Glue board is the base for much solid wood furniture produced by the IKEA-owned company Swedwood. Glue board is glued together from lamellas which can be produced in different waysbut in all cases is produced from boards coming from a saw-mill. In a saw-mill there aredifferent techniques for producing boards from logs. This thesis is about the Adaptive sawingconcept and its implementation at the Swedwood site in Kostomuksha. The idea with the conceptis to raise the output from the raw material, the yield. This is partly achieved by edging away islittle as possible from the boards in the saw-mill. The boards in the saw-mill are sawn in a waynot unlike through-sawing. When brought to the glue-board factory they are scanned in order tooptimise how to rip out as much lamellas as possible. The ripped lamellas are then cross-cut intodifferent sizes which later are glued to glue board. The objective of this thesis is to examine theyield from log to glue board for the log classes 135-148 mm and 110-120 mm, to try to improveit and to identify problem factors. In order to achieve that it was necessary to be sure of the volume figures at all stages. Theincoming volume was given by the scanner at the log sorting; effort was therefore put down tomake sure the figures could be trusted. For the smaller log class the logs were instead measuredby hand and the volume was calculated. The logs were then sawn in the saw-mill. This was donewith a low production speed and some problems were noted compared with when sawing with astandard technique. The absence of edging was the main reason for these problems. The saw-millline was deemed inappropriate for sawing the smallest log class but could handle the 135 -148mm class and the yield for that class was in line with what could be expected. In the lamella production line some minor problems were noted and the boards from the fourdifferent batches from the 135 – 148 mm log class got different yields mainly due to differencesin wood quality. The yield from log to glue board for these four batches varied from 17.6 % to21.5 % with an average at 19.3 %. The yield was lower than what was achieved for earlieradaptive sawing test batches on other places. Those tests were however done on other diameterclasses and with material that was slightly different than the one in Kostomuksha. Simulationswere done to check how much the yield could be raised if other lamella widths than just thestandard 46 mm lamella width was used. A raise to an average of 20.9 % could then be expectedwhen using the lamella widths 46, 55 and 60 mm. A similar simulation was done for the adaptive material that was produced from the 110 – 120mm log class. The total yield for that material rose from 19.4 % to 22.4 % when using morelamella widths. Lamellas from this material were tested as there was fear, that they would notmeet the standards for glue board production. This did however not prove to be the case. To use the lamella production for producing such material is however not ideal, since a very smallvolume is produced. / Limfog är basen för de massivträmöbler som görs av IKEA:s helägda leverantör Swedwood.Limfog består av lameller som kan produceras på olika sätt. Oavsett produktionsteknik görs de av brädor som kommer från ett sågverk. På sågverket finns det också sågsätt för att såga utbrädor ur stockar. Det här examensarbetet behandlar konceptet adaptiv sågning och dessimplementering på Swedwoods anläggning i Kostomuksha. Den grundläggande idén med konceptet är att höja utbytet på råvaran. Detta uppnås bland annat genom att så lite som möjligtkantas bort på brädorna i sågverket. Brädorna sågas upp med vad man kan kalla genomsågning.När brädorna sedan förts till limfogsfabriken scannas de så att så mycket som möjligt ska kunnafås ut av varje bräda i form av lameller. Lamellerna som sågats ut kapas sedan upp i olikastorleksklasser beroende på kvalitet. Dessa limmas sedan ihop till limfog. Syftet med det härexamensarbetet är att ta fram utbytet från stock till färdig limfog för stockklasserna 135 – 148mm och 110 – 120 mm. Dessutom ska problemfaktorer identifieras och utbytet om möjligt höjas. För att uppnå detta syfte var det nödvändigt att ha säkra siffror för alla inblandade volymer isamtliga skeden. Stockarnas volym gav av en mätram vid timmersorteringen. Mycket kraft lasdärför ner för att säkerställa att dessa siffror var trovärdiga. Stockarna i den mindrediameterklassen mättes istället för hand och volym beräknades utifrån mätningarna. Stockarnasågades sedan på sågverket. Produktionshastigheten under sågningarna var låg och en delproblem i jämförelse med när sågning sker på mer traditionellt vis kunde noteras. Avsaknaden avkantning var huvudorsaken till dessa problem. Sågverkslinan visade sig vara olämplig för attsåga den mindre stockklassen, men kunde hantera