Algorytm FxLMS (Filtered-x Least Mean Squares) do aktywnej kontroli hałasu
- Autor metody
- Bernard Widrow, Samuel Stearns
- Rok
- 1975
- Typ
- Adaptive noise cancellation algorithm
- Rodzina
- Signal processing, Adaptive filtering
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Algorytm FxLMS (Filtered-x Least Mean Squares) jest filtrem adaptacyjnym stosowanym w systemach aktywnej kontroli hałasu (ANC) w celu redukcji niepożądanego dźwięku poprzez generowanie antysygnału.
Zapoczątkowany przez Widrowa i Stearnsa w 1975 roku, a udoskonalony przez Erikssona i współpracowników, FxLMS jest najszerzej stosowanym algorytmem w komercyjnych słuchawkach z redukcją szumów, aparatach słuchowych, kabinach samochodowych i przemysłowych barierach akustycznych. Działa poprzez ciągłe uczenie się ścieżki akustycznej i dynamiczne dostosowywanie sygnału kasującego w czasie rzeczywistym.
Intuicja stojąca za metodą
Wyobraźmy sobie, że głośnik mógłby natychmiast wyemitować antysygnał, który idealnie kasuje przychodzący hałas – interferencja destruktywna. FxLMS realizuje tę ideę: monitoruje hałas, przewiduje, jaki antysygnał jest potrzebny, i generuje go, zanim hałas dotrze do ucha. Wyzwaniem jest to, że system musi uwzględniać ścieżkę akustyczną (jak antysygnał dociera do mikrofonu błędu) i stale się adaptować w miarę zmian warunków. FxLMS wykorzystuje sprzężenie zwrotne z mikrofonu błędu do dostosowywania współczynników filtra, ucząc się optymalnego wzorca antysygnału w czasie rzeczywistym.
Historia
Widrow i Stearns opracowali algorytm LMS i jego zastosowanie do aktywnej kontroli hałasu w latach 70. Eriksson rozszerzył LMS do postaci FxLMS (wariant filtered-x) pod koniec lat 80., rozwiązując problem ścieżki wtórnej, kluczowy dla praktycznego ANC. Pierwsze komercyjne słuchawki ANC pojawiły się w latach 90.; do lat 2000. ANC stało się standardem w słuchawkach premium, aparatach słuchowych i kabinach samochodowych. Nowoczesne warianty obejmują FxLMS wieloczęstotliwościowy, FxLMS z wyciekiem, implementacje w dziedzinie częstotliwości i nieliniowe rozszerzenia.
Kiedy stosować
Stosuj FxLMS, gdy potrzebna jest aktywna kontrola hałasu w środowiskach zdominowanych przez niskie częstotliwości (kabiny samolotów, hałas drogowy, szum wentylacji) tam, gdzie pasywna absorpcja jest nieefektywna. FxLMS jest idealny do hałasu wąskopasmowego lub harmonicznego (sinusoidalny, wielotonowy). W przypadku hałasu szerokopasmowego lub wysokich częstotliwości, podejścia pasywne są często bardziej opłacalne. FxLMS wymaga sprzętu o niskim opóźnieniu (szybki DSP lub mikrokontroler) oraz odpowiedniego rozmieszczenia mikrofonów referencyjnych i błędów.
Ograniczenia i uwagi
- Ograniczenie przyczynowości: FxLMS musi przewidzieć i wygenerować antysygnał, zanim hałas nadejdzie; długie ścieżki akustyczne (>1 metra) wprowadzają opóźnienia ograniczające skuteczność.
- Zbieżność algorytmu zależy od dokładnego oszacowania ścieżki wtórnej; złe modelowanie ścieżki wtórnej prowadzi do niestabilności lub ujemnego wzmocnienia (wzmocnienie hałasu).
- Mniej skuteczny w przypadku hałasu szerokopasmowego; redukcja hałasu jest zazwyczaj wąskopasmowa. Systemy wielokanałowe są wymagane do kontroli szerokopasmowej, co zwiększa złożoność.
- Wymaga wielu mikrofonów (referencyjnego i błędu); rozmieszczenie i odległość czujników krytycznie wpływają na wydajność i stabilność.
