Comparaison entre réseau de neurones et LMS à référence filtrée appliqués au contrôle actif de bruit
Keywords:
Algorithms, Active noise control (ANC)Abstract
L’algorithme généralement utilisé pour des problèmes de contrôle actif de bruit est du type LMS. Celui-ci est bien connu, facile à implanter et converge rapidement vers la solution optimale. Cependant, le LMS est sensible aux perturbations externes. Les réseaux de neurones sont, pour leur part, bien adaptés aux systèmes non-linéaires. En effet, la sortie d’un neurone est modulée par une fonction sigmoïde, dans le cas présent, une tangente hyperbolique. Cela implique qu’une modélisation par un réseau de neurones intègre la saturation qui intervient sur le signal de commande à la sortie du processeur. La présente étude compare le comportement d’un algorithme FX-LMS (LMS normalisé à référence filtrée) à celui d’un réseau de neurones à référence filtrée face à une perturbation externe.
Published
How to Cite
Issue
Section
Copyright on articles is held by the author(s). The corresponding author has the right to grant on behalf of all authors and does grant on behalf of all authors, a worldwide exclusive licence (or non-exclusive license for government employees) to the Publishers and its licensees in perpetuity, in all forms, formats and media (whether known now or created in the future)
i) to publish, reproduce, distribute, display and store the Contribution;
ii) to translate the Contribution into other languages, create adaptations, reprints, include within collections and create summaries, extracts and/or, abstracts of the Contribution;
iii) to exploit all subsidiary rights in the Contribution,
iv) to provide the inclusion of electronic links from the Contribution to third party material where-ever it may be located;
v) to licence any third party to do any or all of the above.