Comparative analysis of active noise control methodologies with Kalman filtering for vibro-acoustic systems

Active Noise Control (ANC) has emerged as a powerful technology to mitigate unwanted sound in various applications, offering significant advantages over passive noise control techniques. With advancements in computational methods and sensor technologies, ANC has found widespread use in industrial, commercial, and personal settings. This thesis explores the fundamental principles and contemporary advancements alongside a novel development for application in a desired acoustic environment simulating a car cabin, focusing on feasibility in real-world scenarios, although being evaluated in simulation environments. The research examines the integration of adaptive algorithms with control strategies to achieve superior noise attenuation while maintaining the performance in presence of dynamic acoustic environments by introducing novel algorithms. Key contributions start from simulation and identification of models simulating acoustic environments inside a car cabin and continues by proceeding with the implementation and comparative analysis of advanced adaptive filtering algorithms, such as the Filtered-x Least Mean Squares (FxNLMS) algorithm, the standard Kalman filter, and its variants—Composed Kalman Filter (CKF). Additionally, Variational Bayesian Adaptive Kalman Filter (VBAKF) approach is proposed alongside its Reduced Complexity version (VBRCAKF), designed to balance computational efficiency and noise attenuation performance, addressing critical challenges like stability and real-time adaptability. Through simulations, these methodologies demonstrate their capability to improve noise mitigation significantly in dynamic and intricate acoustic environments, particularly for automotive applications. Future works could focus on extending the proposed methods by integrating multi-zone noise control systems for environments requiring simultaneous control at multiple locations. This could involve the use of distributed algorithms to synchronize control efforts across zones while maintaining computational efficiency. Furthermore, exploring hybrid systems that combine adaptive filtering with reinforcement learning algorithms could open pathways to ANC systems that self-improve based on environmental feedback. Another promising direction is the development of robust ANC algorithms that can adapt effectively to time-varying acoustic transfer functions, making them applicable to more challenging real-world scenarios, such as rapidly changing vehicle interiors or high-speed railway compartments.

Il Controllo Attivo del Rumore (Active Noise Control, ANC) si è affermato come una tecnologia potente per mitigare i suoni indesiderati in varie applicazioni, offrendo vantaggi significativi rispetto alle tecniche di controllo del rumore passive. Con i progressi nei metodi computazionali e nelle tecnologie dei sensori, l’ANC ha trovato ampia applicazione nei contesti industriali, commerciali e personali. Questa tesi esplora i principi fondamentali e i progressi contemporanei, insieme a uno sviluppo innovativo per l’applicazione in un ambiente acustico desiderato che simula l’interno di un’abitacolo automobilistico, concentrandosi sulla fattibilità in scenari reali, sebbene valutata in ambienti simulati. La ricerca esamina l’integrazione di algoritmi adattivi con strategie di controllo per ottenere un’attenuazione del rumore superiore, mantenendo le prestazioni in presenza di ambienti acustici dinamici attraverso l’introduzione di algoritmi innovativi. I contributi principali iniziano dalla simulazione e identificazione di modelli che simulano ambienti acustici all’interno di un’abitacolo automobilistico, proseguendo con l’implementazione e l’analisi comparativa di algoritmi avanzati di filtraggio adattivo, come l’algoritmo Filteredx Least Mean Squares (FxNLMS), il filtro di Kalman standard e le sue varianti, tra cui il Composed Kalman Filter (CKF). Inoltre, viene proposto l’approccio Variational Bayesian Adaptive Kalman Filter (VBAKF), insieme alla sua versione a complessità ridotta (VBRCAKF), progettata per bilanciare l’efficienza computazionale e le prestazioni di attenuazione del rumore, affrontando sfide critiche come la stabilità e l’adattabilità in tempo reale. Attraverso simulazioni, queste metodologie dimostrano la loro capacità di migliorare significativamente la mitigazione del rumore in ambienti acustici dinamici e complessi, in particolare per applicazioni automobilistiche. Lavori futuri potrebbero concentrarsi sull’estensione dei metodi proposti integrando sistemi di controllo del rumore multi-zona per ambienti che richiedono un controllo simultaneo in più posizioni. Questo potrebbe includere l’uso di algoritmi distribuiti per sincronizzare gli sforzi di controllo tra zone, mantenendo l’efficienza computazionale. Inoltre, l’esplorazione di sistemi ibridi che combinano il filtraggio adattivo con algoritmi di apprendimento per rinforzo potrebbe aprire la strada a sistemi ANC in grado di migliorarsi autonomamente in base al feedback ambientale. Un’altra direzione promettente è lo sviluppo di algoritmi ANC robusti che possano adattarsi efficacemente a funzioni di trasferimento acustico variabili nel tempo, rendendoli applicabili a scenari reali più impegnativi, come interni di veicoli in rapida evoluzione o scompartimenti ferroviari ad alta velocità.