, pelo
apoio financeiro.
Sumário
Lista de Figuras e Tabelas ......................................................................................................ix
Lista de Símbolos ....................................................................................................................xi
RESUMO............................................................................................................................... xiii
ABSTRACT............................................................................................................................ 14
1 Capítulo I : Introdução ........................................................................................................ 15
2 Capítulo II : Acústica Básica............................................................................................... 21
2.1 Ondas Acústicas .......................................................................................................... 21
2.1.1 Velocidade do Som nos Fluídos............................................................................ 22
2.1.2 Nível de Pressão Sonora e Intensidade Sonora ................................................... 22
2.1.3 Propagação Sonora em Dutos Retilíneos ............................................................. 23
2.2 Efeitos do Ruído no Ser Humano ................................................................................ 25
2.2.1 O Ouvido Humano................................................................................................. 25
2.2.2 Curvas de Compensação...................................................................................... 27
2.2.3 Perda de Audição e Efeito nos Sistemas Extra-auditivos ..................................... 28
3 Capítulo III : Controle Ativo de Ruído ................................................................................. 31
3.1 Sistema de Controle em Malha Aberta de Banda Larga.............................................. 32
3.2 Sistema de Controle em Malha Aberta de Banda Estreita........................................... 35
3.3 Sistema de Controle em Malha Fechada..................................................................... 37
3.4 Sistema de Controle Híbrido........................................................................................ 39
4 Capítulo IV : Algoritmos para Controle Ativo de Ruído....................................................... 41
4.1 Algoritmos para Sistemas ANC em Malha Aberta de Banda Larga............................. 42
4.1.1 Algoritmo Adaptativo LMS..................................................................................... 43
4.1.2 Efeitos do Caminho Secundário............................................................................ 44
4.1.3 Algoritmo Adaptativo FXLMS ................................................................................ 45
4.1.4 Efeitos da Realimentação Acústica....................................................................... 47
4.1.5 Algoritmo Adaptativo FBFXLMS............................................................................ 47
4.2 Algoritmos para Sistemas ANC em Malha Aberta de Banda Estreita.......................... 48
4.2.1 Método da Síntese de Ondas................................................................................ 49
4.2.2 Filtros Notch Adaptativos....................................................................................... 50
4.3 Algoritmos para Sistemas ANC em Malha Fechada.................................................... 53
4.4 Algoritmos para Sistemas ANC em Proposta Híbrida.................................................. 55
4.5 Estimativa do Caminho Secundário............................................................................. 56
4.5.1 Estimativa off-line do caminho secundário............................................................ 56
4.5.2 Estimativa on-line do caminho secundário............................................................ 58
4.5.2.1 Método Direto (Algoritmo LMS) ...................................................................... 58
4.5.2.2 Proposta de Fan ............................................................................................. 60
4.5.2.3 Proposta de Eriksson...................................................................................... 61
4.5.2.4 Proposta de Bao ............................................................................................. 64
4.5.2.5 Proposta de Kuo ............................................................................................. 65
4.5.2.6 Proposta de Zhang ......................................................................................... 67
4.6 Modelagem do Caminho de Realimentação ................................................................ 70
4.6.1 Estimativa off-line do Caminho de Realimentação................................................ 70
4.6.2 Estimativa on-line do Caminho de Realimentação................................................ 71
4.6.2.1 Método Direto (Algoritmo LMS) ...................................................................... 71
4.6.2.2 Algoritmo Adaptativo FURLMS ....................................................................... 73
5 Capítulo V : Projeto de Controladores Ativos de Ruídos (ANC)......................................... 77
5.1 Projeto do Sistema....................................................................................................... 77
viii
5.1.1 Seleção dos Transdutores Eletroacústicos ........................................................... 77
5.1.2 Causalidade........................................................................................................... 79
5.1.3 Taxa de Amostragem e Filtros Analógicos ............................................................ 80
5.1.4 Limitações Práticas e Soluções............................................................................. 82
5.2 Projeto do Software...................................................................................................... 83
5.2.1 Processadores Digitais de Sinais (DSPs).............................................................. 83
5.2.2 Benefícios dos DSPs ............................................................................................. 85
5.2.3 Projetos Baseados em DSPs ................................................................................ 85
5.2.4 Arquitetura dos DSPs ............................................................................................ 87
5.2.5 Fator de Vazamento “Leakage” ............................................................................. 88
6 Capítulo VI : Avaliação das Metodologias de Controle Ativo de Ruído .............................. 89
6.1 A Bancada Experimental.............................................................................................. 89
6.2 Recursos utilizados pelas diferentes metodologias avaliadas ..................................... 92
6.3 Testes com simples tons: Identificação off-line............................................................ 93
6.4 Testes com simples tons: Identificação on-line............................................................ 97
6.5 Testes com múltiplos tons.......................................................................................... 101
7 Capítulo VII : Conclusões e Sugestões ............................................................................ 105
8 Referência Bibliográfica .................................................................................................... 109
I Anexo I : Método do Gradiente Descendente.................................................................... 115
I.1 Regra Delta de Widrow-Hoff ....................................................................................... 115
I.2 Passo Adaptativo ........................................................................................................ 118
I.3 Algoritmo do Método da Máxima Descida................................................................... 119
I.4 Exemplo ...................................................................................................................... 120
II Anexo II : DSP TMS320LF2407A ..................................................................................... 123
II.1 Arquitetura do TMS320LF2407A............................................................................... 123
II.1.1 Organização da Memória .................................................................................... 124
II.1.2 Osciladores.......................................................................................................... 125
II.1.3 Entradas e Saídas Digitais .................................................................................. 126
II.1.4 Módulos administradores de eventos (EVA, EVB) .............................................. 127
II.1.5 Conversores A/D ................................................................................................. 129
II.2 Aritmética de Ponto Fixo ........................................................................................... 130
II.3 Biblioteca de Processamento de Sinais da Texas Instruments ................................ 133
II.3.1 Filtro FIR genérico utilizando buffer linear.......................................................... 134
II.3.2 Filtro FIR genérico utilizando buffer circular ....................................................... 137
III Anexo III : Foto da Bancada Experimental ...................................................................... 141
IV Anexo IV : Algoritmo ANC – Controle Híbrido ................................................................. 143
V Anexo V : Diagrama dos Circuitos Eletrônicos................................................................. 153
Lista de Figuras e Tabelas
Lista de Figuras e Tabelas
Figura 1.1 - Conceito físico de cancelamento ativo de ruído................................................. 16
Figura 2.1 - Propagação em Dutos Retilíneos....................................................................... 23
Figura 2.2 - O ouvido humano............................................................................................... 26
Figura 2.3 – Curvas de Compensação A e C........................................................................ 28
Figura 3.1 - Controle Ativo de Ruído em malha aberta de banda larga. ............................... 33
Figura 3.2 - Diagrama de blocos para um ANC malha aberta de banda larga...................... 33
Figura 3.3 - Controle Ativo de Ruído em malha aberta de banda estreita. ........................... 35
Figura 3.4 - Diagrama de blocos para um ANC malha aberta de banda estreita.................. 36
Figura 3.5 - Controle Ativo de Ruído em malha fechada....................................................... 37
Figura 3.6 - Diagrama de blocos para um ANC em malha fechada. ..................................... 38
Figura 3.7 – Controle Ativo Híbrido de Ruído........................................................................ 39
Figura 4.1 - Fluxograma da organização do capítulo. ........................................................... 41
Figura 4.2 - Diagrama de um ANC de banda larga. .............................................................. 42
Figura 4.3 - Sistema ANC com caminho secundário S(z). .................................................... 44
Figura 4.4 - Diagrama de blocos do algoritmo FXLMS.......................................................... 45
Figura 4.5 - Sistema ANC com cancelamento da realimentação acústica............................ 48
Figura 4.6 - Controle Ativo de Ruído com Filtro Notch Adaptativo. ....................................... 51
Figura 4.7 - Múltiplos Filtros Notch Adaptativos. ................................................................... 53
Figura 4.8 - Diagrama de Blocos do Sistema Malha Fechada. ............................................. 54
Figura 4.9 - Sistema Híbrido de Controle Ativo de Ruído...................................................... 56
Figura 4.10 - Esquema de modelagem off-line do caminho secundário. .............................. 57
Figura 4.11 - Identificação on-line do caminho secundário através da modelagem direta.... 59
Figura 4.12 - Modelagem do caminho secundário através da proposta de H. Fan............... 60
Figura 4.13 - Estimativa on-line de S(z) através da técnica de Eriksson. ............................. 62
Figura 4.14 - Estimativa on-line de S(z) através da técnica de Bao...................................... 65
Figura 4.15 - Estimativa on-line de S(z) através da técnica de Kuo...................................... 66
Figura 4.16 - Estimativa on-line de S(z) através da técnica de Zhang. ................................. 69
Figura 4.17 - Identificação on-line do caminho de retorno através da modelagem direta..... 72
Figura 4.18 - Sistema ANC com algoritmo FURLMS. ........................................................... 74
Figura 5.1 - Montagem dos microfones para redução da turbulência. .................................. 82
Figura 5.2 - Arquitetura de Von Neumann e Havard. ............................................................ 88
Figura 6.1 - Sistema Físico do Controle Ativo de Ruído........................................................ 90
Figura 6.2 - Funções de Transferência dos Caminhos do Sistema Físico............................ 92
Figura 6.3 – Estimativas do Caminhos através do MatLab®................................................. 94
Figura 6.4 – Controle FXLMS para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
................... 94
Figura 6.5 – Controle FBFXLMS para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
................... 95
Figura 6.6 – Controle Feedback para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
................... 95
Figura 6.7 – Controle Híbrido para a freqüência de 220Hz. (a) Sinal do Microfone de Erro. (b)
Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
......................... 96
Figura 6.8 – Controle Fan para a freqüência de 220Hz. (a) Sinal do Microfone de Erro. (b)
Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
......................... 98
x
Figura 6.9 – Controle Eriksson para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
.................... 98
Figura 6.10 – Controle Zhang para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
.................... 99
Figura 6.11 – Controle FXLMS multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
..................................... 101
Figura 6.12 – Controle FBFXLMS multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
..................................... 101
Figura 6.13 – Controle Feedback multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
..................................... 102
Figura 6.14 – Controle Híbrido multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
..................................... 102
Figura 6.15 – Controle Fan multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
..................................... 103
Figura 6.16 – Controle Eriksson multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
..................................... 103
Figura 6.17 – Controle Zhang multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
..................................... 104
Figura I.1 - Rede com valor desejado D e erro . ................................................................ 115
Figura I.2 - Minimização do erro quadrático. ....................................................................... 117
Figura I.3 - Interpretação geométrica do método do gradiente............................................ 117
Figura I.4 - Resultados do exemplo. (a) Sinal desejado e saída do filtro FIR...................... 121
Figura II.1 - Arquitetura do Dispositivo 240xA (SPU357B, 2001). ....................................... 123
Figura II.2 - Mapa de memória do TMS320LF2407A (SPRS145G, 2002)........................... 126
Figura II.3 - Configuração dos pinos compartilhados (SPRS145G, 2002). ......................... 127
Figura II.4 - Diagrama de Blocos do EVA (SPRS145G, 2002). ........................................... 128
Figura II.5 - Diagrama de blocos do módulo ADC (SPRS145G, 2002). .............................. 129
Figura II.6 - Rodas Numéricas (Chassaing et al., 1990)...................................................... 131
Figura II.7 - Estrutura do filtro FIR. ...................................................................................... 135
Figura II.8 - Computação do filtro FIR com buffer linear...................................................... 137
Tabela 2.1 - Limites do NPS - Portaria 3124/1978. ............................................................... 29
Tabela 6.1 - Recursos utilizados pelo processador na implementação dos algoritmos ........ 93
Tabela 6.2 - Ensaios experimentais dos algoritmos com identificação off-line...................... 97
Tabela 6.3 - Ensaios experimentais dos algoritmos com identificação on-line...................... 99
Tabela II.1 - Tabela das variáveis do objeto FIRFILT_GEN. ............................................... 135
Tabela II.2 - Tabela das variáveis do objeto FIRFILT_CGEN. ............................................ 138
Lista de Símbolos
Lista de Símbolos
2
Estimativa da Potência
ˆ
F
Estimativa do Caminho de Realimentação
E
Atraso elétrico
W
Atraso de grupo do filtro digital W(z).
T
Atraso total na eletrônica analógica
A
Atraso acústico entre o microfone de entrada e o alto-falante
Freqüência Radial
Fator de esquecimento na estimativa da potência
Passo adaptativo
Atraso dado pelo arranjo alto-falante e microfone
BW
Banda de 3dB
C
0
Velocidade da som
d
Sinal da fonte de ruído no microfone de erro
dB
Decibel (Capítulo II)
e
Sinal de erro ou resíduo
f
Freqüência
F(z)
Função entre o atuador e o microfone de referência (Caminho de
Realimentação)
FIR
Finite Impulse Response
F
s
Freqüência de Amostragem
G(z)
Função de transferência entre a fonte de ruído e o microfone de referência
I
Intensidade Acústica (Capítulo II)
k
Número de Onda Acústica
L
Distância entre o microfone e o alto-falante
LMS
Least Mean Square
n
Índice Temporal
NIS
Nível de Intensidade Acústica
NPS
Nível de Pressão Sonora
P
Pressão Sonora
P(z)
Função entre a fonte de ruído e o microfone de erro (Caminho Primário)
xii
Ŝ
Estimativa do Caminho Secundário
S(z)
Função entre o atuador e o microfone de erro (Caminho Secundário)
T
Temperatura (Capítulo II)
t
Tempo
T
Período de Amostragem
u
Sinal do Microfone de Referência
W(z)
Controlador – Filtro Digital Adaptativo que estima o Caminho Primário
x
Sinal de referência (entrada) do controlador
x'
Sinal de entrada filtrado
y
Sinal de saída do controlador
y, z
Coordenadas Cartesianas (Capítulo II)
z
Freqüência discreta (Transformada Z)
∆
Atraso de tempo das amostras entre a saída do sinal do sintetizador e sua
chegada ao microfone de erro
Delfino, L. C., 2005, Controle Ativo de Ruído Utilizando Processadores Digitais de
Sinais
, Dissertação de Mestrado, Universidade Federal de Uberlândia, Minas Gerais, Brasil.
RESUMO
RESUMO
Ruídos acústicos são conhecidos como fontes de poluição sonora que podem causar
efeitos adversos na vida humana. Para solucionar estes problemas, interesse considerável
tem sido mostrado em Controle Ativo de Ruído.
O intuito deste trabalho é estudar e analisar os principais algoritmos de Controle
Ativo de Ruído presentes na literatura, incluindo algoritmos de malha aberta (Feedfoward) e
de malha fechada (Feedback), bem como um sistema híbrido que utilize os dois conceitos.
Os problemas relacionados aos caminhos secundário e de realimentação são apresentados
e algumas soluções são discutidas. Neste âmbito, metodologias de modelagem off-line e on-
line são apresentadas.
Uma pequena introdução à acústica básica em dutos é apresentada e alguns efeitos
que o ruído acústico pode causar ao ser humano são discutidos.
Uma discussão é realizada a respeito do arranjo físico do sistema, incluindo escolha
e posicionamento dos transdutores eletroacústicos. Problemas de causalidade e do
condicionamento de sinais também são discutidos. Uma introdução a respeito dos
Processadores Digitais de Sinais (DSPs) e algumas particularidades encontradas durante o
desenvolvimento deste trabalho são apresentadas.
Para validar a performance de alguns algoritmos de controle, montou-se uma
bancada experimental constituída de um duto hidráulico de PVC utilizado como duto
acústico, onde estes algoritmos foram implementados em linguagem C em uma plataforma
DSP da Texas Instruments do tipo TMS320LF240A. Uma análise é realizada com respeito à
dificuldade e recursos utilizados por cada algoritmo implementado. Resultados e discussões
são apresentados com respeito à performance dos sistemas de controle.
Palavras Chave: Controle Ativo de Ruído, Processamento Digital de Sinais, DSP, LMS
Delfino, L. C., 2005, Active Noise Control Using Digital Signal Processors, M. Sc.
Dissertation, Universidade Federal de Uberlândia, Minas Gerais, Brazil.
ABSTRACT
ABSTRACT
Acoustical noises are known as pollution sources that cause adverse effects in
human life. Considerable investigations have been done to development of the new
technologies in Active Noise Control.
This work presents and experimentally analyses algorithms of Active Noise Control in
Ducts presented in literature, including Feedforward algorithms, Feedback algorithms and
Hybrid algorithms that uses both concepts. The identification of secondary path and
feedback path is presented and solutions are discussed. In this way, methods of off-line and
on-line modeling are presented.
A short introduction about acoustics in ducts is presented and some effects that the
acoustical noise can cause in human being are also discussed.
Problems about the sensors and actuators displacement in the duct system, causality
and signal conditioning are also argued here. An introduction about Digital Signal Processors
(DSPs) e some particularities found in the development of this works are presented.
In order to evaluate the control algorithms performance, an experimental acoustic
duct using a standard PVC water pipe was built, where those algorithms were implemented
in a DSP platform TMS320LF240A from Texas Instruments®. An analysis is done about the
difficulty and recourses used for which algorithm implemented. This work ends presenting
and discussing the obtained results for the different control procedures studied and pointing
to some future works.
Key Words: Active Noise Control, Digital Signal Processing, DSP, LMS.
CAPÍTULO I
Introdução
1Capítulo I : Introdução
Ruídos acústicos são reconhecidos como fontes de poluição sonora que podem
causar efeitos adversos na vida humana, uma vez que além de interferirem na performance
de trabalhos que exigem concentração e comunicação sonora têm, em algumas situações
de exposição indevida, provocado sérios transtornos psicológicos e/ou fisiológicos (Tokhi et
al., 1992).
Problemas de ruído acústico no meio-ambiente tornaram-se mais observáveis nas
últimas décadas devido ao aumento no número de equipamentos industriais utilizados; ao
crescimento da densidade populacional que aumentou a exposição da população ao ruído e
ao uso de materiais leves para construção e fabricação de equipamentos, resultado das
limitações nos custos.
São conhecidos alguns tipos de ruído acústico no meio-ambiente. O primeiro é
causado por turbulência, sendo totalmente aleatório. Este tipo de ruído distribui a energia
igualmente ao longo das bandas de freqüência, sendo conhecido como ruído de banda
larga. Exemplos são sons de baixa freqüência de aviões a jato e o ruído impulsivo de uma
explosão. Outro tipo, chamado de ruído de banda estreita, concentra a maior parte da
energia em freqüências específicas. Este tipo de ruído pode ser encontrado em máquinas
rotativas ou repetitivas, contendo características periódicas ou quase periódicas (Tokhi et
al., 1992).
Há duas formas de se atenuar o ruído acústico. A forma tradicional utiliza técnicas
passivas tais como cercas, barreiras e silenciadores. Normalmente, os silenciadores são
classificados como passivos, resistivos ou reativos. Os silenciadores passivos usam o
conceito de mudança da impedância para atenuar o ruído, enquanto que os resistivos
utilizam o conceito de perda de energia causada pela propagação do som em dutos
alinhados com materiais absorventes. Já os silenciadores reativos utilizam a combinação de
diafragmas e tubos para atenuar o som indesejado. Os reativos são comumente utilizados
como escapamentos em máquinas de combustão interna, enquanto que os resistivos são
16
utilizados em dutos de ventilação. Estes silenciadores são eficientes em freqüências altas
entretanto, são volumosos, caros e ineficientes em baixas freqüências.
Para solucionar o problema de ruído em baixa freqüência, interesse considerável tem
sido observado na área de controle ativo de ruídos. O sistema de controle ativo de ruído
contém um dispositivo eletroacústico que atenua o som indesejado pela geração de uma
onda sonora (anti-ruído) de igual amplitude e fase oposta. O ruído primário, indesejado, e o
anti-ruído se combinam acusticamente, resultando no cancelamento de ambos. A Figura 1.1
mostra as formas de ondas do ruído indesejado, do anti-ruído e do ruído residual quando
eles se superpõem. O desempenho do cancelamento do ruído primário depende da precisão
em amplitude e fase do anti-ruído gerado.
Figura 1.1 - Conceito físico de cancelamento ativo de ruído.
O controle ativo de ruído foi uma das primeiras aplicações eletrônicas de controle
aplicadas a sistemas físicos. Lueg registrou a patente No. 2043416 em 1936 (Lueg, 1936).
O autor fez uso de dois princípios básicos da acústica para idealizar um sistema ANC:
interferência e absorção. O princípio da interferência resulta da combinação de ondas
acústicas levando a interferências construtivas e destrutivas, que causam intensificação e
atenuação do campo sonoro, respectivamente.
O autor manipulou o princípio da superposição de tal forma que o anti-ruído gerado
produzia uma interferência destrutiva das ondas sonoras, eliminando o ruído indesejado. Ele
introduziu o conceito da atenuação ativa do som pela geração artificial de ondas deslocadas
em fase de 180
0
. Lueg também utilizou o princípio da absorção pela sincronia dos
movimentos do diafragma de um alto-falante defasados de 180
0
em relação ao ruído
indesejado. O esquema proporcionava a absorção da energia do ruído pelo alto-falante.
Lueg ilustrou o fenômeno físico que provê a possibilidade do controle ativo de ruído da
seguinte maneira (Lueg, 1936):
17
“Uma onda acústica com freqüência específica tem velocidade relativamente menor
que um sinal elétrico de mesma freqüência. Isto implica que, enquanto a onda sonora está
viajando do ponto onde foi detectada até o ponto onde será atenuada, há tempo suficiente
para o circuito eletrônico processar o sinal e ativar os elementos de controle, em um grau
maior ou menor, dependendo da freqüência, tipo de ruído e características físicas do
sistema”.
Somente após vinte anos do desenvolvimento de Lueg, o interesse pelo controle
ativo de ruído voltou a ser discutido por Olson. Este introduziu o absorvedor acústico
eletrônico (Olson et al., 1953). Em seu artigo, o autor propôs a localização de redutores de
som para ocupantes de veículos e operadores de máquinas. A onda sonora era detectada
por um microfone e passada através de um amplificador. O amplificador, então, controlava o
alto-falante de tal forma que a pressão sonora na região próxima ao microfone era reduzida.
A estrutura de feedback do dispositivo de Olson foi uma grande contribuição, porém sua
utilização possuía várias limitações práticas.
Nos anos cinqüenta, Simshauser e Hawley (1955) propuseram o desenvolvimento de
um defensor ativo de ouvido. O dispositivo reduzia o ruído do ambiente no ouvido pelo uso
de um capacete que gerava uma pressão sonora igual em magnitude e com fase oposta ao
ruído. O dispositivo desenvolvido era um sistema de dois canais, consistindo de dois
microfones e dois alto-falantes montados em ambos fones de ouvido de um capacete militar
convencional, com um amplificador e rede de deslocamento de fase para cada canal.
Atualmente esta é uma das áreas de aplicações do controle ativo de ruído de maior sucesso
(Chaplin et al., 1987).
Conover (1957) da General Electric discutiu o controle ativo do ruído em
transformadores. Seu trabalho foi baseado em um transformador de 15MVA. O autor não
confinou seu trabalho ao laboratório, desenvolvendo resultados expressivos no campo. O
esquema de Conover foi localizar alto-falantes próximos à superfície do transformador,
cancelando a pressão sonora nas proximidades. A vibração do transformador produzia um
espectro periódico com harmônicos pares múltiplos da freqüência da rede. Conover foi o
primeiro a tratar do assunto, desde então outros autores investigaram o problema.
O interesse acelerado pelo controle ativo de ruídos iniciou-se nos anos sessenta com
publicações de Jessel e co-autores na França, e Kido e associados no Japão. O trabalho de
Jessel foi concentrado em ruídos em dutos (Jessel et al., 1972). A contribuição de Jessel foi
largamente baseada no Princípio de Huygens
1
. O trabalho de Kido (1975) foi concentrado
1
O princípio de Huygens é uma construção puramente geométrica que permite determinar a posição
futura de uma frente de onda a partir de sua posição em um instante dado.
18
em ruídos de transformadores. Jessel e Kido descobriram que a principal vantagem de
controladores ativos é a sua habilidade de atenuar ruídos de baixa freqüência.
Jessel e outros (Kuo et al., 1996) também descobriram alguns problemas
associados com a redução de ruídos em dutos. Estes ofereciam realimentação acústica
devido aos componentes refletidos, tendendo a confundir os controladores, uma vez que o
microfone de referência não conseguia distinguir o ruído primário dos componentes
refletidos. Isto levava o sistema à instabilidade ou a baixa atenuação em algumas bandas de
freqüências. Há considerável pesquisa voltada ao ruído em dutos desde a patente de Lueg e
do trabalho de Jessel (Kuo et al., 1996; Potta et. al., 2000).
Por causa do fato das características da fonte de ruído acústico e do ambiente não
serem constantes, estes tipos de sistemas são ditos fortemente não-estacionários (variantes
no tempo). Um sistema de controle deveria então ser adaptativo para cobrir as mudanças
nas características da planta.
Para compensar as variações ocasionadas pelas características não-lineares e não-
estacionárias do sistema, foram propostos os controladores automaticamente adaptáveis.
Tais controladores são filtros adaptativos que possuem a propriedade de modificarem a
função de transferência ao longo do tempo através da mudança de seus coeficientes
(Goodwin et al., 1984; Clarkson, 1993). Nestes procedimentos os filtros mais comumente
usados são os do tipo resposta finita ao impulso ("Finite Impulse Response - FIR") e
resposta infinita ao impulso ("Infinite Impulse Response - IIR"). O mecanismo mais
comumente usado no ajuste dos coeficientes dos filtros é o algoritmo LMS – (Least Mean
Square) (Widrow, 1985).
Os filtros FIR possuem apenas zeros em sua equação característica, portanto são
filtros totalmente estáveis. No entanto, para modelar o sistema acústico, estes devem
possuir um grande número de coeficientes, o que pode proporcionar um grande tempo de
processamento no sistema de adaptação. Já os filtros IIR possuem pólos e zeros. Devido
aos pólos podem se tornar instáveis durante o processo de adaptação, ou mesmo na
quantização dos coeficientes. São filtros com pequeno número de coeficientes. Um sistema
de cancelamento de ruídos em dutos baseado em filtros adaptativos foi desenvolvido por
Burgess (1981).
Embora as potencialidades do controle ativo do ruído tenham sido demonstradas há
várias décadas, havia grandes dificuldades de realização devido às limitações técnicas dos
processadores digitais para realizarem os cálculos do controlador, particularmente para
sistemas que alterassem suas características rapidamente.
Toda a idéia dos controladores ativos de ruído se baseia no Processamento Digital
de Sinais (Digital Signal Processing - DSP), onde cálculos de convoluções são exigidos a
19
todo momento. Estes tipos de cálculos são realizados em processadores específicos, pois o
processamento em tempo real é uma característica inerente destes controladores.
As implementações iniciais de DSPs em grandes computadores não eram muito
práticas, contudo a disponibilidade de processadores digitais de sinais de baixo custo a
partir da década de 80 causou uma revolução na área. Deste modo, os DSPs embarcados
num único chip estão mudando o processamento digital de sinais da mesma maneira que os
microprocessadores mudaram o processamento de dados.
O primeiro DSP em um único chip foi lançado pela Texas Instruments em 1982.
Desde já estes possibilitaram a implementação de poderosos algoritmos adaptativos a um
baixo custo (Kuo et al., 1996) e encorajaram inúmeros desenvolvimentos e aplicações na
área (Eriksson et al., 1987).
Nesta linha este trabalho procura estudar as diferentes e mais promissoras técnicas
de controle ativo de ruído em dutos, discutir suas vantagens e desvantagens e avaliar
experimentalmente algumas delas quando implementadas em um processador digital de
sinais.
Para atender a estes objetivos esta dissertação está dividida como se segue. O
Capítulo seguinte introduz a teoria básica de acústica envolvida no cancelamento ativo de
ruído, bem como os efeitos danosos aos seres humanos devido à exposição excessiva ao
ruído acústico. O Capítulo III trata das principais estratégias presentes na literatura atual,
com potencialidades de implementação em DSPs, para se realizar o controleadaptativo. Já
o Capítulo IV apresenta alguns algoritmos utilizados para o cancelamento e discute os
problemas dos efeitos do caminho secundário e de realimentação. O Capítulo V trata de
alguns problemas a respeito da instrumentação e ao aparato físico envolvendo o controle
ativo de ruído. A discussão a respeito da plataforma DSP também é realizada neste mesmo
capítulo. O Capítulo VI trata da avaliação de algumas metodologias estudadas, a fim de
avaliar a performance e capacidade das mesmas. Por fim, o Capítulo VII apresenta as
devidas conclusões a respeito do trabalho, bem como futuros desdobramentos.
CAPÍTULO II
Acústica Básica
2Capítulo II : Acústica Básica
O som se caracteriza por flutuações de pressão em um meio compressível (Samir,
2000). No entanto, não são todas as flutuações de pressão que produzem a sensação de
audição quando atingem o ouvido humano. Esta sensação só ocorre quando a amplitude e
freqüência destas flutuações estiverem dentro de determinada faixa de valores. Flutuações
com amplitudes inferiores a certos valores não são audíveis (limiar de audição), no entanto,
ondas de alto nível, tais como nas proximidades de turbinas a gás, podem produzir
sensação de dor ao invés de som. Ainda, há ondas cujas freqüências de repetição estão
fora da faixa de geração de sensação auditiva, que no ser humano esta vai de 20Hz a
20KHz.
Estes valores sofrem variações fisiológicas entre as pessoas e ainda podem sofrer
influência de fatores subjetivos psicológicos. As respostas subjetivas de humanos incluem
percepção, sentimento de desconforto, apreensão e dor. Como vários fatores estão
envolvidos, como amplitude, freqüência, modo de aplicação, duração e a situação da
pessoa, os resultados são de difícil caracterização.
Neste capítulo serão apresentados alguns conceitos físicos de interesse em acústica,
tais como pressão e intensidade sonora, velocidade do som e escala decibel. Os efeitos do
ruído no ser humano serão abordados de forma concisa.
2.1 Ondas Acústicas
Na prática, a geração do som é causada pela variação da pressão ou da velocidade
das moléculas no meio. O som é uma forma de energia que é transmitida pelas sucessivas
colisões das moléculas no meio, umas contra as outras. Portanto, o som pode ser
representado por uma série de compressões e rarefações do meio em que se propaga.
22
É importante ficar claro que não há deslocamento permanente de moléculas, ou seja,
não há transferência de matéria, apenas de energia (com exceção nas proximidades da
fonte sonora).
Uma pequena variação de pressão acústica é suficiente para produzir um ruído
desconfortável (aproximadamente 0,1milibar). Por outro lado, a sensibilidade do ouvido é tal
que, uma variação de pressão de 2x10
-7
milibar pode ser detectada, caso a freqüência de
oscilação esteja na faixa mais sensível de audição, que situa-se na escala de 1KHz a 4KHz
(Samir, 2000).