stockar med en diameter på 135 – 148 mm.Utbytet för dessa var i linje med vad som kunde förväntas. I lamellproduktionslinjen kunde en del smärre produktionsproblem noteras och brädorna från defyra olika omgångarna av 135 – 148 mm stockar fick olika utbyte mest beroende på skillnader iråvarukvalitet. Utbytet från stock till limfog varierade från 17,6 % till 21,5 % och låg i snitt på19,3 %. Detta utbyte var lägra än vad som uppnåtts för adaptiv sågning på andra platser vidtidigare tester. De testerna utfördes dock på andra diameterklasser och det är därför svårt att raktav jämföra siffrorna. Dessutom kan råvaran ha varit något annorlunda. För att se hur mycketutbytet kunde höjas om andra lamellbredder användes förutom bara 46 mm, gjordessimuleringar. Totalutbytet kunde då höjas till i snitt 20,9 % i fall lamellbredderna 46, 55 och 60mm användes. En likadan simulering gjordes på materialet som producerades från diameterklassen 110 – 120mm. Totalutbytet för denna klass steg från 19,4 % till 22,4 % när fler lamellbredder användes.Eftersom det fanns viss oro att lamellerna skulle hålla lägre kvalitet övervakades de ilimfogsproduktionen. Oron visade sig obefogad. Att producera lameller från den diameterklassenär dock inte idealt eftersom den producerade volymen blir så liten.

There are several algorithms for solving the linear system of equations that arise from the finite element method with linear or near-linear computational complexity. One way is to find an approximation of the stiffness matrix that is such that it can be used in a preconditioned conjugate residual method, that is, a preconditioner to the stiffness matrix. We have studied two preconditioners for the conjugate residual method, both based on writing the stiffness matrix in block form, factorising it and then approximating the Schur complement block to get a preconditioner. We have studied the stationary reaction-diffusion-advection equation in two dimensions. The mesh is refined adaptively, giving a hierarchy of meshes. In the first method the Schur complement is approximated by the stiffness matrix at one coarser level of the mesh, in the second method it is approximated as the assembly of local Schur complements corresponding to macro triangles. For two levels the theoretical bound of the condition number is 1/(1-C²) for either method, where C is the Cauchy-Bunyakovsky-Schwarz constant. For multiple levels there is less theory. For the first method it is known that the condition number of the preconditioned stiffness matrix is O(l²), where l is the number of levels of the preconditioner, or, equivalently, the number mesh refinements. For the second method the asymptotic behaviour is not known theoretically. In neither case is the dependency of the condition number of C known. We have tested both methods on several problems and found the first method to always give a better condition number, except for very few levels. For all tested problems, using the first method it seems that the condition number is O(l), in fact it is typically not larger than Cl. For the second method the growth seems to be superlinear.

This thesis explores the possibilities of employing a dynamic difficulty adjustment system in a role playing video game. The purpose is to aid developers in designing games that can detect and lead players into their own flow zone. We have developed theories and ways on how a system could do this, and then proceeded to make our own prototype to see if the theories would work. We then applied this to a game prototype to explore how this affects other game design choices. Results show that role playing games can adopt the system in different ways, that are all personal and individual to each game, but that the system in the end always should provide aid in game balance, and ultimately, leading the players towards their flow zone. It also resulted in some serious issues and loopholes that would require much attention if it is to be deployed in a commercial product. / Denna uppsatsen utforskar möjligheterna av att använda ett dynamiskt svårighetsgradssystem i digitala rollspel. Syftet med arbetet är att ge utvecklare stöd med att designa spel som kan finna och hjälpa till att leda sina spelare till deras respektive flow-zon. Vi har utvecklat teorier och tillvägagångssätt för hur ett system skulle kunna göra detta och sedan fortsatt med att göra en egen prototyp för att vidare utforska hur det påverkar andra val i speldesign. Resultaten visar att rollspel kan anpassa sig efter systemet på ett antal olika sätt, där alla olika sätt är unika till spelet i fråga, men att systemet alltid ger stöd i spelbalansering och i slutändan leder spelaren till dess flow-zon. Det resulterade också i ett antal allvarliga problem som kräver mycket uppmärksamhet innan systemet kan användas för kommersiellt bruk.

