Skip to content
بازگشت به نتایج جست‌وجو

کنترل فعال نویز با الگوریتم FxLMS

معرفی‌شده توسط
Bernard Widrow, Samuel Stearns
سال
1975
نوع
Adaptive noise cancellation algorithm
خانواده
Signal processing, Adaptive filtering

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

الگوریتم فیلتر شده-x میانگین مربعات کمینه (Filtered-x Least Mean Squares یا FxLMS) یک فیلتر تطبیقی است که در سیستم‌های کنترل فعال نویز (Active Noise Control یا ANC) برای کاهش صداهای ناخواسته از طریق تولید پاد-نویز (anti-noise) به کار می‌رود. این الگوریتم که توسط ویدرو و استیرنز در سال ۱۹۷۵ پیشگام شد و توسط اریکسون و همکارانش توسعه یافت، پرکاربردترین الگوریتم در هدفون‌های تجاری حذف نویز، سمعک‌ها، کابین خودروها و موانع صوتی صنعتی است. این الگوریتم با یادگیری مداوم مسیر صوتی و تنظیم پویای سیگنال لغوکننده در زمان واقعی عمل می‌کند.

شهود پشت روش

تصور کنید اگر یک بلندگو بتواند فوراً یک پاد-صدا منتشر کند که نویز ورودی را به طور کامل لغو کند - تداخل تخریبی. الگوریتم FxLMS این ایده را محقق می‌سازد: نویز را پایش می‌کند، پیش‌بینی می‌کند چه پاد-صدایی لازم است و قبل از رسیدن نویز به گوش شما، آن را تولید می‌کند. چالش این است که سیستم باید مسیر صوتی (نحوه انتقال پاد-صدا به میکروفون خطا) را در نظر بگیرد و با تغییر شرایط به طور مداوم تطبیق یابد. الگوریتم FxLMS از بازخورد یک میکروفون خطا برای تنظیم ضرایب فیلتر خود استفاده می‌کند و الگوی پاد-صدای بهینه را در زمان واقعی یاد می‌گیرد.

تاریخ

ویدرو و استیرنز الگوریتم LMS و کاربرد آن در کنترل فعال نویز را در دهه ۱۹۷۰ توسعه دادند. اریکسون LMS را در اواخر دهه ۱۹۸۰ به شکل FxLMS (نوع فیلتر شده-x) گسترش داد و مشکل مسیر ثانویه را که برای ANC عملی حیاتی بود، حل کرد. اولین هدفون‌های ANC تجاری در دهه ۱۹۹۰ ظهور کردند؛ تا دهه ۲۰۰۰، ANC در هدفون‌های ممتاز، سمعک‌ها و کابین‌های خودرو استاندارد شد. انواع مدرن شامل FxLMS چندنرخی، FxLMS نشتی، پیاده‌سازی‌های حوزه فرکانس و افزونه‌های غیرخطی است.

چه زمانی استفاده شود

زمانی از FxLMS استفاده کنید که کنترل فعال نویز در محیط‌های با فرکانس پایین غالب (کابین هواپیما، نویز جاده، صدای سیستم تهویه مطبوع) که جذب پسیو ناکارآمد است، مورد نیاز باشد. FxLMS برای نویزهای تک‌باند یا تُنال (سینوسی، چندتُن) ایده‌آل است. برای نویزهای پهن‌باند یا فرکانس‌های بالا، رویکردهای پسیو اغلب مقرون‌به‌صرفه‌تر هستند. FxLMS به سخت‌افزار با تأخیر کم (DSP یا میکروکنترلر سریع) و جانمایی مناسب میکروفون‌های مرجع و خطا نیاز دارد.

محدودیت‌ها و ملاحظات

  • محدودیت علیت: FxLMS باید پاد-صدا را قبل از رسیدن نویز پیش‌بینی و تولید کند؛ مسیرهای صوتی طولانی (بیش از ۱ متر) تأخیرهایی ایجاد می‌کنند که اثربخشی را محدود می‌کند.
  • همگرایی الگوریتم به تخمین دقیق مسیر ثانویه بستگی دارد؛ مدل‌سازی نادرست مسیر ثانویه منجر به ناپایداری یا بهره منفی (تقویت نویز) می‌شود.
  • برای نویزهای پهن‌باند کمتر مؤثر است؛ کاهش نویز معمولاً تک‌باند است. سیستم‌های چندکاناله برای کنترل پهن‌باند مورد نیاز هستند که پیچیدگی را افزایش می‌دهد.
  • به چندین میکروفون (مرجع و خطا) نیاز دارد؛ جانمایی و فاصله سنسورها به شدت بر عملکرد و پایداری تأثیر می‌گذارد.
  • رفتار صوتی غیرخطی (مانند اشباع در SPL بالا) و نویز غیرعلّی (اجزای نویز که در سیگنال مرجع وجود ندارند) به خوبی توسط FxLMS خطی مدیریت نمی‌شوند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • برای نویزهای تُنال و دوره‌ای با فرکانس پایین که جذب پسیو در آن‌ها ناکافی است، بسیار مؤثر است؛ می‌تواند تضعیفی بیش از ۱۰-۲۰ دسی‌بل در فرکانس‌های زیر ۵۰۰ هرتز ایجاد کند.
  • الگوریتم تطبیقی به طور مداوم شرایط صوتی در حال تغییر را یاد می‌گیرد؛ عملکرد حتی با تغییر ویژگی‌های اتاق یا الگوهای نویز بالا باقی می‌ماند.
  • هزینه محاسباتی کم در مقایسه با سایر روش‌های تطبیقی؛ به اندازه کافی کارآمد برای پیاده‌سازی در زمان واقعی بر روی سخت‌افزار DSP تعبیه‌شده.
  • بلوغ و استقرار گسترده؛ دهه‌ها تحقیق و پیاده‌سازی تجاری، استحکام و قابلیت اطمینان را تضمین می‌کند.
  • راه‌حل‌های کنترل فعال نویز فشرده و سبک (هدفون، کابین‌های کوچک) را امکان‌پذیر می‌سازد که در آن‌ها جاذب‌های پسیو بزرگ غیرعملی خواهند بود.