2.1.1 Velocidade do Som nos Fluídos
As ondas acústicas se propagam através do meio e sua velocidade, supondo um
modelo simplificado, depende apenas da temperatura do meio (Samir, 2000). Uma fórmula
aproximada para determinação da velocidade do som no ar, em uma temperatura T (
0
C) é:
0
331,4 0,6CT[m/s] (2.1)
Para o ar a 25
0
C, a velocidade do som é de 346,4m/s.
2.1.2 Nível de Pressão Sonora e Intensidade Sonora
O ouvido humano responde a uma larga faixa de intensidade acústica, desde o limiar
de audição até o limiar da dor. Por exemplo, a 1000Hz a intensidade acústica capaz de
causar dor é 10
12
vezes a intensidade capaz de causar sensação de audição. Devido a
dificuldade de se expressar números de ordens de grandeza tão diferentes numa mesma
escala linear, adota-se a escala logarítmica. O nível de intensidade acústica NIS é dado
por:
0
10log
I
NIS
I
, com I
0
= 10
-12
Watt/m
2
(2.2)
Onde I
0
corresponde, aproximadamente, a intensidade de um tom de 1000Hz, que é
levemente audível pelo ouvido humano normal (valor de referência).
A intensidade acústica é proporcional ao quadrado da pressão acústica, assim o
nível de pressão sonora é dado por:
0
20log
P
NPS
P
, com P
0
= 2x10
-5
N/m
2
(2.3)
Onde P
0
é o valor de referência correspondente ao limiar de audição em 1000Hz.
23
Outro aspecto importante da escala dB é que ela apresenta uma correlação melhor
com a audibilidade humana. Um (1) dB é a menor variação que o ouvido humano pode
perceber. Uma redução de 6dB no nível de pressão sonora equivale a reduzir pela metade a
pressão sonora na escala linear.
2.1.3 Propagação Sonora em Dutos Retilíneos
Considere um duto retilíneo infinito com paredes internas rígidas (sem revestimento
com materiais de absorção). Se o duto for excitado por uma fonte sonora em uma das
extremidades, as ondas propagadas obedecem à equação da onda acústica (Samir, 2000).
Considerando o problema em duas dimensões y e z, conforme a Figura 2.1,o campo sonoro
obedece a seguinte equação diferencial:
22 2
2222
1
0
PP P
yzct
(2.4)
y
z
P(y,z,t)
d
Figura 2.1 - Propagação em Dutos Retilíneos.
As condições de contorno de velocidade nula da partícula nas paredes rígidas são
dadas por:
0 em 0 e
P
y
yd
y
(2.5)
Considerando a solução da equação da onda com variação harmônica simples no
tempo, tem-se:
(,,) (,)
it
Pyzt Pyze
(2.6)
Substituindo (2.6) em (2.4), resulta:
22
2
22
0
PP
kP
yz
(2.7)
onde
/kc
é o número de onda acústica.
Utilizando o método de separação de variáveis, pode-se escrever:
24
12
12 1
(,) () ()
y
Pyz P yP z Ae e
z
(2.8)
Substituindo (2.8) em (2.7), chega-se:
222
12 1
()kA
0
2
(2.9)
A solução não-trivial é dada por:
22
12
k
(2.10)
ou
2
12
i
2
k (2.11)
Substituindo (2.11) em (2.8) e (2.6):
22 22
2
22
(,,)
iy k iy k
zz
it
Pyzt e Ae e Be e
2
(2.12)
As condições de contorno requerem:
22 22
2
22 22
22
iy k iy k
it
P
eiAk e iBk e
y
2
(2.13)
Aplicando a condição em y=0, tem-se A=B, então:
2
22
2
(,,) 2 cos
z
it
Pyzt Ae e y k
(2.14)
Aplicando a condição em y=d, tem-se:
22
2
dk n
n=0, 1, 2, 3... (2.15)
Então:
1
n
i
d
(2.16)
e
2
2
2
n
ik
d
(2.17)
Assim, a solução geral fica:
2
2
(,,) 2 cos
n
iz k
d
it
n
Pyzt Ae y e
d
(2.18)
Cada modo se propaga na direção
z com um número de onda dado por:
22
22
1
n
n
kk
dc d
nc
(2.19)
25
Então, o modo n pode se propagar somente se k
n
for um número real, isto é:
2
n
nc
f
d
[Hz] (2.20)
A freqüência acima é chamada de freqüência de corte do modo n.
Em um duto uniforme de seção transversal circular de diâmetro d, considerando a
propagação em ambientes cilíndricos, a mais baixa freqüência de corte corresponde é dada
por (Samir, 2000):
1.84
2
c
f
d
(2.21)
A implicação prática destes resultados é que em um duto uniforme de paredes
rígidas, somente ondas planas podem se propagar abaixo da menor freqüência de corte.
Isto é importante para o controle ativo de ruído, pois o mesmo é mais efetivo se aplicado a
ondas planas (Kuo et al., 1997).
2.2 Efeitos do Ruído no Ser Humano
A exposição prolongada ao ruído pode causar deterioração do sistema auditivo,
desta forma se faz necessário o conhecimento do funcionamento e do comportamento deste
sistema. Também é importante conhecer os efeitos provocados pelo ruído no corpo
humano.
2.2.1 O Ouvido Humano
O ouvido humano permite perceber e interpretar o som. Este processo é complexo e
ainda não é completamente conhecido. O ouvido pode ser divido em três partes: o ouvido
externo, o médio e o interno, como mostra a Figura 2.2 (Marsh, 1999).
26
Figura 2.2 - O ouvido humano.
O ouvido externo consiste da orelha e um canal de aproximadamente 2cm. A orelha
serve para proteger o ouvido médio e prevenir danos ao tímpano. A orelha também canaliza
as ondas que alcançam o ouvido. Devido à geometria do canal, ele é capaz de amplificar os
sons com freqüências até aproximadamente 3000Hz. À medida que o som propaga através
do ouvido externo, o som ainda está na forma de uma onda de pressão acústica. Somente
quando o som alcança o tímpano, na separação do ouvido externo e médio, a energia da
onda é convertida em vibrações na estrutura óssea do ouvido. Uma compressão tensiona o
tímpano para dentro e a rarefação o tensiona para fora. Logo, o tímpano vibra com a mesma
freqüência da onda de entrada.
O ouvido médio é uma cavidade cheia de ar, consistindo de três pequenos ossos
interconectados - o martelo, a bigorna e o estribo. A vibração do tímpano coloca o martelo, a
bigorna, e o estribo em movimento com a mesma freqüência da onda. O estribo é conectado
ao ouvido interno. Assim, as vibrações do estribo são transmitidas ao fluido do ouvido médio
e criam uma onda de compressão dentro do fluido. Os três pequenos ossos do ouvido
médio agem como amplificadores das vibrações da onda sonora.
Devido à vantagem mecânica, os deslocamentos da bigorna são maiores do que a
do martelo. Além disso, como a onda de pressão que atinge uma grande área do tímpano é
concentrada em uma área menor na bigorna, a força da bigorna vibrante é
aproximadamente 15 vezes maior do que aquela do tímpano. Esta característica aumenta a
possibilidade de ouvir o mais fraco dos sons. O ouvido médio é conectado à Trompa de
Eustáquio e à boca. Esta conexão permite a equalização da pressão das cavidades cheias
de ar do ouvido.
27
O ouvido interno consiste de uma cóclea, canais semicirculares, e do nervo auditivo.
A cóclea e os canais semicirculares são cheios de líquido. O líquido e as células nervosas
dos canais semicirculares não têm função na audição; eles simplesmente servem como
sensores para detectar movimentos acelerados e na manutenção do equilíbrio do corpo.
A cóclea é um órgão em forma de espiral que possui um comprimento aproximado
de 3cm. Além de estar cheio de fluído, a superfície interna da cóclea está alinhada com
cerca de 20.000 células nervosas responsáveis pelas funções mais críticas na nossa
capacidade de ouvir. Estas células nervosas possuem comprimentos diferentes, por
diferenças minúsculas; eles também possuem diferentes graus de elasticidade no fluido que
passa sobre eles. À medida que uma onda de compressão se move da interface entre o
martelo do ouvido médio para a janela oval do ouvido interno através da cóclea, as células
nervosas na forma de cabelos entram em movimento. Cada célula capilar possui uma
sensibilidade natural a uma freqüência de vibração particular. Quando a freqüência da onda
de compressão excita a freqüência natural de uma determinada célula nervosa, esta irá
ressoar com uma grande amplitude de vibração. Esta vibração ressonante induz a célula a
liberar um impulso elétrico que passa ao longo do nervo auditivo para o cérebro. Em um
processo que ainda não é compreendido inteiramente, o cérebro é capaz de interpretar as
qualidades do som pela reação dos impulsos nervosos. Maiores detalhes sobre o
funcionamento do ouvido humano podem ser encontrados em Marsh, 1999.
2.2.2 Curvas de Compensação
O ouvido humano é menos sensitivo a freqüências muito baixas e muito altas. Para
compensar este efeito, filtros são aplicados nas medidas sonoras. Estes filtros também são
conhecidos como curvas de compensação. A mais comumente utilizada é a escala “A”, que
provê resultados, muito próximos ao do ouvido humano, denotados dB(A). A curva “C”
também é bastante utilizada, principalmente para níveis muito altos ou para baixas
freqüências.
28
Figura 2.3 – Curvas de Compensação A e C.
2.2.3 Perda de Audição e Efeito nos Sistemas Extra-auditivos
Qualquer redução na sensibilidade de audição é considerada perda de audição. A
exposição a níveis altos de ruído por um longo período danifica as células da cóclea. O
tímpano, por sua vez, raramente é danificado por ruído industrial. O primeiro efeito
fisiológico de exposição a níveis altos de ruído é a perda de audição na banda de
freqüências de 4KHz a 6KHz. Geralmente, o efeito é acompanhado pela sensação de
percepção do ruído após o afastamento do campo ruidoso. Se este efeito é temporário, o
nível original do limiar de audição é recuperado. No entanto, se a exposição é repetida antes
da completa recuperação, a perda temporária pode se tornar permanente. Quando as
células nervosas no ouvido interno são danificadas, o processo da perda de audição é
irreversível (Samir, 2000).
São conhecidos sérios problemas causados pelo ruído no corpo humano, tais como:
aceleração da pulsação, aumento da pressão sanguínea e estreitamento dos vasos
sanguíneos. Um longo tempo de exposição a ruído pode causar sobrecarga do coração
causando secreções anormais de hormônios e tensões musculares. O efeito destas
alterações aparece na forma de mudanças de comportamento, tais como: nervosismo,
fadiga mental, frustração, prejuízo no desempenho do trabalho, entre outras.
O potencial de danos devido ao ruído depende não somente de seu nível, mas
também de sua duração. A Portaria Brasileira 3.214 de 08/06/1978 define valores máximos
ao que o ser humano pode ser exposto. Alguns destes limites podem ser vistos na Tabela
2.1.
29
Tabela 2.1 - Limites do NPS - Portaria 3124/1978.
NPS dB (A) Máxima exposição diária
85 08 horas
86 07 horas
87 06 horas
88 05 horas
89 04 horas e 30 minutos
90 04 horas
91 03 horas e 30 minutos
92 03 horas
93 02 horas e 30 minutos
94 02 horas e 15 minutos
95 02 horas
96 01 hora e 45 minutos
98 01 hora e 15 minutos
100 01 hora
CAPÍTULO III
Controle Ativo de Ruído
3Capítulo III : Controle Ativo de Ruído
Desde a proposta de Lueg em 1936, as metodologias de controle ativo de ruído se
subdividiram em três categorias: a metodologia em malha aberta feedforward, a metodologia
em malha fechada feedback e a metodologia híbrida. A escolha correta depende de vários
fatores envolvidos no problema, tais como: disponibilidade de uma referência não-acústica,
tamanho do sistema físico, banda de controle, dentre outros (Bai et al., 2000).
Se sinais não-acústicos do ruído primário estão disponíveis, as estruturas
feedforward e híbrida serão eficientes (Kuo et al., 1996). Mesmo quando está referência
não-acústica estiver indisponível, as estruturas feedforward e híbrida têm sido amplamente
utilizadas como alternativa, onde um sensor acústico é utilizado como sinal de referência. Se
o sistema é pequeno, tal como um protetor auricular ativo, a estrutura feedback pode ser
uma alternativa viável (Bai et al., 1997). Se o problema não é tão simples, uma aplicação
direta do controle feedback pode garantir atenuação apenas em uma banda estreita de
freqüências (Bai et al., 1998).
Para ruídos de banda estreita, geralmente ruídos periódicos causados por máquinas
rotativas, sinais não-acústicos podem ser utilizados como referência. Ao invés de se utilizar
um microfone de entrada, acelerômetros ou tacômetros são utilizados para prover
informações sobre a fonte geradora de ruídos. O sistema de controle pode estimar a grande
quantidade de harmônicos presentes no ruído, oriundos da freqüência de rotação da
máquina, e promover o cancelamento através do sinal de anti-ruído. Este tipo de controle é
desejável em cabines de veículos, pois este não afetaria os alarmes do veículo, a
performance do sistema de áudio ou a comunicação entre os ocupantes.
Um sistema de controle ativo de ruído é constituído dos seguintes elementos:
Sensores: Microfones, acelerômetros, tacômetros ou outros dispositivos capazes de
oferecer referências dos níveis de ruído a cancelar.
Atuadores: Dispositivos eletroacústicos, através dos quais se modifica o campo
acústico com a finalidade de obter uma diminuição da pressão acústica. Podem ser
atuadores eletromecânicos.
32
Planta: Ambiente acústico a controlar. Exemplos clássicos são ondas planas
acústicas em dutos, o ruído no interior de um veículo, etc.
Controlador: Sistema eletrônico que processa os sinais dos sensores e mediante
algum conhecimento prévio da planta, gera um sinal que será transformado em
ondas acústicas pelos atuadores.
No controle de malha aberta feedforward, o ruído de referência é sentido antes de se
propagar através do alto-falante de cancelamento. No controle de malha fechada feedback,
o controlador cancela o ruído sem nenhum benefício da informação anterior da entrada de
referência (Widrow et al., 1985).
A seguir será feita uma descrição mais detalhada dos tipos de sistemas de controle
ativo de ruído, tanto para banda larga, como para banda estreita. Uma atenção especial
será dada ao controle de malha aberta para banda larga e ao controle de malha fechada, já
que estes esquemas serão desenvolvidos no cancelamento de ruídos em dutos mais
adiante.
3.1 Sistema de Controle em Malha Aberta de Banda Larga
Uma quantidade considerável de ruído de banda larga é produzida em dutos, tais
como sistemas de ventilação e exaustão. Um simples esquema de sistema de controle em
malha aberta de banda larga (Broadband Feedforward ANC) para um duto pode ser visto na
Figura 3.1. Quando se dispõe de um sinal que serve como referência do ruído que se deseja
cancelar, diz-se que o sistema é de malha aberta.
Nesta configuração o sensor de referência mede o sinal indesejado em um ponto
anterior e então alimenta um controlador para se obter o cancelamento do ruído em um
ponto posterior. Em outras palavras, um sinal de referência x(n) é medido por um microfone
próximo à fonte de ruído antes que este passe pelo alto-falante. O controlador digital utiliza o
sinal de referência para gerar um sinal y(n) de igual amplitude e fase oposta (180
0
). O sinal
de anti-ruído é utilizado para guiar o alto-falante para produzir um som de cancelamento que
atenue o ruído acústico primário no duto.
O princípio básico do sistema de controle em malha aberta é que atraso de
propagação da onda sonora entre o microfone de referência e o alto-falante ofereça tempo
suficiente de se calcular o controle e ativar o anti-ruído, causando, assim, o cancelamento
(Lueg, 1936).
33
Figura 3.1 - Controle Ativo de Ruído em malha aberta de banda larga.
A distância entre o microfone de referência e o alto-falante de cancelamento deve
satisfazer o princípio da causalidade. Isto significa dizer que o atraso do sinal acústico entre
o microfone de referência e o alto-falante deve ser maior ou no mínimo igual ao atraso entre
a fonte de ruído e o microfone de referência somado ao atraso entre o alto-falante e o
microfone de erro. De outra forma, a causalidade significa que o sinal de referência deve ser
medido de tal forma que exista tempo para se gerar o anti-ruído antes que o ruído chegue
ao alto-falante de cancelamento. Além dos atrasos acústicos, deve-se também considerar o
atraso gerado pelos cálculos realizados pelo controlador digital (Nelson, 1992).
A principal tarefa do controlador é se antecipar ao fenômeno físico, de forma
preditiva, através das informações captadas pelo sensor de referência, de modo que o ruído
seja cancelado no sensor de erro. Assim, o sinal de referência medido pelo sensor de
entrada e o sinal proveniente do sensor de erro devem possuir alta correlação.
P(z)
F(z) S(z)
W(z)
G(z)
Fonte de
Ruído
d
(
n
)
y'(n)
e
(
n
)
+
+
y(n)
x(n)
+
+
y''(n)
Microfone de
Referência
Microfone
de Erro
Controlador ANC
Figura 3.2 - Diagrama de blocos para um ANC malha aberta de banda larga.
34
Na maioria das metodologias, o controlador é um filtro digital cujos coeficientes são
modificados (adaptados) segundo uma estratégia definida. O microfone de erro mede o sinal
de erro (ou resíduo) e(n), que é comumente utilizado como um índice de performance para
adaptar os coeficientes do controlador. O uso de um sinal de erro para ajustar os
coeficientes do filtro não constitui uma realimentação (malha fechada), pois o sinal de erro
não é comparado com o sinal de referência Além disto, ele não é entrada do filtro
adaptativo, sendo utilizado somente na adaptação. O diagrama de blocos deste esquema
pode ser visto, considerando a Transformada Z, na Figura 3.2.
Os sinais e funções de transferência são:
d(n) Sinal da fonte de ruído no microfone de erro.
e(n) Sinal de erro ou resíduo.
x(n) Sinal de referência (entrada) do controlador.
y(n) Sinal de saída do controlador.
P(z) Função entre a fonte de ruído e o microfone de erro (Caminho Primário).
G(z) Função de transferência entre a fonte de ruído e o microfone de referência.
S(z) Função entre o atuador e o microfone de erro (Caminho Secundário).
F(z) Função entre o atuador e o microfone de referência (Caminho de
Realimentação).
W(z) Função de transferência do sistema de controle.
Segundo à Figura 3.2, a fonte de ruído produz um sinal indesejado que sofre
mudanças em suas propriedades ao longo dos caminhos G(z) e P(z), tornando-se u(n) e
d(n), respectivamente. O controlador W(z) recebe o sinal de referência x(n), produzindo uma
saída estimada y(n). Esta saída também sofre mudanças ao longo dos caminhos F(z) e S(z),
tornando-se y’’(n) e y’(n), respectivamente. Este por sua vez, é somado acusticamente com
o sinal d(n), gerando o resíduo do ruído e(n). A realimentação acústica indesejada y’’(n)
pode causar problemas de instabilidade no sistema. Alguns autores desconsideram a
existência da função G(z), devido ao posicionamento do sensor ser muito próximo à fonte de
ruído.
35
3.2 Sistema de Controle em Malha Aberta de Banda Estreita
Em aplicações onde o ruído primário é periódico (ou quase periódico) e é produzido
por máquinas rotativas, por exemplo, o microfone de referência pode ser substituído por um
sensor não-acústico, tal como acelerômetros, tacômetros, ou um sensor ótico. Esta
substituição elimina os problemas de realimentação acústica que ocorre no sistema de
banda larga.
Figura 3.3 - Controle Ativo de Ruído em malha aberta de banda estreita.
O esquema para um sistema de controle em malha aberta de banda estreita
(Narrowband Feedforward ANC) pode ser visto na Figura 3.3. O sensor não-acústico é
sincronizado com a fonte de ruídos e é utilizado para sintetizar um sinal de entrada que
contenha a freqüência fundamental e seus harmônicos da fonte primária. Este tipo de
sistema controla os ruídos harmônicos através da filtragem adaptativa do sinal de referência
sintetizado. Em veículos, as rotações por minuto (RPM) geralmente estão disponíveis e
podem ser usadas como sinal de referência. Um microfone de erro ainda é necessário para
medir o resíduo do ruído acústico. Este sinal de erro é então utilizado para ajustar os
coeficientes do filtro adaptativo. O diagrama de blocos pode ser visto na Figura 3.4.
Segundo à Figura 3.4, a fonte de ruído produz um sinal indesejado que sofre
mudanças em suas propriedades ao longo do caminho P(z), tornando-se d(n). O sinal de
entrada do controlador W(z) é sintetizado pelo mesmo ou adquirido por um sensor não-
acústico. Este sinal sincronizado de referência x(n) produz no controlador uma saída
estimada y(n). Esta saída também sofre mudanças ao longo do caminho S(z), tornando-se
y’(n). Este por sua vez, é somado acusticamente com o sinal d(n), gerando o resíduo e(n). A
realimentação indesejada responsável por problemas de instabilidade no sistema não ocorre
neste tipo de configuração.
36
P(z)
S(z)
W(z)
Sintetizador
de Sinais
Fonte de
Ruído
d
(
n
)
y
'
(
n
)
e
(
n
)
+
+
y(n)x(n)
Microfone de
Erro
Controlador ANC
Figura 3.4 - Diagrama de blocos para um ANC malha aberta de banda estreita.
Os sinais e funções de transferência são:
d(n) Sinal da fonte de ruído no microfone de erro.
e(n) Sinal de erro ou resíduo.
x(n) Sinal de referência (entrada) do controlador.
y(n) Sinal de saída do controlador.
P(z) Caminho Primário.
S(z) Caminho Secundário.
W(z) Função de transferência do sistema de controle.
Geralmente, esta técnica apresenta algumas vantagens como se segue (Kuo et al.,
1996):
Problemas de degradação física do microfone de referência em ambientes
agressivos são eliminados. Isto é importante do ponto de vista de engenharia, por
causa da dificuldade de medir o ruído de referência em altas temperaturas e dutos
de gás turbulentos como em sistemas de exaustão.
Os problemas de causalidade são eliminados devido à periodicidade do ruído. A
forma de onda do ruído possui componentes em freqüência constantes. Somente
ajustes em amplitude e fase são necessários. Isto permite maior flexibilidade no
posicionamento do alto-falante de cancelamento.
O controlador tem a habilidade do cancelamento seletivo, ou seja, somente alguns
harmônicos podem ser controlados independentemente (filtros notch).
É necessário modelar somente parte da função de transferência da planta acústica
relacionada com os tons harmônicos. Um filtro FIR com poucos coeficientes pode ser
usado, melhorando a eficiência computacional.
37
A realimentação acústica indesejada do alto-falante de cancelamento no microfone
de referência é eliminada.
3.3 Sistema de Controle em Malha Fechada
Este tipo de controle ativo ruído foi proposto por Olson em 1953. Neste esquema, um
microfone é utilizado como um sensor de erro para detectar o ruído indesejado. O sinal de
erro é realimentado para um filtro eletrônico com resposta em magnitude e fase desejadas
para produzir o cancelamento no sensor através de um alto-falante de cancelamento
localizado próximo ao microfone. Esta configuração oferece uma atenuação limitada sobre
uma restrita banda de freqüências para ruídos periódicos ou de banda limitada. A Figura 3.5
mostra o esquema de sistema de controle de ruídos em malha fechada (Feedback ANC).
O sistema pode sofrer de instabilidade para altas freqüências, então é necessário
introduzir no sistema filtros compensadores que evitem esta realimentação positiva. O
sistema é mais estável quanto menor seja o atraso existente entre o microfone e o alto-
falante, ou seja, situações em que a zona de silêncio esteja bem próxima ao alto-falante.
Uma das aplicações do sistema de controle em malha fechada reconhecida por
Olson em 1956 foi o cancelamento do som em fones de ouvido e protetores auriculares.
Nesta aplicação, o sistema reduz a pressão acústica na cavidade próxima ao ouvido. Este
aparato tem sido desenvolvido e pode ser encontrado comercialmente.
Figura 3.5 - Controle Ativo de Ruído em malha fechada.
38
A idéia básica deste sistema de controle consiste em se estimar o sinal do ruído
indesejado, e a partir desta estimativa gerar o sinal de cancelamento (Kuo et al., 1999).
Neste tipo de sistema somente a informação proveniente do microfone de erro é utilizada
para realizar o cancelamento. Na Figura 3.6, pode-se ver o diagrama de blocos do sistema
apresentado.
P(z)
S(z)
W(z)
Fonte de
Ruído
d
(
n
)
y
'
(
n
)
+
+
y(n)
Microfone de
Erro
Controlador ANC
e
(
n
)
Figura 3.6 - Diagrama de blocos para um ANC em malha fechada.
Os sinais e funções de transferência são:
d(n) Sinal da fonte de ruído no microfone de erro.
e(n) Sinal de erro ou resíduo.
y(n) Sinal de saída do controlador.
P(z) Caminho Primário.
S(z) Caminho Secundário.
W(z) Função de transferência do sistema de controle.
Segundo à Figura 3.6, a fonte de ruído produz um sinal indesejado que sofre
mudanças em suas propriedades ao longo do caminho P(z), tornando-se d(n). O sistema de
controle recebe um sinal de erro e(n), produzindo uma estimativa da entrada x(n). A partir
desta entrada, o controlador W(z) produz uma saída y(n). Esta saída sofre mudanças ao
longo do caminho S(z), tornando-se y’(n). Este por sua vez é somado acusticamente com o
sinal d(n), gerando o cancelamento ou atenuação do ruído. O resíduo do cancelamento e(n)
é realimentado e o processo repete indefinidamente.
39
3.4 Sistema de Controle Híbrido
Os sistemas de malha aberta (feedforward) discutidos anteriormente utilizam dois
sensores: um sensor de referência e outro de erro. No sistema de banda larga utiliza-se um
sensor acústico como referência, já no sistema de banda estreita, utiliza-se um sensor não-
acústico. Este sensor de referência capta o ruído primário a ser cancelado, enquanto o
sensor de erro monitora a performance do sistema.
O sistema de malha fechada (feedback) utiliza somente o sensor de erro para
cancelar somente as componentes estimadas do ruído primário.
A combinação das duas estruturas é denominada de sistema híbrido, como pode ser
visto na Figura 3.7. A estrutura feedforward atenua o ruído primário que está correlacionado
com o sinal de referência, enquanto que a estrutura feedback cancela as componentes
estimadas que não são observáveis pelo sensor de referência. Sistemas híbridos são
desenvolvidos para combinar as potencialidades de ambas estratégias (Yuan, 2004).
Figura 3.7 – Controle Ativo Híbrido de Ruído.
CAPÍTULO IV
Algoritmos para Controle Ativo de Ruído
4Capítulo IV : Algoritmos para Controle Ativo de Ruído
Depois de realizar uma introdução sobre as metodologias de controle ativo de ruído,
esta seção apresenta uma análise diferenciada, em função da configuração adotada, de
diferentes algoritmos de controle para sistemas mono-canal.
O capítulo inicia discutindo a estratégia de controle para sistemas em malha aberta
de banda larga, avaliando os efeitos dos caminhos secundário e de realimentação acústica.
Controle Ativo de Ruído
Malha Aberta (Feedforward)
Banda Larga
Banda Estreita
Método da
Síntese de Ondas
Filtros Notch
Adaptativos
Malha Fechada (Feedback)
Sistema Híbrido
Identificação
Caminho Secundário
FXLMS
FBFXLMS
Off Line
On Line
Método Direto
LMS
Método de Fan
Método de
Ericksson
Método de Bao
Método de Kuo
Método de Zhang
Caminho de Realimentação
Off Line
On Line
Método Direto
LMS
FURLMS
Figura 4.1 - Fluxograma da organização do capítulo.
Em seguida, trata-se dos algoritmos de malha aberta de banda estreita,
apresentando duas estratégias associadas a esta configuração.
42
Após o estudo das estratégias em malha aberta, discute-se a estratégia em malha
fechada e por fim a configuração híbrida.
A questão da identificação dos caminhos secundário e de realimentação, seja off-line
ou on-line, também é objeto de estudo neste capítulo.
Um diagrama de blocos da organização do capítulo pode ser visto na Figura 4.1.
4.1 Algoritmos para Sistemas ANC em Malha Aberta de Banda Larga
Controladores ativos de ruído em banda larga podem ser descritos como um trabalho
de identificação de sistemas. O diagrama esquemático deste tipo de controle pode ser
visualizado na Figura 4.2.
Usando a representação no domínio discreto da freqüência, o sistema de controle
ativo ideal utiliza um filtro adaptativo W(z) para estimar a resposta do caminho desconhecido
P(z) entre o sensor de referência e o sensor de erro.
A transformada Z de e(n) pode ser expressa como:
() () () ()[() ()]Ez Dz Yz Xz Pz Wz (4.1)
Onde E(z) é o sinal de erro, X(z) é o sinal de referência ou entrada e Y(z) é saída do
filtro adaptativo. Após o filtro adaptativo W(z) convergir, deseja-se que E(z) = 0. A equação
Erro! A origem da referência não foi encontrada. pode ser escrita como:
() ()Wz Pz (4.2)
P(z)
d
(
n
)
W(z)
x(n)
LMS
y(n)
e(n)
Microfone
de Erro
Sistema
Desconhecido
Controlador ANC
+
+
Fonte de
Ruído
Figura 4.2 - Diagrama de um ANC de banda larga.
Isto mostra que o filtro adaptativo W(z) estima a função de transferência
desconhecida P(z) defasada de 180
0
, o que implica em:
() ()yn dn
43
Então, a saída do filtro adaptativo y(n) tem a mesma amplitude, mas está em fase
oposta com o ruído d(n). Quando d(n) e y(n) são acusticamente combinados, o erro residual
se torna nulo ou zero, resultando no cancelamento de ambas ondas sonoras de acordo com
o princípio da superposição.
4.1.1 Algoritmo Adaptativo LMS
A maioria dos algoritmos adaptativos busca os coeficientes ótimos através do
método do gradiente descendente (Gradient Descent) ou método da máxima descida
(Stepest Descent) segundo a direção oposta do gradiente da superfície do erro. Quando
esta superfície corresponde ao erro quadrático instantâneo e se utiliza um filtro FIR, o
algoritmo em questão se denomina LMS (Least Mean Square). Este algoritmo é muito
utilizado devido a sua eficiência e simplicidade. O desenvolvimento matemático do método é
visto com mais detalhes no Anexo I.
O algoritmo LMS é apresentado a seguir:
1. Inicialização:
Coeficientes:
, M+1 coeficientes
0
() 0wi
Potência:
2
(0) 1
Parâmetro
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro FIR:
0
() () ( )
M
n
i
yn wi xn i
(4.3)
4. Estimação da potência de x(n):
22 2
() () (1 ) ( 1)nxn n
(4.4)
5. Cálculo do passo de adaptação:
2
1
0
(1)(Mn
)
(4.5)
6. Atualização dos coeficientes:
1
() () 2 ( ) ( )
nn
wi wi enxn i
(4.6)
7. Faça n=n+1 e volte ao ponto 2.
É importante notar que a equação (4.6) de atualização do filtro, em aplicações ANC,
possui o sinal negativo ao invés do sinal positivo como no algoritmo convencional LMS. Isto
vem do fato do sinal de erro de um sistema ANC ser e(n) = d(n) + y(n), resultado da
superposição (adição) acústica ao invés da subtração elétrica ou numérica.