- Nieliniowe zachowanie akustyczne (np. nasycenie przy wysokim SPL) i hałas nieprzyczynowy (komponenty hałasu nieobecne w sygnale referencyjnym) nie są dobrze obsługiwane przez liniowy FxLMS.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Bardzo skuteczny w przypadku niskoczęstotliwościowego hałasu harmonicznego i okresowego, gdzie pasywna absorpcja jest niewystarczająca; może osiągnąć tłumienie >10–20 dB poniżej 500 Hz.
- Algorytm adaptacyjny stale uczy się zmieniających się warunków akustycznych; wydajność pozostaje wysoka nawet w miarę zmian charakterystyki pomieszczenia lub wzorców hałasu.
- Niski koszt obliczeniowy w porównaniu do innych metod adaptacyjnych; wystarczająco wydajny do implementacji w czasie rzeczywistym na wbudowanym sprzęcie DSP.
- Dojrzałość i szerokie wdrożenie; dekady badań i komercyjnych wdrożeń zapewniają solidność i niezawodność.
- Umożliwia kompaktowe, lekkie rozwiązania aktywnej kontroli hałasu (słuchawki, małe kabiny), gdzie duże pasywne absorbery byłyby niepraktyczne.
Zastosowania
- Słuchawki i douszne z redukcją szumów: aktywnie kasują hałas otoczenia podczas dojazdów, podróży lotniczych i w biurze; poprawiają komfort słyszenia w aparatach słuchowych.
- Kontrola hałasu w kabinach samolotów: redukcja niskoczęstotliwościowego hałasu silnika i wiatru w kabinach i kokpitach samolotów dla komfortu pasażerów i bezpieczeństwa załogi.
- Akustyka wnętrza pojazdów: redukcja hałasu drogowego i silnika w kabinach samochodów; szczególnie skuteczna dla niskoczęstotliwościowego dudnienia poniżej 500 Hz.
- Przemysłowa kontrola hałasu: tłumienie hałasu w fabrykach, pomieszczeniach sprężarek i systemach HVAC, gdzie pasywna absorpcja jest ograniczona przestrzeniowo.
- Anulowanie sprzężenia zwrotnego w aparatach słuchowych: zapobieganie sprzężeniu akustycznemu (piszczeniu) poprzez generowanie sygnału przeciwzaczepowego; poprawia wzmocnienie przed sprzężeniem i komfort subiektywny.
- Komunikacja podwodna i sonar: tłumienie podwodnego hałasu otoczenia w podwodnych systemach akustycznych; poprawa stosunku sygnału do szumu dla komunikacji dalekiego zasięgu.
Jak to działa
Jak to działa
Zamontuj mikrofon referencyjny blisko źródła hałasu (aby przechwycić hałas, zanim dotrze do słuchacza) oraz mikrofon błędu blisko ucha słuchacza lub celu hałasu. Podłącz głośnik, który będzie emitował sygnał antysygnału.
Skalibruj mikrofony i głośnik; zmierz ścieżkę transferu akustycznego od głośnika do mikrofonu błędu (często nazywaną ścieżką wtórną). Ta charakterystyka jest kluczowa dla stabilności i wydajności algorytmu.
Monitoruj sygnał hałasu referencyjnego (wejście do filtra FxLMS) i sygnał błędu (wyjście mikrofonu błędu). Oblicz wyjście filtra jako ważoną sumę przeszłych próbek referencyjnych; zaktualizuj wagi filtra na podstawie gradientu błędu.
Zastosuj regułę aktualizacji FxLMS: oblicz gradient mocy błędu względem współczynników filtra, uwzględniając wtórną ścieżkę akustyczną. Ścieżka jest filtrowana przez oszacowany model ścieżki wtórnej, aby zapewnić zbieżność i stabilność ('x' w FxLMS oznacza to filtrowanie).
Monitoruj redukcję hałasu (tłumienie w dB) osiągniętą w funkcji częstotliwości. Zmierz szybkość zbieżności (jak szybko algorytm się uczy), moc błędu szczątkowego i koszt obliczeniowy. Zweryfikuj względem metryk wydajności (poprawa stosunku sygnału do szumu, zrozumiałość mowy w hałasie).
Częste pułapki
- Nieprawidłowe rozmieszczenie mikrofonu referencyjnego; referencja musi przechwytywać energię hałasu, zanim dotrze do mikrofonu błędu. Złe rozmieszczenie zmniejsza korelację i skuteczność algorytmu.
