JP2007212700A - Analog electronic circuit for active noise canceling system - Google Patents
Analog electronic circuit for active noise canceling system Download PDFInfo
- Publication number
- JP2007212700A JP2007212700A JP2006031840A JP2006031840A JP2007212700A JP 2007212700 A JP2007212700 A JP 2007212700A JP 2006031840 A JP2006031840 A JP 2006031840A JP 2006031840 A JP2006031840 A JP 2006031840A JP 2007212700 A JP2007212700 A JP 2007212700A
- Authority
- JP
- Japan
- Prior art keywords
- circuit
- neural network
- input
- adaptive filter
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
Description
本発明は騒音除去方法の一つであるアクティブノイズキャンセリングシステム用のアナログ電子回路に関するものである。 The present invention relates to an analog electronic circuit for an active noise canceling system which is one of noise elimination methods.
従来、特許文献1、2または非特許文献1に開示されているように一次元ダクト騒音に対するアクティブノイズキャンセリングシステムは、デジタル電子回路を用いたデジタル処理により適応フィルタを構成し逆位相音を出力、制御していた。従来技術の模式図を図14に示す。図14において騒音は一次元ダクト15の内部を左から右に流れる。
Conventionally, as disclosed in
図14においてアクティブノイズキャンセリングを行うために騒音の信号をマイク16により取り込み、その騒音入力をデジタル処理しスピーカー18により逆位相の音を出力する。
In FIG. 14, in order to perform active noise canceling, a noise signal is captured by the
ここで、ノイズキャンセリングしきれない騒音が残った場合、マイク17により残った騒音の信号(誤差信号)を取り込み、フィードバックを行いノイズキャンセリングが改善するように回路動作を変更する。このような動作をするものは適応フィルタと呼ばれる。
Here, when the noise that cannot be completely canceled is left, the remaining noise signal (error signal) is captured by the
しかし、図14のように適応フィルタの動作をデジタル処理で行うには、マイク16により取り込んだ騒音入力をアナログ/デジタル(A/D)変換器19によりA/D変換をしてデジタル信号処理回路(DSP)22に入力し、制御した出力をデジタル/アナログ(D/A)変換器20によりD/A変換をしてスピーカー18に出力する必要があった。
However, in order to perform the operation of the adaptive filter by digital processing as shown in FIG. 14, the noise input taken in by the
また、デジタル処理に必要なDSP22も高速な演算能力が要求されるため、高機能な回路を用いる必要があった。
上記の従来回路では、A/D変換、D/A変換にかかる時間分だけ騒音は一次元ダクト15内を進行するため例えば図14におけるマイク16とスピーカー18との間にある程度の距離が必要であり、システムが大きくなるという問題があった。
In the conventional circuit described above, noise travels in the one-
また、図14中に示すようにA/D変換器19、A/D変換器21、D/A変換器20と、その変換速度に応じた計算能力を持つDSP22が必要であったため、コストが高くなるという問題もあった。
Further, as shown in FIG. 14, an A /
本発明は、上記従来の実情に鑑みてなされたものであって、アクティブノイズキャンセリングシステムにおいて、システムサイズの増大を導く信号処理回路の遅延と、コストの増大を導く回路構成の複雑さを回避する回路を提供することにある。 The present invention has been made in view of the above-described conventional situation, and avoids the delay of a signal processing circuit that leads to an increase in system size and the complexity of a circuit configuration that leads to an increase in cost in an active noise canceling system. It is to provide a circuit to perform.
本発明では従来技術の問題点を解決するために、問題点の原因であったA/D変換器、D/A変換器そしてDSPの必要のないアナログ電子回路によりアクティブノイズキャンセリング機能を有する適応フィルタを作製した。以下この適応フィルタをアナログ電子回路適応フィルタと呼ぶ。 In the present invention, in order to solve the problems of the prior art, an A / D converter, a D / A converter, and an analog electronic circuit which does not require a DSP, which have caused the problem, have an active noise canceling function. A filter was produced. Hereinafter, this adaptive filter is referred to as an analog electronic circuit adaptive filter.
アナログ電子回路適応フィルタはニューラルネットワーク回路を構成することを特徴とする。 The analog electronic circuit adaptive filter constitutes a neural network circuit.