44
4.1.2 Efeitos do Caminho Secundário
O sinal de erro e(n) é medido no microfone de erro. A somatória na Figura 4.2
representa o ambiente acústico entre o alto-falante de cancelamento e o microfone de erro,
onde o ruído primário d(n) é combinado com o anti-ruído y(n) calculado pelo filtro adaptativo.
O anti-ruído pode ser modificado pelo caminho secundário S(z) no canal acústico entre y(n)
e e(n), tal como o ruído primário é modificado pelo caminho primário P(z) entre a fonte de
ruído e o sensor de erro. Um diagrama detalhado incluindo o caminho S(z) pode ser visto na
Figura 4.3.
Desta forma é necessário realizar uma compensação para S(z) (Morgan, 1980). Em
sistemas lineares, se dois blocos estão dispostos em cascata, pode-se comutar suas
posições obtendo a mesma saída devido à mesma entrada. Realizando esta comutação, no
ramo principal obtém-se a função S(z)W(z) e no ramo inferior tem-se o filtrado FIR
adaptativo. Equacionando a discussão acima:
() ()() () ()()Ez XzPz XzWzSz (4.7)
Permutando S(z), obtém-se a entrada filtrada:
() ()() ()() ()Ez XzPz XzSzWz (4.8)
Supondo que Ŝ(z) é uma estimativa do caminho secundário S(z), a configuração
obtida é semelhante à desenvolvida para o algoritmo LMS com a diferença que a entrada
para a atualização dos coeficientes do filtro agora é filtrada pela função estimada Ŝ(z). O
esquema pode ser visualizado na Figura 4.4.
P(z)
d
(
n
)
W(z)
x(n)
LMS
e(n)
Microfone
de Erro
Sistema
Desconhecido
Controlador ANC
+
+
S(z)
y(n)
y'(n)
Fonte de
Ruído
Figura 4.3 - Sistema ANC com caminho secundário S(z).
Da equação (4.8), assumindo que W(z) tenha convergência para os valores ótimos,
supõe-se que o erro residual E(z) seja nulo. Este resultado requer que:
45
()
()
()
Pz
Wz
Sz
(4.9)
Desta maneira, o filtro adaptativo W(z) deve modelar o caminho primário P(z) e
inversamente o caminho secundário S(z). A vantagem desta aproximação é que com um
modelo apropriado, o sistema pode responder instantaneamente às mudanças no sinal de
entrada causadas pelas mudanças nas fontes de ruído. Entretanto, a performance do ANC
torna-se altamente dependente do caminho secundário. Um filtro adaptativo FIR de alta
ordem deve ser utilizado para se estimar a razão 1/S(z). Além de ser impossível inverter o
atraso causado pelo caminho secundário se o caminho primário não conter um atraso maior
ou pelo menos igual de S(z). Isto diz que a ordem de S(z) deve ser maior que de P(z). Este
limite de causalidade restringe os sistemas de controle de banda larga.
P(z)
d
(
n
)
W(z)
x(n)
LMS
e(n)
Microfone
de Erro
Sistema
Desconhecido
Controlador ANC
+
+
S(z)
y(n)
y'(n)
S(z)
x'(n)
Fonte de
Ruído
^aa
Figura 4.4 - Diagrama de blocos do algoritmo FXLMS.
Da equação (4.9), o controle será instável se em uma dada freqüência qualquer, a
resposta do caminho secundário for S(
) = 0. Se o ganho do caminho secundário também
for muito menor que o ganho do caminho primário para uma dada freqüência, a performance
do sistema também será degradada, já que o sinal de controle não conseguirá se manifestar
no microfone de erro.
O controle será ineficiente também se existir uma freqüência onde P(
) = 0, ou
seja, um zero no caminho primário causa uma freqüência não-observável no controle.
Entretanto, as características do caminho secundário possuem efeitos mais significativos na
performance do sistema de controle ativo de ruído.
4.1.3 Algoritmo Adaptativo FXLMS
Para minimizar os efeitos do caminho secundário S(z) e garantir a convergência do
processo, a entrada para o algoritmo de adaptação deve ser filtrada pela estimativa do
46
caminho secundário Ŝ(z). Isto leva ao algoritmo FXLMS (Filtered-X LMS), que foi
desenvolvido por Widrow (1981) no contexto de controle adaptativo e Burgess (1981)
aplicou ao controle ativo de ruído.
As equações de atualização dos coeficientes são as mesmas do algoritmo LMS, com
a diferença que os dados de entrada para a adaptação são filtrados pela estimativa do
caminho secundário Ŝ(z). Assim:
1
() () 2 ( ) '( )
nn
wi wi enx n i
(4.10)
Onde a entrada filtrada é dada por:
0
ˆˆ
'( ) ( ) ( )
N
T
i
i
x
nsxn sxni
(4.11)
e:
01 1
ˆˆˆˆ
[ ]
T
N
ssss
" (4.12)
é o vetor de coeficientes da estimativa do caminho secundário.
O algoritmo FXLMS é apresentado a seguir:
1. Inicialização:
Coeficientes:
0
() 0wi
, M+1 coeficientes
Potência:
2
(0) 1
Parâmetro
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro FIR:
0
() () ( )
M
n
i
yn wi xn i
(4.13)
4. Cálculo da entrada filtrada:
1
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
(4.14)
5. Estimação da potência de x’(n):
2 2 2
() '() (1 ) ( 1)nxn n
(4.15)
6. Cálculo do passo de adaptação:
2
1
0
(1)(MNn
)
(4.16)
7. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nn
wi wi enx n i
(4.17)
8. Faça n=n+1 e volte ao ponto 2.
Neste algoritmo, o passo máximo de adaptação não deve ser dado apenas pela
potência do sinal de entrada e o número de coeficientes do filtro adaptativo, conforme a
equação (4.5), mas deve-se considerar o atraso em amostras do caminho secundário
47
(Elliott, 1987). Este atraso pode ser dado pelo número de coeficientes do filtro FIR utilizado
para estimar S(z), levando à nova equação dada em (4.16).
A estimativa do caminho secundário pode ser feita tanto off-line, como on-line. O item
4.5 discute o assunto mais profundamente.
4.1.4 Efeitos da Realimentação Acústica
Examinando novamente a Figura 3.1, a saída do alto-falante de cancelamento não
só atenua o ruído no microfone de erro, mas, indesejavelmente, o anti-ruído irradia em
direção ao microfone de referência, resultando em um sinal de entrada contaminado. Este
retorno acústico introduz uma realimentação no sistema, que pode levar à instabilidade.
Este problema da realimentação indesejada tem sido intensamente estudado no
controle ativo de ruídos. Algumas soluções podem ser citadas neste contexto:
Uso de microfones e alto-falantes direcionais (Tichy et al., 1983).
Uso de sinais de compensação para cancelar os efeitos do retorno acústico. Sinais
gerados através de um filtro de compensação cujos coeficientes são determinados
off-line através de um treinamento (Kuo et al., 1996).
Uso de um filtro adaptativo em tempo real em paralelo com o caminho de retorno
(Poole et al., 1984).
Uso de filtro adaptativo IIR (Eriksson et al., 1987).
4.1.5 Algoritmo Adaptativo FBFXLMS
Um controle de malha aberta com compensação de realimentação pode ser visto na
Figura 4.5. O filtro
é um estimador do caminho de realimentação entre a saída y(n) e o
sinal de referência u(n). O filtro (z) remove a realimentação acústica do microfone de
referência. O filtro Ŝ(z) compensa os efeitos do caminho secundário S(z) no algoritmo
FXLMS, como visto anteriormente. A remoção da realimentação acústica melhora de forma
significativa a margem de estabilidade do sistema (Kuo et al., 1996).
ˆ
()Fz
ˆ
F
As expressões para o sinal de controle y(n), o sinal filtrado x’(n) e a equação de
adaptação para o algoritmo FBFXLMS (Feedback-Filtered-X LMS) são as mesmas para o
FXLMS, com exceção para x(n) no FBFXLMS que é um sinal livre da realimentação e pode
ser dado por:
48
0
ˆ
() () ( )
L
i
i
x
nun fyni
(4.18)
Onde u(n) é o sinal do microfone de referência,
é o i-ésimo coeficiente de e L+1
é o número de coeficientes do filtro.
ˆ
i
f
ˆ
()Fz
P(z)
d(n)
W(z)
LMS
x(n)
e(n)
Microfone de
Referência
Microfone
de Erro
Sistema
Desconhecido
Controlador ANC
+
+
S(z)
y'(n)
S(z)
x'(n)
F(z)
F(z)
y(n)
+
+
+
_
u(n)
Fonte de
Ruído
^aa
^aa
Figura 4.5 - Sistema ANC com cancelamento da realimentação acústica.
No caso da modelagem ideal do caminho de realimentação, isto é = F(z), a
realimentação acústica é totalmente cancelada. O filtro adaptativo converge para a função
de transferência ideal dada pela equação (4.9).
ˆ
()Fz
4.2 Algoritmos para Sistemas ANC em Malha Aberta de Banda Estreita
Em aplicações práticas, o ruído primário pode ser produzido por máquinas rotativas.
Nestes casos, o ruído possui características periódicas e um método alternativo pode ser
utilizado. Estes métodos estimam o sinal acústico utilizando uma medida indireta através de
um sensor não-acústico ao invés de um microfone de referência.
Em geral, dois tipos de sinais de referência são comumente utilizados em sistemas
de banda estreita. A primeira técnica, chamada de Método de Síntese de Ondas, foi
proposta por Chaplin em 1983. Nela, um trem de impulsos com o período igual ao inverso
da freqüência fundamental do ruído pode ser utilizado (Elliot et al., 1985).
Na segunda técnica, filtros notch adaptativos, são utilizados. Filtros notch possuem
característica rejeita-faixa com banda estreita, onde somente a freqüência central é
atenuada. Ondas senoidais que tenham as mesmas freqüências correspondendo aos tons
49
harmônicos a serem cancelados são utilizados como referência. Este método foi
originalmente desenvolvido para cancelamento de interferência tonal (Widrow et al., 1975) e
posteriormente aplicado ao controle ativo de ruído periódico (Ziegler, 1989).
4.2.1 Método da Síntese de Ondas
O sintetizador de ondas produz uma saída y(n) que excita o alto-falante de
cancelamento. A onda gerada possui sincronia com o sensor não-acústico. Um microfone na
zona de silêncio mede o resíduo acústico e é utilizado para a adaptação do sintetizador. O
cancelamento ocorre somente nas freqüências dos harmônicos.
O sintetizador armazena amostras do ruído de cancelamento {w
k
(n), k=0, 1, ..., N-1},
onde N é o número de amostras por ciclo de onda. Estas amostras representam a onda a
ser gerada para produzir o ruído de cancelamento. Isto é:
() ()
k
yn w n (4.19)
representa o k-ésimo elemento das amostras e pode ser implementado como um ponteiro
de uma lista circular controlado pelas interrupções geradas pelo sinal de sincronização.
O ruído residual é amostrado pelo microfone de erro em sincronia com o sinal de
referência. O erro é então utilizado para ajustar os valores da onda de cancelamento {w
k
(n)}
pelo seguinte algoritmo:
(1) () (
kk
wn wn en
)
(4.20)
Em sistemas práticos, existe um atraso de tempo entre o momento que o sinal excita
o alto-falante e o momento em que ele chega ao microfone de erro. Este atraso pode ser
acomodado pela subtração temporal no ponteiro k da lista circular:
(1) () (
kk
wn wn en
)
(4.21)
Onde ∆ é o atraso de tempo em amostras entre a saída do sinal do sintetizador e sua
chegada ao microfone de erro, isto é:
T
(4.22)
Onde é atraso dado pelo arranjo alto-falante e microfone (que é constante para um
dado sistema) e T é o período de amostragem. Devido ao fato da taxa de amostragem ser
sincronizada com a fonte de ruído, este número ∆ é atualizado de acordo com as mudanças
na taxa de amostragem.
50
O conceito da síntese de onda pode ser analisado através de um filtro FIR de order N
excitado por um trem de pulsos de período T
0
. Considere a função de transferência G(z)
entre a entrada X(z) e o erro E(z) mostrada a seguir:
() 1
()
()
1(1 )
N
N
Ez z
Gz
Xz
z
(4.23)
A função transferência acima representa vários filtros notches centrados em cada
freqüência harmônica do ruído. Os zeros têm amplitude unitária constante e são igualmente
espaçados (2
/T
0
) no círculo unitário no plano z. Estes zeros criam pontos de nulo na
resposta em freqüência nos harmônicos. Os pólos têm a mesma freqüência dos zeros, mas
são igualmente espaçados no círculo unitário à distância (1-
) da origem. O efeito destes
pólos é introduzir uma ressonância na vizinhança do nulo, isto reduz a banda do filtro notch.
A equação (4.23) limita o valor de
por considerações de estabilidade, isto é, 0 <
<
1. A banda de 3db para cada notch é aproximadamente (Elliot et al., 1985):
(BW Hz
T
) (4.24)
Isto indica que a banda do filtro é proporcional ao passo de adaptação e à taxa de
amostragem do sistema.
4.2.2 Filtros Notch Adaptativos
O segundo tipo de sinal de referência utilizado em controle ativo de ruído de banda
estreita é um sinal senoidal com mesma freqüência que o ruído a ser cancelado. Quando
um sinal senoidal é empregado como referência ao algoritmo LMS, este se torna um filtro
notch adaptativo centrado na freqüência da referência. As vantagens deste tipo de filtro são
que eles oferecem um fácil controle da banda, um nulo infinito e a capacidade de se adaptar
seguindo a freqüência exata do ruído. Isto é verdade quando o ruído sofre pequenas
mudanças (Kuo et al., 1996).
O diagrama de blocos para este tipo de sistema com dois coeficientes adaptativos é
mostrando na Figura 4.6. O sensor não-acústico é utilizado para determinar a freqüência
fundamental do ruído gerado. Por exemplo, um motor elétrico girando a 1800RPM completa
30 revoluções por segundo com uma freqüência fundamental de 30Hz.
Um gerador de onda senoidal prove uma referência na freqüência desejada. Com um
defasador de 90
0
, a onda senoidal é dividida em duas componentes ortogonais, x
0
(n) e x
1
(n),
que são utilizados como referência para o filtro adaptativo. Para o defasamento, pode ser
empregada a Transformada de Hilbert, um processo de integração ou derivação, ou utilizar
51
um gerador de ondas senoidais e cossenoidais. Os dois sinais são filtrados e somados para
produzir a saída y(n):
00 11
() () () () ()yn w nx n w nx n (4.25)
onde:
0
() ( )
0
x
nAsenkn
(4.26)
e
1
( ) cos( )
0
x
nB kn
(4.27)
onde
0
é a freqüência fundamental, k é o índice harmônico, A e B são amplitudes e n é
índice de tempo. O gerador de ondas pode ser implementado de várias maneiras em um
processador DSP (Jackson, 1989).
A magnitude e fase deste sinal de referência são ajustadas no controlador. Este sinal
alimenta um ou mais alto-falantes para cancelar o ruído primário. O algoritmo LMS atualiza
os coeficientes do filtro para minimizar o erro e(n):
(1) () ()(
ii i
wn wn enxn
)
k
, onde i=0 ou 1 (4.28)
Onde
k
é utilizado para compensar os efeitos do caminho secundário no harmônico
k. Este fator representa o atraso introduzido entre a saída do filtro adaptativo e a entrada do
erro residual.
P(z)
S(z)
S(z)
Fonte de
Ruído
y'(n)
+
+
Microfone de
Erro
Controlador ANC
Sensor
Não-acústico
Gerador
Senoidal
90
0
w
0
(n)
w
1
(n)
+
+
y(n)
x
0
(n)
x
1
(n)
^aa
LMS
d(n)
e(n)
Figura 4.6 - Controle Ativo de Ruído com Filtro Notch Adaptativo.
No entanto, este atraso pode ser substituído pela estimativa do caminho secundário.
O algoritmo notch adaptativo utilizando o algoritmo FXLMS pode ser expresso como:
52
(1) () ()'(
ii
wn wn enx n
)
i
, onde i=0 ou 1 (4.29)
Onde x
i
’(n) é versão filtrada de x
i
(n) pela estimativa Ŝ(z) do caminho secundário.
Em aplicações práticas, o ruído periódico usualmente contém tons na freqüência
fundamental e vários harmônicos. Este tipo de ruído pode ser atenuado por um filtro com
múltiplos notches. A realização deste tipo de estrutura requer um filtro de alta ordem, que
também pode ser realizado por conecções em paralelo ou cascata de múltiplas seções de
segunda ordem.
Um método para eliminar múltiplas senóides ou outras interferências periódicas foi
proposta por Glover em 1977. A aplicação desta técnica é gerar a referência de entrada com
uma soma de M senóides. Isto é:
1
( ) cos( )
M
mm
m
x
nA
n
(4.30)
Quando esta soma de senóides é aplicada a um filtro adaptativo, o filtro converge
para um filtro notch localizado em cada freqüência da referência. Este filtro notch adaptativo
provê um simples método para ajustar e eliminar interferências harmônicas. A aplicação de
Glover para atenuação ativa em máquinas foi patenteada (Pfaff et al., 1992).
Uma senóide de freqüência única pode ser cancelada por um filtro adaptativo de 2
coeficientes. Para o caso onde o ruído primário contém M harmônicos, M filtros adaptativos
de 2 coeficientes devem ser conectados em paralelo. Uma senóide específica é utilizada
como referência para o correspondente canal W
m
(z), que é conectado em paralelo com
outros filtros, como mostrado na Figura 4.7.
A estrutura de cada canal individual é mostrada na Figura 4.6. A função de
transferência desta configuração em paralelo é:
1
() ()
M
m
m
Wz W z
(4.31)
Onde m=1, 2, ..., M é o índice do canal. O sinal de cancelamento é a soma das M
saídas do filtro adaptativo. Isto é:
1
() ()
M
m
m
yn w n
(4.32)
53
P(z)
S(z)
Fonte de
Ruído
y'(n)
+
+
Microfone de
Erro
Controlador ANC
Sensor
Não-acústico
Gerador
Senoidal
y(n)
W
M
(z)
d(n)
e(n)
W
0
(z)
W
1
(z)
x
0
(n)
x
1
(n)
x
M
(n)
y
0
(n)
y
1
(n)
y
M
(n)
+
+
.
.
.
Figura 4.7 - Múltiplos Filtros Notch Adaptativos.
Cada entrada é filtrada pela estimativa do caminho secundário Ŝ(z):
0
ˆ
() ( )
N
mim
i
x
nsxn
i
, m=1, 2, ..., M (4.33)
Devido ao fato de apenas um microfone de erro ser utilizado, há somente um sinal de
erro e(n) utilizado para atualizar os M filtros adaptativos baseados no algoritmo FXLMS.
4.3 Algoritmos para Sistemas ANC em Malha Fechada
Ao lado dos procedimentos de controle em malha aberta, destaca-se os
controladores de malha fechada (feedback), cujo diagrama de blocos para um sistema
adaptativo é mostrado na Figura 4.8. O sinal do sensor de erro é processado pelo sistema
de controle para gerar o sinal de cancelamento. Devido ao fato deste sistema não utilizar
microfone de referência, não existe o problema da realimentação acústica.
54
P(z)
d(n)
W(z)
LMS
e(n)
Microfone
de Erro
Sistema
Desconhecido
Controlador ANC
+
+
S(z)
y'(n)
S(z)
x'(n)
Fonte de
Ruído
^aa
S(z)
^aa
y
(
n
)
x
(
n
)
+
_
Figura 4.8 - Diagrama de Blocos do Sistema Malha Fechada.
Burgess (1981) sugeriu a configuração em malha fechada com o algoritmo FXLMS
para deixar de utilizar o microfone de referência. A idéia básica deste algoritmo é estimar o
ruído primário d(n) e utiliza-lo como entrada no filtro adaptativo. Da Figura 4.8, o ruído
primário é dado por:
() () ()()Dz Ez SzY z (4.34)
Onde E(z) e Y(z) são disponíveis. Se a função de transferência do caminho
secundário for bem modelada por Ŝ(z), pode-se escrever:
ˆ
() () ()() ()Dz Ez SzY z Xz (4.35)
Desta forma, o ruído primário pode ser estimado por:
0
ˆ
() () ( 1)
N
i
i
xn en syn i
(4.36)
Onde Ŝ(z) é a estimativa do caminho secundário e N é a ordem do filtro. Nota-se que
a entrada estimada depende da saída anterior do filtro adaptativo, ou seja, existe o atraso de
uma amostra.
O algoritmo Feedback FXLMS pode ser visto a seguir:
1. Inicialização:
Coeficientes:
0
() 0wi
, M+1 coeficientes
Potência:
2
(0) 1
Parâmetro
2. Leitura de x(n).
3. Estime a entrada o filtro x(n):
55
0
ˆ
() () ( 1)
N
i
i
xn en syn i
(4.37)
4. Cálculo da saída do filtro FIR:
0
() () ( )
M
n
i
yn wi xn i
(4.38)
5. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixni
(4.39)
6. Estimação da potência de x’(n):
2 2 2
() '() (1 ) ( 1)nxn n
(4.40)
7. Cálculo do passo de adaptação:
2
1
0
(2)MN n()
(4.41)
8. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nn
wi wi enx n i
(4.42)
9. Faça n=n+1 e volte ao ponto 2.
4.4 Algoritmos para Sistemas ANC em Proposta Híbrida
O sistema híbrido utilizando FIR feedforward e feedback adaptativo é mostrado na
Figura 4.9, onde o sinal de cancelamento y(n) é gerado utilizando as saídas de ambos filtros
adaptativos A(z) e C(z), malha aberta e malha fechada, respectivamente.
O controlador combinado possui duas entradas de referência: x(n) do sensor de
referência e estimado do ruído primário. Versões filtradas x’(n) e são utilizadas
na adaptação dos coeficientes de A(z) e C(z), respectivamente.
ˆ
()dn
ˆ
'( )dn
A vantagem do sistema híbrido em relação aos outros sistemas separados é que
filtros de menor ordem podem ser utilizados para obter a mesma performance. Sistemas
híbridos também demonstram claramente vantagem quando a planta é muito ruidosa (Kuo
et al., 1999).
56
_
y
(
n
)
P(z)
d(n)
A(z)
LMS
x(n)
Microfone de
Referência
Microfone
de Erro
Sistema
Desconhecido
Controlador ANC
+
+
S(z)
y'(n)
S(z)
x'(n)
F(z)
F(z)
+
+
+
_
u(n)
Fonte de
Ruído
^aa
^aa
C(z)
LMS
S(z)
^aa
S(z)
^aa
d
(
n
)
+
_
+
+
e
(
n
)
^
Figura 4.9 - Sistema Híbrido de Controle Ativo de Ruído.
4.5 Estimativa do Caminho Secundário
A função de transferência S(z) é desconhecida e variante no tempo, devido as não
linearidades dos atuadores e sensores, mudanças de temperatura, talvez turbulências de
fluxo de gás no caminho secundário. Muitas vezes estas mudanças podem ser abruptas e
comprometer a performance do sistema adaptativo. Em outros casos, estas mudanças
podem não representar grandes problemas no cancelamento do ruído primário. Assim,
várias formas de estimativa do caminho secundário já foram propostas na literatura, sendo
estimativas em tempo real (on-line) ou através de um treinamento anterior (off-line).
4.5.1 Estimativa off-line do caminho secundário
Assumindo que as características de S(z) são desconhecidas e invariantes no tempo,
uma modelagem off-line pode ser utilizada para se estimar o caminho secundário através de
um estágio de treinamento. No final deste estágio, o modelo estimado Ŝ(z) é utilizado no
57
controle ativo de ruído. O esquema experimental para a modelagem off-line é mostrada na
Figura 4.10, onde um ruído branco não correlacionado é gerado internamente no DSP.
Como a potência do ruído gerada é conhecida, não é necessário estimá-la recursivamente.
Desta forma, o passo de adaptação é conhecido, fixo e deve satisfazer a equação (4.43).
2
1
0
(1)N
(4.43)
Filtro de
Reconstrução
D/A
S(z)
LMS
Gerador de
Ruído Branco
Filtro
Antialiasing
A/D
e(n)
e'(n)
r(n)
y(n)
+
_
Caminho Secundário H(z)
A
l
t
o
-
f
a
l
a
n
t
e
d
e
C
a
n
c
e
l
a
m
e
n
t
o
M
i
c
r
o
f
o
n
e
d
e
E
r
r
o
A
m
p
l
i
f
i
c
a
d
o
r
d
e
P
o
t
ê
n
c
i
a
P
r
é
-
a
m
p
l
i
f
i
c
a
d
o
r
^aa
Figura 4.10 - Esquema de modelagem off-line do caminho secundário.
Algoritmo para a modelagem off-line do caminho secundário:
1. Inicialização:
Coeficientes:
, N+1 coeficientes
0
ˆ
() 0si
2. Gerar uma amostra do ruído branco y(n). Este ruído gerado internamente é utilizado como
referência para o filtro adaptativo
Ŝ(z) e na adaptação de seus coeficientes.
3. Cálculo da saída do filtro adaptativo:
0
ˆ
() () ( )
N
n
i
rn si yn i
(4.44)
4. Compute a diferença:
'( ) ( ) ( )en en rn (4.45)
5. Atualização dos coeficientes:
1
ˆˆ
() () 2 '( ) ( )
nn
si si e nyn i (4.46)
6. Faça n=n+1 e volte ao ponto 2.
7. Repita o procedimento por cerca de 10 segundos. Salve os coeficientes do filtro adaptativo Ŝ(z) e
utilize nos algoritmos dados anteriormente.
58
Os erros da estimação não devem produzir diferenças de fase superiores a 90
0
no
sinal do ruído acústico, pois tais desvios produzem instabilidades (Elliot et al., 1987).
Esta modelagem também pode ser realizada através de um pacote de identificação
de sistemas, como alguns oferecidos pelo MatLab® (Delfino et al., 2005, Nuñez et al., 2004).
Após a identificação, os coeficientes são transferidos para o DSP e utilizados no controlador.
4.5.2 Estimativa on-line do caminho secundário
Em uma situação real é aconselhável se estimar a função S(z) continuamente, já que
este caminho pode-se modificar ao longo do tempo tal qual o caminho primário. Várias
propostas já foram apresentadas para solucionar este problema. Uma revisão literária
mostra que predominam duas formas de se estimar on-line o caminho secundário.
A primeira forma estima o caminho secundário S(z) através da própria saída y(n) do
filtro adaptativo. Este método envolve uma modelagem dependente e muitas vezes não
produz um modelo apropriado.(Bao et al., 1993). A segunda forma utiliza a injeção adicional
de ruído aleatório no sistema para realizar a identificação. Este método obtém uma
modelagem independente e o modelo obtido é válido para toda a banda de freqüências de
interesse. Esta injeção de ruído aumenta o ruído residual no sistema, no entanto, este efeito
pode ser reduzido através da redução da potência de ruído injetada no sistema. Algumas
destas técnicas serão tratadas a seguir.
4.5.2.1 Método Direto (Algoritmo LMS)
A solução imediata para se estimar o caminho secundário em tempo real é utilizar a
configuração clássica de identificação de modelos através da modelagem direta, utilizando
um filtro FIR e o algoritmo LMS proposto por Widrow em 1985, como mostra a Figura 4.11.
Pode-se dizer que o erro h(n) para o algoritmo de adaptação do caminho secundário no
domínio Z é dado por:
ˆ
() () ()Hz Ez Yz (4.47)
Onde é a saída do filtro adaptativo Ŝ(z). Substituindo e E(z), tem-se:
ˆ
()Yz
ˆ
()Yz
ˆ
() [() '()] ()()Hz Dz Y z SzYz (4.48)
Mas D(z)=P(z)X(z), Y(z)=W(z)X(z) e Y’(z)=S(z)W(z)X(z), assim:
ˆ
() () () () () () () () ()Hz PzXz SzWzXz SzWzXz (4.49)
59
Quando o algoritmo LMS atinge a convergência, H(z)=0 e desde que a entrada X(z) não
seja nula, a função estimativa do caminho secundário:
()
ˆ
() ()
()
Pz
Sz Sz
Wz
(4.50)
Da equação (4.50) pode-se ver que o estimador Ŝ(z) possui um erro sistemático
P(z)/W(z). O filtro adaptativo pode estimar corretamente o caminho secundário somente
quando P(z) for nulo. Esta solução não possui sentido, já que não haveria ruído a cancelar.
A equação (4.9) determinou o resultado ótimo para o filtro adaptativo. Substituindo esta
equação na (4.50), tem que Ŝ(z)=0. Outra solução que não possui sentido físico.
P(z)
d
(
n
)
W(z)
x(n)
LMS
Microfone
de Erro
Sistema
Desconhecido
+
+
S(z)
y'(n)
S(z)
Fonte de
Ruído
^aa
S(z)
^aa
LMS
y
(
n
)
+
_
e
(
n
)
h
(
n
)
Controlador ANC
x'(n)
Figura 4.11 - Identificação on-line do caminho secundário através da modelagem direta.
Algoritmo do método direto para a estimativa on-line do caminho secundário:
1. Inicialização:
Coeficientes:
, N+1 coeficientes
0
ˆ
() 0si
Coeficientes:
, M+1 coeficientes
0
() 0wi
Potência:
e
2
(0) 1
x
2
(0) 1
y
Parâmetro
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro adaptativo do caminho primário:
0
() () ( )
M
n
i
yn wi xn i
(4.51)
4. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
x
(4.52)
5. Estimação da potência de x’(k):
2 2 2
() '() (1 ) ( 1)
x
nxn n
(4.53)
60
6. Cálculo do passo de adaptação:
2
1
0
(2)
w
x
MN n
()
(4.54)
7. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nnw
wi wi enx n i
(4.55)
8. Cálculo da saída do filtro adaptativo do caminho secundário:
0
ˆ
'( ) ( ) ( )
N
n
i
yn si yn i
y
(4.56)
9. Compute a diferença:
() () '()fn en y n (4.57)
10. Estimação da potência de y(n):
2 2 2
() () (1 ) ( 1)
y
nyn n
(4.58)
11. Cálculo do passo de adaptação:
2
1
0
(1)(
s
y
Nn
)
(4.59)
12. Atualização dos coeficientes:
1
ˆˆ
() () 2 ( ) ( )
nns
si si f nyn i
(4.60)
13. Faça n=n+1 e volte ao ponto 2.
4.5.2.2 Proposta de Fan
Esta modelagem proposta por Fan em 1990 é uma variante do algoritmo LMS, onde
neste caso, o método converge através do próprio sinal de erro acústico e(n) e não com
h(n). Desta forma a função de transferência só converge para os valores ótimos quando o
algoritmo adaptativo de entrada atenua o ruído acústico. O esquema proposto pode ser visto
na Figura 4.12.
