Sound signal model identification for virtual sensing active noise cancelling applications

In this Thesis, the objective is to identify a dynamical function that, given the measures of sound signals perceived by specific microphones, it is able to reconstruct the sound signal perceived at a different location in space. The goal is in the scope of Virtual Sensing Active Noise Cancelling application, and in finding the model, the Thesis is organized to be the description of the model-identification procedure for the specific domain. Once the sensors have been consciously positioned, one of the fundamental steps of the procedure is to quantify the practical limitations that are introduced by the type of instrumentation and environment we are working in. The best-suited model for the implementation is then identified and, taking measures of specific sensors as inputs, a quantitative evaluation of its capabilities to estimate the sound perceived at another location is provided. The results show that it is possible to produce a good estimation only under specific constraints, and this suggests the introduction of additional complexity to the model. The project is concluded by presenting the simulation of one of the classical Virtual Sensing ANC algorithms using one of the obtained models to describe the physics of the real world.

In questa tesi, l’obiettivo è identificare una funzione dinamica che, date le misure dei segnali sonori percepiti da specifici microfoni, sia in grado di ricostruire il segnale sonoro percepito in una diversa posizione nello spazio. L’obiettivo è nell’ambito di applicazione del Virtual Sensing Active Noise Cancelling e, nel trovare il modello, la tesi è organizzata in modo da risultare come la descrizione della procedura di identificazione del modello per il dominio specifico. Una volta posizionati consapevolmente i sensori, uno dei passi fondamentali della proce- dura è la quantificazione delle limitazioni pratiche introdotte dal tipo di strumentazione e dall’ambiente in cui si lavora. Si individua quindi il modello più adatto all’implementazione e, prendendo come input le misure di specifici sensori, si fornisce una valutazione quantitativa delle sue capacità di stimare il suono percepito in un altro luogo. I risultati mostrano che è possibile produrre una buona stima solo in presenza di vincoli specifici, e questo suggerisce l’introduzione di una complessità aggiuntiva nel modello. Il progetto si conclude presentando la simulazione di uno dei classici algoritmi di Virtual Sensing ANC utilizzando uno dei modelli ottenuti per descrivere la fisica del mondo reale.