アナログ電気回路適応フィルタにおけるニューラルネットワーク回路は階層型ニューラルネットワーク構造を有しており、誤差信号をフィードバックすることによりニューラルネットワーク内の荷重を変更することを特徴とする。 The neural network circuit in the analog electric circuit adaptive filter has a hierarchical neural network structure, and is characterized by changing a load in the neural network by feeding back an error signal.
アナログ電子回路適応フィルタはニューラルネットワーク回路内に必要とされる乗算の演算をする部分にはワイドレンジギルバート乗算器を用いることを特徴とする。 The analog electronic circuit adaptive filter is characterized in that a wide range Gilbert multiplier is used in a portion for performing a multiplication operation required in the neural network circuit.
アナログ電子回路適応フィルタはニューラルネットワーク回路内のニューロン部分の演算において、シグモイド関数回路などの回路を使わず、荷重乗算に用いたワイドレンジギルバート乗算器による非線形性でニューロン部分の演算を代用することを特徴とする。 The analog electronic circuit adaptive filter does not use a sigmoid function circuit or the like in the operation of the neuron part in the neural network circuit, but substitutes the operation of the neuron part by the non-linearity by the wide range Gilbert multiplier used for weight multiplication. Features.
アナログ電子回路適応フィルタは荷重の変更をするためにオペアンプを用いた積分器により荷重の変更量の累積加算をすることを特徴とする。 The analog electronic circuit adaptive filter is characterized in that the load change amount is cumulatively added by an integrator using an operational amplifier in order to change the load.
本発明による回路を用いたアクティブノイズキャンセリングシステムの模式図を図1に示す。 A schematic diagram of an active noise canceling system using a circuit according to the present invention is shown in FIG.
図1中のアナログ電子回路適応フィルタ5が本発明による回路である。
An analog electronic circuit
本発明によるアナログ電子回路適応フィルタ5はマイク2により取り込んだ一次元ダクト1内を流れる騒音入力をフィルタリングすることによって騒音入力と逆位相の出力をスピーカー4に伝える。
The analog electronic circuit
ここで、アナログ電子回路適応フィルタ5は階層型ニューラルネットワークという構造を有している。
Here, the analog electronic circuit
スピーカー4はアナログ電子回路適応フィルタ5から出力された騒音と逆位相の信号を音にして出力し、ダクト内の騒音を除去する。しかし、騒音を完全に除去することは難しく、残留音は一次元ダクト1内を流れていく。
The
残留音はマイク3により取り込まれ、その信号は誤差信号としてアナログ電子回路適応フィルタ5にフィードバックされる。アナログ電子回路適応フィルタ5は誤差信号をもとにニューラルネットワーク内の演算に用いる値(荷重)を変化させることでフィルタの特性を変化させる。このとき、荷重は誤差信号が小さくなるように変化させられる。
The residual sound is captured by the
こうして、アナログ電子回路適応フィルタ5はフィルタの特性を常に変化させることで騒音と逆位相の音をスピーカーにより出力し、騒音除去を達成する。
In this way, the analog electronic circuit
本発明による騒音除去の効果のシミュレーション結果を図9および図13に示す。ここで、アナログ電子回路適応フィルタに仮想的な騒音として100kHzの正弦波と250kHzの正弦波を合成した波を入力した。騒音は入力波形として図に示されている。またアナログ電子回路適応フィルタから出力される逆位相の信号は、出力波形として示されている。入力波形と出力波形の加算波形が消音後の波形として示されており、入力波形に比べて振幅が小さくなっていることがわかる。 The simulation results of the noise removal effect according to the present invention are shown in FIGS. Here, a wave obtained by synthesizing a sine wave of 100 kHz and a sine wave of 250 kHz was input to the analog electronic circuit adaptive filter as virtual noise. Noise is shown in the figure as an input waveform. An antiphase signal output from the analog electronic circuit adaptive filter is shown as an output waveform. The added waveform of the input waveform and the output waveform is shown as the waveform after mute, and it can be seen that the amplitude is smaller than that of the input waveform.
これにより本発明による回路はアクティブノイズキャンセリングシステム用の回路として機能することが確かめられた。 As a result, it was confirmed that the circuit according to the present invention functions as a circuit for an active noise canceling system.
以下、発明を具体化した実施例1、2を図面を参照しつつ説明する。
実施例1での本発明によるアナログ電子回路適応フィルタにおける3層階層型ニューラルネットワークの概念図を図2に示す。 FIG. 2 shows a conceptual diagram of a three-layer hierarchical neural network in the analog electronic circuit adaptive filter according to the present invention in the first embodiment.