P(z)
d
(
n
)
W(z)
x(n)
LMS
Microfone
de Erro
Sistema
Desconhecido
+
+
S(z)
y'(n)
S(z)
Fonte de
Ruído
^aa
LMS
y
(
n
)
e
(
n
)
Controlador ANC
x'(n)
Figura 4.12 - Modelagem do caminho secundário através da proposta de H. Fan.
Algoritmo de Fan para a estimativa on-line do caminho secundário:
61
1. Inicialização:
Coeficientes:
, N+1 coeficientes
0
ˆ
() 0si
Coeficientes:
, M+1 coeficientes
0
() 0wi
Potência:
e
2
(0) 1
x
2
(0) 1
y
Parâmetro
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro adaptativo do caminho primário:
0
() () ( )
M
n
i
yn wi xn i
(4.61)
4. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
x
(4.62)
5. Estimação da potência de x’(k):
2 2 2
() '() (1 ) ( 1)
x
nxn n
(4.63)
6. Cálculo do passo de adaptação:
2
1
0
(2)
w
x
MN n
()
(4.64)
7. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nnw
wi wi enx n i
(4.65)
8. Estimação da potência de y(n):
2 2 2
() () (1 ) ( 1)
y
nyn n
y
(4.66)
9. Cálculo do passo de adaptação:
2
1
0
(1)(
s
y
Nn
)
(4.67)
10. Atualização dos coeficientes:
1
ˆˆ
() () 2 ( ) ( )
nns
si si enyn i
(4.68)
11. Faça n=n+1 e volte ao ponto 2.
4.5.2.3 Proposta de Eriksson
Outra maneira de se estimar o caminho secundário S(z) é por meio da adição de um
ruído aleatório como mostra a Figura 4.13. Um ruído branco de média nula é internamente
gerado e adicionado ao sinal de saída que passa pelo caminho secundário. Como ambos os
ruídos são não-correlacionados, é possível utilizar o algoritmo LMS tradicional. Esta técnica
foi desenvolvida por Eriksson em 1989
Os coeficientes de Ŝ(z) são otimizados para extrair de e(n) a parte do sinal
correlacionada com o ruído gerado pelo sistema. Desta forma Ŝ(z) tende a buscar S(z) sem
nenhum tipo de erro sistemático. O principal problema desta configuração é que se torna
necessário introduzir uma potência de ruído similar ao nível de ruído acústico que se deseja
eliminar. Como a potência do ruído aditivo é conhecida, então não é necessário estimar a
mesma através do processo recursivo. Com o número de coeficientes do filtro adaptativo
62
Ŝ(z) é possível determinar o passo de adaptação através da equação tradicionalmente
conhecida.
Se o ruído primário x(n) e o anti-ruído y(n) não estiverem presentes, S(z) pode ser
estimado off-line através do algoritmo LMS padrão, isto é:
ˆˆ
(1) ()2 ()(
iiss
sn sn envn i
)
(4.69)
P(z)
d(n)
W(z)
x(n)
LMS
Microfone
de Erro
Sistema
Desconhecido
+
+
S(z)
S(z)
Fonte de
Ruído
^aa
y
(
n
)
e
(
n
)
x'(n)
Ruído
Branco
S(z)
^aa
LMS
+
+
+
_
v
(
n
)
y
(
n
)
+
u
(
n
)
e
s
(
n
)
e
(
n
)
u
(
n
)
^
Controlador ANC
Figura 4.13 - Estimativa on-line de S(z) através da técnica de Eriksson.
Onde
,
ˆ
() () ()
s
e n un un () () ()un sn vn
é a saída do caminho secundário e
é a saída do filtro adaptativo que estima o caminho secundário. A perfeita
solução ocorre quando
.
ˆ
ˆ
() () ()un sn vn
( ) 0
s
en
Com a presença de x(n) e y(n), o sinal de
é dado por:
( )
s
en
ˆ
() () () [() () ()] ()
s
en en un dn sn yn un
ˆ
(4.70)
Agora, a equação de atualização se torna:
ˆˆ ˆ
( 1) () 2 ( ) ()*() ()*() 2 ( )()
iis s
sn sn vnisnvn snvn vni n
(4.71)
onde ( ) ( ) ( ) * ( )ndnsnyn
. Pode se demonstrar que o valor esperado da equação acima
converge para a solução ótima, visto que v(n) e ( )n
são independentes e o valor esperado
de v(n) é igual a zero. Pode se notar que o último termo é uma perturbação que degrada a
performance de convergência da modelagem. No pior caso, este processo de estimação
pode ser divergente (Kuo et al., 1999).
Na estimativa de W(z), a equação de adaptação é dada por:
63
(1) ()2 ()'(
iiw
wn wn enxn i
)
(4.72)
onde o erro, quando não há injeção de ruído branco é dado por:
() () () ()en dn sn yn (4.73)
No caso ideal, quando um cancelamento perfeito é alcançado. No caso
prático quando é desconhecido e deve ser estimado em tempo real enquanto o
controlador estiver operando, o ruído branco v(n) dever ser injetado no sistema, isto é:
ˆ
() ()Sz Sz
ˆ
()Sz
() () () () ()en dn sn yn un (4.74)
Neste caso a parcela de adaptação:
( 1) () 2 '( )[() () ()] 2 '( )()
iiw w
wn wn xn idn sn yn xn iun
(4.75)
Como u(n) é não-correlacionado com o ruído primário x(n), pode-se dizer que esta
parcela perturba o processo iterativo de W(z).
Algoritmo de Eriksson para a estimativa on-line do caminho secundário:
1. Inicialização:
Coeficientes:
, N+1 coeficientes
0
ˆ
() 0si
Coeficientes:
, M+1 coeficientes
0
() 0wi
Potência:
2
(0) 1
x
Parâmetros
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro adaptativo do caminho primário:
0
() () ( )
M
n
i
yn wi xn i
(4.76)
4. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
x
(4.77)
5. Estimação da potência de x’(n):
2 2 2
() '() (1 ) ( 1)
x
nxn n
(4.78)
6. Cálculo do passo de adaptação:
2
1
0
(2)
w
x
MN n
()
(4.79)
7. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nnw
wi wi enx n i
(4.80)
8. Adição do ruído branco:
() () ()yn yn vn (4.81)
9. Cálculo da saída do filtro adaptativo do caminho secundário:
0
ˆ
ˆ
() () ( )
N
n
i
un si vn i
(4.82)
10. Compute a diferença:
ˆ
() () ()
s
en en un (4.83)
11. Atualização dos coeficientes:
64
1
ˆˆ
() () 2 ( ) ( )
nnss
si si e nvn i
(4.84)
12. Faça n=n+1 e volte ao ponto 2.
4.5.2.4 Proposta de Bao
O método proposto por Bao em 1993 também trata da modelagem on-line do
caminho secundário através da injeção de ruído branco aditivo. Esta proposta trata da
redução da interferência indesejada introduzida no controlador por ( )n
segundo a equação
(4.71) na estimativa de S(z). O diagrama de blocos pode ser visto na Figura 4.14.
Este método utiliza um filtro adaptativo adicional, B(z), para cancelar a interferência
introduzida na estimativa de S(z). B(z) é excitado pelo ruído primário x(n). A taxa de
convergência da modelagem é melhorada de forma considerável. Entretanto, o efeito da
perturbação causado por v(n) em W(z) não é considerado.
Algoritmo de Bao para a estimativa on-line do caminho secundário:
1. Inicialização:
Coeficientes:
0
ˆ
() 0si
, N+1 coeficientes
Coeficientes:
0
() 0wi
, M+1 coeficientes
Coeficientes:
0
() 0bi
, L+1 coeficientes
Potência:
e
2
(0) 1
x
2
(0) 1
xx
Parâmetros
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro adaptativo do caminho primário:
0
() () ( )
M
n
i
yn wi xn i
(4.85)
4. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
x
(4.86)
5. Estimação da potência de x’(n):
2 2 2
() '() (1 ) ( 1)
x
nxn n
(4.87)
6. Cálculo do passo de adaptação:
2
1
0
(2)
w
x
MN n
()
(4.88)
7. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nnw
wi wi enx n i
(4.89)
8. Adição do ruído branco:
() () ()yn yn vn (4.90)
9. Cálculo do sinal de erro compensado:
0
() () () ( )
L
n
i
gn en bi xn i
(4.91)
10. Estimação da potência de x(n):
2 2 2
() () (1 ) ( 1)
xx xx
nxn n
(4.92)
11. Cálculo do passo de adaptação:
65
2
1
0
(1)(
b
xx
Ln
)
(4.93)
12. Atualização dos coeficientes:
1
() () 2 ( ) ( )
nnb
bi bi gnxn i (4.94)
13. Cálculo da saída do filtro adaptativo do caminho secundário:
0
ˆ
ˆ
() () ( )
N
n
i
un si vn i
(4.95)
14. Compute a diferença:
ˆ
() () ()
s
en gn un (4.96)
15. Atualização dos coeficientes:
1
ˆˆ
() () 2 ( ) ( )
nnss
si si e nvn i
(4.97)
16. Faça n=n+1 e volte ao ponto 2.
P(z)
d(n)
W(z)
x(n)
LMS
Microfone
de Erro
Sistema
Desconhecido
+
+
S(z)
S(z)
Fonte de
Ruído
^aa
y
(
n
)
e
(
n
)
x'(n)
Ruído
Branco
S(z)
^aa
LMS
+
+
+
_
v
(
n
)
y
(
n
)
+
u
(
n
)
e
s
(
n
)
e
(
n
)
u
(
n
)
^
B(z)
LMS
+
_
g
(
n
)
Controlador ANC
Figura 4.14 - Estimativa on-line de S(z) através da técnica de Bao.
4.5.2.5 Proposta de Kuo
O conceito básico do algoritmo proposto por Kuo em 1997 é eliminar a interferência
()n
que aparece na equação (4.71) que afeta a convergência na modelagem do filtro Ŝ(z).
Devido ao fato da interferência ser variante no tempo, um preceptor adaptativo é utilizado
para seguir mudanças e diminuir seus efeitos. O sistema completo de controle ativo de ruído
com um preceptor adaptativo otimizado para modelagem em tempo real pode ser visto na
Figura 4.15 (Kuo et al., 1997).
66
O atraso ∆ é utilizado para garantir que o ruído branco usado para a modelagem seja
não-correlacionado, enquanto que as componentes do ruído primário permanecem
correlacionadas com a interferência ( )n
.
Assumindo que o caminho S(z) seja modelado por um filtro FIR de ordem M, desde
que o sinal de treino v(n) possua média nula, Kuo demonstrou que atraso deve satisfazer:
M (4.98)
Desta forma, o sinal de treino em e(n) e em e(n-∆) serão não-correlacionados. Como
conseqüência, o filtro preceptor B(z) não será capaz de cancelar o sinal de treino. Então, a
saída do filtro de erro será aproximadamente:
() ()()Gz SzVz (4.99)
onde as interferências d(n) e y(n) estão ausentes, prevenindo a modelagem de S(z) de ser
degradada pelas componentes do ruído primário.
P(z)
d(n)
W(z)
x(n)
LMS
Microfone
de Erro
Sistema
Desconhecido
+
+
S(z)
S(z)
Fonte de
Ruído
^aa
y
(
n
)
e
(
n
)
x'(n)
Ruído
Branco
S(z)
^aa
LMS
+
+
+
_
v
(
n
)
y
(
n
)
+
u
(
n
)
e
s
(
n
)
e
(
n
)
u
(
n
)
^
B(z)
LMS
+
_
g
(
n
)
Controlador ANC
z
-
e
(
n
-
)
Figura 4.15 - Estimativa on-line de S(z) através da técnica de Kuo.
Algoritmo de Kuo para a modelagem on-line do caminho secundário:
1. Inicialização:
Coeficientes:
0
ˆ
() 0si
, N+1 coeficientes
Coeficientes:
0
() 0wi
, M+1 coeficientes
Coeficientes:
0
() 0bi
, L+1 coeficientes
Potência:
e
2
(0) 1
x
2
(0) 1
e
67
Parâmetros
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro adaptativo do caminho primário:
0
() () ( )
M
n
i
yn wi xn i
(4.100)
4. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
x
(4.101)
5. Estimação da potência de x’(n):
2 2 2
() '() (1 ) ( 1)
x
nxn n
(4.102)
6. Cálculo do passo de adaptação:
2
1
0
(2)
w
x
MN n()
(4.103)
7. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nnw
wi wi enx n i
(4.104)
8. Adição do ruído branco:
() () ()yn yn vn (4.105)
9. Cálculo do sinal de erro compensado:
0
() () () ( )
L
n
i
gn en bi en i
e
(4.106)
10. Estimação da potência de e(n-∆):
2 2 2
() ( ) (1 ) ( 1)
e
nen n
(4.107)
11. Cálculo do passo de adaptação:
2
1
0
(1)(
b
e
Ln
)
(4.108)
12. Atualização dos coeficientes:
1
() () 2 ( ) ( )
nnb
bi bi gnen i
(4.109)
13. Cálculo da saída do filtro adaptativo do caminho secundário:
0
ˆ
ˆ
() () ( )
N
n
i
un si vn i
(4.110)
14. Compute a diferença:
ˆ
() () ()
s
en gn un (4.111)
15. Atualização dos coeficientes:
1
ˆˆ
() () 2 ( ) ( )
nnss
si si e nvn i
(4.112)
16. Faça n=n+1 e volte ao ponto 2.
4.5.2.6 Proposta de Zhang
Para o controle ativo de ruído, o perfeito cancelamento é conseguido quando a saída
do filtro adaptativo é oposta ao sinal desejado. Desta forma, componentes no sinal desejado
que não sejam correlacionados com o sinal de referência degradam a performance do
sistema. No método de Bao existem três filtros adaptativos W(z), Ŝ(z) e B(z). O primeiro filtro
é utilizado para cancelar o ruído primário que chega ao microfone de erro. O segundo filtro é
68
utilizado para modelar o caminho secundário. O terceiro é utilizado para reduzir a
interferência introduzida por ( )n
na modelagem do caminho secundário.
Uma observação detalhada nos métodos de Bao e Eriksson mostra que o sinal e(n)
que atua como sinal de erro para o filtro W(z) e simultaneamente como sinal desejado para
B(z), tem uma perturbação causada por u(n). Esta perturbação degrada a convergência dos
filtros W(z) e B(z). Desta forma a perturbação em B(z) também perturba o sinal g(n).
Zhang em 2001 propôs estágio para reduzir estas perturbações que pode ser visto
na Figura 4.16. Neste sistema, o sinal de saída
ˆ
ˆ
() () ()un sn vn
do filtro Ŝ(z) é subtraído do
sinal de erro e(n) para produzir
ˆ
'( ) ( ) ( ) ( )en en sn vn
, onde
. () () () () () ()en dn sn yn sn vn
Então:
ˆ
'() ()()()()()()(e n dn sn yn sn vn sn vn) (4.113)
No caso ideal, quando o sinal se torna totalmente correlacionado com
x(n) e a perturbação devido a v(n) é totalmente removida:
ˆ
() ()Sz Sz
'( ) ( ) ( ) ( )en dn sn yn (4.114)
Pode-se notar que o sinal e’(n) é utilizado como sinal de erro para o filtro W(z) e
como sinal desejado para o filtro B(z). O sinal g(n) ainda continua sendo obtido através da
diferença entre o sinal e(n) e a saída o filtro auxiliar B(z).
69
P(z)
d(n)
W(z)
x(n)
LMS
Microfone
de Erro
Sistema
Desconhecido
+
+
S(z)
S(z)
Fonte de
Ruído
^aa
y
(
n
)
e
(
n
)
x'(n)
Ruído
Branco
S(z)
^aa
LMS
+
+
+
_
v
(
n
)
y
(
n
)
+
u
(
n
)
e
s
(
n
)
e
'
(
n
)
u
(
n
)
^
B(z)
LMS
+
_
g
(
n
)
+
_
+
_
Controlador ANC
Figura 4.16 - Estimativa on-line de S(z) através da técnica de Zhang.
Algoritmo de Zhang para a modelagem on-line do caminho secundário:
1. Inicialização:
Coeficientes:
, N+1 coeficientes
0
ˆ
() 0si
Coeficientes:
, M+1 coeficientes
0
() 0wi
Coeficientes:
, L+1 coeficientes
0
() 0bi
Potência:
e
2
(0) 1
x
2
(0) 1
xx
Parâmetros
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro adaptativo do caminho primário:
0
() () ( )
M
n
i
yn wi xn i
(4.115)
4. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
x
(4.116)
5. Cálculo da saída do filtro adaptativo do caminho secundário:
0
ˆ
ˆ
() () ( )
N
n
i
un si vn i
(4.117)
6. Compute a diferença:
ˆ
'( ) ( ) ( )en en un
(4.118)
7. Estimação da potência de x’(n):
2 2 2
() '() (1 ) ( 1)
x
nxn n
(4.119)
70
8. Cálculo do passo de adaptação:
2
1
0
(2)
w
x
MN n
()
(4.120)
9. Atualização dos coeficientes:
1
() () 2 '( ) '( )
nnw
wi wi e nx n i
(4.121)
10. Adição do ruído branco:
() () ()yn yn vn (4.122)
11. Cálculo da saída do filtro auxiliar:
0
() () ( )
L
n
i
zn bi xn i
(4.123)
12. Estimação da potência de x(n):
2 2 2
() () (1 ) ( 1)
xx xx
nxn n
(4.124)
13. Cálculo do passo de adaptação:
2
1
0
(1)(
b
xx
Ln
)
(4.125)
14. Atualização dos coeficientes:
1
() () 2 [ '( ) ( )] ( )
nnb
bi bi e n zn xn i (4.126)
15. Cálculo do sinal de erro compensado:
ˆ
() () () () () ()
s
e n gn un en zn un
ˆ
(4.127)
16. Atualização dos coeficientes:
1
ˆˆ
() () 2 ( ) ( )
nnss
si si e nvn i
(4.128)
17. Faça n=n+1 e volte ao ponto 2.
4.6 Modelagem do Caminho de Realimentação
4.6.1 Estimativa off-line do Caminho de Realimentação
O esquema experimental para a modelagem off-line do caminho de retorno é
bastante similar ao mostrado na Figura 4.10, porém agora ao invés de utilizar o microfone
de erro, utiliza-se o microfone de referência, já que o caminho a ser estimado está entre o
alto-falante de cancelamento e o sensor de entrada. Assim, mede-se o sinal x(n) e utiliza-se
o filtro proposto, onde um ruído branco não correlacionado é gerado internamente no
DSP. O algoritmo sugerido é bastante similar ao apresentado para a estimativa off-line do
caminho secundário.
ˆ
()Fz
Algoritmo para a estimativa off-line do caminho de retorno:
1. Inicialização:
Coeficientes:
0
ˆ
() 0fi
, L+1 coeficientes
2. Gerar uma amostra do ruído branco y(n). Este ruído gerado internamente é utilizado como
referência para o filtro adaptativo D(z) e a adaptação de seus coeficientes.
3. Cálculo da saída do filtro adaptativo:
0
ˆ
() () ( )
L
n
i
rn fi yn i
(4.129)
71
4. Compute a diferença:
''() () ()
x
nxnrn (4.130)
5. Atualização dos coeficientes:
1
ˆˆ
() () 2 ''( ) ( )
nn
fi fi x nyn i (4.131)
6. Faça n=n+1 e volte ao ponto 2.
7. Repita o procedimento por cerca de 10 segundos. Salve os coeficientes do filtro adaptativo
e utilize no algoritmo FBFXLMS dado anteriormente.
ˆ
()Fz
Como no caminho secundário, esta modelagem também pode ser realizada através
de um pacote de identificação de sistemas, como alguns oferecidos pelo MatLab® (Delfino
et al., 2005, Nuñez et al., 2004). Após a identificação, os coeficientes são transferidos para o
DSP e utilizados no controlador.
4.6.2 Estimativa on-line do Caminho de Realimentação
Como discutido anteriormente, da mesma forma que os caminhos primário e
secundário podem ser não-estacionários, o caminho de retorno também pode ter suas
características físicas alteradas ao longo do tempo. Desta forma, faz-se necessária a
estimação em tempo real deste caminho. A seguir dois métodos são apresentados para
solucionar este problema.
4.6.2.1 Método Direto (Algoritmo LMS)
A solução mais imediata para se estimar o caminho de retorno em tempo real é
utilizar a configuração clássica de identificação de modelos através da modelagem direta.
Neste caso Poole em 1984 propôs o algoritmo LMS Modificado. Este esquema trata não
somente dos problemas do caminho de retorno, mas também do caminho secundário. Aqui
será tratada somente a modelagem on-line do caminho de retorno, de acordo com a Figura
4.17.
72
P(z)
d(n)
W(z)
LMS
Microfone
de Erro
Sistema
Desconhecido
Controlador ANC
+
+
S(z)
y'(n)
S(z)
x'(n)
F(z)
F(z)
+
+
+
_
LMS
Fonte de
Ruído
u(n)
y(n)
^aa
e(n)
x(n)
^aa
Figura 4.17 - Identificação on-line do caminho de retorno através da modelagem direta.
Algoritmo do método direto para a estimativa on-line do caminho de realimentação:
1. Inicialização:
Coeficientes:
0
ˆ
() 0fi
, L+1 coeficientes
Coeficientes:
0
() 0wi
, M+1 coeficientes
Potência:
e
2
(0) 1
x
2
(0) 1
y
Parâmetro
2. Leitura de u(n) e e(n).
3. Cálculo da entrada livre da realimentação:
0
ˆ
() () () ( 1)
L
n
i
xn un f i yn i
(4.132)
4. Cálculo da saída do filtro adaptativo do caminho primário:
0
() () ( )
M
n
i
yn wi xn i
(4.133)
5. Cálculo da entrada filtrada:
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixn
i
(4.1
3
6. Estimação da potência de x’(k):
2 2 2
() '() (1 ) ( 1)
x
nxn n
x
(4.135)
7. Cálculo do passo de adaptação:
2
1
0
(2)
x
x
MN n
()
(4.136)
8. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nnx
wi wi enx n i
(4.137)
9. Estimação da potência de y(n):
73
2 2 2
() () (1 ) ( 1)
y
nyn n
y
(4.138)
10. Cálculo do passo de adaptação:
2
1
0
(1)(
y
y
Ln
)
(4.139)
11. Atualização dos coeficientes:
1
ˆˆ
() () 2 ( ) ( )
nny
fi fi xnyn i (4.140)
12. Faça n=n+1 e volte ao ponto 2.
4.6.2.2 Algoritmo Adaptativo FURLMS
O filtro adaptativo do tipo IIR foi proposto por Eriksson em 1987 e é conhecido como
FURLMS (Filtered-U Recursive LMS). Este esquema considera o retorno acústico como
parte da planta inteira e os pólos introduzidos pela realimentação são modelados pelos
pólos do filtro IIR. O diagrama de blocos do sistema pode ser visto na Figura 4.18.
Este sistema de controle consegue atualizar dinamicamente as mudanças ocorridas
nos caminhos durante o processo de cancelamento do ruído. A estrutura IIR tem a
habilidade modelar funções de transferência direta com pólos e zeros.
Após a convergência de A(z) e B(z), deseja-se que o erro residual e(n) seja nulo, assim:
() ()
()
1() () ()(
Az Pz
Wz
Bz Sz PzFz
)
(4.141)
Dada as complexidades e a estrutura de pólos e zeros de P(z), S(z) e F(z), a
convergência de A(z) e B(z) não leva a uma única solução, entretanto o algoritmo irá
convergir para a solução que minimiza o sinal do erro residual e(n). Baseada na equação
(4.141), uma possível solução seria:
()
()
()
()()
()
()
Pz
Az
Sz
PzFz
Bz
Sz
(4.142)
Devido ao fato das complexidades de cada solução e por questões de causalidade, é
razoável usar uma ordem superior (ou no mínimo igual) para B(z) que para A(z). O sistema
realiza a modelagem do caminho secundário segundo as propostas apontadas no item 4.5.
74
P(z)
d(n)
LMS
e(n)
Sistema
Desconhecido
Controlador ANC
+
+
S(z)
S(z)
x'(n)
F(z)
y(n)
+
+
A(z)
B(z)
+
+
LMS
S(z)
y'(n)
+
W(z)
Fonte de
Ruído
^aa ^aa
x(n)
Microfone
de Erro
Figura 4.18 - Sistema ANC com algoritmo FURLMS.
Algoritmo FURLMS para a estimativa on-line do caminho de realimentação:
1. Inicialização:
Coeficientes:
0
() 0ai
, M+1 coeficientes
Coeficientes:
0
() 0bi
, L+1 coeficientes
Potência:
e
2
(0) 1
x
2
(0) 1
y
Parâmetros:
2. Leitura de x(n) e e(n).
3. Cálculo da saída do filtro adaptativo W(z) do caminho primário:
00
() () ( ) () ( 1)
MN
nn
ij
yn ai xn i bj yn j
(4.143)
4. Cálculo da operação Filtrado-U:
0
ˆ
'( ) ( ) ( )
N
n
i
yn si yn i
(4.144)
0
ˆ
'( ) ( ) ( )
N
n
i
x
nsixni
x
(4.145)
5. Estimação da potência de x’(n):
2 2 2
() '() (1 ) ( 1)
x
nxn n
(4.146)
6. Cálculo do passo de adaptação:
2
1
0
(2)
x
x
MN n
()
(4.147)
7. Atualização dos coeficientes:
1
() () 2 ( ) '( )
nnx
ai ai enx n i
(4.148)
8. Estimação da potência de y’(n):
75
2 2 2
() '() (1 ) ( 1)
y
nyn n
y
(4.149)
9. Cálculo do passo de adaptação:
2
1
0
(2)
y
y
MN n
()
(4.150)
10. Atualização dos coeficientes:
1
() () 2 () '( 1)
nny
bj bj eny n j
(4.151)
11. Faça n=n+1 e volte ao ponto 2.
CAPÍTULO V
Projeto de Controladores Ativos de Ruídos (ANC)
5Capítulo V : Projeto de Controladores Ativos de Ruídos (ANC)
O controle ativo de ruído é uma aplicação em tempo real de filtragem adaptativa que
requer extensos cálculos computacionais, principalmente de convoluções de sinais. A banda
de freqüência controlável varia até 500Hz (Kuo et al., 1997), que pelo Teorema da
Amostragem (Nyquist) leva a uma freqüência mínima de amostragem de 1000Hz, ou seja,
um tempo de 1ms para realizar todos os cálculos do algoritmo. Algumas considerações na
implementação eletrônica em um ANC possuem um grande impacto na performance do
sistema. O sistema de hardware deve permitir flexibilidade de software assim como uma
operação totalmente automática do sistema completo de controle. Os fatores físicos que
limitam a performance de um ANC, tais como posicionamento dos microfones, coerência,
ordem dos filtros, estabilidade e causalidade, são discutidos nesta seção.
5.1 Projeto do Sistema
5.1.1 Seleção dos Transdutores Eletroacústicos
Um controlador trabalha com sinais elétricos em sua entrada e mediante algum
processo produz outros sinais elétricos em sua saída. Estes sinais representam o vínculo
entre o controlador e o campo acústico. As conversões do campo acústico em sinais
elétricos e vice-versa são realizados através de transdutores eletroacústicos (sensores e
atuadores). Estes dispositivos devem possuir uma máxima qualidade a um mínimo custo.
A qualidade destes sensores é definida em termos da linearidade, da relação
sinal/ruído e do atraso de conversão. Para o controle ativo de ruídos estes critérios devem
satisfazer até a banda de 500Hz (Kuo et al., 1997).
A linearidade é essencial para se obter um sinal que represente fielmente as ondas
acústicas captadas por um microfone ou que se geram através de um alto-falante. Este tipo
78
de dispositivo é não-linear quanto ele apresenta distorção harmônica. Esta distorção ocorre
quando um dispositivo gera freqüências harmônicas indesejadas em grande proporção em
relação à freqüência fundamental. Um nível elevado de distorção nos sensores mascara o
sinal que o controlador deve processar, impossibilitando a distinção entre o sinal
fundamental e os seus harmônicos. No caso dos alto-falantes, estes criam novas ondas
sonoras que não se cancelam, pois o controlador não possui referência das mesmas. Os
valores de distorção desejáveis para dispositivos eletroacústicos devem ser inferiores a 1%
(Minguez, 1998).
A relação sinal/ruído (signal/noise) dos transdutores também influencia na
performance do sistema de controle. Como a distorção acústica, o ruído de fundo mascara o
sinal ideal de entrada ou corrompe a conversão de saída. Relações sinal/ruído (S/N) devem
ser superiores a 40dB para se garantir um bom funcionamento do controlador (Minguez,
1998). Para os sensores, à medida que a relação S/N diminui, o algoritmo adaptativo se
torna incapaz de encontrar os valores ótimos dos coeficientes que garantem o cancelamento
acústico, já que estes valores oscilam em torno dos valores ótimos e esta oscilação se torna
maior quanto menor for a relação S/N. Da mesma forma que na distorção, os alto-falantes
geram um tipo de ruído que não pode ser cancelado pelo controlador.
Grandes atrasos na conversão eletroacústica podem levar o sistema à não-
causalidade. Por causalidade entende-se que o atraso do sinal elétrico entre o microfone de
referência e o alto-falante de cancelamento deve ser menor que o atraso acústico.
Atualmente, os dispositivos de conversão são bem eficientes e não representam problemas.
Esta questão será abordada com maiores detalhes na próxima seção.
Para os sensores de referência e de erro podem ser utilizados simples microfones de
eletreto omnidirecionais de baixo custo, já que oferecem características aceitáveis para a
margem de freqüências de interesse para o controle ativo de ruído. Quando se utilizam
microfones como sensores de referência, existe o problema da realimentação acústica. Para
minimizar o problema, pode-se utilizar microfones direcionais.
Outra forma de eliminar o problema de realimentação seria utilizar outro tipo de
transdutor. Existem muitas situações onde a fonte de ruído está disponível possibilitando a
utilização de acelerômetros, por exemplo, situados diretamente sobre a fonte de ruído.
Por último, o conjunto amplificador e alto-falante de cancelamento que geram o anti-
ruído acústico devem possuir potência necessária para gerar ondas de pressão acústica
iguais ou maiores que as ondas do ruído primário em torno do microfone de erro.
Quando se deseja realizar algum tipo de controle de ruído acústico, deve-se
conhecer bem a fonte de ruído, incluindo sua potência sonora e espectro de freqüências. É
fundamental, neste caso, que o microfone de entrada não esteja localizado em um ponto
79
nodal (ponto de pouca ou nenhum magnitude sonora) de qualquer onda estacionária no duto
antes ou durante o cancelamento. Caso isto ocorra, o controlador não irá adquirir todas
informações necessárias para se realizar o controle de forma efetiva. Pontos nodais antes
do cancelamento também deverão ser evitados para o microfone de erro. No caso do alto-
falante de controle, este deve ser posicionado de forma que o cancelamento no microfone
de erro seja alcançado com o mínimo requerimento de energia do sistema.