The video on demand streaming is raising drastically in popularity, bringing new challenges to the video coding field. There is a need for new video coding techniques that improve performance and reduce the bitrates. One of the most promising areas of research is perceptual video coding where attributes of the human visual system are considered to minimize visual redundancy. The visual attention only makes it possible for humans to focus on a smaller region at the time, which is led by different cues, and with deep neural networks it has become possible to create high-accuracy models of this. The purpose of this study is therefore to investigate how adaptive quantization (AQ) based on a deep visual attention model can be used to improve the subjective video quality for low bitrates. A deep visual attention model was integrated into the encoder x265 to control how the bits are distributed on frame level by adaptively setting the quantization parameter. The effect on the subjective video quality was evaluated through A/B testing where the solution was compared to one of the standard methods for AQ in x265. The results show that the ROI-based AQ was perceived to be of better quality in one out of ten cases. The results can partly be explained by certain methodological choices, but also highlights a need for more research on how to make use of visual attention modeling in more complex real-world streaming scenarios to make streaming content more accessible and reduce bitrates. / "Video on demand"-streamingen ökar kraftigt i popularitet vilket skapar nya utmaningar inom video kodning. Det finns ett behov av nya videokodningstekniker som ökar prestanda och reducerar bithastigheten. Ett av de mest lovade forskningsområdena är perceptuell videokodning där man tar hänsyn till synens egenskaper för att minimera visuell redundans. Det visuella fokuset gör att människan bara kan fokusera på ett mindre områden åt gången, lett av olika typer av signaler, och med hjälp av djupa neurala nätverk har det blivit möjligt att skapa välpresterande modeller av det. Syftet med denna studie är därför att undersöka hur adaptiv kvantisering baserat på en djupinlärningsmodell av visuellt fokus kan användas för att förbättra den subjektiva videokvaliteten för låga bithastigheter. En djup modell av visuellt fokus var integrerad i videokodaren x265 för att kontrollera hur bitarna ditribueras på bildnivå genom att adaptivt sätta kvantiseringsparametern. Den subjektiva videokvaliteten utvärderades genom A/B tester där lösningen jämfördes med en standardmetod för adaptiv kvantisering i x265. Resultaten visar att den visuellt fokus-baserade adaptiva kvantiseringen upplevdes ge bättre kvalitet i ett av tio fall. Detta resultat kan delvis förklaras av vissa metodval, men visar också på ett behov för mer forskning på hur modeller för visuellt fokus kan användas i mer komplexa och verkliga streamingscenarion för att kunna göra innehållet mer tillgängligt och reducera bithastigheten.

The increasing size and complexity of datasets have accelerated the development of machine learning models and exposed the need for more scalable solutions. This thesis explores challenges associated with large-scale machine learning under data privacy constraints. With the growth of machine learning models, traditional privacy methods such as data anonymization are becoming insufficient. Thus, we delve into alternative approaches, such as differential privacy. Our research addresses the following core areas in the context of scalable privacy-preserving machine learning: First, we examine the implications of data dimensionality on privacy for the application of medical image analysis. We extend the classification algorithm Private Aggregation of Teacher Ensembles (PATE) to deal with high-dimensional labels, and demonstrate that dimensionality reduction can be used to improve privacy. Second, we consider the impact of hyperparameter selection on privacy. Here, we propose a novel adaptive technique for hyperparameter selection in differentially gradient-based optimization. Third, we investigate sampling-based solutions to scale differentially private machine learning to dataset with a large number of records. We study the privacy-enhancing properties of importance sampling, highlighting that it can outperform uniform sub-sampling not only in terms of sample efficiency but also in terms of privacy. The three techniques developed in this thesis improve the scalability of machine learning while ensuring robust privacy protection, and aim to offer solutions for the effective and safe application of machine learning in large datasets. / Den ständigt ökande storleken och komplexiteten hos datamängder har accelererat utvecklingen av maskininlärningsmodeller och gjort behovet av mer skalbara lösningar alltmer uppenbart. Den här avhandlingen utforskar tre utmaningar förknippade med storskalig maskininlärning under dataskyddskrav. För stora och komplexa maskininlärningsmodeller blir traditionella metoder för integritet, såsom datananonymisering, otillräckliga. Vi undersöker därför alternativa tillvägagångssätt, såsom differentiell integritet. Vår