ニューラルネットワークはニューロンと呼ばれる要素により構成されている。本発明におけるニューラルネットワークではニューロンを入力層、中間層、出力層という3層構造で配置している。 A neural network is composed of elements called neurons. In the neural network according to the present invention, neurons are arranged in a three-layer structure including an input layer, an intermediate layer, and an output layer.
実施例1でのニューラルネットワークは図2に示すように、入力層ニューロン1個(入力層ニューロン6)、中間層ニューロン2個(中間層ニューロン7、8)、出力層ニューロン1個(出力層ニューロン9)の階層型ニューラルネットワークである。
As shown in FIG. 2, the neural network in the first embodiment has one input layer neuron (input layer neuron 6), two intermediate layer neurons (
騒音入力は入力層ニューロン6を通り、中間層ニューロンの数だけ信号が分けられる。実施例1の場合、二つに分けられる。 The noise input passes through the input layer neurons 6 and the signals are divided by the number of intermediate layer neurons. In the case of Example 1, it is divided into two.
分けられた信号の一つには中間層ニューロン7に達する前に荷重Wm1との乗算の演算がなされる。またもう片方の信号には中間層ニューロン8に達する前に荷重Wm2との乗算の演算がなされる。
One of the divided signals is multiplied by the load Wm1 before reaching the
中間層ニューロン7に達した信号は中間層ニューロン7を通過した後に荷重Wo1との乗算がなされる。また、中間層ニューロン8に達した信号は中間層ニューロン8を通過した後に荷重Wo2との乗算がなされる。
The signal reaching the
荷重Wo1との乗算がなされた信号と荷重Wo2との乗算がなされた信号は加算された後に出力層ニューロン9を通過し、出力となる。出力はその後増幅されスピーカー4に伝えられる。
The signal multiplied by the load Wo1 and the signal multiplied by the load Wo2 are added and then passed through the output layer neuron 9 to become an output. The output is then amplified and transmitted to the
荷重Wm1、Wm2、Wo1、Wo2は誤差信号により演算される値に適宜変更される。この荷重の変更により適応処理がなされ3層階層型ニューラルネットワークは適応フィルタとして機能する。 The loads Wm1, Wm2, Wo1, Wo2 are appropriately changed to values calculated from the error signal. An adaptive process is performed by changing the load, and the three-layer hierarchical neural network functions as an adaptive filter.
以下では、具体的な回路図を用いて動作を説明する。 Hereinafter, the operation will be described using a specific circuit diagram.
図3に本発明で用いられているワイドレンジギルバート乗算器を示す。本発明における階層型ニューラルネットワークでは乗算を多用するのであるが、その乗算の全てにこのワイドレンジギルバート乗算器を用いている。 FIG. 3 shows a wide range Gilbert multiplier used in the present invention. In the hierarchical neural network of the present invention, multiplication is frequently used, and this wide range Gilbert multiplier is used for all the multiplications.
図3のワイドレンジギルバート乗算器はV3に入力される電圧とV4に入力される電圧の差(V3−V4)、そしてV1に入力される電圧とV2に入力される電圧の差(V1−V2)を乗算する。つまり(V3−V4)×(V1−V2)をVoutに出力する。
Wide Range Gilbert multiplier of Figure 3 is the voltage input to the voltage and V 2 are inputted to the difference (
図4はワイドレンジギルバート乗算器の入力電圧(V1−V2)および(V3−V4)に対するVoutの特性である。(V3−V4)には3.3Vの電源電圧の中心に基準を取るように1.65Vの直流電圧を加えてある。(V3−V4)が|0.2V|以下の時、乗算が達成されていることがわかる。 FIG. 4 shows the characteristics of V out with respect to the input voltages (V 1 −V 2 ) and (V 3 −V 4 ) of the wide range Gilbert multiplier. In (V 3 −V 4 ), a DC voltage of 1.65 V is applied so as to take a reference at the center of the power supply voltage of 3.3 V. It can be seen that multiplication is achieved when (V 3 −V 4 ) is | 0.2 V | or less.