Os transdutores eletroacústicos utilizados em um sistema de controle ativo de ruído
devem ser posicionados corretamente para que o controlador consiga a máxima atenuação
possível. O posicionamento específico do alto-falante de cancelamento determina o valor
máximo de atenuação. Existem procedimentos de otimização para encontrar a posição ideal
(Minguez, 1998). No entanto, a função de custo para tal processo não é um problema tão
trivial, já que se deve possuir uma função analítica que proporcione a impedância acústica
em todos os pontos do espaço acústico considerado.
Muitas vezes, este procedimento é simplificado através da localização da fonte de
controle e dos microfones em várias posições pré-determinadas. Desta forma, dados
experimentais de pressão acústica são colhidos para as várias configurações. Com estes
dados, determina-se a configuração ótima dentre aquelas selecionadas. Logicamente, a
otimização será melhor quanto maior for o número de configurações possíveis.
5.1.2 Causalidade
Por causalidade em sistemas ANC entende-se que o atraso acústico entre o
microfone de referência e o alto-falante de cancelamento deve ser maior que o atraso
elétrico. Em outras palavras, pode-se dizer que a onda acústica de controle deve ser
estimada antes que a onda acústica primária chegue à região de silêncio.
O atraso acústico entre o microfone de entrada e o alto-falante é dado em segundos
por:
0
A
L
C
(5.1)
onde L é a distância entre o microfone e o alto-falante e C
0
é a velocidade do som,
usualmente 343m/s. O atraso elétrico pode ser dado por:
EW
T
(5.2)
onde
T
é o atraso total nos transdutores eletroacústicos, nos filtros antialiasing e de
reconstituição, nos conversores analógico-digital (ADC) e digital-analógico (DAC) mais o
80
tempo de processamento (um período de amostragem).
w
é atraso de grupo do filtro digital
W(z).
Para garantir que o filtro adaptativo tenha resposta causal, então:
A
E
(5.3)
Então a distância mínima entre o microfone de entrada e o alto-falante de saída é:
min 0 E
LC (5.4)
O atraso total é aproximadamente (Nelson et al., 1992):
3
1
8
T
M
T
(5.5)
onde M é número de pólos dos filtros antialiasing e de reconstituição e T é o período de
amostragem. Por exemplo, assumindo uma freqüência de amostragem de 2KHz e que cada
filtro analógico tenha 4 pólos, assim M = 8 e
T
= 2ms.
Para reduzir o atraso elétrico, uma alta taxa de amostragem pode ser necessária
para uma dada distância. Para atenuar ruído branco em dutos, o padrão ANC é utilizar
longos dutos. Para o caso de ruídos periódicos, a causalidade não é necessária, já que o
sistema pode se basear em períodos anteriores e sistemas compactos são possíveis de
realizar.
5.1.3 Taxa de Amostragem e Filtros Analógicos
O trabalho de um ANC é estimar precisamente as mudanças em freqüência, fase e
amplitude do ruído que propaga entre o microfone de entrada e o alto-falante de
cancelamento. O controlador deve completar o processamento de sinais antes que o ruído
primário chegue ao alto-falante. Portanto, um sistema digital de processamento de sinais em
tempo real possui um tempo de trabalho t menor que o período de amostragem T. Isto é:
1
s
tT
F
(5.6)
Onde F
s
é a freqüência de amostragem, que deve satisfazer o Critério de Nyquist
dado por:
2
s
FF
m
(5.7)
Onde F
m
é a maior freqüência de interesse, no caso de sistemas ANC práticos, esta
é de 500Hz. Isto leva a uma mínima freqüência de amostragem de 1000Hz e um tempo
máximo de processamento de 1ms.
81
Como mostra a equação (5.7), para se recuperar a informação original de um sinal
em sua forma amostrada, o espectro do sinal deve ser totalmente limitado em uma banda
menor ou igual a metade da freqüência de amostragem. Se esta limitação em banda não é
suficiente, as componentes do sinal acima deste limiar são adicionadas como freqüências
fantasmas no sinal. Este fenômeno é chamado de aliasing e não pode ser tratado após a
amostragem.
Idealmente, um filtro antialiasing deve possuir uma amplitude plana e fase linear na
banda passante e uma atenuação infinita acima da freqüência de corte. Como em sistemas
ANC a freqüência de amostragem é baixa (1KHz a 10KHz), filtros antialiasing de alta ordem
são necessários. Porém, estes filtros de alta ordem possuem um grande atraso, conforme a
equação (5.5). Isto pode criar problemas de causalidade, particularmente para sistemas de
controle de banda larga em dutos pequenos.
Se um filtro de baixa ordem com uma melhor resposta em fase é utilizado, um
pequeno atraso de grupo pode ser conseguido. Porém, a banda de transição do filtro terá
uma atenuação menor, sendo necessária uma maior freqüência de amostragem. Este é
método é conhecido como sobre-amostragem e pode ser utilizado se houver tempo
suficiente para o processamento dos sinais. Lembrando que quanto maior a freqüência de
amostragem, menor o tempo disponível para realizar os cálculos da lei de controle.
Um sinal contínuo pode ser recuperado sem distorção de sua versão corretamente
amostrada por um filtro passa-baixa. Este tipo de dispositivo é conhecido como filtro de
reconstituição, deve ter as características de resposta plana e fase linear na banda passante
e atenuação infinita na banda de parada.
Apesar da utilização de filtros passa-alta com freqüência de corte próxima de 0Hz na
eletrônica analógica, algum nível DC pode aparecer nos dados de entrada. O efeito deste
nível no sinal é uma possível saturação, levando o sistema a instabilidade (Minguez, 1998).
Outro efeito observado seria o algoritmo adaptativo tentar cancelar esta componente DC,
aumentando ou diminuindo o nível DC de sua saída ao longo do tempo. No entanto, o
caminho secundário geralmente não possui resposta ao nível DC, devido à resposta em
freqüência dos transdutores. Este nível DC no sinal de controle pode ir aumentando até que
o mesmo seja saturado.
Este nível DC pode ser eliminado através de filtro recursivo passa-alta de primeira
ordem (Widrow et al., 1985). De outra maneira, um filtro notch na freqüência 0Hz deve ser
utilizado. A função de transferência deste tipo de filtro pode ser dada por:
1
1
() 1
()
()
1(1 )
Yz z
Gz
Xz
z
(5.8)
82
Esta função de transferência apresenta um pólo e um zero em 0Hz. O zero sobre a
circunferência de raio unitário no plano Z e o pólo muito próximo, em seu interior. A equação
diferença a ser implementada no DSP é dada por:
() () ( 1) (1 )( 1)yn xn xn yn
(5.9)
onde
é um número menor que a unidade.
5.1.4 Limitações Práticas e Soluções
Quando o controle ativo de ruído é aplicado a sistemas de exaustão ou ventilação,
há fluxo de ar ou gases no interior do duto. Esta vazão pode causar flutuações de pressão
nos microfones, adicionando ruído aleatório nas medidas. Estas flutuações podem degradar
a performance de cancelamento.
Este problema pode ser resolvido de duas maneiras:
Utilizar tubos protetores que permitam a propagação do som até o microfone e
evitem o fluxo de ar no interior do duto (Olson et al., 1989). Entretanto, esta
solução tem a desvantagem de que o microfone e seu suporte gerarem
turbulências e aumentarem o ruído da vazão no microfone seguinte.
Nishimura em 1991 mostrou que posicionar o microfone em uma pequena
cavidade, fora da turbulência, ligada ao duto através de uma pequena fenda pode
ser uma boa alternativa. Esta localização fora da turbulência do duto também
proporciona melhor proteção e facilidade de manutenção.
As duas soluções podem ser visualizadas na Figura 5.1.
Figura 5.1 - Montagem dos microfones para redução da turbulência.
83
As aplicações industriais de controle ativo de ruído impõem um conjunto de
limitações ao sistema. A potência do alto-falante de cancelamento devido aos altos níveis de
potência sonora presentes no interior do duto está incluída nestas limitações. A proteção
dos componentes devido ao ambiente agressivo também deve ser tratada. O ruído
geralmente é de banda estreita ou periódico, de alta intensidade e produzido por
ventiladores, sopradores, bombas de vácuo ou compressores. A taxa de vazão de gás é
alta, e algumas vezes, há a presença de partículas suspensas. O ambiente apresenta altas
temperaturas com fluxo de gases que muitas vezes são corrosivos e úmidos.
Estes problemas podem ser resolvidos através de uma cadeia de alto-falantes de
alta potência protegidos por uma membrana que permita a transmissão de energia acústica
para dentro e fora do duto. Isto mantém o ambiente limpo e seco, garantindo uma vida longa
aos componentes (Burlage et al., 1991). Mais de um alto-falante conectado a mesma saída
do controlador pode ser utilizado para promover potência extra de saída e redundância.
Sistemas industriais geralmente não são limitados em espaço físico. A proteção dos
transdutores contra umidade e sujeira é essencial para garantir vida longa ao sistema.
5.2 Projeto do Software
5.2.1 Processadores Digitais de Sinais (DSPs)
Ao mesmo tempo em que as avançadas técnicas de controle estão se
desenvolvendo, os projetistas possuem ferramentas efetivas para a síntese do projeto de
controle digital. Desta forma, poderosas teorias de controle podem ser facilmente
implementadas em aplicações práticas.
Microprocessadores, microcontroladores e processadores digitais de sinais (DSPs)
têm se tornado extremamente eficientes, enquanto o custo tem se reduzido. Estes
representam pequena porcentagem do custo final do projeto, quando comparado ao custo
dos sensores e atuadores (Masten et al, 1997).
A implementação de sistema de controle digital possui algumas vantagens em
relação à implementação analógica (Masten et al, 1997):
Fácil controle de sistemas complexos, multivariáveis, lineares ou não-lineares
com a leitura de vários sensores.
Fácil ajuste e modificação dos algoritmos de controle (mudanças de software ao
invés do hardware).
Fácil incorporação de métodos avançados tais como adaptação, estimação,
otimização e identificação em tempo real.
84
Formulação mais direta dos algoritmos de controle em código computacional ao
invés da implementação em hardware analógico.
Desenvolvimento mais rápido e barato do projeto.
Monitoramento e manutenção aumentados de forma extraordinária.
Os microprocessadores e microcontroladores foram desenvolvidos na década de 70.
Mesmo sendo bastante simples, estes promoveram muitos benefícios no controle digital. Os
processadores estão divididos em duas grandes áreas: a primeira trata das manipulações
de dados, tais como processadores de texto e banco de dados; a segunda trata dos cálculos
matemáticos, usados em ciências, engenharia e processamento digital de sinais.
Todos microprocessadores podem realizar as duas tarefas, no entanto, se torna
difícil e caro fabricar um dispositivo que seja otimizado para ambas. Há grandes diferenças
no projeto do hardware, tal como o tamanho do conjunto de instruções. Da mesma forma
que os microprocessadores, tais como o Pentium®, são construídos para grande
manipulação de dados, os DSPs são projetados para realizarem cálculos matemáticos.
Estas operações aparecem com grande freqüência nos algoritmos de processamento
de sinais e nos sistemas de controle moderno. O processamento digital de sinais é
constituído de operações sucessivas de multiplicação e adição.
Seja, por exemplo, o cálculo de um filtro FIR.
0
() ()( )(0)()(1)(1)(2)(2) ()(
N
i
yn hixn i h xn h xn h xn hNxn N
" )
(5.10)
A expressão matemática deste tipo de filtro é uma simples convolução dos dados de
entrada com os coeficientes da resposta impulsiva do filtro. Dependendo da aplicação, pode
haver poucos coeficientes no filtro ou centenas deles. Apesar da transferência de dados
presente na expressão, as operações matemáticas dominam o tempo de execução.
O desenvolvimento de circuitos integrados com arquitetura específica para
manipulação de expressões desta natureza revolucionou, nas últimas décadas, o ramo de
Processamento Digital de Sinais. Os DSPs embarcados num único chip estão mudando o
processamento digital de sinais da mesma maneira que os microprocessadores mudaram o
processamento de dados.
85
5.2.2 Benefícios dos DSPs
Atualmente, os DSPs possuem várias ferramentas e periféricos embutidos na mesma
pastilha que são úteis em sistemas de controle. Com isso pode-se incorporar várias funções
de controle descritas a seguir:
Processamento de Sinais: processamento adicional dos sinais provenientes dos
sensores pode ser utilizado para melhorar a qualidade dos dados. Sistemas de controle com
menor número de sensores também são possíveis, através da geração de estimativas sem
o uso de sensores adicionais (Restle et al, 1993).
Geração da entrada/trajetória: aplicações microprocessadas freqüentemente utilizam
métodos de tabelas para gerar as entradas de controle. DSPs podem substituir tais tabelas
por funções matemáticas específicas. Isto permite leis de controle mais complexas e diminui
o uso de memória.
Leis de Controle: DSPs permitem implementações em tempo real de avançados
algoritmos que resultam em melhores sistemas de controle. Sistemas com múltiplas
entradas e múltiplas saídas são realizáveis por um único DSP. Controle adaptativo, controle
ótimo, redes neurais, algoritmos genéticos, lógica fuzzy, bem como PIDs sintonizáveis
podem ser realizados nestes dispositivos (Delfino et al., 2005, Rajashekra et al, 1996;
Ahmed, 1991; Bierke, 1996; Villadiego, 2004).
Identificação de Sistemas: Em muitos sistemas de controle, é necessário estimar ou
modelar alguns parâmetros do sistema antes ou durante o processo de controle. Os
processadores DSP oferecem performance suficiente para tais tarefas (Villadiego, 2004).
Modulação por Largura de Pulso (PWM): Sistemas de controle, especialmente
envolvendo motores elétricos são chaveados através de técnicas de PWM. Esta técnica
elimina o uso de conversores D/A, reduzindo o custo do dispositivo.
Diagnósticos e proteção: Os processadores DSPs podem conter complexas rotinas
de tarefas de diagnósticos e supervisão durante o processo de controle.
Controle de Ruído: Controle e redução dos níveis de ruído nos equipamentos tem se
tornado importante aos projetistas. Atenuação de ruído e vibração através de técnicas ativas
usando modernos algoritmos são possíveis (Delfino et al., 2005).
5.2.3 Projetos Baseados em DSPs
Embora o projeto de controle digital seja de alguma forma mais complicado que o
analógico, o uso de um sistema de desenvolvimento DSP acelera o tempo de projeto.
Ferramentas de desenvolvimento incluindo Compiladores C, Assembler/Linker, Simuladores
86
e Debugadores auxiliam o processo. Muitos pacotes estão disponíveis pelos fabricantes de
DSPs e companhias independentes. Ferramentas de projeto de controle tais como as
presentes no MatLab® pode ser utilizados para acelerar o desenvolvimento do projeto.
O passo inicial do projeto não é diferente de um sistema de controle analógico, onde
a planta é analisada e as performances desejadas do sistema são definidas. Uma estratégia
de controle é escolhida com base nos custos, na performance relativa às especificações
desejadas e em outros critérios. Neste estágio os detalhes de implementações não são
considerados.
Tendo definida a estratégia de controle, selecionam-se os componentes para compor
tal sistema. Para sistemas de controle analógico são selecionados os sensores, atuadores e
os componentes analógicos para realizar o processo. Em sistemas baseados em
processadores DSP, os mesmos sensores e atuadores são escolhidos, porém a plataforma
DSP substitui o controle analógico. Em alguns casos, os sensores e atuadores podem ser
menos precisos e de menor custo, devido à capacidade adicional de processamento digital
de sinais presentes nestes sistemas.
A escolha de um DSP depende de vários fatores envolvendo o problema a ser
resolvido. Dentre estes fatores pode-se citar os mais importantes na performance desejada:
Capacidade do DSP em realizar uma ou mais operações de multiplicação
acumulativa (MAC) em apenas um ciclo de instrução. Há no mercado DSPs que
conseguem realizar várias destas operações simultaneamente devido à presença
de várias MACs (Berkeley, 2000).
Capacidade do processador em acessar a memória em apenas um ciclo de
instrução. Isto permite que uma operação seja apontada enquanto os dados ou
operandos também sejam. Por exemplo, para uma convolução, enquanto uma
MAC esta sendo processada, a nova amostra do vetor de entrada está sendo
adquirida (Berkeley, 2000).
A escolha de processadores de ponto fixo ou ponto flutuante. O uso de
linguagens de alto nível com ponto flutuante torna o desenvolvimento mais fácil,
porém estes tipos de DSPs são mais caros, aumentando o custo final do projeto.
Utilizando ponto fixo, o projetista deve desenvolver rotinas apropriadas de
escalonamento para se evitar erros de truncamento e overflow, isto torna a
implementação dos algoritmos mais complexa (Masten et al, 1997).
O tamanho limitado da palavra em bits também pode causar problemas na
performance do sistema. Um escalonamento deve ser realizado para se evitar os
efeitos de quantização introduzidos pela resolução limitada. Os efeitos de
quantização podem ocorrer tanto no processamento, quanto nas conversões A/D
87
e D/A. A quantização dos coeficientes armazenados na memória também pode
levar algumas funções de transferência à instabilidade (Rajashekra et al, 1996;
Ahmed, 1991).
Por fim, um sistema eficiente de endereçamento é necessário. Alguns DSPs
possuem unidade exclusiva de endereçamento para realizar tal função (Berkeley,
2000). Outros suportam a operação de reversão de bits, muito comum para
implementação da Transformada Rápida de Fourier (Fast Fourier Transform –
FFT).
Outros fatores também são importantes para a performance do sistema, tais como
velocidade do processador, portais I/O, conversores A/D e D/A, dentre outros. Desta forma,
pode-se ver que a escolha de um DSP requer um estudo profundo da aplicação.
5.2.4 Arquitetura dos DSPs
Para se realizar uma multiplicação em um processador, é necessário buscar três
valores binário da memória: os números a serem multiplicados mais a instrução de
programa descrevendo a tarefa a realizar. Esta tarefa realizada por um microprocessador
tradicional é chamada de Arquitetura Von Neumann, criada pelo matemático americano
John Von Neumann (1903 – 1957).
Como mostrado na Figura 5.2a, a arquitetura Von Neumann contém uma simples
memória e um simples barramento para transferir dados para dentro e para fora da Unidade
Central de Processamento (CPU). A multiplicação de dois números requer pelo menos três
ciclos de relógio, cada um para transferir os três números no barramento da memória para a
CPU. Esta arquitetura é satisfatória para realizar um processamento serial das tarefas. A
maioria dos computadores atualmente possui tal arquitetura.
No entanto, quando um processamento mais veloz é necessário, deve usar outras
arquiteturas. A arquitetura de Harvard, como mostrado na Figura 5.2b utiliza memórias
separadas para dados e para instruções de programa com barramentos separados para
cada uma. Desta maneira, com os barramentos separados, os dados e instruções podem
ser acessados ao mesmo tempo, aumentando a velocidade em relação ao projeto que
contenha um barramento. Atualmente, a maioria dos DSPs utilizam esta última arquitetura,
incluindo os dispositivos da Texas Instruments.
88
5.2.5 Fator de Vazamento “Leakage”
Quando um algoritmo adaptativo é implementado em um processador de sinais com
precisão limitada, principalmente naqueles de aritmética de ponto fixo, os ruídos de
arredondamento e de discretização são propagados para os coeficientes do filtro. Isto pode
causar um crescimento exagerado nestes coeficientes, levando o processo de controle à
instabilidade (Kuo et al., 1996). Uma solução comumente adotada é baseada na adição de
um fator de vazamento (leakage) que tende a limitar o aumento dos coeficientes do filtro.
Tomando a equação do algoritmo LMS, temos que o fator é introduzido como segue:
1
() () 2 ( ) ( )
nn
wi vwi enxn i
(5.11)
Onde v (fator de vazamento) é próximo de 1, no entanto, um pouco menor.
A única desvantagem deste fator é que muitas vezes o nível de atenuação acaba
ficando comprometido, devido à redução do ganho da saída do filtro adaptativo.
Figura 5.2 - Arquitetura de Von Neumann e Havard.
CAPÍTULO VI
Avaliação das Metodologias de Controle Ativo de Ruído
6Capítulo VI : Avaliação das Metodologias de Controle Ativo de Ruído
Para avaliar as metodologias estudadas no controle ativo de ruído, ensaios
experimentais foram conduzidos em laboratório. Os algoritmos foram implementados na
plataforma TMS320LF2407A da Texas Instruments e executados em tempo real. Estratégias
de controle FXLMS, FBFXLMS, Feedback e Híbrida, com identificação off-line dos caminhos
secundário e de realimentação foram implementadas. Estes caminhos foram identificados
através do pacote de identificação do MatLab®.
Também foram implementadas três estratégias de controle com a identificação on-
line do caminho secundário, propostas por Fan (1990), Eriksson (1989) e Zhang (2001).
6.1 A Bancada Experimental
Para testar experimentalmente os diferentes sistemas de controle apresentados, foi
montada uma bancada experimental constituída por um duto de PVC que foi instrumentado
com alto falantes (atuadores) e microfones (sensores) de baixo custo. O diagrama do
sistema pode ser visto na Figura 6.1. A foto da bancada experimental pode ser vista no
Anexo III.
O duto possui um comprimento de 3.5m e um diâmetro de 0.15m. De acordo com a
equação (2.21), este duto terá ondas acústicas planas até a freqüência de 670Hz. A fonte
primária de ruído foi posicionada numa das extremidades e o alto-falante de cancelamento
posicionado a 2m do alto-falante de ruído. O microfone de referência foi colocado a uma
distância de 0.25m e finalmente o microfone de erro a 3.4m do alto falante de ruído (fim do
duto).
Os alto-falantes utilizados nesta bancada experimental foram da marca Bravox
BA6SS que possuem uma potência máxima de 60 Watts RMS e resposta em freqüência de
50 a 20KHz.
90
Para amplificá-los, foram implementados circuitos eletrônicos baseados no
amplificador de áudio TDA2030. Estes amplificadores são circuitos integrados para o uso
em amplificadores do tipo AB em baixa freqüência. Tipicamente eles garantem 12W de
potência de saída em cargas de 4 e 8W em 8. O TDA2030 proporciona alta saída de
corrente com pequena distorção harmônica. O dispositivo também possui proteção contra
curto-circuito e um sistema de desligamento para evitar operações em altas temperaturas
(TDA2030, 1993). O diagrama esquemático do circuito eletrônico completo pode ser visto no
Anexo V.
Figura 6.1 - Sistema Físico do Controle Ativo de Ruído.
Foram utilizados microfones do tipo eletreto omnidirecionais JL-061C amplamente
utilizados em telefonia. Estes possuem sensibilidade de –58dB/bar, com impedância de
2K, faixa de freqüências de 20 a 20KHz e relação sinal/ruído superior a 55dB (Jameco
Electronics, 2004).
Também foram implementos circuitos eletrônicos para a polarização e o tratamento
dos sinais provenientes dos microfones. Nestes circuitos, foram utilizados amplificadores
91
operacionais comuns do tipo TL074. Estes amplificadores possuem entradas JFET com alta
impedância de entrada, baixa corrente de offset e alto slew rate. A baixa distorção
harmônica e o baixo ruído fazem esta série ideal para aplicações de alta fidelidade e pré-
amplificadores de áudio (SLOS080D, 1996). O diagrama esquemático do circuito eletrônico
completo também pode ser visto no Anexo V.
Em todos os circuitos, os filtros antialiasing e de reconstituição foram projetados para
banda de freqüência de 500 Hz excluindo o nível DC.
Os algoritmos de controle foram implementados utilizando o pacote CODE
COMPOSER incluso na aquisição da plataforma DSP. A programação da mesma foi
realizada em Linguagem C (SPRU024E, 1999), utilizando os pacotes de processamento
digital de sinais da Texas Instruments, estes pacotes podem ser encontrados na página da
internet do fabricante (Filter Library, 2002).
Nesta plataforma foram utilizados 2 canais de conversão analógico digital (A/D), com
10 bits de resolução e Sample and Hold (S/H), para aquisição dos sinais provenientes dos
microfones. Foi utilizado um sinal de saída do tipo PWM (Modulação por Largura de Pulso)
para realizar a conversão digital analógica (D/A).
Para o gerador de ruído, pode-se utilizar qualquer gerador de sinais que tenha a
possibilidade de gerar sinais periódicos e ruídos aleatórios. Há outras possibilidades mais
acessíveis e de menor custo. Uma delas é gerar o ruído no próprio DSP e utiliza-lo através
de outra saída PWM. Outra opção é utilizar um programa de processamento de áudio, que
gere os sinais periódicos ou ruídos aleatórios através da placa de som do computador. Esta
opção também oferece a possibilidade de se gravar um ruído real e reproduzi-lo
posteriormente. Nos experimentos realizados foi utilizado o programa Cool Edit
.
As funções de resposta em freqüência envolvidas no duto podem ser vistas na
Figura 6.2. Estas foram obtidas através da excitação do sistema com ruído branco de média
nula. Cada alto-falante foi excitado individualmente e os dados foram coletados pelos
microfones com a freqüência de amostragem de 2KHz
92
Figura 6.2 - Funções de Transferência dos Caminhos do Sistema Físico.
6.2 Recursos utilizados pelas diferentes metodologias avaliadas
Neste tópico pode-se observar os diferentes recursos utilizados pelo processador no
Controle Ativo de Ruído. Os dados são baseados nos diagramas e algoritmos apresentados
no Capítulo IV, no entanto, são considerados apenas os cálculos envolvendo o processo de
filtragem e adaptação. Os cálculos da estimativa da potência e do passo adaptativo segundo
Minguez, bem como do uso do fator de vazamento não são levados em conta.
Na Tabela 6.1, o campo “Coeficientes” está relacionado com a memória consumida
para armazenar os mesmos envolvidos. O campo “Memória de Dados de Entrada”
representa as linhas de atraso de entrada dos filtros. O campo “Memória de Dados de
Saída” representa as linhas de atraso para a adaptação FXLMS. As multiplicações
envolvidas podem também ser visualizadas. O campo “Dificuldade” é visto pelo autor como
sendo a dificuldade encontrada pelo mesmo para a implementação de tais metodologias.
Este último campo é subjetivo e serve como um parâmetro relativo entre os algoritmos.
93
Tabela 6.1 - Recursos utilizados pelo processador na implementação dos algoritmos
Algoritmo Coeficientes Memória de
Dados de
Entrada
Memória de
Dados de
Saída
Multiplicações Dificuldade
FXLMS
W+S W+S W 2W+S Fácil
FBXLMS
W+S+F W+S+F W 2W+S+F Fácil
Feedback
W+S W+2S W 2W+2S Médio
Híbrido
A+C+S+F A+C+3S+F A+C 2A+2C+3S+F Difícil
Fan
W+S W+S W+S 2W+2S Fácil
Eriksson
W+S W+2S W 2W+3S Médio
Zhang
W+S+B W+2S+B W 2W+3S+2B Díficil
W Ordem do filtro da estimativa do caminho primário (controlador).
S Ordem do filtro da estimativa do caminho secundário.
F Ordem do filtro da estimativa do caminho de realimentação.
A Ordem do filtro da estimativa do caminho primário (feedforward no híbrido).
C Ordem do filtro da estimativa do caminho primário (feedback no híbrido).
B Ordem do filtro auxiliar.
6.3 Testes com simples tons: Identificação off-line
De acordo com a função de transferência do caminho primário mostrada na Figura
6.2, o duto possui uma freqüência ressonante em 220Hz onde esta apresenta o maior
ganho. Os algoritmos FXLMS, FBFXLMS, Feedback e Híbrido foram testados para esta
freqüência.
A modelagem off-line dos caminhos secundário e de realimentação foi realizada
através do pacote de identificação do MatLab® (Delfino et al., 2005, Nuñez et al., 2004). Os
dados foram colhidos na plataforma DSP através da excitação por um ruído branco de
média nula no alto-falante de cancelamento. A estimativa dos caminhos que utilizam filtros
de ordem 120 podem ser vistas na Figura 6.3. Depois das estimativas serem realizadas, os
coeficientes dos filtros foram copiados para os algoritmos de controle que as utilizam.
Destaca-se que o passo de adaptação utilizado nestes experimentos foi do tipo
adaptativo limitado a 10% do seu valor máximo. O fator de vazamento utilizado foi de 0.9978
(Q15 = 32760) e a freqüência de amostragem utilizada pela plataforma de controle (DSP),
de acordo com o critério de Nyquist, foi de 2500Hz. Os resultados no tempo e na freqüência,
quando o sistema de controle está ligado e desligado, podem ser vistos na Figura 6.4,
Figura 6.5, Figura 6.6 e Figura 6.7. Estes foram adquiridos através de uma placa Dspace®,
utilizando também a freqüência de amostragem de 2500Hz. Foram adquiridos 30 segundos,
incluindo sinal do erro sem controle e com controle, no entanto serão mostrados apenas
intervalos de tempo próximo à ativação do controlador.
94
0 50 100 150 200 250 300 350 400 450 500
10
-4
10
-2
10
0
10
2
Magnitude (dB)
Caminho Real
Caminho Estimado
0 50 100 150 200 250 300 350 400 450 500
-200
-100
0
100
200
Freqüência (HZ)
Fase (Graus)
(a) Estimativa do Caminho Secundário
0 50 100 150 200 250 300 350 400 450 500
10
-3
10
-2
10
-1
10
0
10
1
Magnitude (dB)
Caminho Real
Caminho Estimado
0 50 100 150 200 250 300 350 400 450 500
-200
-100
0
100
200
Freqüência (HZ)
Fase (Graus)
(b) Estimativa do Caminho de Realimentação
Figura 6.3 – Estimativas do Caminhos através do MatLab®.
4
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
5
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
A
m
pli
t
ud
e
(V
Sinal do Microfone de
E
4 4.1 4.2 4. 3 4.4 4.5 4.6 4.7 4.8 4.9 5
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200 1400
-50
-40
-30
-20
-10
0
10
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.4 – Controle FXLMS para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
95
3.8 3.9 4 4.1 4. 2 4.3 4.4 4.5 4.6 4.7 4.8
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
3.8 3.9 4 4.1 4. 2 4.3 4.4 4.5 4.6 4.7 4.8
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200 1400
-50
-40
-30
-20
-10
0
10
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.5 – Controle FBFXLMS para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
4 4.1 4.2 4. 3 4.4 4.5 4.6 4.7 4.8 4.9 5
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
4 4.1 4.2 4. 3 4.4 4.5 4.6 4.7 4.8 4.9 5
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200 1400
-50
-40
-30
-20
-10
0
10
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.6 – Controle Feedback para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
96
4 4.1 4.2 4. 3 4.4 4.5 4.6 4.7 4.8 4.9 5
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
4 4.1 4.2 4. 3 4.4 4.5 4.6 4.7 4.8 4.9 5
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200 1400
-50
-40
-30
-20
-10
0
10
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.7 – Controle Híbrido para a freqüência de 220Hz. (a) Sinal do Microfone de Erro. (b)
Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
Os resultados anteriores mostram que atenuações de 20dB podem ser conseguidas
quando o sistema de controle é ligado. Para avaliar a capacidade dos algoritmos, o sistema
físico foi excitado por uma função senoidal em freqüências que variam entre 150 e 450 Hz
em passos de 50 Hz. Foram mantidos os mesmos parâmetros utilizados no controlador do
experimento anterior. No entanto, para a análise dos procedimentos, foi utilizado o
analisador SD380 da Spectrum Analizer, com a freqüência de amostragem de 500Hz,
resolução em freqüência de 0.6249Hz, janela Hanning e 10 médias. Utilizou-se o Trigger
Internal Repetitive com Thresholding de 1%.
