Skip to content
Kembali ke hasil pencarian

Kontrol Derau Aktif FxLMS

Diperkenalkan oleh
Bernard Widrow, Samuel Stearns
Tahun
1975
Jenis
Adaptive noise cancellation algorithm
Keluarga
Signal processing, Adaptive filtering

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Algoritma Filtered-x Least Mean Squares (FxLMS) adalah filter adaptif yang digunakan dalam sistem kontrol derau aktif (ANC) untuk mengurangi suara yang tidak diinginkan dengan menghasilkan anti-derau.

Dipelopori oleh Widrow dan Stearns pada tahun 1975 dan disempurnakan oleh Eriksson dan rekan-rekannya, FxLMS adalah algoritma yang paling banyak digunakan dalam headphone peredam bising komersial, alat bantu dengar, kabin otomotif, dan penghalang derau industri. Algoritma ini bekerja dengan terus-menerus mempelajari jalur akustik dan secara dinamis menyesuaikan sinyal pembatalan secara real-time.

Intuisi di balik metode

Bayangkan jika sebuah pengeras suara dapat seketika memancarkan anti-suara yang sempurna membatalkan derau yang masuk—interferensi destruktif. FxLMS mewujudkan ide ini: ia memantau derau, memprediksi anti-derau apa yang dibutuhkan, dan menghasilkannya sebelum derau mencapai telinga Anda. Tantangannya adalah sistem harus memperhitungkan jalur akustik (bagaimana anti-derau merambat ke mikrofon kesalahan) dan beradaptasi terus-menerus seiring perubahan kondisi. FxLMS menggunakan umpan balik dari mikrofon kesalahan untuk menyesuaikan koefisien filternya, mempelajari pola anti-derau optimal secara real-time.

Sejarah

Widrow dan Stearns mengembangkan algoritma LMS dan aplikasinya pada kontrol derau aktif pada tahun 1970-an. Eriksson memperluas LMS ke bentuk FxLMS (varian filtered-x) pada akhir 1980-an, mengatasi masalah jalur sekunder yang krusial untuk ANC praktis. Headphone ANC komersial pertama muncul pada tahun 1990-an; pada tahun 2000-an, ANC menjadi standar di headphone premium, alat bantu dengar, dan kabin otomotif. Varian modern termasuk FxLMS multirate, FxLMS leaky, implementasi domain frekuensi, dan ekstensi nonlinier.

Kapan digunakan

Gunakan FxLMS ketika kontrol derau aktif diperlukan di lingkungan yang didominasi frekuensi rendah (kabin pesawat, derau jalan, dengungan HVAC) di mana penyerapan pasif tidak efisien. FxLMS ideal untuk derau pita sempit atau tonal (sinus, multi-nada). Untuk derau pita lebar atau frekuensi tinggi, pendekatan pasif seringkali lebih hemat biaya. FxLMS memerlukan perangkat keras latensi rendah (DSP atau mikrokontroler cepat) dan penempatan mikrofon referensi dan kesalahan yang sesuai.

