Saltar al contenido
Volver a los resultados

Control Activo de Ruido FxLMS

Propuesto por
Bernard Widrow, Samuel Stearns
Año
1975
Tipo
Adaptive noise cancellation algorithm
Familia
Signal processing, Adaptive filtering

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

El algoritmo Filtered-x Least Mean Squares (FxLMS) es un filtro adaptativo utilizado en sistemas de control activo de ruido (ANC) para reducir el sonido no deseado mediante la generación de anti-ruido.

Pionero por Widrow y Stearns en 1975 y refinado por Eriksson y colegas, FxLMS es el algoritmo más ampliamente desplegado en auriculares comerciales con cancelación de ruido, audífonos, cabinas de automóviles y barreras de ruido industriales. Funciona aprendiendo continuamente la ruta acústica y ajustando dinámicamente una señal de cancelación en tiempo real.

La intuición detrás del método

Imagine si un altavoz pudiera emitir instantáneamente un anti-sonido que cancelara perfectamente el ruido entrante —interferencia destructiva. FxLMS materializa esta idea: monitoriza el ruido, predice qué anti-ruido se necesita y lo genera antes de que el ruido llegue a su oído. El desafío es que el sistema debe tener en cuenta la ruta acústica (cómo viaja el anti-ruido hasta el micrófono de error) y adaptarse continuamente a medida que cambian las condiciones. FxLMS utiliza la retroalimentación de un micrófono de error para ajustar los coeficientes de su filtro, aprendiendo el patrón óptimo de anti-ruido en tiempo real.

Historia

Widrow y Stearns desarrollaron el algoritmo LMS y su aplicación al control activo de ruido en la década de 1970. Eriksson extendió LMS a la forma FxLMS (variante filtered-x) a finales de la década de 1980, abordando el problema de la ruta secundaria crítico para el ANC práctico. Los primeros auriculares ANC comerciales surgieron en la década de 1990; para la década de 2000, el ANC se convirtió en estándar en auriculares premium, audífonos y cabinas de automóviles. Las variantes modernas incluyen FxLMS multirrate, FxLMS con fuga, implementaciones en el dominio de la frecuencia y extensiones no lineales.

Cuándo usarlo

Utilice FxLMS cuando se necesite control activo de ruido en entornos dominados por bajas frecuencias (cabinas de aviones, ruido de carretera, zumbido de HVAC) donde la absorción pasiva es ineficiente. FxLMS es ideal para ruido de banda estrecha o tonal (senoidal, multitono). Para ruido de banda ancha o altas frecuencias, los enfoques pasivos suelen ser más rentables. FxLMS requiere hardware de baja latencia (DSP o microcontrolador rápido) y una colocación adecuada de los micrófonos de referencia y de error.

Limitaciones y consideraciones

  • Restricción de causalidad: FxLMS debe predecir y generar anti-ruido antes de que llegue el ruido; las rutas acústicas largas (>1 metro) introducen retardos que limitan la efectividad.
  • La convergencia del algoritmo depende de una estimación precisa de la ruta secundaria; una estimación deficiente del modelo de la ruta secundaria conduce a inestabilidad o ganancia negativa (amplificación del ruido).
  • Menos efectivo para ruido de banda ancha; la reducción de ruido es típicamente de banda estrecha. Se requieren sistemas multicanal para el control de banda ancha, lo que aumenta la complejidad.
  • Requiere múltiples micrófonos (de referencia y de error); la colocación y el espaciado de los sensores afectan críticamente el rendimiento y la estabilidad.
  • El comportamiento acústico no lineal (p. ej., saturación a altos SPL) y el ruido no causal (componentes de ruido que no están en la señal de referencia) no son bien manejados por el FxLMS lineal.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Altamente efectivo para ruido tonal y periódico de baja frecuencia donde la absorción pasiva es inadecuada; puede lograr una atenuación de >10–20 dB por debajo de 500 Hz.
  • Algoritmo adaptativo que aprende continuamente las condiciones acústicas cambiantes; el rendimiento se mantiene alto incluso cuando varían las características de la sala o los patrones de ruido.
  • Bajo costo computacional en comparación con otros métodos adaptativos; lo suficientemente eficiente para implementación en tiempo real en hardware DSP embebido.
  • Madurez y amplio despliegue; décadas de investigación e implementaciones comerciales garantizan robustez y fiabilidad.
  • Permite soluciones de control activo de ruido compactas y ligeras (auriculares, cabinas pequeñas) donde los grandes absorbedores pasivos serían poco prácticos.

Aplicaciones

  • Auriculares y audífonos con cancelación de ruido: cancelan activamente el ruido ambiental en desplazamientos, viajes aéreos y entornos de oficina; mejoran la comodidad de los audífonos.
  • Control de ruido en cabinas de aviones: reducen el ruido de baja frecuencia del motor y del viento en cabinas y cabinas de vuelo para la comodidad de los pasajeros y la seguridad de la tripulación.
  • Acústica interior de automóviles: reducen el ruido de la carretera y del motor en las cabinas de los automóviles; particularmente efectivos para el retumbo de baja frecuencia por debajo de 500 Hz.
  • Control de ruido industrial: atenúan el ruido en fábricas, salas de compresores y sistemas HVAC donde la absorción pasiva está limitada por el espacio.
  • Cancelación de retroalimentación de audífonos: previenen la retroalimentación acústica (silbidos) generando una señal de anti-retroalimentación; mejoran la ganancia antes de la retroalimentación y la comodidad subjetiva.
  • Comunicación submarina y sonar: suprimen el ruido ambiental oceánico en sistemas acústicos submarinos; mejoran la relación señal/ruido para comunicaciones de largo alcance.