Inicialmente, o sistema foi excitado e o valor em dBV da freqüência de excitação
anotado depois de completada as 10 médias. Posteriormente, o sistema de controle foi
ligado, a memória do analisador limpada e após outras 10 médias um novo valor foi colhido.
No algoritmo híbrido, utilizou-se a estrutura feedforward que apresentou melhores
resultados, tanto na atenuação, quanto no tempo de acomodação e estabilidade.
Na Tabela 6.2, pode-se observar um desempenho significativo, atenuações acima de
25 dB, para os diferentes algoritmos de controle ativo de ruído. Sendo que na área de
acústica, atenuações acima de 6 dB são sensitivas ao ouvido do ser humano.
97
Tabela 6.2 - Ensaios experimentais dos algoritmos com identificação off-line.
FREQÜÊNCIA
(Hz)
SEM ANC
(dBV)
FXLMS
(dBV)
FBFXLMS
(dBV)
FEEDBACK
(dBV)
HÍBRIDO
(dBV)
150
-12.8 -35.1 -33.5 -34.0 -35.1
200
-11.3 -38.1 -22.9(*) -31.3 -38.5
250
-11.3 -29.7 -29.3 -24.6 -30.3
300
-11.8 -30.9 -31.1 -28.6 -31.3
350
-17.7 -28.7 -28.8 -27.8(*) -28.8
400
-13.4 -44.0 -43.0 -41.3 -45.2
450
-10.9 -47.2 -49.5 -18.6(*) -51.2
Ordem dos
Filtros
W(z) : 32
S(z) : 120
W(z) : 32
S(z) : 120
D(z) : 120
W(z) : 32
S(z) : 120
A(z) : 32
C(z) : 32
S(z) : 120
D(z) : 120
(*) Sistema apresentou instabilidade.
A proposta feedforward se mostrou eficiente para as diferentes freqüências e a
inclusão da estimativa do caminho de realimentação (FBFXLMS) para se obter um sinal de
referência limpa melhorou a performance de forma pouco significativa em algumas
freqüências. Particularmente para a freqüência de 200Hz, esta inclusão trouxe instabilidade
ao sistema.
No controlador feedback observou-se também uma boa performance. Contudo, o
controle se mostrou instável nas freqüências onde não foram obtidas boas estimativas da
referência. Neste caso o fator de vazamento evitou que o sistema divergisse.
Com relação ao sistema Híbrido, observaram-se resultados similares ao sistema
feedforward. No entanto, a convergência do algoritmo se mostrou mais rápida e eficiente.
Quanto à estabilidade e a banda de controle, o algoritmo apresentou melhores resultados,
não se mostrando tão dependente da freqüência de excitação.
6.4 Testes com simples tons: Identificação on-line
Como visto no Capítulo IV, nem sempre é possível realizar a estimativa off-line do
caminho secundário, ou este, apresenta características não-estacionárias, sendo necessária
a estimativa on-line. Desta maneira, alguns algoritmos de tal natureza foram testados para
avaliar a capacidade de atenuação.
Manteve-se a configuração dos experimentos, bem como os parâmetros utilizados na
análise realizada pelo SD380. Para esta abordagem, utilizou-se a freqüência de
amostragem de 2500Hz, tanto para o DSP quanto para a placa Dspace.
Os algoritmos propostos por Fan (Fan et al., 1990), Eriksson (Eriksson et al., 1989),
Zhang (Zhang et al., 2001) foram testados para freqüência de 220Hz. Os resultados no
98
tempo e na freqüência, quando o sistema de controle está ligado e desligado, podem ser
vistos na Figura 6.8, Figura 6.9 e Figura 6.10.
Sabe-se que a inclusão do ruído aditivo para a modelagem do caminho secundário
resulta em uma degradação na performance geral do sistema. Para resolver tal problema,
propôs-se realizar a estimativa do caminho secundário somente no início do processo de
controle, desta forma o ruído aditivo é aplicado ao sistema no intervalo de tempo da
estimação. Optou-se também por não realizar a adaptação do caminho primário enquanto o
caminho secundário é estimativo evitando, assim, a adaptação cruzada.
3 3.2 3.4 3.6 3.8 4 4.2 4.4 4.6 4.8 5
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
3 3.2 3.4 3.6 3.8 4 4.2 4.4 4.6 4.8 5
-1.5
-1
-0.5
0
0.5
1
1.5
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200 1400
-50
-40
-30
-20
-10
0
10
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.8 – Controle Fan para a freqüência de 220Hz. (a) Sinal do Microfone de Erro. (b)
Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
3 4 5 6 7 8 9 10
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
3 4 5 6 7 8 9 10
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200 1400
-50
-40
-30
-20
-10
0
10
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Ruido Aditivo
Com Controle
Figura 6.9 – Controle Eriksson para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
99
3 4 5 6 7 8 9 10
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
3 4 5 6 7 8 9 10
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200 1400
-50
-40
-30
-20
-10
0
10
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Ruido Aditivo
Com Controle
Figura 6.10 – Controle Zhang para a freqüência de 220Hz. (a) Sinal do Microfone de Erro.
(b) Sinal de Cancelamento. (c) Densidade Espectral de Potência do erro.
Os resultados anteriores mostram que atenuações de 20dB podem ser conseguidas
quando o sistema de controle é ligado. No entanto, os sistemas que utilizam ruído auxiliar
apresentaram um aumento significativo do ruído de fundo. Para avaliar a capacidade dos
algoritmos, o sistema físico foi novamente excitado por uma função senoidal em freqüências
que variam entre 150 e 500 Hz em passos de 50 Hz.
Tabela 6.3 - Ensaios experimentais dos algoritmos com identificação on-line.
FREQÜÊNCIA
(Hz)
SEM ANC
(dBV)
Fan
(dBV)
Eriksson
(dBV)
Zhang
(dBV)
150
-17.2 -38.7 -34.3 -46.3
200
-14.0 -35.2 -35.0 -35.9
250
-13.0 -35.4 -32.0 -34.5
300
-15.6 -30.7 -30.4 -32.4
350
-18.2 -28.7 -28.4 -30.6
400
-14.9 -40.2 -43.9 -49.6
450
-14.8 -34.0 -29.3 -32.5*
Ordem dos
Filtros
W(z) : 32
S(z) : 76
W(z) : 32
S(z) : 76
W(z) : 32
B(z) : 32
S(z) : 76
(*) Sistema apresentou ligeira instabilidade.
Na Tabela 6.3 pode-se observar um desempenho significativo, atenuações acima de
30 dB, para os diferentes algoritmos de controle ativo de ruído. Nota-se que em relação à
Tabela 6.2, a amplitude da excitação teve que ser menor, devido ao fato de algumas
100
propostas em certas freqüências modelarem o caminho secundário com alto ganho, levando
o sistema à saturação e instabilidade.
Na proposta de Fan, que realiza a modelagem on-line do caminho secundário sem a
necessidade de ruído branco adicional, verificou-se grande desempenho na banda. No
entanto, este algoritmo não aceitou o fator de vazamento (leakage) na adaptação dos
coeficientes do caminho secundário, com a inclusão do mesmo, o algoritmo não aumentava
o ganho do caminho secundário e por conseqüência o caminho primário não se adaptava,
anulando a saída do sistema. O fator de vazamento continuou sendo utilizado na adaptação
dos coeficientes do caminho primário.
Neste caso, foi realizado um monitoramento da potência do sinal de erro do sistema,
quando este se mostrava abaixo de um limiar (Q15 = 300), o sistema não realizava mais a
adaptação do filtro que estimava o caminho secundário, continuando a adaptar somente o
filtro primário. A adaptação do caminho secundário poderia voltar a ocorrer quando o erro
fosse maior que o limiar. Esta proposta também apresentou dificuldade em relação à
convergência, onde muitas vezes o controlador divergiu logo na inicialização, necessitando
ser reiniciado até atingir a convergência. Isto ocorreu devido à adaptação cruzada dos filtros
W(z) e e também ao fato dos dois filtros utilizarem o mesmo sinal de erro.
ˆ
()Sz
A proposta de Eriksson, que utiliza ruído aditivo para auxiliar na modelagem do
caminho secundário, apresentou resultados de elevada performance, com atenuações em
toda a banda excitada. Neste caso, utilizou-se o fator de vazamento também somente na
adaptação do caminho primário e o algoritmo se mostrou estável, sem a necessidade de
monitoramento do sinal de resíduo.
A proposta de Zhang, que tem por definição corrigir algumas falhas na teoria da
proposta de Eriksson, apresentou melhores performances de atenuação, bem como uma
melhor estimativa do caminho secundário. É de grande dificuldade a escolha do passo de
adaptação do preditor B(z), neste caso utilizou o passo do tipo adaptativo baseado na
potência do sinal de entrada. Este filtro muitas vezes também aumentava seus coeficientes,
o que acarretava em estimativas não satisfatórias do caminho secundário, para resolver tal
problema, utilizou-se também o fator de vazamento (Q=32760).
De todas as propostas validadas experimentalmente, incluindo as de modelagem off-
line e on-line do caminho secundário, pode-se observar que não existe um algoritmo de
melhor performance geral. Ela está intimamente ligada ao sistema físico envolvido e com a
natureza do ruído primário. Cabe ao projetista realizar uma análise qualitativa e quantitativa
para escolher qual a estratégia ideal para um determinado cenário de cancelamento.
101
6.5 Testes com múltiplos tons
Neste trabalho, os algoritmos testados com simples tons também foram testados
com múltiplos tons. Neste caso, foram escolhidas as freqüências de 150, 250 e 350Hz. Os
resultados no tempo e na freqüência, quando o sistema de controle está ligado e desligado
são mostrados a seguir. As configurações de controle no DSP e de análise por parte do
Dspace e do SD380 foram mantidas iguais às utilizadas nos testes com simples tons.
5 5.5 6 6.5 7 7.5 8
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
5 5.5 6 6.5 7 7.5 8
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.11 – Controle FXLMS multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
6 6.5 7 7.5 8 8.5 9
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
6 6.5 7 7.5 8 8.5 9
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.12 – Controle FBFXLMS multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
102
5.5 6 6.5 7 7.5 8
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
5.5 6 6.5 7 7.5 8
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.13 – Controle Feedback multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
5.5 6 6.5 7 7.5 8
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
5.5 6 6.5 7 7.5 8
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.14 – Controle Híbrido multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
103
5.5 6 6.5 7 7.5 8
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
5.5 6 6.5 7 7.5 8
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.15 – Controle Fan multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
4 6 8 10 12 14
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
4 6 8 10 12 14
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.16 – Controle Eriksson multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
104
4 6 8 10 12 14
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Tempo (s)
Amplitude (V)
Sinal do Microfone de Erro
4 6 8 10 12 14
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Tempo (s)
Amplitude (V)
Sinal de Controle
0 200 400 600 800 1000 1200
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Freqüência (Hz)
Magnitude (dB)
Densidade Espectral do Erro
Sem Controle
Com Controle
Figura 6.17 – Controle Zhang multi-tom. (a) Sinal do Microfone de Erro. (b) Sinal de
Cancelamento. (c) Densidade Espectral de Potência do erro.
Com base nos dados colhidos, pode-se observar que os algoritmos com modelagem
on-line que utilizam ruído aditivo não obtiveram grandes performances nos testes multi-tom.
Já o método de Fan apresentou os melhores resultados entre as metodologias avaliadas,
sendo o mais indicado para tratar este tipo de problema. A boa performance desta proposta
vem do fato dela modelar o caminho secundário somente para as freqüências contidas no
ruído primário. Isto melhora bastante a estimativa do caminho secundário, já que nos outros
métodos o mesmo número de coeficientes deve modelar toda a banda de controle, tornando
a estimativa ruim para algumas freqüências.
Apesar das atenuações conseguidas, a estrutura Feedback foi a de pior
performance, não sendo indicada para este tipo de problema. Esta apresentou certa
instabilidade durante o processo de cancelamento, criando em alguns momentos outras
freqüências no sinal de controle. Como o método utiliza somente o microfone de erro,
estimando assim a entrada, pode-se concluir que faltou informação para que o algoritmo
calculasse a saída ótima do filtro adaptativo. Esta falta de informação degradou a
performance do sistema para esta configuraçã adotada. Este tipo de estrutura é
aconselhada para pequenos sistemas físicos ou com fontes de ruído com pouco
espalhamento espectral.
De forma geral as metodologias avaliadas se comportaram bem diante da entrada
com três tons harmônicos.
CAPÍTULO VII
Conclusões e Sugestões
7Capítulo VII : Conclusões e Sugestões
Neste trabalho foram apresentadas e analisadas algumas estratégias de controle
ativo de ruído em dutos. Focou-se essencialmente em metodologias mono-canais, de
natureza adaptativa e capazes de serem implementadas em processadores digitais de
sinais. Dos estudos realizados há algumas conclusões de ordem geral e outras particulares
associadas a cada metodologia,
De forma geral, comprovou-se que o controle ativo de ruído utilizando filtros
adaptativos é uma excelente estratégia, que devidamente utilizada gera controladores
eficientes e estáveis. O projeto destes controladores é simplificado pela proposta adaptativa
LMS, já que esta dispensa o conhecimento prévio de algumas funções de resposta em
freqüência envolvidas. Fato muito importante pois, em acústica, a modelagem matemática
dos fenômenos físicos é freqüentemente um problema de natureza complexa e, em muitas
circunstâncias, com características não-estacionárias.
Através do trabalho, comprovou-se as potencialidades de um processador DSP de
baixo custo na implementação dos algoritmos de controle. Estes, devido à evolução
tecnológica experimentada, destacam-se como instrumentos valiosos na implementação de
metodologias de controle avançadas na indústria.
Na realização experimental dos algoritmos utilizou-se uma plataforma DSP de
aritmética de precisão finita. Verificou-se que, no algoritmo LMS. o uso do fator de
vazamento – que busca limitar o efeito da “contaminação” dos coeficientes do filtro pelos
ruídos de arredondamento e de discretização do algoritmo - é muito importante para a
estabilidade do sistema.
Devido à aritmética de ponto fixo do DSP em alguns momentos a convergência do
algoritmo foi degradada. Particularmente, em situações onde os caminhos acústicos
apresentaram um ganho maior que o unitário em certas freqüências, ocorreram problemas
de saturação (overflow) no cálculo da saída do filtro, o que restringiu a amplitude dos sinais
de entrada, prejudicando a convergência do controlador.
106
Na escolha da ordem dos filtros, verificou-se que para os casos de estimativas on-
line, acima de 41 coeficientes o controle não apresentou melhora significativa, consumindo
apenas mais memória e maior tempo de processamento. Somente foram utilizados filtros de
ordem superior (120) nas modelagens off-line, pois para estas estimativas verificaram-se
melhoras acentuadas com o aumento do número de coeficientes.
Nos ensaios experimentais conforme o esperado, verificou-se que a performance do
sistema é altamente dependente do posicionamento dos sensores e atuadores, já que a
capacidade de atenuação do sistema de controle depende dos caminhos acústicos
envolvidos. No caso do duto avaliado observou-se que nas freqüências de ressonância de
maiores ganhos do duto (220Hz e 450Hz), o sistema apresentou os melhores resultados.
De forma mais específica as conclusões sobre as diferentes estratégias de controle
podem ser divididas nos casos mono-tonal com identificação off-line, mono-tonal com
identificação on-line e multi-tonal.
Nos caso mono-tonal off-line os resultados experimentais obtidos demonstraram que
a proposta feedforward revelou-se bastante eficiente e a inclusão da estimativa do caminho
de realimentação (FBFXLMS) melhorou a performance de forma pouco significativa para a
configuração estudada.
O controlador feedback apresentou também boa performance, contudo o controle
revelou-se instável naquelas freqüências onde não foram obtidas boas estimativas da
referência. Neste caso o fator de vazamento mostrou-se muito importante, evitando a
instabilidade do controle. No caso do sistema Híbrido, observaram-se resultados similares
ao sistema feedforward, com uma convergência rápida e eficiente, boa estabilidade e maior
banda de controle.
Nas metodologias que envolviam estimativas on-line dos caminhos acústicos,
observou-se que a estratégia de identificação tem que ser conduzida com muito cuidado. Os
estudos recomendam evitar identificações simultâneas dos caminhos primários e
secundários e que o monitoramento da potência do sinal de erro do sistema pode orientar
nas decisões em se estimar ou não este ou aquele caminho ao longo do processo de
controle. Neste trabalho, para os algoritmos que utilizam ruído aditivo, decidiu-se estimar o
caminho secundário por durante um período de tempo antes de se iniciar a adaptação do
caminho primário.
A proposta de Eriksson, que utiliza ruído aditivo para auxiliar na modelagem do
caminho secundário, apresentou resultados de elevada performance, com atenuações em
toda a banda excitada. A proposta de Zhang, que procura corrigir algumas falhas na teoria
da proposta de Eriksson, apresentou melhores performances de atenuação, bem como uma
107
melhor estimativa do caminho secundário. A dificuldade na escolha do passo de adaptação
do preditor B(z) requereu, nos casos estudados, a utilização do fator de vazamento.
Nos estudos multitonais pode-se observar que os algoritmos com modelagem on-line
que utilizam ruído aditivo não obtiveram grande desempenho. A proposta de Fan – que
modela o caminho secundário apenas nas freqüências contidas no ruído primário –
apresentou os melhores resultados entre as metodologias avaliadas, sendo o mais indicado
para tratar este tipo de problema. A estrutura Feedback foi a de pior performance, não
sendo indicada para este tipo de problema, pois esta metodologia utiliza apenas um sensor
e este não foi capaz de gerar informação necessária para o controlador adaptativo. Esta
estrutura é aconselhada para pequenos sistemas físicos ou em fontes de ruído com pouco
espalhamento espectral.
De forma geral, a partir das propostas avaliadas experimentalmente pode-se
observar que não existe um algoritmo de melhor performance absoluta. A melhor estratégia
está intimamente ligada ao sistema físico envolvido e depende fortemente da natureza da
excitação. Cabe ao projetista realizar uma análise qualitativa e quantitativa para escolher
qual a metodologia ideal para um determinado cenário de cancelamento.
Dos estudos conduzidos alguns desafios apontam para o futuro, onde o campo é
bastante vasto. Há inúmeros desafios a serem vencidos no controle ativo de ruído em dutos
ou em ambientes tridimensionais. No caso das ondas planas em dutos, a extensão das
análises para o caso de múltiplas entradas e múltiplas saídas é um caminho natural.
O emprego de uma controlador supervisor de alto nível que determine quais os
melhores algoritmos de controle as serem utilizados, quais caminhos que devem ser
(re)estimados, escalonamento do sinal de entrada, dentre outros parâmetros parece algo
bastante interessante.
Um outro desafio que se coloca para o problema aqui estudado é de como otimizar a
distribuição de sensores e atuadores na planta para uma dada situação de excitação
primária. Uma vez que o sistema dinâmico é de modelagem complexa e, em muitas
circunstâncias, não estacionário, as implementações usuais mostram-se limitadas.
A despeito de todos estes desafios futuros, naturais e próprios da investigação
científica, entende-se que os objetivos postos para este trabalho e formulados na sua
introdução, quais sejam: “...estudar as diferentes técnicas de controle ativo de ruído em
dutos, discutir suas vantagens e desvantagens e, avaliar experimentalmente algumas delas
quando implementadas em um processador digital de sinais” foram alcançados.
REFERÊNCIA BIBLIOGRAFICA
8Referência Bibliográfica
Ahmed, I., “Digital control applications with the TMS320 family – selected applications notes”,
Digital Signal Products, Texas Instruments, Houston, USA, 1991.
Bai, M. R. and Lee, D. J., “Implementation of an active headset by using the H
robust
control theory”, Journal of the Acoustical Society of America 102, 2184-2190, 1997.
Bai, M. R. and LIN, Z., “Active noise cancellation for a three-dimensional enclosure by using
multiple-channel adaptive control and H
control”, ASME, Journal of Vibration Acoustics 120,
958-964, 1998.
Bai, M. R. and Chen, H., “Active cancellation of noise in a car cabin using the zero spillover
controller”, Journal of Sound and Vibration, 235, (5), 787-800, 2000.
Bao, C., Sas, P. and Van Brussel, P., “Comparison of two online identification algorithms for
active noise control,” in Proc. Recent Advances in Active Control of Sound Vibration, pp. 38–
51, 1993.
Berkeley, “Choosing a DSP Processor”, Berkeley Design Technology, Inc. (BDTI), 2000.
Bierke, S., “Enhanced control of an AC motor using fuzzy logic and a TMS320 digital
processor”, Application Note, Texas Instruments, Houston, USA, 1996.
Burgess, J. C., “Active Adaptive Sound Control in a Duct: A Computer Simulation”, Journal of
the Acoustical Society of America, 70, (3), pp. 715–726, September 1981.
Burlage, K., et al., “An Update of Commercial Experience in Silencing Air Moving Devices
with Active Noise Control,” Proc. Noise-Con., pp. 253–258, 1991.
Chaplin, G. B. B., Smith, R. A. and Bramer, T. P. C., “Methods and apparatus for reducing
repetitive noise entering the ear”, US Patent No. 4654871, 1987.
Chaplin, G. G. B., and Smith, R. A., “Waveform Synthesis - The Essex Solution to Repetitive
Noise and Vibration,” Proc. Inter-noise 83, pp. 399–402, 1983.
110
Chassaing, R. and Horning, D. W., “Digital Signal Processing with the TMS320C25”, John
Wiley & Sons Inc., 1990.
Clarkson P. M. “Optimal and Adaptive Signal Processing”. Boca Raton, FL: CRC Press,
1993.
Conover, W. B., “Noise reducing system for transformers”, US Patent No. 2776020, 1957.
Elliott, S. J., and Darlington, P., “Adaptive Cancellation of Periodic, Synchronously Sampled
Interference,” IEEE Trans. on ASSP, Vol. ASSP-33, No. 3, pp. 715–717, June 1985.
Delfino, L. C., Nuñez, I. J. C., Cardoso, P. M., Ribeiro, J. F., “Active Noise Control
Implemented in a DSP Platform”, Internoise 2005, Rio de Janeiro, Brazil, 2005.
Elliott, S. J., Stothers, I. M. and Nelson, P. A., “A Multiple Error LMS Algorithm and Its
Application to the Active Control of Sound and Vibration”, IEEE Trans. on ASSP, Vol. ASSP-
35, No. 10, pp. 1423–1434, October 1987.
Eriksson, L. J. and Allie, M. A., “Use of random noise for online transducer estimate in an
adaptive active attenuation system,” J. Acoust. Soc. Amer., vol. 85, pp. 797–802, Feb. 1989.
Eriksson, L. J., Allie, M. C. and Greiner, R. A., “The Selection and Application of an IIR
Adaptive Filter for Use in Active Sound Attenuation”, IEEE Trans. on ASSP, Vol. ASSP-35,
No. 4, pp. 433–437, April 1987.
Eyre, J. and Bier, J., “The Evolution of DSP Processors”, Berkeley Design Technology, Inc.
(BDTI), 2000.
Fan, H. and Vemuri, R., “Robust adaptive algorithms for active noise and vibration control”,
IEEE, 1990.
Filter Library Documentation, Texas Instruments, Houston, May 2002.
Gerges, S. N. Y., “Ruído: Fundamentos e Controle”, Copyflo, 2
a
edição, 2000.
111
Glover, J. R., “Adaptive Noise Canceling Applied to Sinusoidal Interferences”, IEEE Trans.
on ASSP, Vol. ASSP-25, No. 6, pp. 484–491, December 1977.
Goodwin G. C. and Sin K. S., “Adaptive Filtering Prediction and Control”, Englewood Cliffs,
NJ: Prentice-Hall, 1984.
Jackson, L. B., “Digital Filters and Signal Processing”, 2nd Edition, Charter 13, Kluwer
Academic Publishers, Norwell, MA. 1989.
Jameco Electronics, “Omni-drectional Electrect Condenser Microphone Cartridges”, Catalog
242, pp. 102, May 2004.
Jessel, M. and Magiante, G. A., “Active sound absorbers en an air duct”. Journal of Sound
and Vibration, 23, (3), 383-90, 1972.
Kido, K., Reduction of noise by use of additional sound sources”. Proceeding of Inter-noise
75: International Conference on Noise Control Engineering, Sendai, Japan, pp. 647-50,
1975.
Kuo S., Panahai I., Chung K., Horner T., Nadeski M., Chyan J., “Design of Active Noise
Control Systems With the TMS320 Family”, Texas Instruments (SPRA042), 1996.
Kuo, S. M. and Morgan, D.R., “Active Noise Control: A Tutorial Review”, in Proceedings of.
IEEE, Vol. 87, No. 6, pp. 943–973, June 1999.
Kuo, S. M. and Vijayan, D., “A secondary path estimate techniques for active noise control
systems,” IEEE Trans. Speech Audio Processing, vol. 5, pp. 374–377, July 1997.
Lueg, P., “Process of silencing sound oscillations”, US Patent No. 2043416, 1936.
Marsh, A., “Human Ear and Hearing”, School of Architecture and Fine Arts, The University of
Western Australia, Online Information and Course Notes, 1999.
Masten, M. K. and Panahi, I., “Digital Signal Processors for Modern Control Systems”,
Control Eng. Pratice, Vol. 5, No. 4, pp. 449-458, 1997.
112
Minguez, A. O., “Ingeniería Avanzada para Sistemas de Control de Ruido Acústico mediante
Técnicas Adaptativas”, Universidad Politécnica de Madrid, Tesis Doctoral, 1998.
Morgan, D. R., “An analysis of multiple correlation cancellation loops with a filter in the
auxiliary path”, IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-28, pp. 454–467,
Aug. 1980.
Nelson, P. A. and Elliott, S. J., “Active Control of Sound”, San Diego, CA: Academic, 1992.
Nishimura, M., “Some Problems of Active Noise Control for Practical Use,” Proc. Int. Symp.
Active Control of Sound and Vibration, Tokyo, pp. 157–164, 1991.
No. 4,878,188. Oct. 1989.
Nuñez, I. J. C., Cardoso, P. M., Ribeiro, J. F., “Controlador FXLMS Feedback Adaptativo
Aplicado a Vibrações de Sistemas Mecânicos”, Anais do 3
0
Congresso Temático de
Dinâmica e Controle da SBMAC, UNESP, Ilha Solteira, Junho 2004.
Olson, D. A., Hallstrom, A. D. and Wise, S. S., “Active Noise Control Systems and Air Moving
Devices,” Proc. Inter-noise 89. pp. 475–478, 1989.
Olson, H. F. and May, E. G., “Electronic sound absorbers”, Journal of the Acoustical Society
of America, 25, (6), 1130-6, 1953.
Olson, H. F., “Electronic control of noise, vibration and reverberation”, Journal of the
Acoustical Society of America, 28, (5), 966-72, 1956.
Pfaff, D. D., Kapsokavathis, N. S. and Parks, N. A., “Methods for Actively Attenuating Engine
Generated Noise”, US Patent 5,146,505. September 1992.
Poole, L. A., Warnaka, G. E. and Cutter, R. C., “The Implementation of Digital Filter Using a
Modified Widrow-Hoff Algorithm for the Adaptive Cancellation of Acoustic Noise,” Proc.
ICASSP, pp. 21.7.1–21.7.4, San Diego, CA, 1984.
Potta, H. R. and Kelkar, A. G., “Modeling and Control of Acoustic Ducts”, Journal of Vibration
and Acoustics, ASME, vol. 122, 1-9, October 2000.
Rajashekara, K., et al., “Sensorless control of AC motor drives, speed and position
sensorless operation”, IEEE Press, Piscataway, New Jersey, USA, 1996.
113
Restle, R.C and Panahi, I., “DSPs redefine motion control”, Motion Control Magazine,
December 1993.
Simshauser, E. D. and Hawley, M. E., “The noise canceling headset – an active ear
defender”, Journal of the Acoustical Society of America, 27, (1), 207, 1955.
SPRA366, “Generating Efficient Code with TMS320 DSPs: Style Guidelines”, Texas
Instruments, Houston, 1997.
SPRA366, ”TMS320C2x/C2xx/C5x Optimizing C Compiler User’s Guide”, Texas Instruments,
Houston, 1999.
SPRS145G, “TMS320LF2407A, TMS320LF2406A, TMS320LF2403A, TMS320LF2402A,
TMS320LC2406A, TMS320LC2404A, TMS320LC2402A DSP Controllers”, Texas
Instruments, Houston, 2002.
SPRU357B, “TMS320LF/LC240xA DSP Controllers Reference Guide”,Texas Instruments,
Houston, 2001.
Tichy, J., and Warnaka, G. E., “Effect of Evanescent Waves on the Active Attenuation of
Sound in Ducts”, Proceedings of Inter-Noise, pp. 435–438, 1983.
Tokhi, M. O. and Leitch, R. R., “Active Noise Control”, Oxford University Press, New York,
1992.
Villadiego, J. C. T, “Sintonia de controladores PID a partir do método do relé”, Dissertação
de Mestrado, Universidade Federal de Uberlândia, Minas Gerais, Brasil, 2004.
Widrow, B. and Stearns, S. D., “Adaptive Signal Processing”, Englewood Cliffs, NJ: Prentice-
Hall, 1985.
Widrow, B., Glover, J. R., McCool, J. M., Kaunitz, J., Williams, C. S., Hern, R. H., Zeidler, J.
R., Dong, E. and Goodlin, R. C., “Adaptive Noise Canceling: Principles and Applications”,
Proc. of IEEE, Vol. 63, No. 12, pp. 1692–1716, December 1975.
114
Widrow, B., Shur D. and Shaffer, S., “On adaptive inverse control”, in Proc. 15
th
Asilomar
Conf., pp. 185-189, 1981.
Yuan, J., “A hybrid active noise controller for finite ducts”, Applied Acoustics 65, 45-57, 2004.
Zhang, M., Lan, H. and Ser, W., “Cross-Updated Active Noise Control System with Online
Secondary Path Modeling”, IEEE Transactions on Speech and Audio Processing, vol. 9, No.
5, July 2001.
Ziegler, E. W., “Selective Active Cancellation System for Repetitive Phenomena”, U.S.
Patent,
ANEXO I
Método do Gradiente Descendente
IAnexo I : Método do Gradiente Descendente
I.1 Regra Delta de Widrow-Hoff
A regra de aprendizagem de Widrow-Hoff pode ser derivada considerando o nó da
Figura I.1, onde D é um vetor de valores desejados e Y é definido pela equação (I.1) como o
produto escalar dos pesos e o vetor das entradas.
1
n
ii
i
Yw
x
(I.1)
D
+
Y _
x
i
x
1
1
n
ii
i
Ywx
w
1
x
2
x
n
w
2
w
i
w
n
Figura I.1 - Rede com valor desejado D e erro .
