Zum Inhalt springen
Zurück zu den Suchergebnissen

FxLMS-Algorithmus zur aktiven Rauschunterdrückung

Eingeführt von
Bernard Widrow, Samuel Stearns
Jahr
1975
Typ
Adaptive noise cancellation algorithm
Familie
Signal processing, Adaptive filtering

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Der Filtered-x Least Mean Squares (FxLMS)-Algorithmus ist ein adaptiver Filter, der in Systemen zur aktiven Rauschunterdrückung (Active Noise Control, ANC) eingesetzt wird, um unerwünschten Schall durch die Erzeugung von Antischall zu reduzieren.

Von Widrow und Stearns 1975 entwickelt und von Eriksson und Kollegen verfeinert, ist FxLMS der am weitesten verbreitete Algorithmus in kommerziellen Kopfhörern mit Geräuschunterdrückung, Hörgeräten, Fahrzeugkabinen und industriellen Lärmschutzwänden. Er funktioniert, indem er kontinuierlich den akustischen Pfad lernt und ein Auslöschungssignal in Echtzeit dynamisch anpasst.

Die Intuition hinter der Methode

Stellen Sie sich vor, ein Lautsprecher könnte sofort einen Antischall aussenden, der eingehenden Lärm perfekt auslöscht – destruktive Interferenz. FxLMS realisiert diese Idee: Es überwacht den Lärm, prognostiziert, welcher Antischall benötigt wird, und erzeugt ihn, bevor der Lärm Ihr Ohr erreicht. Die Herausforderung besteht darin, dass das System den akustischen Pfad (wie der Antischall zum Fehlermikrofon gelangt) berücksichtigen und sich kontinuierlich an ändernde Bedingungen anpassen muss. FxLMS nutzt Rückmeldungen von einem Fehlermikrofon, um seine Filterkoeffizienten anzupassen und das optimale Antischallmuster in Echtzeit zu lernen.

Geschichte

Widrow und Stearns entwickelten in den 1970er Jahren den LMS-Algorithmus und seine Anwendung zur aktiven Rauschunterdrückung. Eriksson erweiterte LMS in den späten 1980er Jahren zur FxLMS-Form (Filtered-x-Variante), um das für die praktische ANC entscheidende Sekundärpfadproblem zu lösen. Die ersten kommerziellen ANC-Kopfhörer kamen in den 1990er Jahren auf den Markt; bis in die 2000er Jahre wurde ANC zum Standard in Premium-Kopfhörern, Hörgeräten und Fahrzeugkabinen. Moderne Varianten umfassen Multirate-FxLMS, Leaky-FxLMS, Frequenzbereichs-Implementierungen und nichtlineare Erweiterungen.

Wann wird sie eingesetzt?

Verwenden Sie FxLMS, wenn aktive Rauschunterdrückung in Umgebungen mit dominanten niedrigen Frequenzen (Flugzeugkabinen, Straßenlärm, HVAC-Brummen) erforderlich ist, wo passive Absorption ineffizient ist. FxLMS ist ideal für Schmalband- oder Tonrauschen (Sinus, Mehrtöne). Für Breitbandrauschen oder hohe Frequenzen sind passive Ansätze oft kostengünstiger. FxLMS erfordert Hardware mit geringer Latenz (schneller DSP oder Mikrocontroller) und eine geeignete Platzierung von Referenz- und Fehlermikrofonen.

Grenzen und Hinweise

  • Kausalitätsbeschränkung: FxLMS muss Antischall vor dem Eintreffen des Rauschens vorhersagen und erzeugen; lange akustische Pfade (>1 Meter) führen zu Verzögerungen, die die Effektivität begrenzen.
  • Die Algorithmuskonvergenz hängt von einer genauen Schätzung des Sekundärpfades ab; eine schlechte Modellierung des Sekundärpfades führt zu Instabilität oder negativer Verstärkung (Rauschverstärkung).
  • Weniger effektiv bei Breitbandrauschen; die Rauschunterdrückung ist typischerweise schmalbandig. Für die Breitbandregelung sind Mehrkanalsysteme erforderlich, was die Komplexität erhöht.
  • Erfordert mehrere Mikrofone (Referenz und Fehler); die Sensorplatzierung und der Abstand beeinflussen Leistung und Stabilität entscheidend.
  • Nichtlineares akustisches Verhalten (z. B. Sättigung bei hohem Schalldruckpegel) und nicht-kausales Rauschen (Rauschkomponenten, die nicht im Referenzsignal enthalten sind) werden von linearem FxLMS nicht gut behandelt.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Sehr effektiv bei tieffrequentem tonalem und periodischem Rauschen, wo passive Absorption unzureichend ist; kann >10–20 dB Dämpfung unter 500 Hz erreichen.
  • Adaptiver Algorithmus lernt kontinuierlich sich ändernde akustische Bedingungen; die Leistung bleibt hoch, auch wenn sich Raumcharakteristika oder Rauschmuster ändern.
  • Geringe Rechenkosten im Vergleich zu anderen adaptiven Methoden; effizient genug für die Echtzeitimplementierung auf eingebetteter DSP-Hardware.
  • Reife und weite Verbreitung; Jahrzehnte der Forschung und kommerziellen Implementierungen gewährleisten Robustheit und Zuverlässigkeit.
  • Ermöglicht kompakte, leichte Lösungen zur aktiven Rauschunterdrückung (Kopfhörer, kleine Kabinen), wo große passive Absorber unpraktisch wären.

