.png){kind=icon}
返回
Model-free active noise control using improved grey wolf optimizer algorithm with conditional reinitialization strategy
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2025.105730.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于群体智能元启发式算法（MAs）的主动噪声控制（ANC）技术最近引起了广泛关注，因为它无需次级路径建模，且不易陷入局部最优。灰狼优化器（GWO）作为一种群体智能元启发式算法，因其能够平衡全局探索和局部开发能力而受到显著的研究关注。本文提出了一种改进的GWO算法，并将其应用于ANC系统，以提升收敛速度和噪声抑制性能。此外，为解决传统逐代检测式条件重初始化策略固有的延迟问题，本文提出了一种新的逐样本检测式条件重初始化策略，以增强系统对次级路径变化的响应能力。仿真结果表明所提算法的有效性。