Da Figura I.1, pode-se ver o erro como função de todos os pesos w
i
, conforme na
equação (I.2).
1
()(
n
ii
i
DY D wx
)
2
)
(I.2)
O erro quadrático
2
pode ser visto como:
22
1
()(
n
ii
i
DY D wx
(I.3)
O gradiente do erro quadrático pode ser calculado pelas derivadas parciais com
respeito a cada um dos pesos i.
116
2
2( ) 2( )
i
ii
Y
DY DYx
ww
(I.4)
Desde que o gradiente envolve somente o i-ésimo peso, a somatória da equação
(I.1) desaparece. Para proposta de demonstração, considere uma rede com somente dois
pesos w
1
e w
2
. Desta forma, o erro quadrático agora é dado por:
2
11 2 2
(Dwx wx
2
) (I.5)
O mínimo do erro quadrático ocorre quando as derivadas parciais em relação aos
pesos w
1
e w
2
são nulas:
2
11 2 2 1
1
2( ) 0Dwx wxx
w
(I.6)
2
11 2 2 2
2
2( ) 0Dwx wxx
w
(I.7)
Desde que x
1
e x
2
não podem ser nulos, as quantidades em parênteses, que são
idênticas em ambas equações, devem ser nulas. Isto leva a:
11 2 2
0Dwx wx (I.8)
Desta forma, os valores de w
1
e w
2
podem ser dados por:
22
1
1
Dwx
w
x
(I.9)
11
2
2
Dwx
w
x
(I.10)
Substituindo cada um destes valores na equação (I.5) leva o erro quadrático para
zero. Tecnicamente isto é correto, porém no mundo real o erro mínimo quadrático nunca é
zero, devido às não-linearidades, ruídos indesejáveis e imperfeições dos dados. Este erro
que nunca se anula é designado de erro quadrático mínimo
2
min
.
A equação (I.5) mostra que o gráfico de
2
em relação aos pesos w
1
e w
2
terá a forma
parabólica. A curva parabólica do erro quadrático
2
em relação ao peso w
1
é mostrada na
Figura I.2 para os dois casos de erro quadrático: zero e
2
min
.
117
2
min
w
1
2
2
22
()Dwx
22
1
1
Dwx
w
x
Figura I.2 - Minimização do erro quadrático.
Em ambos os casos, o mínimo ocorre no valor de w
1
dado pela equação (I.9). Um
resultado idêntico pode ser obtido para o gráfico do erro quadrático em relação ao peso w
2
,
onde o mínimo ocorre no valor dado pela equação (I.10). Quando o erro quadrático é visto
em três dimensões (w
1
,w
2
,
2
), a superfície do erro é um parabolóide de revolução com o
vetor de pesos descendo em direção ao valor mínimo através de um vetor gradiente. A
projeção deste vetor gradiente no plano w
1
w
2
é um vetor delta como mostra a Figura I.3. O
vetor delta move o vetor de pesos na direção do gradiente negativo da superfície para a
posição do vetor ideal de pesos. Por causa do método seguir o gradiente, é chamado de
algoritmo do gradiente descendente ou algoritmo da máxima descida.
Vetor de
Pesos
Atual
Vetor
Delta
w
2
Vetor de
Pesos
Ideal
w
1
2
Figura I.3 - Interpretação geométrica do método do gradiente.
118
Desde que o gradiente é o caminho mais eficiente para a região inferior da
superfície, o passo delta é o modo mais eficiente para minimizar o erro quadrático. Isto é
verdadeiro se o vetor de pesos é descendente em direção ao mínimo global. Se há mínimos
locais, que são comuns em problemas multidimensionais, outras técnicas devem ser
utilizadas para garantir que a solução não estacione em um destes mínimos locais.
O método modifica cada componente do vetor de pesos proporcionalmente ao
negativo de seu gradiente:
2
2
i
i
w
w
i
x
(I.11)
Onde
é uma constante de proporcionalidade. O sinal negativo é introduzido por
causa do processo de minimização. Supondo um procedimento recursivo, onde as
informações anteriores são utilizadas na próxima iteração, pode-se dizer que:
() ( 1) () ( 1) 2 () ()
ii ii i
wk wk wk wk kxk
(I.12)
I.2 Passo Adaptativo
O parâmetro
é passo da minimização que governa a velocidade de convergência
do algoritmo, da forma que quando se escolhe um fator
grande se chega rapidamente ao
erro quadrático mínimo, oscilando ao redor com uma determinada magnitude. No entanto se
um fator pequeno for escolhido, a velocidade de convergência será lenta e as oscilações
sobre o mínimo também serão pequenas.
Supondo que cada entrada da Figura I.1 seja em diferentes tempos amostrais e que
o vetor de pesos seja um filtro linear do tipo FIR, de forma que a equação (I.1) agora seja
dada por:
0
() ()( )
M
i
yk wixk i
(I.13)
Neste caso a equação de adaptação (I.12) pode ser escrita como:
() ( 1) 2 () ( )
ii i
wk wk kxk i
(I.14)
Na equação (I.13) M+1 é número de coeficientes do filtro. Os limites do passo de
minimização são dados por (Widrow et al., 1985):
2
1
0
(1)M
(I.15)
119
Onde
2
é a potência do sinal de entrada x(k) do filtro. Se
estiver fora dos limites
dados pela equação (I.15), o algoritmo diverge e não é capaz de encontrar os valores dos
coeficientes que minimizam o erro quadrático. O valor habitual escolhido é 10% do valor
máximo, ou seja:
2
0.1
0
(1)M
(I.16)
Para se determinar o passo de minimização é necessário conhecer a potência do
sinal de entrada
2
. Em um algoritmo recursivo, esta pode ser estimada por (Minguez,
1998):
22 2
() () (1 ) ( 1)kxk k
(I.17)
Desta forma, a potência é estimada com base na potência instantânea e no histórico
das potências. O parâmetro
depende do número de amostras de x(k) que se utilizam para
a estimação, então:
1
N
0 <
< 1 (I.18)
Onde N é o número de amostras. Porém, em estimações em tempo real, não é
possível se determinar quantas amostras serão utilizadas. Neste caso, valores para
abaixo de 0,1 (10%) são bem aceitos para se ter uma boa estimação.
O erro só se minimiza quando existe alguma correlação entre o sinal desejado D e o
sinal de entrada X. Quando o sistema convergir, o erro tenderá para as componentes não
correlacionadas com X. Neste caso, se existir algum ruído aditivo não correlacionado, ele
será retirado da saída Y. Se não existir correlação alguma entre o sinal desejado D e o sinal
da entrada X, os coeficientes do filtro FIR serão praticamente nulos e a saída Y será
desprezível. O sinal de entrada X também é conhecido como sinal de referência.
I.3 Algoritmo do Método da Máxima Descida
1. Inicialização:
Coeficientes:
, M+1 coeficientes
0
() 0wi
Potência:
2
(0) 1
Parâmetro
2. Cálculo da saída do filtro FIR:
0
() () ( )
M
k
i
yk wi xk i
120
3. Cálculo do erro:
() () ()kdkyk
4. Estimação da potência de x(k):
22 2
() () (1 ) ( 1)kxk k
5. Cálculo do passo de adaptação:
2
0.1
0
(1)M
6. Atualização dos coeficientes:
1
() () 2 ( ) ( )
kk
wi wi kxk i
7. Faça k=k+1 e volte ao ponto 2.
I.4 Exemplo
Neste exemplo, deseja-se que o sinal d(k) seja inicialmente um harmônico de 10Hz
com amplitude unitária de pico. Depois, simula-se mudanças nos parâmetros de tal forma
que o harmônico passe a ter freqüência de 20Hz e amplitude de pico de 2V. Este sinal foi
gerado no MATLAB com 1024 pontos e resolução temporal de 1ms. Foi escolhido um filtro
adaptativo FIR com 30 coeficientes. O valor de
escolhido foi de 1%.
O sinal desejado d(k) foi gerado utilizando a função seno, enquanto que o sinal de
entrada x(k) foi gerado utilizando a função co-seno. Desta maneira, os dois sinais estão
defasados de 90
0
, porém apesar disto, eles são correlacionados. A correlação entre os dois
sinais é uma exigência para a convergência do método. Ao sinal de entrada foi adicionado
um ruído branco com 0.1 V
RMS
para se verificar se o sistema será robusto ao ruído aditivo.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Tempo (s)
Sinal Desejado e Saida do Filtro
d
y
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Erro ou Residuo
Tempo (s)
121
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.5
1
1.5
2
Potencia do sinal de entrada
Tempo (s)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
1
2
3
4
5
6
7
x 10
-3
Passo Adaptativo
Tempo (s)
Figura I.4 - Resultados do exemplo. (a) Sinal desejado e saída do filtro FIR.
(b) Erro ou resíduo. (c) Potência estimada da entrada. (d) Passo adaptativo.
Os resultados podem ser visualizados na Figura I.4. Pode-se observar que a saída
do filtro FIR conseguiu seguir o sinal desejado, mesmo sendo um sinal não-estacionário. No
início e nas mudanças dos parâmetros do processo, pode-se notar um erro grande na
estimativa, porém o sistema convergiu rapidamente para o sinal desejado. É importante
salientar que o erro contém a parcela do ruído branco aditivo, como era esperado, já que
este não possui correlação com o sinal desejado.
A potência do sinal de entrada foi bem estimada pelo método. As oscilações no valor
estimado se deve ao valor de
. Quanto maior o valor deste parâmetro, maiores serão as
oscilações em torno do valor verdadeiro e mais rápida será a adaptação. Enquanto que
valores menores apresentam menos oscilações, no entanto uma adaptação mais lenta. O
valor do passo adaptativo
está relacionado com a estimativa da potência.
ANEXO II
DSP TMS320LF2407A
IIAnexo II : DSP TMS320LF2407A
II.1 Arquitetura do TMS320LF2407A
Serão apresentadas algumas características da plataforma Starter Kit
TMS320LF2407A da Texas Instruments utilizada nos ensaios experimentais. Estes
dispositivos são membros da família TMS320
TM
de processadores digitais de sinais
projetados para uma ampla faixa de sistemas de controle digital. Esta família consiste de
DSPs de ponto fixo e ponto flutuante. Ela possui uma arquitetura projetada especialmente
para processamento de sinais em tempo real. A série 240xA de DSP combina o
processamento em tempo real com periféricos de microcontroladores para criar uma solução
ideal nas aplicações de sistemas de controle (SPRU357B, 2001).
Figura II.1 - Arquitetura do Dispositivo 240xA (SPU357B, 2001).
124
A arquitetura da série 240xA utiliza palavras de 16 bits com registradores de 32 bits
para armazenar os resultados intermediários e ainda possui dois deslocadores de bits para
escalonar valores sem o uso da CPU. Esta combinação minimiza os erros de truncamento e
quantização.
Estes dispositivos são implementados como processadores digitais de sinais ASIC
(cDSPs
TM
). Na CPU, o programa na ROM/FLASH é implementado como uma seqüência de
comandos como mostrado na Figura II.1. A CPU utiliza um LP256 que consiste do núcleo
TMS320C2xx DSP CPU, uma RAM de duplo acesso (DARAM) de 16 bits de palavra, a
interface lógica JTAG, a interface da memória interna (SARAM) e a interface lógica. A
interface lógica, entretanto, não é utilizada na série 240xA.
A interface entre periféricos e memória interna da CPU ocorre através da interface
PBUS. Todos os periféricos embutidos são acessados através do barramento de periféricos,
PBUS. Todos os periféricos, excluindo o watchdog, são mantidos pelo clock da CPU. O
terceiro módulo ASIC é o conversor A/D.
II.1.1 Organização da Memória
Além das memórias RAM de simples acesso (SARAM) e de duplo acesso (DARAM),
que faz parte do núcleo da CPU, os dispositivos 240xA incluem memória FLASH EEPROM
para adicional memória de programa embutida.
Estes dispositivos tem um barramento de endereço de 16 bits que podem acessar
três seções individuais de memória:
64k – memória de programa
64k – memória de dados
64k – memória I/O
Todos 240xA têm 544 palavras de 16 bits de memória DARAM, que podem ser
acessadas duas vezes no mesmo ciclo de máquina. As 544 palavras são divididas em três
blocos: B0, B1 e B2. Esta memória é geralmente utilizada para dados, no entanto, a B0
pode ser utilizada para programas.
Em operação normal, a CPU lê dados no terceiro ciclo e escreve no quarto.
Entretanto, a memória de duplo acesso permite à CPU escrever e ler em um ciclo. A CPU
escreve na DARAM na fase mestra do ciclo e lê na fase escrava.
Alguns dos dispositivos 240xA possui 2K de 16 bits de memória de simples acesso
(SARAM). Os endereços associados com esta memória podem ser utilizados tanto para
125
memória de dados como de programa. A memória SARAM é acessada somente uma vez
por ciclo. Quando a CPU necessita de múltiplos acessos, a SARAM programa estes acesso
de forma seqüencial, executando somente um acesso por ciclo. Em um acesso duplo,
enquanto a DARAM toma um ciclo de máquina, a SARAM utiliza dois ciclos.
A memória de programa armazena códigos do usuário, operando e tabelas. O
endereçamento de memória de programa permite 64K de palavras de 16 bits. Este número
inclui parte da memória DARAM e a memória FLASH EEPROM/ROM.
Dois fatores determinam a configuração da memória de programa:
Bit CNF: determina onde a DARAM B0 é mapeada:
o CNF = 0, as 256 palavras são mapeadas como memória externa.
o CNF = 1, as 256 palavras são mapeadas como memória de programa.
Pino
MP/MC : determina se as instruções de programa são lidas da memória
FLASH ou da memória externa:
o MP/MC = 0, o dispositivo é configurado no modo microcontrolador. A
memória FLASH é acessível. O dispositivo aponta o vetor de inicialização
para esta memória. O acesso à memória de programa será feito nos
endereços de 0000h – 7FFFh no caso do 2407A.
o MP/MC = 1, o dispositivo é configurado no modo microprocessador. O
dispositivo aponta o vetor de inicialização para a memória externa. Neste
caso uma imagem da memória externa é criada nos mesmos endereços
de 0000h – 7FFFh no caso do 2407A.
A memória de dados endereça 64K de 16 bits, onde 32K (0000h – 7FFFh) são de
memória interna. Esta inclui registradores, DARAM e registradores dos periféricos. Os
outros 32K (8000h – FFFFh) são de memória externa. A memória de dados pode ser
acessada tanto por endereçamento direto ou indireto.
A organização da memória de programa, dados e I/O pode ser vista na Figura II.2.
II.1.2 Osciladores
Os dispositivos 240xA utilizam um circuito embutido PLL (Phase-Locked Loop) na
CPU para sintetizar o clock interno a partir de um clock externo. O circuito PLL é um circuito
oscilador onde a freqüência de saída é múltipla da freqüência de referência (entrada). A
série 240xA utiliza um PLL que suporta fatores multiplicativos de 0.5 até 4 vezes a
freqüência do clock de entrada.
126
O propósito do PLL é evitar o uso externo à pastilha de sinais de alta freqüência, que
podem conter excessivo ruído eletro-magnético causado por rádio-freqüência. A
configuração do mesmo é feita através de registradores internos.
II.1.3 Entradas e Saídas Digitais
As portas digitais de I/O (Input/Output) proporcionam um método flexível de utilização
das funções dedicadas ou de propósito gerais dos pinos. Todas as funções dos pinos são
controladas por nove registradores de 16 bits.
Figura II.2 - Mapa de memória do TMS320LF2407A (SPRS145G, 2002)
127
Os registradores são divididos em dois tipos:
Registradores I/O MUX Control (MCRx) – Utilizados para o controle entre a
função primária do pino ou a função de propósito geral de I/O.
Registradores Data and Direction Control (PxDATDIR) – Utilizados para o
controle dos dados e da direção dos pinos bidirecionais.
A estrutura de controle para os pinos compartilhados é mostrada na Figura II.3, onde
cada pino possui três bits que definem sua operação:
Mux control bit – este bit seleciona entre a função primária (1) ou função I/O (0).
I/O direction bit – se a função I/O for selecionada para o pino, este bit determina
se o pino é uma entrada (0) ou uma saída (1).
I/O data bit - se a função I/O for selecionada para o pino, se a direção
selecionada for como entrada, o dado é lido do bit, se a direção escolhida for
saída, o dado é escrito neste bit. O estado do bit representa o estado do pino.
Figura II.3 - Configuração dos pinos compartilhados (SPRS145G, 2002).
II.1.4 Módulos administradores de eventos (EVA, EVB)
Os módulos administradores de eventos (Event Manager) possuem temporizadores
de propósito geral, unidades de comparação e PWM (Pulse Width Modulation), unidades de
captura e circuitos encoder de pulsos em quadratura (QEP). O diagrama de blocos pode ser
visto na Figura II.4.
128
Um sinal modulado por largura de pulso (PWM) é uma seqüência de pulsos com
larguras variáveis. Os pulsos são propagados sobre um número de períodos de tamanho
fixo. Este período fixo é chamado de período do PWM e seu inverso é chamado de
freqüência do PWM. As larguras dos pulsos são determinadas, ou moduladas, por uma
seqüência de valores desejados, o sinal modulante. A freqüência do sinal modulante é
tipicamente muito menor (pelo menos 10 vezes) que a freqüência do PWM.
Figura II.4 - Diagrama de Blocos do EVA (SPRS145G, 2002).
129
Há dois temporizadores de propósito geral GP em cada módulo. Estes podem ser
utilizados em diversas funções, dentre elas:
Geração do período de amostragem em um sistema de controle.
Prover a base de tempo para a operação de QEP e unidades de captura.
Prover a base temporal para a geração das saídas PWM.
Os temporizadores podem operar de modos independentes ou sincronizados entre
eles. O registrador de comparação associado com cada GP pode ser utilizado para funções
de comparação e geração de PWM. Há três modos contínuos de operação para cada
temporizador. Clocks de entrada interno ou externo com prescaler programável para cada
GP podem ser utilizados.
Mais de oito sinais de PWM podem ser geradas simultaneamente por cada
administrador de eventos: três pares independentes gerados por três unidades de
comparação com deadbands (utilizado em controle de motores) e duas ondas
independentes geradas pelos comparadores GP-timer.
II.1.5 Conversores A/D
Figura II.5 - Diagrama de blocos do módulo ADC (SPRS145G, 2002).
130
Um diagrama de blocos funcional do módulo ADC pode ser visto na Figura II.5. Este
módulo consiste de somente um conversor A/D de 10 bits com circuito S/H (Sample-Hold).
Este conversor é compartilhado pelos seqüenciadores. As funções do módulo ADC incluem:
16 canais, entradas multiplexadas.
Seqüenciador automático com capacidade de 16 conversões em uma simples
sessão. Cada conversão pode ser programada em uma das 16 entradas.
Dezesseis registradores de resultados individualmente endereçados.
Múltiplos triggers para o início da conversão:
o S/W – Início imediato por software.
o EVA – Administrador de eventos A.
o EVB – Administrador de eventos B.
o Ext – Pino externo (ADCSOC).
Controle flexível da interrupção de fim da seqüência de conversão.
EVA e EVB podem operar de forma independente.
Tempo de aquisição do S/H com controle de prescaler separado.
II.2 Aritmética de Ponto Fixo
Como a família TMS320
TM
suporta a aritmética de complemento de dois, uma revisão
do sistema de complemento de dois deve ser vista. Para facilitar o entendimento, um
sistema de 4 bits será utilizado ao invés do sistema de 16 bits utilizado pelo DSP. Uma
palavra de 4 bits pode representar números sem sinais (unsigned) de 0 a 15. Se uma
unidade (1) é adicionada ao maior número (15), o sistema estoura o limite, volta ao primeiro
valor e apresenta zero (0) como resultado. Sistemas de bits limitados têm as mesmas
propriedades que uma roda numérica, como mostrado na Figura II.6(a). Para a adição de
dois números x e y, a operação deve ser feita da seguinte maneira:
Encontre o número x na roda.
Contando y unidades na direção do relógio encontra-se o resultado.
Por exemplo, a adição (5+7) traz como resultado o número 12, enquanto que (12+10)
nos dá como resultado o número 6.
131
(a) Roda numérica não-
sinalizada
(b) Roda numérica sinalizada
(c) Roda numérica de ponto fixo
Figura II.6 - Rodas Numéricas (Chassaing et al., 1990).
No entanto, números negativos necessitam de uma interpretação diferente dos
números na roda. Imagine agora que a metade do lado direito da roda representa os
números positivos e a outra metade, os negativos, como mostra a Figura II.6(b). Esta
representação é conhecida como complemento de dois. Os números negativos são
complementos de dois dos números positivos, e vice-versa. Um número binário no sistema
complemento de dois é dado por:
11n
Bb bb
"
0
0
0
(1)
(2.1)
O seu inteiro decimal é dado por:
11
11
() 2 2 2
n
n
DB b b b
" (2.2)
Onde b
i
são os dígitos binários. Note que o bit de sinal possui um peso negativo,
enquanto que todos os outros possuem pesos positivos. Por exemplo, considere o número –
2:
321 0
1110 1 2 1 2 1 2 0 2 8 4 2 0 2 (2.3)
Para aplicar a técnica gráfica para a operação 6+(–2), localize o número 6 na roda,
depois conte 1110 ou 14 unidades no sentido do relógio para encontrar a resposta 4.
Quando –7 é adicionado a –8 no sistema de 4 bits, a resposta será +1 ao invés do
esperado –15, que está fora da faixa. Quando dois números de sinais iguais produzem uma
resposta com sinal oposto, um overflow ocorre no sistema.
Ao invés de se utilizar valores inteiros, como discutido anteriormente, a maioria das
aplicações em DSPs utilizam números fracionários de ponto fixo que possuem valores entre
+0.99 e –1. Para se obter o número fracionário de n bits, a expressão a seguir pode ser
usada:
01
01 1
() 2 2 2
n
n
FB b b b
" (2.4)
132
Note novamente que o bit de sinal tem um peso negativo 1 e os outros pesos são
números positivos de potência de 1/2. A roda representativa pode ser vista na Figura II.6(c).
Os números fracionários são obtidos dos números inteiros escalonados (divididos) por
.
Devido ao fato do número de bits no sistema de 4 bits ser pequeno, a faixa vai de –1 a
0.875.
3
2
Já a família TMS320
TM
utiliza palavras de 16 bits, onde os números inteiros estão na
faixa entre –32768 a 32767. Para se obter os números fracionários, deve-se escalonar os
números inteiros por
ou 32768, que resulta em uma faixa de –1 a 0.999969 (usualmente
dito +1). Este é o formato conhecido como Q15 e a roda numérica é vista na Figura II.6(c).
15
2
A multiplicação de dois números sinalizados (
signed) possui alguns problemas
interessantes. A dedução comum é que a multiplicação de dois números de
n bits produza
um resultado de
2n bits. No entanto, isto é verdade somente para números sem sinais
(
unsigned). Lembre-se que os números sinalizados necessitam de um bit de sinal seguido
pelos outros pesos positivos.
Considere a multiplicação de dois números fracionais de 4 bits, onde cada número é
representado por 3 bits fracionais e um bit de sinal. O produto será representado por 8 bits.
0.50 1.100
0.75 0.110
11111000
111000
11.101000
10 1 3
2 2 2 2 0.375
O bit mais significativo do resultado acima é denominado de bit de sinal estendido e
pode ser eliminado. Desta maneira, o produto pode ser representado por 7 bits em um
sistema de 4 bit. De forma mais genérica, pode ser representado por (
2n-1) bits em um
sistema de
n bits. Em um sistema de 16 bits, no resultado, o bit 31 é um sinal estendido do
bit 30.
Nas operações de um processador de 16 bits, o resultado de 32 bits deve ser
truncado ou arredondado para 16 bits. Os bits mais significativos, com o bit de sinal e sua
duplicação, estão na parte superior do acumulador. Este resultado deve ser deslocado de
um bit para a esquerda para eliminar o bit de sinal extra e obter um bit a mais na resolução,
quando movido para a locação de memória de 16 bits.
Na família TMS320
TM
existe o Modo de Deslocamento do Produto (Product Shift
Mode – PM
). Este é composto de dois bits no Registrador de Status ST1. Quando estes dois
bits são 00, o resultado de 32 bits é carregado na Unidade Lógica e Aritmética (ALU) sem
deslocamentos. Quando PM=01, o resultado é carregado com o deslocamento de um bit
para a esquerda, com o LSB zerado. Se PM=10, o resultado é carregado com o
133
deslocamento de 4 bits para a esquerda, com o LSB zerado. Se PM=11, há um
deslocamento de 6 bits para a direita com a produção de bits de sinal estendido. Os
deslocamentos ocorrem na transferência do PREG para a ALU. O registrador PM é
carregado pelas instruções SPM e LST #1.
Já que os números na representação Q15 estão entre +1 e –1, não há
overflow nos
resultados da multiplicação. No entanto, nas adições e subtrações, isto ainda é um
problema. Para manipular este efeito, a família TMS320
TM
possui algumas ferramentas:
Bit de Overflow (OV): Este bit vale 1 quando um overflow ocorre na unidade
aritmética.
Bit de Modo Overflow (OVM): Quando este bit é 0, resultados de overflow podem
ocorrer naturalmente no acumulador. No entanto, quando este vale 1, o
acumulador é saturado, como em um sistema analógico, em seu maior ou menor
valor, dependendo de qual direção ocorre. As instruções SETC e CLRC são
utilizadas para escrever 1 ou 0 no bit, respectivamente.
No entanto, quando se utiliza linguagem C para se implementar os algoritmos de
controle no DSP, muitas vezes os bits de
overflow não são acessíveis. O modo PM também
pode ser usado de modo indesejado. Desta forma é melhor utiliza-lo sem deslocamentos
(PM=00). Uma forma de se multiplicar dois números no formato Q15 seria (SPRA366, 1997):
x = ((long)y * (long)z)>>15;
Esta linha de comando permite a obtenção do resultado sem acessar as rotinas de
multiplicação de dados de 32 bits, que são mais lentas. A implementação do algoritmo LMS
pode ser vista como:
uen = ((long)u * (long)en)>>15;
for (i=0; i<N;i++)
W[i] += ((long)uen * (long)xn[i])>>15;
Estas rotinas de multiplicação são mais eficientes quando se faz o uso de ponteiros,
como permitido pela estrutura da linguagem C.
II.3 Biblioteca de Processamento de Sinais da Texas Instruments
Na implementação dos algoritmos, o projetista deverá escolher não somente o DSP,
mas também o pacote de ferramentas. A escolha de linguagens de alto nível tais como C,
Pascal e outras pode tornar o desenvolvimento mais agradável devido ao fato destas
linguagens serem mais familiares e de fácil uso.
134
No entanto, as linguagens de alto nível não são específicas para um tipo de DSP e
como resultado, podem não ser otimizadas para aplicações em tempo real. As linguagens
de alto nível são tipicamente utilizadas para inicialização e outras tarefas pouco importantes,
enquanto que a linguagem
assembly é utilizada para tarefas críticas em tempo real (Masten
et al., 1997).
A maior desvantagem de linguagens
assembly é sua dependência com o hardware,
e o fato do usuário necessitar conhecer intimamente o conjunto de instruções para cada
DSP. Por outro lado, o conhecimento do
hardware e da arquitetura proporciona o uso da
linguagem
assembly eficientemente de modo a minimizar o tamanho do código (diminuindo
o uso da memória) e minimizar o tempo de execução (otimizar o atraso computacional).
De conhecimento dos fabricantes, estes oferecem bibliotecas (
libraries) otimizadas
para o processamento de sinais, onde rotinas em
assembly podem ser utilizadas tanto em
programas de linguagem de alto nível como em
assembly, reduzindo assim o tempo de
processamento das tarefas críticas.
A
Texas Instruments oferece bibliotecas de processamento digital de sinais para a
série C2000 que incluem geradores de sinais, funções trigonométricas, filtros digitais,
transformadas e outras ferramentas.
Para a elaboração desta dissertação foi utilizada a biblioteca de filtros digitais. Esta
apresenta várias estruturas para filtros digitais FIR e IIR, tanto de ordem fixa, como de
ordem genérica. Dentre os filtros FIR, tem-se a estrutura com o
buffer linear ou circular de
entrada.
II.3.1 Filtro FIR genérico utilizando buffer linear
O filtro FIR é essencialmente uma somatória de produtos utilizando um vetor de
valores guardados em uma linha de atraso (
buffer dos valores de entrada), como pode ser
visto Figura II.7. A linha de atraso para este módulo é implementada como um
buffer linear,
que necessita de uma movimentação manual dos dados através da linha de atraso. Um
dado novo é escrito na posição vazia no topo do
buffer. A série C24x de DSPs pode realizar
esta movimentação de dados em paralelo com o processamento aritmético (instrução
DMOV), o uso desta ferramenta esta limitada à memória interna. Devido a esta restrição é
necessário alocar o
buffer de entrada do filtro nos blocos de memória interna DARAM B0,
B1 e B2 (Filter Library, 2002).
135
Figura II.7 - Estrutura do filtro FIR.
A estrutura definida pelo objeto FIRFILT_GEN da biblioteca é dada como:
typedef struct {
int *coeff_ptr;
int *dbuffer_ptr;
int order;
int input;
int output;
void (*init)(void *);
void (*calc)(void *);
} FIRFILT_GEN;
Variáveis
Tabela II.1 - Tabela das variáveis do objeto FIRFILT_GEN.
Item Nome Descrição Formato Faixa (Hex)
Entrada
coeff_ptr Ponteiro para o vetor de coeficientes do filtro.
O tamanho do vetor deve ser igual a ordem+1.
N/A N/A
dbuffer_ptr Ponteiro para a linha de atraso.
O tamanho deve ser igual a ordem do filtro.
N/A N/A
order Ordem do filtro. Q0 0002 – 7FFF
input Dado de entrada do filtro Q15 8000 – 7FFF
Saída
output Saída do filtro digital Q15 8000 – 7FFF
Constantes especiais e tipos de dados
FIRFILT_GEN: A definição do módulo é criada como um tipo de dado. Para criar
vários filtros, simplesmente deve-se declarar variáveis do tipo FIRFILT_GEN.
FIRFILT_GEN_handle: Dado definido pelo usuario para apontar para o módulo.
FIRFILT_GEN_DEFAULTS: Estrutura utilizada para inicializar o módulo.
Funções
void init(FIRFILT_GEN_handle);
136
void calc(FIRFILT_GEN_handle);
Estas duas funções são utilizadas para a inicialização e o cálculo da convolução do
filtro FIR, respectivamente.
O seguinte pseudocódigo é utilizado como exemplo para o uso do módulo. Os
coeficientes do filtro estão disponíveis no arquivo FIRCOEFF.H para um filtro passa baixa
com freqüência de corte em 3000Hz.