Anwendungen

  • Kopfhörer und Ohrhörer mit Geräuschunterdrückung: unterdrücken aktiv Umgebungsgeräusche beim Pendeln, Fliegen und in Büroumgebungen; verbessern den Komfort von Hörgeräten.
  • Flugzeugkabinen-Lärmschutz: Reduzierung von tieffrequentem Motor- und Windgeräusch in Flugzeugkabinen und Cockpits für den Komfort der Passagiere und die Sicherheit der Besatzung.
  • Akustik im Automobilinnenraum: Reduzierung von Straßen- und Motorgeräuschen in Fahrzeugkabinen; besonders effektiv für tieffrequentes Brummen unter 500 Hz.
  • Industrielle Lärmkontrolle: Dämpfung von Lärm in Fabriken, Kompressorräumen und HVAC-Systemen, wo passive Absorption räumlich begrenzt ist.
  • Rückkopplungsunterdrückung bei Hörgeräten: Verhinderung von akustischer Rückkopplung (Pfeifen) durch Erzeugung eines Anti-Rückkopplungssignals; verbessert die Verstärkung vor Rückkopplung und den subjektiven Komfort.
  • Unterwasserkommunikation und Sonar: Unterdrückung von Umgebungsgeräuschen im Ozean in akustischen Unterwassersystemen; Verbesserung des Signal-Rausch-Verhältnisses für die Langstreckenkommunikation.

So funktioniert es

So funktioniert es

1

Montieren Sie ein Referenzmikrofon in der Nähe der Lärmquelle (um den Lärm zu erfassen, bevor er den Hörer erreicht) und ein Fehlermikrofon in der Nähe des Ohrs des Hörers oder des Lärmziels. Schließen Sie einen Lautsprecher an, der das Antischallsignal aussenden wird.

2

Kalibrieren Sie Mikrofone und Lautsprecher; messen Sie den akustischen Übertragungspfad vom Lautsprecher zum Fehlermikrofon (oft als Sekundärpfad bezeichnet). Diese Charakterisierung ist entscheidend für die Stabilität und Leistung des Algorithmus.

3

Überwachen Sie das Referenzrauschsignal (Eingang des FxLMS-Filters) und das Fehlersignal (Ausgang des Fehlermikrofons). Berechnen Sie den Filterausgang als gewichtete Summe vergangener Referenzabtastwerte; aktualisieren Sie die Filtergewichte basierend auf dem Fehlergradienten.

4

Wenden Sie die FxLMS-Aktualisierungsregel an: Berechnen Sie den Gradienten der Fehlerleistung in Bezug auf die Filterkoeffizienten unter Berücksichtigung des sekundären akustischen Pfades. Der Pfad wird durch ein geschätztes Sekundärpfadmodell gefiltert, um Konvergenz und Stabilität zu gewährleisten (das „x“ in FxLMS steht für diese Filterung).

5

Überwachen Sie die erreichte Rauschunterdrückung (Dämpfung in dB) als Funktion der Frequenz. Messen Sie die Konvergenzgeschwindigkeit (wie schnell der Algorithmus lernt), die Restfehlerleistung und die Rechenkosten. Validieren Sie anhand von Leistungsmetriken (Verbesserung des Signal-Rausch-Verhältnisses, Sprachverständlichkeit bei Rauschen).