また、図4において(V3−V4)が|0.2V|以上になると、線形な乗算ではなく非線形な特性が現れている。本発明ではこの非線形性によりニューラルネットワークの演算に必要な非線形演算を達成している。 In FIG. 4, when (V 3 −V 4 ) is equal to or greater than | 0.2V |, nonlinear characteristics appear instead of linear multiplication. In the present invention, this non-linearity achieves a non-linear operation necessary for the operation of the neural network.
本明細書におけるワイドレンジギルバート乗算器は以後図5のような記号で表す。 The wide range Gilbert multiplier in this specification will be represented by symbols as shown in FIG.
図6は実施例1による3層階層型ニューラルネットワーク回路のブロック図である。図中のWRMはワイドレンジギルバート乗算器を表す。 FIG. 6 is a block diagram of a three-layer hierarchical neural network circuit according to the first embodiment. WRM in the figure represents a wide range Gilbert multiplier.
WRM1、WRM2は入力層ニューロン6から中間層ニューロン7、中間層ニューロン8への信号伝達における荷重乗算、および中間層ニューロン7、中間層ニューロン8における非線形演算を実行する。ここで、騒音入力ともに入力される基準入力は騒音入力の信号に加わっている直流成分を取り出したものである。基準入力と騒音入力を用いる事により、騒音の信号である交流成分だけを乗算器に入力することができる。
WRM1 and WRM2 execute weight multiplication in signal transmission from the input layer neuron 6 to the
また、Wm1、Wm2は前記した荷重を示し、Wm−gndは荷重Wm1、Wm2に対する基準電圧を示す。このWm−gndも荷重の直流成分を取り出したものであり、Wm1、Wm2、Wm−gndを用いる事により、荷重の変更部分である交流成分だけを乗算器に入力することができる。 Wm1 and Wm2 indicate the above-described loads, and Wm-gnd indicates a reference voltage with respect to the loads Wm1 and Wm2. This Wm-gnd is also a DC component of the load, and by using Wm1, Wm2, and Wm-gnd, only the AC component that is the load changing portion can be input to the multiplier.
WRM1、WRM2により乗算され出力された信号H1、H2はそれぞれWRM4とWRM5に入力される。 Signals H1 and H2 multiplied and output by WRM1 and WRM2 are input to WRM4 and WRM5, respectively.
WRM3はWRM1、WRM2から出力される信号H1、H2に対する基準電圧H−gndを作製するためのものである。WRM3には騒音入力とWm−gndが入力される。このH−gndによりWRM1、WRM2が(V3−V4)×(V1−V2)を正確に演算しなかった場合の誤差分をこのWRM3で補償している。 WRM3 is for creating a reference voltage H-gnd for signals H1 and H2 output from WRM1 and WRM2. Noise input and Wm-gnd are input to WRM3. Compensates WRM1, WRM2 is the error of the If not accurately calculated and (V 3 -V 4) × ( V 1 -V 2) In this WRM3 The H-gnd.
WRM4、WRM5では中間層ニューロン7、中間層ニューロン8から出力層ニューロン9への信号伝達における荷重乗算、および出力層ニューロン9における非線形演算を実行する。
WRM4にはWRM1からの出力とWRM3からの出力が入力される。また、荷重Wo1と荷重Wo1に対する基準電圧Wo−gndが入力され、乗算が行われる。 The output from WRM1 and the output from WRM3 are input to WRM4. Further, the load Wo1 and the reference voltage Wo-gnd with respect to the load Wo1 are input, and multiplication is performed.
WRM5にはWRM2からの出力とWRM3からの出力が入力される。また、荷重Wo2と荷重Wo2に対する基準電圧Wo−gndが入力され、乗算が行われる。 The output from WRM2 and the output from WRM3 are input to WRM5. Further, the load Wo2 and the reference voltage Wo-gnd with respect to the load Wo2 are input, and multiplication is performed.
WRM4とWRM5の出力は加算され、最終的な出力となる。 The outputs of WRM4 and WRM5 are added and become the final output.
また、荷重Wm1、Wm2、Wo1、Wo2は誤差信号を入力として用いた演算回路により作り出す。 The loads Wm1, Wm2, Wo1, and Wo2 are generated by an arithmetic circuit that uses an error signal as an input.
なお、実施例1では、荷重Wm1、Wm2を固定し、荷重Wo1、Wo2のみを変更する回路構成にした。図7に荷重Wo1、Wo2を変更する回路のブロック図を示す。 In the first embodiment, the loads Wm1 and Wm2 are fixed, and only the loads Wo1 and Wo2 are changed. FIG. 7 shows a block diagram of a circuit for changing the loads Wo1 and Wo2.