#define FIR_ORDER 50 /* Ordem do filtro FIR */
#pragma DATA_SECTION(fir, "firfilt"); /* Local onde será alocado o objeto filtro */
FIRFILT_GEN lpf = FIRFILT_GEN_DEFAULTS;
#pragma DATA_SECTION(dbuffer,"firldb"); /* Local onde será alocada a linha de atraso */
int dbuffer[FIR_ORDER];
#pragma DATA_SECTION(coeff,"fircoeff"); /* Local onde serão alocados os coeficientes */
int coeff[FIR_ORDER+1]= FIR_LPF50;
main()
{
lpf.dbuffer_ptr=dbuffer; /* Ponteiro da linha de atraso */
lpf.coeff_ptr=coeff; /* Ponteiro dos coeficientes */
lpf.order=FIR_ORDER; /* Ordem do filtro */
lpf.init(&lpf); /* Inicialização do filtro */
}
void interrupt isr20khz()
{
lpf.input=xn; /* Dado de entrada */
lpf.calc(&lpf); /* Cálculo da convolução */
yn=lpf.output; /* Saída do filtro */
}
Algumas observações devem ser realizadas:
A seção “firldb” deve ser alocada no bloco DARAM
O objeto filtro e os coeficientes são alocados nas seções “firfilt” e “fircoeff”
respectivamente para se manter a generalidade e organização. Estas duas
seções podem ser alocadas em qualquer lugar da memória de dados.
O código é compacto devido ao fato de ser implementado em laços.
Os resultados intermediário e final da computação da somatória de produtos são
saturados, e a saída do filtro é dada no formato Q15. Desta forma, se o ganho do
filtro é maior que o unitário ao longo da banda passante, o usuário necessitará
restringir a amplitude da entrada de tal forma que a saída não seja saturada.
137
Figura II.8 - Computação do filtro FIR com
buffer linear.
O diagrama da Figura II.8 mostra a computação do filtro FIR, o procedimento ocorre
dos valores mais antigos para os mais novos. O coeff_ptr e dbuffer_ptr são manipulados
para o fim do
buffer na rotina de inicialização.
II.3.2 Filtro FIR genérico utilizando buffer circular
Esta rotina utiliza a implementação de bit-reverso de buffer circular para a linha de
atraso. O
buffer circular é implementado pela movimentação do ponteiro através dos dados,
ao invés da própria movimentação dos mesmos. O único requerimento para a
implementação do
buffer circular é manter o ponteiro na faixa dos dados.
A estrutura definida pelo objeto FIRFILT_GEN da biblioteca é dada como:
typedef struct {
int *coeff_ptr;
int brindex;
int order;
int *dbuffer_ptr;
int input;
int output;
void (*init)(void *);
void (*calc)(void *);
} FIRFILT_CGEN;
138
Variáveis
Tabela II.2 - Tabela das variáveis do objeto FIRFILT_CGEN.
Item Nome Descrição Formato Faixa (Hex)
Entrada
coeff_ptr Ponteiro para o vetor de coeficientes do filtro.
O tamanho do vetor deve ser igual a ordem+1.
N/A N/A
dbuffer_ptr Ponteiro para a linha de atraso.
O tamanho deve ser igual ao menor numero de
potência de 2 que seja maior ou igual a ordem.
N/A N/A
order Ordem do filtro. Q0 0002 – 7FFF
input Dado de entrada do filtro Q15 8000 – 7FFF
Saída
output Saída do filtro digital Q15 8000 – 7FFF
Config
brindex Valor utilizaddo para implementar o buffer circular
utilizando o endereçamento BR.
Q0 0001 – 4000
Constantes especiais e tipos de dados
FIRFILT_CGEN: A definição do módulo é criada como um tipo de dado. Para criar
vários filtros, simplesmente deve-se declarar variáveis do tipo FIRFILT_CGEN.
FIRFILT_CGEN_handle: Dado definido pelo usuario para apontar para o módulo.
FIRFILT_CGEN_DEFAULTS: Estrutura utilizada para inicializar o módulo.
Funções
void init(FIRFILT_CGEN_handle);
void calc(FIRFILT_CGEN_handle);
Estas duas funções são utilizadas para a inicialização e o cálculo da convolução do
filtro FIR, respectivamente.
O seguinte pseudocódigo é utilizado como exemplo para o uso do módulo. Os
coeficientes do filtro estão disponíveis no arquivo FIRCOEFF.H para um filtro passa baixa
com freqüência de corte em 3000Hz.
#define FIR_ORDER 50 /* Ordem do filtro FIR */
#define DBUFF_SIZE 64 /* Tamanho do buffer */
#pragma DATA_SECTION(fir, "firfilt"); /* Local onde será alocado o objeto filtro */
FIRFILT_GEN lpf = FIRFILT_CGEN_DEFAULTS;
#pragma DATA_SECTION(dbuffer,"fircdb"); /* Local onde será alocada a linha de atraso */
int dbuffer [DBUFF_SIZE];
#pragma DATA_SECTION(coeff,"fircoeff"); /* Local onde serão alocados os coeficientes */
int coeff[FIR_ORDER+1]= FIR_LPF50;
main()
{
lpf.dbuffer_ptr=dbuffer; /* Ponteiro da linha de atraso */
lpf.coeff_ptr=coeff; /* Ponteiro dos coeficientes */
lpf.order=FIR_ORDER; /* Ordem do filtro */
lpf.init(&lpf); /* Inicialização do filtro */
139
}
void interrupt isr20khz()
{
lpf.input=xn; /* Dado de entrada */
lpf.calc(&lpf); /* Cálculo da convolução */
yn=lpf.output; /* Saída do filtro */
}
Algumas observações devem ser realizadas:
A seção “fircdb” pode ser alocada em qualquer local da memória de dados.
O objeto filtro e os coeficientes são alocados nas seções “firfilt” e “fircoeff”
respectivamente para se manter a generalidade e organização. Estas duas
seções podem ser alocadas em qualquer lugar da memória de dados.
O código é compacto devido ao fato de ser implementado em laços.
Os resultados intermediário e final da computação da somatória de produtos são
saturados, e a saída do filtro é dada no formato Q15. Desta forma, se o ganho do
filtro é maior que o unitário ao longo da banda passante, o usuário necessitará
restringir a amplitude da entrada de tal forma que a saída não seja saturada.
Algumas restrições devem ser colocadas para a utilização deste método:
O tamanho do
buffer deve ser um número de potência de 2 maior ou igual a
ordem do filtro. Por exemplo, um filtro de ordem 48 deve ter um buffer de
tamanho 64.
O
buffer deve ser alinhado com a borda 2
n
.
Inicialize o dbuffer_ptr em qualquer posição do
buffer, geralmente é utilizado o
início do mesmo.
O valor do índice necessário para o endereçamento de bit-reverso é calculado na
inicialização baseado na ordem do filtro.
ANEXO III
Foto da Bancada Experimental
IIIAnexo III : Foto da Bancada Experimental
ANEXO IV
Algoritmo ANC – Controle Híbrido
IVAnexo IV : Algoritmo ANC – Controle Híbrido
#include "stdlib.h"
#include "regs2407.h"
#include "tms320lf2407.h"
#include "regs_fun.h"
#include "firfilt.h"
#include "Myfilter.h"
#include "qmath.h"
/*Define o Periodo de Amostragem */
/*T1PERIOD = dt*clk_cpu/prescaler = (1/2000)*40e6/1 */
/*F = 2000Hz -> 20000 */
/*F = 2500Hz -> 16000 */
/*F = 3200Hz -> 12500 */
#define PERIOD 16000 /*16 bits max value */
/* Ordem de inicializacao dos Filtros */
#define FIR_ORDER 32
#define FIR_ORDER2 120
#define BUFFER 128
/*********************** FEEDFORWARD
*********************************************/
/*
===========================================================================
=
/* Filtro adaptativo W com buffer linear que estima o caminho primario */
#pragma DATA_SECTION(W, "firfilt");
FIRFILT_CGEN W = FIRFILT_CGEN_DEFAULTS;
/* Buffer de entrada do Filtro W (deve ser localizado na memoria B0) */
#pragma DATA_SECTION(Wdbuffer,"firldb");
int Wdbuffer[FIR_ORDER];
/* Vetor dos coeficientes do Filtro W */
#pragma DATA_SECTION(Wcoeff, "fircoeff");
int Wcoeff[FIR_ORDER+1];
/*
===========================================================================
=
/* Filtro S com buffer circular que estima o caminho secundario */
#pragma DATA_SECTION(S, "firfilt");
144
FIRFILT_CGEN S= FIRFILT_CGEN_DEFAULTS;
/* Define o Buffer de entrada do filtro S, deve estar alinhado com os
limites
da seçao e deve ter o tamanho multiplo de potencias de 2(2n) que seja maior
ou
igual a ordem do filtro */
#pragma DATA_SECTION(Sdbuffer,"fircdb");
int Sdbuffer[BUFFER];
/* Vetor dos coeficientes do Filtro S */
#pragma DATA_SECTION(Scoeff, "fircoeff");
int Scoeff[FIR_ORDER2+1]= FIR_120_SECONDARY_2500Hz;
/*
===========================================================================
=
/* Filtro D com buffer circular que estima o caminho de realimentaçao */
#pragma DATA_SECTION(D, "firfilt");
FIRFILT_CGEN D= FIRFILT_CGEN_DEFAULTS;
/* Define o Buffer de entrada do filtro D, deve estar alinhado com os
limites
da seçao e deve ter o tamanho multiplo de potencias de 2(2n) que seja maior
ou
igual a ordem do filtro */
#pragma DATA_SECTION(Ddbuffer,"fircdb");
int Ddbuffer[BUFFER];
/* Vetor dos coeficientes do Filtro D */
#pragma DATA_SECTION(Dcoeff, "fircoeff");
int Dcoeff[FIR_ORDER2+1]= FIR_120_RETURN_2500Hz;
/*********************** FEEDBACK
*********************************************/
/*
===========================================================================
=
/* Filtro adaptativo A com buffer linear que estima o caminho primario */
#pragma DATA_SECTION(A, "firfilt");
FIRFILT_CGEN A = FIRFILT_CGEN_DEFAULTS;
/* Buffer de entrada do Filtro W (deve ser localizado na memoria B0) */
#pragma DATA_SECTION(Adbuffer,"firldb");
int Adbuffer[FIR_ORDER];
/* Vetor dos coeficientes do Filtro W */
#pragma DATA_SECTION(Acoeff, "fircoeff");
int Acoeff[FIR_ORDER+1];
/*
===========================================================================
=
/* Filtro B com buffer circular que estima o caminho secundario */
#pragma DATA_SECTION(B, "firfilt");
FIRFILT_CGEN B= FIRFILT_CGEN_DEFAULTS;
/* Define o Buffer de entrada do filtro S, deve estar alinhado com os
limites
145
da seçao e deve ter o tamanho multiplo de potencias de 2(2n) que seja maior
ou
igual a ordem do filtro */
#pragma DATA_SECTION(Bdbuffer,"fircdb");
int Bdbuffer[BUFFER];
/*
===========================================================================
=
/* Filtro C com buffer circular que estima o caminho secundario */
#pragma DATA_SECTION(C, "firfilt");
FIRFILT_CGEN C= FIRFILT_CGEN_DEFAULTS;
/* Define o Buffer de entrada do filtro S, deve estar alinhado com os
limites
da seçao e deve ter o tamanho multiplo de potencias de 2(2n) que seja maior
ou
igual a ordem do filtro */
#pragma DATA_SECTION(Cdbuffer,"fircdb");
int Cdbuffer[BUFFER];
/*
===========================================================================
=
/* Filtro xf com buffer linear que estima o caminho secundario */
#pragma DATA_SECTION(xf, "firfilt");
FIRFILT_GEN xf= FIRFILT_GEN_DEFAULTS;
/* Buffer de saída do sinal filtro FXLMS, esta estrutura é utilizada
para rotacionar o buffer de forma mais rápida */
#pragma DATA_SECTION(xfbuffer,"firldb");
int xfbuffer[FIR_ORDER+1];
/*
===========================================================================
=
/* Filtro df com buffer circular que estima o caminho secundario */
#pragma DATA_SECTION(df, "firfilt");
FIRFILT_GEN df= FIRFILT_GEN_DEFAULTS;
/* Buffer de saída do sinal filtro FXLMS, esta estrutura é utilizada
para rotacionar o buffer de forma mais rápida */
#pragma DATA_SECTION(dfbuffer,"firldb");
int dfbuffer[FIR_ORDER+1];
/*Variáveis utilizadas no controle */
int *xn, /* Sinal de entrada do FeedForwad */
*dn, /* Sinal de entrada do FeedBack */
*yn, /* Sinal de saída do controle */
*en, /* Sinal de erro do AD */
*un, /* Sinal do mic de referencia */
*pot, /* Potencia estimada do sinal filtrado FF */
*p, /* Potencia estimada do sinal filtrado FB */
*mi, /* Passo adaptativo FF */
*m, /* Passo adaptativo FF */
*alfa1, /* Fator de esquecimento da estimativa da potencia */
*alfa2, /* Fator de esquecimento da estimativa da potencia */
*uen,
*aux;
146
/*Variáveis utilizadas para selecionar a estrutura */
int feedback, feedforward, FB;
int ad1=0, ad1_ant=0, ad2=0, ad2_ant=0, un_ant=0, en_ant=0;
int n = 0;
/****************************************************************/
/* Funçao vazia para se detectar interrupçoes indesejadas */
void interrupt phantom(void)
{
static int phantom_count;
phantom_count ++;
}
/****************************************************************/
/* Laço do controle que ocorre a cada periodo de amostragem */
interrupt void control(void)
{
unsigned int out, i;
if (PIVR == ADCINT) /* Testa a interrupcao ADC */
{
/* Leitura do AD */
ad1=(RESULT0-32768); /* Bipolar Q-15 */
/*Filtro notch para 0Hz*/
*un = ad1 - ad1_ant;
*un += ((long)29000*(long)un_ant)>>15;
ad1_ant = ad1;
un_ant = *un;
/* Leitura do AD */
ad2=(RESULT1-32768); /* Bipolar Q-15 */
/*Filtro notch para 0Hz*/
*en = ad2 - ad2_ant;
*en += ((long)29000*(long)en_ant)>>15;
ad2_ant = ad2;
en_ant = *en;
if (n>20000)
{
/************* FEEDFORWARD **************************/
if (feedforward)
{
if (FB)
{
/* Computa a referencia livre da realimentacao
*/
D.input = *yn;
D.calc(&D);
*xn = *un - D.output;
}
else *xn = *un;
/* Estimativa do anti-ruido pelo sinal */
W.input = *xn;
W.calc(&W);
/* Calculo da entrada filtrada */
S.input = *xn;
S.calc(&S);
147
/*Rotacao do buffer dos dados da entrada filtrada */
xf.input = S.output;
xf.calc(&xf);
/* Estimacao da potencia da entrada filtrada xf */
*uen = xfbuffer[0];
*aux = ((long)*uen*(long)xfbuffer[0])>>15;
*uen = ((long)*alfa1*(long)*aux)>>15;
*aux = ((long)*alfa2*(long)*pot)>>15;
*pot = *uen + *aux +1;
/* Calculo do passo de adaptacao mi */
*mi = ((int)32767/(*pot));
*mi *= 10;
/* Atualizacao dos coeficientes */
/*W(i)=W(i-1) -2*u*e(n)*xf(n-i) */
*uen = ((long)*mi*(long)*en)>>15;
*aux = 32766; /*Fator de Vazamento*/
for (i=0;i<=W.order;i++)
{
Wcoeff[i] = ((long)*aux*(long)Wcoeff[i])>>15;
Wcoeff[i] -= ((long)*uen*(long)xfbuffer[i])>>15;
}
}
/************* FEEDBACK *************************/
if (feedback)
{
/* Calculo da referencia estimada dn(n) */
C.input = *yn;
C.calc(&C);
*dn = *en - C.output;
/* Calculo do anti-ruido */
A.input = *dn;
A.calc(&A);
/* Calculo da entrada filtrada */
B.input = *dn;
B.calc(&B);
/*Rotacao do buffer dos dados da entrada filtrada */
df.input = B.output;
df.calc(&df);
/* Estimacao da potencia da entrada filtrada xf */
*uen = dfbuffer[0];
*aux = ((long)*uen*(long)dfbuffer[0])>>15;
*uen = ((long)*alfa1*(long)*aux)>>15;
*aux = ((long)*alfa2*(long)*p)>>15;
*p = *uen + *aux + 1;
/* Calculo do passo de adaptacao mi */
*m = ((int)32767/(*p));
*m *= 5;
/* Atualizacao dos coeficientes */
/*A(i)=A(i-1) -2*m*e(n)*df(n-i) */
148
*uen = ((long)*m*(long)*en)>>15;
*aux = 32760;
for (i=0;i<=A.order;i++)
{
Acoeff[i] = ((long)*aux*(long)Acoeff[i])>>15;
Acoeff[i] -= (((long)*uen*(long)dfbuffer[i])>>15);
}
}
/* Compoe a saída baseada nas duas estruturas */
if (feedforward && feedback) *yn = A.output + W.output;
else if (feedforward) *yn = W.output;
else if (feedback) *yn = A.output;
else *yn = 0;
/*Saida na resoluçao do PWM */
out = *yn + 32768; /* Unsigned */
T1CMPR = ((long)out*(long)PERIOD)/65536;
}
if (n < 20000) n++; else n = 20001;
/* Reset SEQ1 and clear ADC SEQ1 int flag */
setup_adctrl2(ADCTRL2|ADC_RST_SEQ1|ADC_INT__FLAG_SEQ1);
}
}
void main()
{
unsigned int i;
/*O espaço é importante */
asm (" setc INTM"); /* Desabilita todas interrupcoes */
asm (" clrc SXM"); /* Limpa o bit de sinal
*/
asm (" setc OVM"); /* Modo de saturacao de Overflow
*/
asm (" clrc CNF"); /* Configura o bloco BO como dados
*/
asm (" spm 0 "); /* Multiplicao no modo normal
*/
/*WaitStates - 0 */
setup_wsgr(BVISOFF|ISWS0|DSWS0|PSWS0);
/*SCSR1
CLK=40MHz
Habilita clock do ADC
Habilita clock do EVA
Limpa o bit de endereçamento ilegal */
setup_scsr1(CPUCLK|LPM0|CLK_PS4|ADC_CLK_ENA|EVA_CLK_ENA|ILLADR);
/*Desabilita o Watchdog */
setup_wdcr(WD_WDDIS|WD_NORMAL|WD_PRE64);
/*MCRA - Saída T1PWM */
setup_mcra(T1PWM);
/*MCRB - Pinos de I/0 */
setup_mcrb(W_R|BIO|IOPC2|IOPC3|IOPC4|IOPC5|IOPC6|IOPC7);
149
/*MCRC - Pinos de I/0 */
setup_mcrc(IOPE0|IOPE1|IOPE2|IOPE3|IOPE4|IOPE5|IOPE6|IOPE7);
/*T1CON
Emulaçao termina ao final do período
Modo de contagem: continuous-up
Timer Clock Prescaler: 1
Desabilita o Temporizador
Clock do Temporizador na fonte interna
Recarrega quando o contador=0|per
Utiliza o periodo do Temporizador 1
Habilita a operaçao de comparaçao */
setup_t1con(TIMER_SOFT_STOP|TIMER_CONT_UP|TIMER_CLK_PS1|TIMER_DISABLE|TIMER
_CLK_SRC_INT|TIMER_LD_ON_ZERO_OR_PRD|TIMER_OWN_PERIOD|TIMER_CMP_ENA);
/*GPTCONA
Começa o ADC pela interrupcao do periodo T1
Polarizaçao da saída do comparador GPT1 = ativa alta
Habilita todas as saídas do GPT */
setup_gptcona(GPT_T2TOADC_DIS|GPT_T1TOADC_PER|GPT_T1PIN_AHIGH|GPT_TCOMPOE_E
NA);
/*IMR - ADC prioridade alta -> habilita INT1 ADC
ADC prioridade baixa -> habilita INT6 ADC
*/
setup_imr(INT1_ENA);
/*ADCTRL1
Completa a conversao antes de parar
Timer Clock Prescaler: 16xTclk
ADC logic Clock = CLK/2
Start-stop mode
Prioridade alta na interrupcao do ADC
Modo sequencial duplo
Modo de calibraçao desativado
*/
setup_adctrl1(ADC_SOFT_STOP|ADC_CLK_PS8|ADC_CPS2|ADC_START_STOP|ADC_INT_HIG
H|ADC_SEQ_DUAL|ADC_CAL_DIS|ADC_BRG_FULL);
/*ADCTRL2
Reseta o sequenciador 1 (CAL ENA = 0)
Interrupcao imediata
EVA inicia o sequenciador 1
*/
setup_adctrl2(ADC_RST_SEQ1|ADC_INT_SEQ1_MODE1|ADC_EVA_SOC_SEQ1);
/*Os Registradores para EVAIMRx não precisam ser ajustados,
devido ao fato de não existir interrupçoes de temporizadores */
T1PR = PERIOD; /* Inicializa o período do T1 */
T1CMPR = T1PR/2;/* Ciclo do PWM */
T1CNT = 0; /* Valor inicial para o contador T1 */
MAXCONV = 1; /*2 Conversões (N-1) */
/*CHSELSEQ1 - Sequenciador dos canais AD */
150
setup_chselseq1((CH0)|(CH1<<4));
EVAIFRA=0xFFFF; /* clear EV Interrupt Flag Register Group A */
EVAIFRB=0xFFFF; /* clear EV Interrupt Flag Register Group B
*/
EVAIFRC=0xFFFF; /* clear EV Interrupt Flag Register Group C
*/
IFR = 0xFFFF; /* Reseta todas as interrupçoes pendentes */
/* Inicializacoes das variáveis de controle */
xn = malloc(1);
dn = malloc(1);
yn = malloc(1);
en = malloc(1);
un = malloc(1);
pot = malloc(1);
p = malloc(1);
mi = malloc(1);
m = malloc(1);
alfa1= malloc(1);
alfa2= malloc(1);
uen = malloc(1);
aux = malloc(1);
*pot = *p = 1000;
*alfa1 = 3250;
*alfa2 = (32768-3250);
/* Inicializaçao do Filtros */
W.dbuffer_ptr = Wdbuffer;
W.coeff_ptr = Wcoeff;
W.order = FIR_ORDER;
W.init(&W);
S.dbuffer_ptr = Sdbuffer;
S.coeff_ptr = Scoeff;
S.order = FIR_ORDER2;
S.init(&S);
D.dbuffer_ptr = Ddbuffer;
D.coeff_ptr = Dcoeff;
D.order = FIR_ORDER2;
D.init(&D);
A.dbuffer_ptr = Adbuffer;
A.coeff_ptr = Acoeff;
A.order = FIR_ORDER;
A.init(&A);
B.dbuffer_ptr = Bdbuffer;
B.coeff_ptr = Scoeff;
B.order = FIR_ORDER2;
B.init(&B);
C.dbuffer_ptr = Cdbuffer;
C.coeff_ptr = Scoeff;
C.order = FIR_ORDER2;
C.init(&C);
151
xf.dbuffer_ptr = xfbuffer;
xf.coeff_ptr = Wcoeff;
xf.order = FIR_ORDER+1;
xf.init(&xf);
df.dbuffer_ptr = dfbuffer;
df.coeff_ptr = Acoeff;
df.order = FIR_ORDER+1;
df.init(&df);
for (i=0;i<=W.order;i++)
Wcoeff[i]=0;
for (i=0;i<=A.order;i++)
Acoeff[i]=0;
/* Sinal de Trigger */
PEDATDIR = 0xFF01;
/* Habilita a chave geral das interrupçoes */
asm(" clrc INTM");
/* Habilita o T1 */
setup_t1con(T1CON|GPT_TCOMPOE_ENA);
/* LOOP PRINCIPAL */
while(1);
exit(1);
}
ANEXO V
Diagrama dos Circuitos Eletrônicos
VAnexo V : Diagrama dos Circuitos Eletrônicos
5
5
4
4
3
3
2
2
1
1
D D
C C
B B
A A
Controle Ativo de Ruído 2
Condicionador dos Alto-falantes
B
11Friday, February 11, 2005
Title
Size Document Number Rev
Date: Sheet
of
HI
LO
LO
0
0 0
0
0
0
LO
HI
0
0
0
HI
LO
0
HI
0
LO
0
00
0
0
0
0
LO
0
HI
LO
HI
0
R12
680R
R5
33k
C11
10n
12
R25
100k
U1A
TL074/301/TI
3
2
4 11
1
+
-
V+ V-
OUT
C5
10n
12
R22
33k
J11
CONN RECT 1
1
R1
220
D4
1N4001
1 2
R13
18k
U3B
TL074/301/TI
5
6
411
7
+
-
V+V-
OUT
J6
CONN RECT 1
1
R20
33k
U3A
TL074/301/TI
3
2
4 11
1
+
-
V+ V-
OUT
R14
10k
C13
220n
12
R28
18k
R4
33k
D1
1N4001
1 2
R9
12k
C8
10n
1 2
SOURCE
CONN RECT 3
1
2
3
D6
1N4001
1 2
C12
10n
12
J7
CONN RECT 1
1
R26
1k
C2
10n
1 2
U1B
TL074/301/TI
5
6
411
7
+
-
V+V-
OUT
POT1
CONN RECT 2
1
2
C14
22u
12
D5
1N4742
-
+
U4A
TDA2030A
1
2
4
53
R10
100k
IN1
CONNRECT 2
1
2
IN2
CONN RECT 2
1
2
R29
10k
OUT1
CONN RECT 2
1
2
D3
1N4001
1 2
U1C
TL074/301/TI
10
9
411
8
+
-
V+V-
OUT
C16
220u
12
J8
CONN RECT 1
1
-
+
U2A
TDA2030A
1
2
4
53
R2
100k
R17
100k
R31
560
OUT2
CONN RECT 2
1
2
C3
10u
1 2
R24
12k
C7
22u
12
C4
10n
12
R27
680R
R18
27k
J9
CONN RECT 1
1
J1
CONN RECT 1
1
C9
10n
1 2
C15
220u
1 2
R7
33k
R16
220
J4
CONN RECT 1
1
D2
1N4742
R3
27k
R6
33k
R15
10k
R19
33k
C6
220n
12
J10
CONN RECT 1
1
J2
CONN RECT 1
1
POT2
CONN RECT 2
1
2
R21
33k
LED
CONN RECT 2
1
2
R30
10k
C10
10u
1 2
R8
1k5
J5
CONN RECT 1
1
R11
1k
C1
10n
1 2
R23
1k5
U3C
TL074/301/TI
10
9
411
8
+
-
V+V-
OUT
5
5
4
4
3
3
2
2
1
1
D D
C C
B B
A A
Controle Ativo de Ruído 3
Condicionador dos Microfones
B
11Wednesday, February 16, 2005
Title
Size Document Number Rev
Date: Sheet
of
HI
LO
0 0
LO
00
HI
LO
00
HI
LO
00
HI
LO
HI
0
LO
0
LO LOLO
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0 0
0
0
0
0
R65
33k
R57
10k
U1A
TL074/301/TI
3
2
411
1
+
-
V+V-
OUT
R10
33k
AUDIO1
CONN RECT 2
1
2
D2
D1N4742
C7
10n
U2D
TL074/301/TI
12
13
4 11
14
+
-
V+ V-
OUT
D3
D1N4001
R75
10k
POT2
CONN RECT 2
1
2
R30
1k
R51
1k5
R66
33k
J12
CONN RECT 1
1
C4
10n
C25
10n
R46
33k
D13
D1N4001
R25
100k
C22
10n
R7
33k
R56
10k
C1
10n
R14
1k5
J1
CONN RECT 1
1
R47
33k
AUDIO2
CONN RECT 2
1
2
R29
33k
R23
27k
C17
10n
C10
10n
R31
100k
D9
D1N4001
J9
CONN RECT 1
1
C14
10n
C21
10n
R22
100k
U4D
TL074/301/TI
12
13
4 11
14
+
-
V+ V-
OUT
R18
10k
POT4
CONN RECT 2
1
2
R68
1k
R19
10k
C9
1u
R34
100k
C13
10n
SOURCE1
CONN RECT 3
1
2
3
U3D
TL074/301/TI
12
13
4 11
14
+
-
V+ V-
OUT
R63
100k
POT3
CONN RECT 2
1
2
R49
1k
C12
1u
R5
10k
D1
D1N4001
R8
33k
AUDIO4
CONN RECT 2
1
2
R67
33k
R61
27k
J2
CONN RECT 1
1
C24
10n
R69
100k
R35
27k
D7
D1N4001
R6
100k
R44
100k
MIC2
CONN RECT 2
1
2
U1D
TL074/301/TI
12
13
4 11
14
+
-
V+ V-
OUT
R60
100k
J4
CONN RECT 1
1
AUDIO3
CONN RECT 2
1
2
R48
33k
R1
18k
R42
27k
C16
10n
J11
CONN RECT 1
1
R17
1k
R11
1k
R50
100k
C23
1u
R20
18k
R72
100k
U1C
TL074/301/TI
10
9
411
8
+
-
V+V-
OUT
R16
27k
R41
100k
R33
1k5
C26
1u
R24
10k
C19
1n
R9
33k
U2A
TL074/301/TI
3
2
411
1
+
-
V+V-
OUT
C15
1u
D8
D1N4728
U2C
TL074/301/TI
10
9
411
8
+
-
V+V-
OUT
R53
100k
R73
27k
D15
D1N4001
J6
CONN RECT 1
1
MIC4
CONN RECT 2
1
2
R12
100k
C18
1u
J5
CONN RECT 1
1
MIC1
CONN RECT 2
1
2
D6
D1N4742
R26
33k
R54
27k
D11
D1N4001
R36
1k
U2B
TL074/301/TI
5
6
411
7
+
-
V+V-
OUT
R58
18k
MIC3
CONN RECT 2
1
2
R21
220
R71
1k5
C6
1u
R15
100k
R3
100k
R62
10k
R2
220
R38
10k
U4A
TL074/301/TI
3
2
411
1
+
-
V+V-
OUT
R39
18k
D16
D1N4728
U4C
TL074/301/TI
10
9
411
8
+
-
V+V-
OUT
J7
CONN RECT 1
1
C20
1n
R32
1k5
U1B
TL074/301/TI
5
6
411
7
+
-
V+V-
OUT
R52
1k5
R27
33k
R43
10k
R13
1k5
U3A
TL074/301/TI
3
2
411
1
+
-
V+V-
OUT
D14
D1N4742
J10
CONN RECT 1
1
D12
D1N4728
U3C
TL074/301/TI
10
9
411
8
+
-
V+V-
OUT
R74
1k
R64
33k
R37
10k
U4B
TL074/301/TI
5
6
411
7
+
-
V+V-
OUT
R28
33k
R59
220
C2
10n
D4
D1N4728
C11
10n
C5
10n
D5
D1N4001
R76
10k
POT1
CONN RECT 2
1
2
J3
CONN RECT 1
1
C8
10n
D10
D1N4742
R55
1k
R45
33k
J8
CONN RECT 1
1
C3
1u
R4
27k
U3B
TL074/301/TI
5
6
411
7
+
-
V+V-
OUT
R40
220
R70
1k5
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