Batasan dan pertimbangan

  • Kendala kausalitas: FxLMS harus memprediksi dan menghasilkan anti-derau sebelum derau tiba; jalur akustik yang panjang (>1 meter) menimbulkan penundaan yang membatasi efektivitas.
  • Konvergensi algoritma bergantung pada estimasi jalur sekunder yang akurat; pemodelan jalur sekunder yang buruk menyebabkan ketidakstabilan atau penguatan negatif (amplifikasi derau).
  • Kurang efektif untuk derau pita lebar; pengurangan derau biasanya pita sempit. Sistem multi-kanal diperlukan untuk kontrol pita lebar, meningkatkan kompleksitas.
  • Memerlukan beberapa mikrofon (referensi dan kesalahan); penempatan dan jarak sensor sangat memengaruhi kinerja dan stabilitas.
  • Perilaku akustik nonlinier (misalnya, saturasi pada SPL tinggi) dan derau non-kausal (komponen derau yang tidak ada dalam sinyal referensi) tidak ditangani dengan baik oleh FxLMS linier.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Sangat efektif untuk derau tonal dan periodik frekuensi rendah di mana penyerapan pasif tidak memadai; dapat mencapai atenuasi >10–20 dB di bawah 500 Hz.
  • Algoritma adaptif terus-menerus mempelajari kondisi akustik yang berubah; kinerja tetap tinggi bahkan ketika karakteristik ruangan atau pola derau bervariasi.
  • Biaya komputasi rendah dibandingkan dengan metode adaptif lainnya; cukup efisien untuk implementasi real-time pada perangkat keras DSP tertanam.
  • Kematangan dan penyebaran luas; puluhan tahun penelitian dan implementasi komersial memastikan ketahanan dan keandalan.
  • Memungkinkan solusi kontrol derau aktif yang ringkas dan ringan (headphone, kabin kecil) di mana penyerap pasif besar tidak praktis.

Penerapan

  • Headphone dan earbud peredam bising: secara aktif membatalkan derau sekitar dalam perjalanan, perjalanan udara, dan lingkungan kantor; meningkatkan kenyamanan alat bantu dengar.
  • Kontrol derau kabin pesawat: mengurangi derau mesin dan angin frekuensi rendah di kabin dan kokpit pesawat untuk kenyamanan penumpang dan keselamatan awak.
  • Akustik interior otomotif: mengurangi derau jalan dan mesin di kabin mobil; sangat efektif untuk gemuruh frekuensi rendah di bawah 500 Hz.
  • Kontrol derau industri: meredam derau di pabrik, ruang kompresor, dan sistem HVAC di mana penyerapan pasif dibatasi ruang.
  • Pembatalan umpan balik alat bantu dengar: mencegah umpan balik akustik (siulan) dengan menghasilkan sinyal anti-umpan balik; meningkatkan penguatan sebelum umpan balik dan kenyamanan subjektif.
  • Komunikasi bawah air dan sonar: menekan derau ambien laut dalam sistem akustik bawah air; meningkatkan rasio sinyal terhadap derau untuk komunikasi jarak jauh.

Cara kerjanya

Cara kerjanya

1

Pasang mikrofon referensi di dekat sumber derau (untuk menangkap derau sebelum merambat ke pendengar) dan mikrofon kesalahan di dekat telinga pendengar atau target derau. Hubungkan pengeras suara yang akan memancarkan sinyal anti-derau.

2

Kalibrasi mikrofon dan pengeras suara; ukur jalur transfer akustik dari pengeras suara ke mikrofon kesalahan (sering disebut jalur sekunder). Karakterisasi ini sangat penting untuk stabilitas dan kinerja algoritma.

3

Pantau sinyal derau referensi (input ke filter FxLMS) dan sinyal kesalahan (output dari mikrofon kesalahan). Hitung output filter sebagai jumlah tertimbang dari sampel referensi sebelumnya; perbarui bobot filter berdasarkan gradien kesalahan.

4

Terapkan aturan pembaruan FxLMS: hitung gradien daya kesalahan terhadap koefisien filter, dengan memperhitungkan jalur akustik sekunder. Jalur tersebut difilter melalui model jalur sekunder yang diperkirakan untuk memastikan konvergensi dan stabilitas ('x' dalam FxLMS merujuk pada pemfilteran ini).

5

Pantau pengurangan derau (atenuasi dalam dB) yang dicapai sebagai fungsi frekuensi. Ukur kecepatan konvergensi (seberapa cepat algoritma belajar), daya kesalahan residual, dan biaya komputasi. Validasi terhadap metrik kinerja (peningkatan rasio sinyal terhadap derau, kejelasan ucapan dalam derau).