forskning behandlar följande utmaningar inom skalbar och integitetsmedveten maskininlärning: För det första undersöker vi hur hög data-dimensionalitet påverkar integriteten för medicinsk bildanalys. Vi utvidgar klassificeringsalgoritmen Private Aggregation of Teacher Ensembles (PATE) för att hantera högdimensionella etiketter och visar att dimensionsreducering kan användas för att förbättra integriteten. För det andra studerar vi hur valet av hyperparametrar påverkar integriteten. Här föreslår vi en ny adaptiv teknik för val av hyperparametrar i gradient-baserad optimering med garantier på differentiell integritet. För det tredje granskar vi urvalsbaserade lösningar för att skala differentiellt privat maskininlärning till stora datamängder. Vi studerar de integritetsförstärkande egenskaperna hos importance sampling och visar att det kan överträffa ett likformigt urval av sampel, inte bara när det gäller effektivitet utan även för integritet. De tre teknikerna som utvecklats i denna avhandling förbättrar skalbarheten för integritetsskyddad maskininlärning och syftar till att erbjuda lösningar för effektiv och säker tillämpning av maskininlärning på stora datamängder. / <p>QC 20231101</p>

Autonomous Driving Systems (ADS), a subcategory of Cyber-Physical Systems (CPS) are becoming increasingly popular with ubiquitous deployment. They provide advanced operational functions for perception and control, but this also raises the question of their safety capability. Such questions include if the vehicle can stay within its lane, keep a safe distance from the leading vehicle, or avoid obstacles, especially under the presence of uncertainties. In this master thesis, the operational safety of ADS will be addressed, more specifically on the Adaptive Cruise Control (ACC) system by modeling an optimal control problem based on Control Barrier Function (CBF) unified with Model Predictive Control (MPC). The corresponding optimal control problem is robust against measurement uncertainties for an Autonomous Vehicle (AV) driving on a highway, where the measurement uncertainties will represent the common faults in the perception system of the AV. A Kalman Filter (KF) is also added to the system to investigate the performance difference. The resulting framework is implemented and evaluated on a simulation scenario created in the open-source autonomous driving simulator CARLA. Simulations show that MPC-CBF is indeed robust against measurement uncertainties for well-selected horizon and slack variable values. The simulations also show that adding a KF improves the overall performance. The higher the horizon, the more confident the system becomes as the distance to the leading vehicle decreases. However, this may cause infeasibility where there are no solutions to the optimal control problem during sudden braking as the AV cannot brake fast enough before it crashes. Meanwhile, the smaller the slack variable, the more restrictive becomes CBF where it impacts more on the control input than desired which could also cause infeasibility. The results of this thesis will help to facilitate safety-critical CPS development to be deployed in real-world applications. / Autonoma körsystem (ADS), som är en del av cyberfysiska system (CPS), har blivit alltmer populär med allestädes närvarande användning. Det bidra med avancerade operativa funktioner för perception och styrning, men samtidig väcker detta också frågan om dess säkerhetsförmåga. Sådana frågor inkluderar om fordonet kan hålla sig inom sitt körfält, om det kan hålla ett säkert avstånd till det ledande fordonet eller om det kan undvika hinder, speciellt under osäkerheter hos systemet. I detta examensarbete kommer driftsäkerheten hos ADS att behandlas, mer specifik på adaptiv farthållare (ACC) genom att modellera ett optimalt kontrollproblem baserat på kontrollbarriärfunktion (CBF) förenat med modellförutsägande styrning (MPC). Motsvarande optimalt kontrollproblem är robust mot mätosäkerheter för ett autonomt fordon som kör på en motorväg, där mätosäkerheterna representerar vanliga fel i AV:s perceptionssystem. Ett Kalmanfilter (KF) läggs också till i systemet för att undersöka skillnaden i prestanda. Det resulterande ramverket implementeras och utvärderas på ett simuleringsscenario som skapats i den öppna källkodssimulatorn för autonom körning CARLA. Simulationer visar att MPC-CBF är robust mot mätosäkerheter för väl valda värden för horisont och slackvariabler. Det visar också att systemets prestanda förbättrats ännu mer om ett KF läggs till. Ju större horisont, desto mer självsäkert blir systemet när avståndet till det ledande fordonet minskar. Detta kan dock leda till att det inte finns några lösningar på det optimala kontrollproblemet vid plötslig inbromsning, eftersom fordonet inte hinner bromsa tillräckligt snabbt innan det kraschar. Ju mindre slackvariabeln är, desto mer restriktiv blir CBF som påverkar styrningen mer än vad som är önskvärt vilket också kan leda till olösbart optimalt kontrollproblem. Resultatet från detta examensarbete bär syftet att gynna utvecklingen av säkerhetkritisk CPS som ska användas i praktiska tillämpningar.