- Zaniedbanie oszacowania ścieżki wtórnej; niedokładny model ścieżki wtórnej może spowodować niestabilność. Zawsze dokładnie mierz lub szacuj ścieżkę wtórną.
- Wybór zbyt dużego (szybka zbieżność) lub zbyt małego (wolna nauka) kroku; dostrajanie kroku jest kluczowe. Algorytmy adaptacyjnego kroku poprawiają solidność.
- Zakładanie, że FxLMS działa we wszystkich warunkach; niektóre środowiska akustyczne (wielodrogowość, pola rozproszone) opierają się aktywnej kontroli. Przed wdrożeniem przetestuj w reprezentatywnych warunkach.
- Ignorowanie opóźnień i ograniczeń obliczeniowych; FxLMS w czasie rzeczywistym wymaga przetwarzania dźwięku o niskim opóźnieniu. Systemy o wysokim opóźnieniu mogą rozbiec się lub stać się niestabilne.
Najczęściej zadawane pytania
Dlaczego ścieżka wtórna jest tak ważna w FxLMS?
Ścieżka wtórna to funkcja przenoszenia akustycznego od głośnika do mikrofonu błędu – określa ona, jak sygnał antysygnału dociera do punktu pomiaru błędu. Bez uwzględnienia tej ścieżki algorytm nie może poprawnie przewidzieć, jakie wyjście filtra jest potrzebne. Niedokładne oszacowanie ścieżki wtórnej powoduje, że algorytm rozbiega się lub zapewnia ujemne wzmocnienie (wzmocnienie zamiast kasowania).
Jaki zakres częstotliwości może skutecznie kontrolować FxLMS?
FxLMS jest najskuteczniejszy poniżej 1–2 kHz, szczególnie w przypadku hałasu harmonicznego lub niskoczęstotliwościowego (<500 Hz). Na wyższych częstotliwościach długość fali staje się krótsza, a opóźnienia przyczynowości stają się problematyczne. Systemy wieloczęstotliwościowe i wielokanałowe rozszerzają zakres, ale pasywna absorpcja jest często bardziej praktyczna dla hałasu wysokoczęstotliwościowego.
Jak długo FxLMS potrzebuje na zbieżność i adaptację do zmieniającego się hałasu?
Szybkość zbieżności zależy od kroku, długości filtra i statystyki sygnału. Typowa zbieżność wynosi 0,5–2 sekundy dla stacjonarnego hałasu. Adaptacja do powoli zmieniającego się hałasu (mowa, muzyka, zmienne w czasie maszyny) następuje w podobnych skalach czasowych. Szybkie, przejściowe hałasy (uderzenia, nagłe zmiany) mogą nie zostać skasowane, ponieważ algorytm nie może zareagować natychmiast.
Czy FxLMS może kasować hałas szerokopasmowy, taki jak deszcz lub wiatr?
FxLMS jest mniej skuteczny w przypadku hałasu szerokopasmowego, ponieważ pojedynczy sygnał referencyjny nie może przewidzieć wszystkich składowych częstotliwościowych hałasu szerokopasmowego. Systemy wielokanałowe (wiele mikrofonów referencyjnych i filtrów adaptacyjnych) mogą poprawić kontrolę szerokopasmową, ale koszt obliczeniowy rośnie. W przypadku hałasu szerokopasmowego, pasywna absorpcja lub hybrydowe systemy pasywno-aktywne są często bardziej praktyczne.
Co się stanie, jeśli mikrofony referencyjny i błędu są zbyt daleko od siebie?
Jeśli odległość jest duża (>1 metra), opóźnienie propagacji akustycznej staje się znaczące. Sygnał referencyjny nie może przewidzieć hałasu w mikrofonie błędu z powodu ograniczeń przyczynowości (algorytm nie może patrzeć w przyszłość). Ogranicza to pasmo kontroli i skuteczność. Praktyczne systemy ANC utrzymują małą odległość między mikrofonami (<10 cm dla słuchawek, <0,5 m dla systemów kabinowych).
Pokrewne metody
Źródła
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.
Otwórz odnośnik DOISkopiowano.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.
Otwórz odnośnik DOISkopiowano.Kuo, S. M., & Morgan, D. R. (2002). Active Noise Control Systems: Algorithms and DSP Implementations. John Wiley & Sons.
ISBN: 978-0-471-49663-5Skopiowano.