Kesalahan umum

  • Penempatan mikrofon referensi yang tidak memadai; referensi harus menangkap energi derau sebelum mencapai mikrofon kesalahan. Penempatan yang buruk mengurangi korelasi dan efektivitas algoritma.
  • Mengabaikan estimasi jalur sekunder; model jalur sekunder yang tidak akurat dapat menyebabkan ketidakstabilan. Selalu ukur atau perkirakan jalur sekunder dengan hati-hati.
  • Memilih ukuran langkah terlalu besar (konvergensi cepat) atau terlalu kecil (pembelajaran lambat); penyesuaian ukuran langkah sangat penting. Algoritma ukuran langkah adaptif meningkatkan ketahanan.
  • Mengasumsikan FxLMS bekerja dalam semua kondisi; beberapa lingkungan akustik (multipath, medan difus) menolak kontrol aktif. Uji dalam kondisi representatif sebelum penerapan.
  • Mengabaikan kendala latensi dan komputasi; FxLMS real-time memerlukan pemrosesan audio latensi rendah. Sistem latensi tinggi dapat menyimpang atau menjadi tidak stabil.

Pertanyaan yang sering diajukan

Mengapa jalur sekunder begitu penting dalam FxLMS?

Jalur sekunder adalah fungsi transfer akustik dari pengeras suara ke mikrofon kesalahan—ia menentukan bagaimana sinyal anti-derau mencapai titik pengukuran kesalahan. Tanpa memperhitungkan jalur ini, algoritma tidak dapat secara akurat memprediksi output filter apa yang dibutuhkan. Estimasi jalur sekunder yang tidak akurat menyebabkan algoritma menyimpang atau memberikan penguatan negatif (amplifikasi alih-alih pembatalan).

Rentang frekuensi berapa yang dapat dikontrol secara efektif oleh FxLMS?

FxLMS paling efektif di bawah 1–2 kHz, terutama untuk derau tonal atau frekuensi rendah (<500 Hz). Pada frekuensi yang lebih tinggi, panjang gelombang menjadi lebih pendek dan penundaan kausalitas menjadi bermasalah. Sistem multi-frekuensi dan multi-kanal memperluas jangkauan, tetapi penyerapan pasif seringkali lebih praktis untuk derau frekuensi tinggi.

Berapa lama waktu yang dibutuhkan FxLMS untuk konvergen dan beradaptasi dengan derau yang berubah?

Kecepatan konvergensi bergantung pada ukuran langkah, panjang filter, dan statistik sinyal. Konvergensi tipikal adalah 0,5–2 detik untuk derau stasioner. Adaptasi terhadap derau yang berubah perlahan (ucapan, musik, mesin yang bervariasi waktu) terjadi dalam skala waktu yang serupa. Derau transien cepat (benturan, perubahan mendadak) mungkin tidak dibatalkan karena algoritma tidak dapat bereaksi seketika.

Bisakah FxLMS membatalkan derau pita lebar seperti hujan atau angin?

FxLMS kurang efektif untuk derau pita lebar karena satu sinyal referensi tidak dapat memprediksi semua komponen frekuensi dari derau pita lebar. Sistem multi-kanal (beberapa mikrofon referensi dan filter adaptif) dapat meningkatkan kontrol pita lebar, tetapi biaya komputasi meningkat. Untuk derau pita lebar, penyerapan pasif atau sistem pasif-aktif hibrida seringkali lebih praktis.

Apa yang terjadi jika mikrofon referensi dan kesalahan terlalu berjauhan?

Jika jaraknya jauh (>1 meter), penundaan propagasi akustik menjadi signifikan. Sinyal referensi tidak dapat memprediksi derau di mikrofon kesalahan karena kendala kausalitas (algoritma tidak dapat melihat ke masa depan). Ini membatasi bandwidth dan efektivitas kontrol. Sistem ANC praktis menjaga jarak mikrofon tetap kecil (<10 cm untuk headphone, <0,5 m untuk sistem kabin).

Metode terkait

Sumber

  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.

    Buka referensi DOI
    Disalin.
  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.

    Buka referensi DOI
    Disalin.
  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
    Disalin.