Energy efficiency in electric machines is both environmentally and economically important. Water pumps with an integrated Variable Frequency Drive (VFD) and a Permanent Magnet Synchronous Machine (PMSM) have challenged the status quo of the Induction Machine (IM) for water pumps. The Synchronous Reluctance Machine (SynRM) is also a viable alternative that does not use permanent magnets. This degree project focuses on the control of SynRM, with particular attention on sensorless control methods. Simulation models for a SynRM and a Surface Permanent Magnet Synchronous Machine (SPMSM), together with their control systems, were developed in MATLAB Simulink. Two sensorless control methods were implemented and examined: the Luenberger state observer and the Model Reference Adaptive System (MRAS). The control system was adapted to use sensorless control methods. The investigated sensorless control methods allowed the application of the speed-torque test profile for two method and motor type combinations, without causing instability. The Luenberger observer was stable with the SPMSM and the MRAS with the SynRM. Parameter sensitivity with respect to the variation of inductance and stator resistance values used by the sensorless methods was also tested. The Luenberger observer kept the control system stable with up to a ±5 % variation of inductance. The MRAS kept the control system stable down to −12 %, but only up to +2 % for an overestimation of the inductance. The variation of stator resistance had a limited impact on the stability of both sensorless schemes. / Energieffektivisering av elektriska maskiner är betydelsefullt både ur ett miljömässigt och ekonomiskt perspektiv. Vattenpumpar med en synkron permanentmagnetsmaskin och en integrerad enhet för variabel hastighetsreglering (VFD) utmanar den mer konventionella lösningen baserad på en asynkronmaskin (IM). Den synkrona reluktansmaskinen (SynRM) är ett annat lämpligt alternativ som inte använder permanentmagneter. Det här examensarbetet behandlar huvudsakligen sensorlös reglering av SynRM. Simuleringsmodeller för reglering av en SynRM och en permanentmagnetiserad synkronmaskin med ytmonterade magneter (SPMSM) utvecklades i MATLAB Simulink. Två metoder för sensorlös reglering undersöktes, en på Luenbergers tillståndsobservatör och en baserad på adaptiv modellreferensreglering (MRAS). Systemet för reglering anpassades till metoderna för sensorlös reglering. De undersökta sensorlösa metoderna testades vid nominell hastighet med steg i vridmoment och hastighet. Luenberger observatören kunde köras med bibehållen stabilitet med en SPMSM och MRAS kördes med en SynRM, också den med bibehållen stabilitet. Även känsligheten för variationer i induktans och statorresistans för de sensorlösa reglermetoderna testades. Luenberger observatören kunde bibehålla stabiliteten med en variation i induktans på ±5 %. MRAS kunde bibehålla stabiliteten ner till en estimering av induktansen på −12 % av induktansen. På uppsidan nådde dock MRAS stabilitet endast upp till en överestimering av induktansen på 2 %. Felestimering av statorresistansen hade minimal påverkan på stabiliteten för båda sensorlösa reglermetoderna.