Cómo funciona

Cómo funciona

1

Monte un micrófono de referencia cerca de la fuente de ruido (para capturar el ruido antes de que viaje al oyente) y un micrófono de error cerca del oído del oyente o del objetivo de ruido. Conecte un altavoz que emitirá la señal de anti-ruido.

2

Calibre los micrófonos y el altavoz; mida la ruta de transferencia acústica desde el altavoz hasta el micrófono de error (a menudo llamada ruta secundaria). Esta caracterización es crítica para la estabilidad y el rendimiento del algoritmo.

3

Monitorice la señal de ruido de referencia (entrada al filtro FxLMS) y la señal de error (salida del micrófono de error). Calcule la salida del filtro como una suma ponderada de muestras de referencia pasadas; actualice los pesos del filtro basándose en el gradiente del error.

4

Aplique la regla de actualización FxLMS: calcule el gradiente de la potencia del error con respecto a los coeficientes del filtro, teniendo en cuenta la ruta acústica secundaria. La ruta se filtra a través de un modelo estimado de la ruta secundaria para garantizar la convergencia y la estabilidad (la 'x' en FxLMS representa este filtrado).

5

Monitorice la reducción de ruido (atenuación en dB) lograda en función de la frecuencia. Mida la velocidad de convergencia (qué tan rápido aprende el algoritmo), la potencia del error residual y el costo computacional. Valide contra métricas de rendimiento (mejora de la relación señal/ruido, inteligibilidad del habla en ruido).

Errores comunes

  • Colocación inadecuada del micrófono de referencia; la referencia debe capturar la energía del ruido antes de que llegue al micrófono de error. Una mala colocación reduce la correlación y la efectividad del algoritmo.
  • Omisión de la estimación de la ruta secundaria; un modelo impreciso de la ruta secundaria puede causar inestabilidad. Siempre mida o estime cuidadosamente la ruta secundaria.
  • Elección de un tamaño de paso demasiado grande (convergencia rápida) o demasiado pequeño (aprendizaje lento); la sintonización del tamaño del paso es crítica. Los algoritmos de tamaño de paso adaptativo mejoran la robustez.
  • Asumir que FxLMS funciona en todas las condiciones; algunos entornos acústicos (multitrayecto, campos difusos) resisten el control activo. Pruebe en condiciones representativas antes del despliegue.
  • Ignorar las restricciones de latencia y computacionales; FxLMS en tiempo real requiere procesamiento de audio de baja latencia. Los sistemas de alta latencia pueden divergir o volverse inestables.

Preguntas frecuentes

¿Por qué es tan importante la ruta secundaria en FxLMS?

La ruta secundaria es la función de transferencia acústica desde el altavoz hasta el micrófono de error —determina cómo la señal de anti-ruido llega al punto de medición del error. Sin tener en cuenta esta ruta, el algoritmo no puede predecir correctamente qué salida de filtro se necesita. Una estimación imprecisa de la ruta secundaria hace que el algoritmo diverja o proporcione ganancia negativa (amplificación en lugar de cancelación).

¿Qué rango de frecuencia puede controlar FxLMS de manera efectiva?

FxLMS es más efectivo por debajo de 1–2 kHz, particularmente para ruido tonal o de baja frecuencia (<500 Hz). A frecuencias más altas, la longitud de onda se acorta y los retardos de causalidad se vuelven problemáticos. Los sistemas multifrecuencia y multicanal extienden el rango, pero la absorción pasiva es a menudo más práctica para el ruido de alta frecuencia.

¿Cuánto tiempo tarda FxLMS en converger y adaptarse a un ruido cambiante?

La velocidad de convergencia depende del tamaño del paso, la longitud del filtro y las estadísticas de la señal. La convergencia típica es de 0.5–2 segundos para ruido estacionario. La adaptación a ruido que cambia lentamente (voz, música, maquinaria variable en el tiempo) ocurre en escalas de tiempo similares. El ruido transitorio rápido (impactos, cambios repentinos) puede no ser cancelado porque el algoritmo no puede reaccionar instantáneamente.

¿Puede FxLMS cancelar ruido de banda ancha como la lluvia o el viento?

FxLMS es menos efectivo para ruido de banda ancha porque una única señal de referencia no puede predecir todos los componentes de frecuencia del ruido de banda ancha. Los sistemas multicanal (múltiples micrófonos de referencia y filtros adaptativos) pueden mejorar el control de banda ancha, pero el costo computacional aumenta. Para ruido de banda ancha, la absorción pasiva o los sistemas híbridos pasivo-activos son a menudo más prácticos.

¿Qué sucede si los micrófonos de referencia y de error están demasiado separados?

Si la distancia es grande (>1 metro), el retardo de propagación acústica se vuelve significativo. La señal de referencia no puede predecir el ruido en el micrófono de error debido a las restricciones de causalidad (el algoritmo no puede mirar al futuro). Esto limita el ancho de banda y la efectividad del control. Los sistemas ANC prácticos mantienen el espaciado de los micrófonos pequeño (<10 cm para auriculares, <0.5 m para sistemas de cabina).

Métodos relacionados

Fuentes

  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.

    Abrir referencia DOI
    Copiado.
  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.

    Abrir referencia DOI
    Copiado.
  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
    Copiado.