なお、図7中に示されるIntegrator1は図8に示すオペアンプ10を用いた積分器を示している。図8における抵抗11は100kΩ程度の抵抗であり、容量12は10pF程度の容量である。この積分器は荷重の変更量ΔWを累積加算して荷重Wを作り出す。
Note that
図7において、まずWRM6に出力、基準入力、そして二つの基準電圧が入力される。ここで、二つの基準電圧は直流電圧であり、その基準電圧の間には一定の電位差がある。これにより出力に対して定数倍の乗算がなされる。 In FIG. 7, first, an output, a reference input, and two reference voltages are input to the WRM 6. Here, the two reference voltages are DC voltages, and there is a certain potential difference between the reference voltages. As a result, the output is multiplied by a constant multiple.
WRM6の出力はWRM7に入力される。また基準電圧はWRM6の出力の直流成分を有する直流電圧であり、これを入力する事によりWRM6の出力の交流成分だけを演算することができる。また、WRM7にはその他に図6における中間層ニューロン7、中間層ニューロン8からの出力H1、H2を入力する。これら中間層ニューロンからの出力をHjと表し、jは中間層ニューロンに対して順番に番号をつけた数値となる。またHjの直流成分に対応する基準電圧H−gndも入力し、Hjの交流成分だけを演算する。
The output of WRM6 is input to WRM7. The reference voltage is a DC voltage having a DC component of the output of the WRM 6. By inputting this, only the AC component of the output of the WRM 6 can be calculated. In addition, the outputs H1 and H2 from the
WRM7の出力はWRM8に入力される。また、WRM7の出力の直流成分である基準電圧も入力され、WRM7の出力の交流成分を演算する。そして、誤差信号も基準電圧とともに入力され、その交流成分が乗算される。
The output of WRM7 is input to WRM8. Further, a reference voltage that is a DC component of the output of
そしてWRM8の出力は荷重Wojの変更量ΔWojとなり、Integrator1に入力される。Integrator1はそれを累積加算する事でWojを作り出し、図6の回路に入力する。
The output of the
図7に示される回路はWoの数だけ作製する。つまり、この場合、図6の回路構成に必要なWo1、Wo2に対応して2つの回路が必要とされる。 The circuit shown in FIG. 7 is produced by the number of Wo. That is, in this case, two circuits are required corresponding to Wo1 and Wo2 necessary for the circuit configuration of FIG.
図6の回路による騒音入力から出力への演算と、図7の回路による誤差信号から荷重Wojへの演算を組み合わせる事により適応フィルタ処理を実現することができる。これらの回路を用いて作製した3層階層型ニューラルネットワークによるアナログ電子回路適応フィルタのシミュレーション結果が図9である。 The adaptive filter processing can be realized by combining the calculation from the noise input to the output by the circuit of FIG. 6 and the calculation from the error signal to the load Woj by the circuit of FIG. FIG. 9 shows the simulation result of the analog electronic circuit adaptive filter by the three-layer hierarchical neural network manufactured using these circuits.
実施例2での本発明によるアナログ電子回路適応フィルタにおける2層階層型ニューラルネットワークの概念図を図10に示す。 FIG. 10 is a conceptual diagram of a two-layer hierarchical neural network in the analog electronic circuit adaptive filter according to the present invention in the second embodiment.
実施例2でのニューラルネットワークは入力層ニューロン13が一つ、出力層ニューロン14が一つという構成をとっている。
The neural network according to the second embodiment has a configuration in which there is one
マイク3から伝達される騒音入力はまず入力層ニューロン13を通り、荷重Wokとの乗算がなされる。ここで荷重Wokのkは入力層ニューロンに応じた数値であり、この場合1のみとなる。その後出力層ニューロン14を通り、出力される。出力はその後増幅され、スピーカー4に伝えられ消音が行われる。
The noise input transmitted from the
ここで荷重Wokは消音しきれなかった誤差信号をもとに適宜変更され、常に出力が適切な消音の波形となるように調整される。これにより2層階層型ニューラルネットワーク適応フィルタとして働く。 Here, the load Wok is appropriately changed based on the error signal that cannot be completely silenced, and is adjusted so that the output always has an appropriate silenced waveform. This works as a two-layer hierarchical neural network adaptive filter.