This research investigated the concept of a sparsity method inspired by the principles of structural plasticity in the brain in order to create a sparse model of the Bayesian Confidence Propagation Neural Networks (BCPNN) during the training phase. This was done by extending the structural plasticity in the implementation of the BCPNN. While the initial algorithm presented two synaptic states (Active and Silent), this research extended it to three synaptic states (Active, Silent and Absent) with the aim to enhance sparsity configurability and emulate a more brain-like algorithm, drawing parallels with synaptic states observed in the brain. Benchmarking was conducted using the MNIST and Fashion-MNIST dataset, where the proposed threestate model was compared against the previous two-state model in terms of representational learning. The findings suggest that the three-state model not only provides added configurability but also, in certain low-sparsity settings, showcases similar representational learning abilities as the two-state model. Moreover, in high-sparsity settings, the three-state model demonstrates a commendable balance between accuracy and sparsity trade-off. / Denna forskning undersökte en konceptuell metod för gleshet inspirerad av principerna för strukturell plasticitet i hjärnan för att skapa glesa BCPNN. Forskningen utvidgade strukturell plasticitet i en implementering av BCPNN. Medan den ursprungliga algoritmen presenterade två synaptiska tillstånd (Aktiv och Tyst), utvidgade denna forskning den till tre synaptiska tillstånd (Aktiv, Tyst och Frånvarande) med målet att öka konfigurerbarheten av sparsitet och efterlikna en mer hjärnliknande algoritm, med paralleller till synaptiska tillstånd observerade i hjärnan. Jämförelse gjordes med hjälp av MNIST och Fashion-MNIST datasetet, där det föreslagna tre-tillståndsmodellen jämfördes med den tidigare tvåtillståndsmodellen med avseende på representationslärande. Resultaten tyder på att tre-tillståndsmodellen inte bara ger ökad konfigurerbarhet utan också, i vissa lågt glesa inställningar, visar samma inlärningsförmåga som två-tillståndsmodellen. Dessutom visar den tre-tillståndsmodellen i högsparsamma inställningar en anmärkningsvärd balans mellan noggrannhet och avvägningen mellan sparsitet.

The effect of building geometry on the wind environment of cities is such that it can cause problems like wind danger, discomfort and poor ventilation of airborne pollutants. Computational fluid dynamics (CFD) can play a role in assessing changes in wind environment caused by building projects before realisation at little cost. However, the current state-of-the-art methods, RANS and LES, force a steep trade-off between accuracy and computational cost, and neither method is truly predictive. Time-resolved adaptive direct finite element simulation (DFS) is a method for CFD that is predictive and automatically optimises the mesh for a goal quantity, making it both efficient and accurate. In this thesis, DFS was implemented in FEniCS and used on basic validation cases to provide a proof of concept for the use of this method in the building aerodynamics, on resources freely available to anyone. The results show that the method is accurate to within 10% of the validation data with respect to the goal quantity. Visually, the expected flow features are clearly identifiable. DFS was successfully applied to a relatively complicated building geometry, with a total computation time of about 120 core-hours. We conclude that DFS has significant potential as a method for evaluating urban wind environments. Furthermore, because of its ease of use and lack of parameters, DFS can play an important role in helping architects, designers and students understand the effect of urban geometries on the wind environment. This report provides a basis for further research on DFS for building aerodynamics, as validation on more diverse urban geometries is still necessary. / Effekten av byggnaders form och geometri är så viktig att den kan ge problem för ventilation av t.ex. föroreningar, för energieffektivitet, och för vindfaror med t.ex. hög vindhastihet som kan vara farligt eller skapa obehag. Beräkningsströmningsdynamik (CFD) kan ha en roll i bedömningen av byggnadsprojekt i ett tidigt skede till liten kostnad. Dock är de etablerade och ledande metodikerna, RANS och LES, inte prediktiva och tvingar fram en kompromiss mellan beräkningskosnad och noggrannhet. Vår metodik “Time-resolved adaptive direct finite element simulation” (DFS) är en metod för CFD som är prediktiv och automatiskt optimerar beräkningsnätet (och därmed beräkningskostnaden) för en given målkvantitet, som ger både effektivitet och noggrannhet. I denna avhandling implementerades DFS i FEniCS och användes i grundläggande valideringsfall för att ge ett proof of conceptför användning av denna metod i byggnadsaerodynamik, på resurser som är fritt tillgängliga för alla. Resultaten visar att metoden är korrekt inom 10% av valideringsdata med avseende på målkvantiteten. Visuellt är de förväntade flödesfunktionerna tydligt identifierbara. DFS applicerades framgångsrikt på en relativt komplicerad byggnadsgeometri med en total beräkningstid på cirka 120 kärntimmar, vilket är en försumbar kostnad. Vi drar slutsatsen att DFS har en betydande potential som metod för utvärdering av stadsvindmiljöer. Dessutom, på grund av dess användarvänlighet och frihet från parametrar, kan DFS spela en viktig roll för att hjälpa arkitekter, designers och studenter att förstå effekterna av stadsgeometrier på vindmiljön. Denna rapport ger en grund för vidare forskning om DFS för aerodynamik, eftersom validering av mer olika stadsgeometrier fortfarande är nödvändig.