کاربردها

  • هدفون‌ها و گوشی‌های حذف نویز: نویز محیطی را در رفت و آمد، سفرهای هوایی و محیط‌های اداری به طور فعال لغو می‌کنند؛ راحتی سمعک را بهبود می‌بخشند.
  • کنترل نویز کابین هواپیما: کاهش نویز موتور و باد با فرکانس پایین در کابین‌ها و اتاقک‌های خلبان هواپیما برای راحتی مسافران و ایمنی خدمه.
  • آکوستیک داخلی خودرو: کاهش نویز جاده و موتور در کابین خودروها؛ به ویژه برای غرش فرکانس پایین زیر ۵۰۰ هرتز مؤثر است.
  • کنترل نویز صنعتی: تضعیف نویز در کارخانه‌ها، اتاق‌های کمپرسور و سیستم‌های تهویه مطبوع که در آن‌ها جذب پسیو از نظر فضایی محدود است.
  • لغو بازخورد سمعک: جلوگیری از بازخورد صوتی (وزوز) با تولید سیگنال ضد بازخورد؛ بهره‌دهی قبل از بازخورد و راحتی ذهنی را بهبود می‌بخشد.
  • ارتباطات زیردریایی و سونار: سرکوب نویز محیطی اقیانوس در سیستم‌های صوتی زیردریایی؛ بهبود نسبت سیگنال به نویز برای ارتباطات دوربرد.

چگونه کار می‌کند

چگونه کار می‌کند

1

یک میکروفون مرجع را نزدیک منبع نویز (برای دریافت نویز قبل از رسیدن به شنونده) و یک میکروفون خطا را نزدیک گوش شنونده یا هدف نویز نصب کنید. بلندگویی را که سیگنال پاد-صدا را منتشر می‌کند، وصل کنید.

2

میکروفون‌ها و بلندگو را کالیبره کنید؛ مسیر انتقال صوتی از بلندگو به میکروفون خطا (که اغلب مسیر ثانویه نامیده می‌شود) را اندازه‌گیری کنید. این مشخصه‌سازی برای پایداری و عملکرد الگوریتم حیاتی است.

3

سیگنال نویز مرجع (ورودی فیلتر FxLMS) و سیگنال خطا (خروجی میکروفون خطا) را پایش کنید. خروجی فیلتر را به عنوان مجموع وزنی نمونه‌های مرجع گذشته محاسبه کنید؛ وزن‌های فیلتر را بر اساس گرادیان خطا به‌روزرسانی کنید.

4

قانون به‌روزرسانی FxLMS را اعمال کنید: گرادیان توان خطا را نسبت به ضرایب فیلتر محاسبه کنید، با در نظر گرفتن مسیر صوتی ثانویه. این مسیر از طریق یک مدل تخمینی مسیر ثانویه فیلتر می‌شود تا از همگرایی و پایداری اطمینان حاصل شود (حرف 'x' در FxLMS به این فیلتر اشاره دارد).

5

کاهش نویز (تضعیف بر حسب دسی‌بل) را به عنوان تابعی از فرکانس پایش کنید. سرعت همگرایی (سرعت یادگیری الگوریتم)، توان خطای باقی‌مانده و هزینه محاسباتی را اندازه‌گیری کنید. با معیارهای عملکرد (بهبود نسبت سیگنال به نویز، وضوح گفتار در نویز) اعتبارسنجی کنید.