Häufige Fallstricke

  • Unzureichende Platzierung des Referenzmikrofons; die Referenz muss die Rauschenergie erfassen, bevor sie das Fehlermikrofon erreicht. Eine schlechte Platzierung reduziert die Korrelation und die Effektivität des Algorithmus.
  • Vernachlässigung der Sekundärpfadschätzung; ein ungenaues Sekundärpfadmodell kann Instabilität verursachen. Messen oder schätzen Sie den Sekundärpfad immer sorgfältig.
  • Wahl einer zu großen Schrittweite (schnelle Konvergenz) oder zu kleinen Schrittweite (langsames Lernen); die Abstimmung der Schrittweite ist entscheidend. Adaptive Schrittweitenalgorithmen verbessern die Robustheit.
  • Annahme, dass FxLMS unter allen Bedingungen funktioniert; einige akustische Umgebungen (Mehrwegeausbreitung, diffuse Felder) widerstehen der aktiven Regelung. Testen Sie unter repräsentativen Bedingungen vor der Bereitstellung.
  • Ignorieren von Latenz- und Rechenbeschränkungen; Echtzeit-FxLMS erfordert Audioverarbeitung mit geringer Latenz. Systeme mit hoher Latenz können divergieren oder instabil werden.

Häufig gestellte Fragen

Warum ist der Sekundärpfad bei FxLMS so wichtig?

Der Sekundärpfad ist die akustische Übertragungsfunktion vom Lautsprecher zum Fehlermikrofon – er bestimmt, wie das Antischallsignal den Fehlermesspunkt erreicht. Ohne Berücksichtigung dieses Pfades kann der Algorithmus nicht korrekt vorhersagen, welcher Filterausgang benötigt wird. Eine ungenaue Sekundärpfadschätzung führt dazu, dass der Algorithmus divergiert oder eine negative Verstärkung (Verstärkung statt Auslöschung) liefert.

Welchen Frequenzbereich kann FxLMS effektiv steuern?

FxLMS ist am effektivsten unter 1–2 kHz, insbesondere für tonales oder tieffrequentes Rauschen (<500 Hz). Bei höheren Frequenzen wird die Wellenlänge kürzer und Kausalitätsverzögerungen werden problematisch. Mehrfrequenz- und Mehrkanalsysteme erweitern den Bereich, aber passive Absorption ist oft praktischer für hochfrequentes Rauschen.

Wie lange braucht FxLMS, um zu konvergieren und sich an wechselndes Rauschen anzupassen?

Die Konvergenzgeschwindigkeit hängt von der Schrittweite, der Filterlänge und den Signalstatistiken ab. Die typische Konvergenz beträgt 0,5–2 Sekunden für stationäres Rauschen. Die Anpassung an sich langsam änderndes Rauschen (Sprache, Musik, zeitlich variierende Maschinen) erfolgt innerhalb ähnlicher Zeitrahmen. Schnelles transientes Rauschen (Stöße, plötzliche Änderungen) kann nicht unterdrückt werden, da der Algorithmus nicht sofort reagieren kann.

Kann FxLMS Breitbandrauschen wie Regen oder Wind unterdrücken?

FxLMS ist weniger effektiv bei Breitbandrauschen, da ein einzelnes Referenzsignal nicht alle Frequenzkomponenten von Breitbandrauschen vorhersagen kann. Mehrkanalsysteme (mehrere Referenzmikrofone und adaptive Filter) können die Breitbandregelung verbessern, aber die Rechenkosten steigen. Für Breitbandrauschen sind passive Absorption oder hybride passiv-aktive Systeme oft praktischer.

Was passiert, wenn Referenz- und Fehlermikrofon zu weit voneinander entfernt sind?

Wenn der Abstand groß ist (>1 Meter), wird die akustische Ausbreitungsverzögerung signifikant. Das Referenzsignal kann das Rauschen am Fehlermikrofon aufgrund von Kausalitätsbeschränkungen nicht vorhersagen (der Algorithmus kann nicht in die Zukunft blicken). Dies begrenzt die Regelbandbreite und die Effektivität. Praktische ANC-Systeme halten den Mikrofonabstand gering (<10 cm für Kopfhörer, <0,5 m für Kabinensysteme).

Verwandte Methoden

Quellen

  1. Widrow, B., & Stearns, S. D. (1975). Adaptive signal processing for active vibration and noise control. IEEE Transactions on Acoustics, Speech, and Signal Processing, 23(5), 440–453.

    DOI-Referenz öffnen
    Kopiert.
  2. Eriksson, L. J., Allie, M. C., & Greiner, R. A. (1988). The selection and application of an IIR adaptive filter for use in active sound attenuation. IEEE Transactions on Acoustics, Speech, and Signal Processing, 36(11), 1879–1891.

    DOI-Referenz öffnen
    Kopiert.
  3. Kuo, S. M., & Morgan, D. R. (2002). Active Noise Control Systems: Algorithms and DSP Implementations. John Wiley & Sons.

    ISBN: 978-0-471-49663-5
    Kopiert.