In this work we explore online secondary path modelling (SPM) in the context of spatial active noise control (ANC). Specifically, we are interested in the reduction of broadband noise over a three-dimensional region, without restrictions on microphone and loudspeaker array placement. As spatial ANC generally requires many channels, both ANC and SPM methods must have low computational cost. The SPM methods are intended to be used with a specific spatial ANC algorithm based on kernel interpolation. By incorporating SPM, the spatial ANC method is enabled to operate under timevarying secondary paths. Four SPM methods are considered in detail, of which three are based on the auxiliary noise technique. Descriptions of the algorithms are presented for the multichannel case, in addition to block-based implementations taking advantage of the fast Fourier transform to drastically reduce computational cost. Impulse responses to simulate a soundfield are recorded using a programmable robot arm. The algorithms are evaluated through simulations to show their respective strengths and weaknesses. It is found that the auxiliary noise based SPM methods have good convergence properties for both control filter and secondary path estimate, although the auxiliary noise’s degrading effect on the residual noise leads to a similar total noise reduction as the auxiliary noise free method. For all algorithms, the noise control performance worsens, and the convergence time increases by more than an order of magnitude, compared to when the secondary paths are known. It is verified that the kernel interpolation based spatial ANC method successfully reduces noise over a region even when used with online SPM. / I detta projekt undersöks sekundärvägsmodellering för spatial aktiv brusreducering. Fokus ligger på minskning av brus över en tredimensionell region, för metoder utan några restriktioner när det gäller mikrofon- och högtalarplacering. Efterssom spatial brusreducering generellt kräver många kanaler, behöver både sekundärvägsmodellering samt brusreducering ha mycket låg beräkningskostnad. Metoderna för sekundärvägsmodellering är menade att användas tillsammans med en specifik spatial brusreduceringsalgoritm baserad på kärninterpolation. Genom att inkludera sekundärvägsmodellering kan den spatiala brusreduceringsmetoden operera även då sekundärvägarna är tidsvarierande. Fyra metoder för sekundärvägsmodellering är undersökta i detalj, tre av vilka är baserade på auxiliärbrusprincipen. Dessa algoritmer är beskrivna för multikanalsfallet, tillsammans med blockbaserade implementationer som utnyttjar den snabba Fouriertransformen för att drastiskt minska sina beräkningskostader. Impulssvar som kan användas för att simulera ett ljudfält är inspelade med hjälp av en programmerbar robotarm. Algoritmerna är utvärderade genom simuleringar för att visa deras respektive styrkor och svagheter. Experimenten visade att de algoritmer som använder sig av auxiliärbrus har bra konvergenskaraktäristik för både kontrollfilter och sekundärvägsestimat. Däremot, på grund av auxiliärbrusets negativa inverkan på residualbruset i rummet, är den totala brusreduceringen snarlik det den auxiliärbrusfria metoden ger. För alla algoritmer blir brusreduceringen försämrad och konvergenstiden ökad med mer än en storleksordning när sekundärvägsmodellering används, jämfört med när sekundärvägarna är kända. Det verifierades också att den spatiala brusreduceringsmetoden baserad på kärninterpolation kan reducera brus över en region även när den används tillsammans med sekundärvägsmodellering.