以下、回路図を用いて説明する。 Hereinafter, description will be made with reference to a circuit diagram.
図11は実施例2による2層階層型ニューラルネットワーク回路のブロック図である。 FIG. 11 is a block diagram of a two-layer hierarchical neural network circuit according to the second embodiment.
なお、この2層階層型ニューラルネットワークでも全ての乗算に図3のワイドレンジギルバート乗算器を用いており、その特性の非線形性を用いる事でニューラルネットワークの非線形演算を達成している。 In this two-layer hierarchical neural network, the wide-range Gilbert multiplier shown in FIG. 3 is used for all multiplications, and the nonlinear calculation of the neural network is achieved by using the nonlinearity of the characteristics.
騒音入力はWRM9に入力され、入力層ニューロン13と出力層ニューロン14との間の荷重である荷重Wo1と乗算される。このとき基準電圧24もWRM9に入力され、両者の交流成分のみが乗算される。このときワイドレンジギルバート乗算器の非線形性により、非線形演算を達成している。乗算された結果は出力としてスピーカー4に伝えられる。
The noise input is input to the WRM 9 and multiplied by a load Wo1, which is a load between the
図12は荷重Wokを変更する回路のブロック図である。この回路はWRM10と積分器Integrator2により構成される。Integrator2は図8に示したものと同じ物である。
FIG. 12 is a block diagram of a circuit for changing the load Wok. This circuit includes a
WRM10には騒音入力と誤差信号が入力され、それらが乗算される。このとき基準電圧もWRM10に入力され、両者の交流成分のみが乗算される。乗算された結果が荷重の変更量ΔWokとなりIntegrator2に入力される。
The
Integrator2は荷重の変更量ΔWokを累積加算し、荷重Wokを出力する。こうして生成された荷重Wokは図11の回路に入力される。
図11の回路による騒音入力から出力への演算と、図12の回路による誤差信号から荷重Wokへの演算を組み合わせる事により適応フィルタ処理を実現することができる。これらの回路を用いて作製した2層階層型ニューラルネットワークによるアナログ電子回路適応フィルタのシミュレーション結果が図13である。 The adaptive filter processing can be realized by combining the calculation from the noise input to the output by the circuit of FIG. 11 and the calculation from the error signal to the load Wok by the circuit of FIG. FIG. 13 shows the simulation result of the analog electronic circuit adaptive filter by the two-layer hierarchical neural network manufactured using these circuits.
1、15…一次元ダクト
2、3、16、17…マイク
4、18…スピーカー
5…アナログ電子回路適応フィルタ
6、13…入力層ニューロン
7、8…中間層ニューロン
9、14…出力層ニューロン
10…オペアンプ
11…抵抗
12…容量
19、21…A/D変換器
20…D/A変換器
22…デジタル信号処理回路(DSP)
M1、M2、M3、M4、M5、M6、M7、M8、M9、M10…pMOSトランジスタ
M11、M12、M13、M14、M15、M16、M17…nMOSトランジスタ
DESCRIPTION OF
M 1 , M 2 , M 3 , M 4 , M 5 , M 6 , M 7 , M 8 , M 9 , M 10 ... pMOS transistors M 11 , M 12 , M 13 , M 14 , M 15 , M 16 , M 17 ... nMOS transistor
Claims (6)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006031840A JP2007212700A (en) | 2006-02-09 | 2006-02-09 | Analog electronic circuit for active noise canceling system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006031840A JP2007212700A (en) | 2006-02-09 | 2006-02-09 | Analog electronic circuit for active noise canceling system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007212700A true JP2007212700A (en) | 2007-08-23 |
Family
ID=38491204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006031840A Pending JP2007212700A (en) | 2006-02-09 | 2006-02-09 | Analog electronic circuit for active noise canceling system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007212700A (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012003240A (en) * | 2010-06-14 | 2012-01-05 | Harman Becker Automotive Systems Gmbh | Adaptable noise control |
KR20160089582A (en) * | 2015-01-19 | 2016-07-28 | 한국과학기술원 | Noise control method |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04362808A (en) * | 1991-06-11 | 1992-12-15 | Hitachi Ltd | Equalization circuit |
JPH06131482A (en) * | 1992-10-14 | 1994-05-13 | Nippon Telegr & Teleph Corp <Ntt> | Analog neural network circuit |
JPH06295189A (en) * | 1993-04-09 | 1994-10-21 | Fujitsu Ltd | Active noise cancellation device and method for stably operating plural active noise cancellation devices |
JPH0736506A (en) * | 1993-07-16 | 1995-02-07 | Hitachi Ltd | Adaptive controller using neural network |
JPH08153148A (en) * | 1994-11-29 | 1996-06-11 | Nippon Telegr & Teleph Corp <Ntt> | Analog neural network learning circuit |