دام‌های رایج

  • جانمایی نامناسب میکروفون مرجع؛ مرجع باید انرژی نویز را قبل از رسیدن به میکروفون خطا دریافت کند. جانمایی ضعیف همبستگی و اثربخشی الگوریتم را کاهش می‌دهد.
  • نادیده گرفتن تخمین مسیر ثانویه؛ مدل نادرست مسیر ثانویه می‌تواند باعث ناپایداری شود. همیشه مسیر ثانویه را با دقت اندازه‌گیری یا تخمین کنید.
  • انتخاب اندازه گام بیش از حد بزرگ (همگرایی سریع) یا بیش از حد کوچک (یادگیری کند)؛ تنظیم اندازه گام حیاتی است. الگوریتم‌های اندازه گام تطبیقی، استحکام را بهبود می‌بخشند.
  • فرض اینکه FxLMS در همه شرایط کار می‌کند؛ برخی محیط‌های صوتی (چندمسیری، میدان‌های پراکنده) در برابر کنترل فعال مقاومت می‌کنند. قبل از استقرار در شرایط نماینده آزمایش کنید.
  • نادیده گرفتن محدودیت‌های تأخیر و محاسباتی؛ FxLMS در زمان واقعی به پردازش صوتی با تأخیر کم نیاز دارد. سیستم‌های با تأخیر بالا ممکن است واگرا شوند یا ناپایدار شوند.

پرسش‌های متداول

چرا مسیر ثانویه در FxLMS اینقدر مهم است؟

مسیر ثانویه تابع انتقال صوتی از بلندگو به میکروفون خطا است - این مسیر تعیین می‌کند که سیگنال پاد-صدا چگونه به نقطه اندازه‌گیری خطا می‌رسد. بدون در نظر گرفتن این مسیر، الگوریتم نمی‌تواند به درستی پیش‌بینی کند که چه خروجی فیلتری لازم است. تخمین نادرست مسیر ثانویه باعث واگرایی الگوریتم یا بهره منفی (تقویت به جای لغو) می‌شود.

FxLMS می‌تواند نویز را در چه محدوده فرکانسی به طور مؤثر کنترل کند؟

FxLMS در فرکانس‌های زیر ۱-۲ کیلوهرتز، به ویژه برای نویزهای تُنال یا فرکانس پایین (کمتر از ۵۰۰ هرتز) مؤثرترین است. در فرکانس‌های بالاتر، طول موج کوتاه‌تر می‌شود و تأخیرهای علیت مشکل‌ساز می‌شوند. سیستم‌های چندفرکانسی و چندکاناله دامنه را گسترش می‌دهند، اما جذب پسیو اغلب برای نویزهای فرکانس بالا عملی‌تر است.

FxLMS برای همگرایی و تطبیق با نویزهای در حال تغییر چقدر زمان نیاز دارد؟

سرعت همگرایی به اندازه گام، طول فیلتر و آماره‌های سیگنال بستگی دارد. همگرایی معمول برای نویز ثابت ۰.۵ تا ۲ ثانیه است. تطبیق با نویزهای با تغییر آهسته (گفتار، موسیقی، ماشین‌آلات با تغییر زمانی) در مقیاس‌های زمانی مشابه رخ می‌دهد. نویزهای گذرا سریع (ضربه، تغییرات ناگهانی) ممکن است لغو نشوند زیرا الگوریتم نمی‌تواند فوراً واکنش نشان دهد.

آیا FxLMS می‌تواند نویز پهن‌باند مانند باران یا باد را لغو کند؟

FxLMS برای نویزهای پهن‌باند کمتر مؤثر است زیرا یک سیگنال مرجع واحد نمی‌تواند تمام اجزای فرکانسی نویز پهن‌باند را پیش‌بینی کند. سیستم‌های چندکاناله (میکروفون‌های مرجع و فیلترهای تطبیقی متعدد) می‌توانند کنترل پهن‌باند را بهبود بخشند، اما هزینه محاسباتی افزایش می‌یابد. برای نویزهای پهن‌باند، جذب پسیو یا سیستم‌های ترکیبی پسیو-فعال اغلب عملی‌تر هستند.

اگر میکروفون‌های مرجع و خطا فاصله زیادی از هم داشته باشند چه اتفاقی می‌افتد؟

اگر فاصله زیاد باشد (بیش از ۱ متر)، تأخیر انتشار صوتی قابل توجه می‌شود. سیگنال مرجع به دلیل محدودیت‌های علیت (الگوریتم نمی‌تواند به آینده نگاه کند) نمی‌تواند نویز را در میکروفون خطا پیش‌بینی کند. این امر پهنای باند کنترل و اثربخشی را محدود می‌کند. سیستم‌های ANC عملی فاصله میکروفون‌ها را کم نگه می‌دارند (کمتر از ۱۰ سانتی‌متر برای هدفون‌ها، کمتر از ۰.۵ متر برای سیستم‌های کابین).

روش‌های مرتبط

منابع

  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.

    باز کردن مرجع DOI
    کپی شد.
  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.

    باز کردن مرجع DOI
    کپی شد.
  3. Kuo, S. M., & Morgan, D. R. (2002). Active Noise Control Systems: Algorithms and DSP Implementations. John Wiley & Sons.

    شابک: 978-0-471-49663-5
    کپی شد.