JPH08235144A (en) * | 1995-02-27 | 1996-09-13 | Nec Corp | Neural network device |
JP2000236266A (en) * | 1999-01-30 | 2000-08-29 | Lucent Technol Inc | Analog decoding device |
-
2006
- 2006-02-09 JP JP2006031840A patent/JP2007212700A/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04362808A (en) * | 1991-06-11 | 1992-12-15 | Hitachi Ltd | Equalization circuit |
JPH06131482A (en) * | 1992-10-14 | 1994-05-13 | Nippon Telegr & Teleph Corp <Ntt> | Analog neural network circuit |
JPH06295189A (en) * | 1993-04-09 | 1994-10-21 | Fujitsu Ltd | Active noise cancellation device and method for stably operating plural active noise cancellation devices |
JPH0736506A (en) * | 1993-07-16 | 1995-02-07 | Hitachi Ltd | Adaptive controller using neural network |
JPH08153148A (en) * | 1994-11-29 | 1996-06-11 | Nippon Telegr & Teleph Corp <Ntt> | Analog neural network learning circuit |
JPH08235144A (en) * | 1995-02-27 | 1996-09-13 | Nec Corp | Neural network device |
JP2000236266A (en) * | 1999-01-30 | 2000-08-29 | Lucent Technol Inc | Analog decoding device |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012003240A (en) * | 2010-06-14 | 2012-01-05 | Harman Becker Automotive Systems Gmbh | Adaptable noise control |
US9153226B2 (en) | 2010-06-14 | 2015-10-06 | Harman Becker Automotive Systems Gmbh | Adaptive noise control |
KR20160089582A (en) * | 2015-01-19 | 2016-07-28 | 한국과학기술원 | Noise control method |
WO2016117833A1 (en) * | 2015-01-19 | 2016-07-28 | 한국과학기술원 | Noise control method |
KR101696597B1 (en) | 2015-01-19 | 2017-01-17 | 한국과학기술원 | Noise control method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20130022213A1 (en) | Digital noise-cancellation | |
Wu et al. | A simplified adaptive feedback active noise control system | |
CN109075779B (en) | Digital audio converter and amplifier controller | |
JP2015095865A (en) | Ad converter | |
JP2007049285A (en) | Chopper amplifier circuit and semiconductor device | |
EP2378518A3 (en) | Mixing of input data streams and generation of an output data stream therefrom | |
TW200633369A (en) | Operational amplifier and method for canceling offset voltage of operational amplifier | |
Werner et al. | Wave digital filter modeling of circuits with operational amplifiers | |
Ma et al. | A new strategy for online secondary-path modeling of narrowband active noise control | |
CN108427083A (en) | Magnetic sensor circuit | |
JP2007212700A (en) | Analog electronic circuit for active noise canceling system | |
CN103176149B (en) | Liaison method, channel of communication and magnetic resonance device | |
JPWO2016167146A1 (en) | Sine wave multiplier and input device having the same | |
WO2017065010A1 (en) | Amplifier, audio signal output method, and electronic device | |
JPWO2010013343A1 (en) | AC electric vehicle control device | |
DE102019123971A1 (en) | ACTIVE NOISE COMPENSATION | |
JP2007036473A (en) | Signal amplifier and signal amplifying method | |
JP5200239B2 (en) | Adaptive filter circuit used in active noise control system | |
JP6310045B1 (en) | Amplifier circuit | |
Yuce | Various current-mode and voltage-mode instrumentation amplifier topologies suitable for integration | |
JP2003152538A (en) | A/d converter | |
JP2008070821A5 (en) | ||
JP6063805B2 (en) | D / A converter circuit | |
Rai et al. | Adaptive volterra filters for active control of nonlinear noise processes | |
Yuce | Reply to comment on “Novel lossless and lossy grounded inductor simulators consisting of a canonical number of components” |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090205 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110127 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20111018 |