การควบคุมเสียงรบกวนแบบแอคทีฟด้วยวิธี FxLMS
- ผู้เสนอ
- Bernard Widrow, Samuel Stearns
- ปี
- 1975
- ประเภท
- Adaptive noise cancellation algorithm
- กลุ่มวิธี
- Signal processing, Adaptive filtering
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
อัลกอริทึม Filtered-x Least Mean Squares (FxLMS) เป็นฟิลเตอร์ปรับตัวที่ใช้ในระบบควบคุมเสียงรบกวนแบบแอคทีฟ (ANC) เพื่อลดเสียงที่ไม่ต้องการโดยการสร้างเสียงปฏิสัทท์ (anti-noise) FxLMS ซึ่งบุกเบิกโดย Widrow และ Stearns ในปี 1975 และปรับปรุงโดย Eriksson และคณะ เป็นอัลกอริทึมที่ใช้กันอย่างแพร่หลายที่สุดในหูฟังตัดเสียงรบกวนเชิงพาณิชย์ เครื่องช่วยฟัง ห้องโดยสารรถยนต์ และแผงกั้นเสียงรบกวนในอุตสาหกรรม ระบบทำงานโดยการเรียนรู้เส้นทางเสียงอย่างต่อเนื่องและปรับสัญญาณการหักล้างแบบไดนามิกแบบเรียลไทม์
แนวคิดเบื้องหลังวิธีการ
ลองจินตนาการว่าลำโพงสามารถปล่อยเสียงปฏิสัทท์ที่หักล้างเสียงรบกวนที่เข้ามาได้อย่างสมบูรณ์แบบทันที—การแทรกสอดแบบหักล้าง FxLMS ทำให้แนวคิดนี้เป็นจริง: มันจะตรวจจับเสียงรบกวน คาดการณ์เสียงปฏิสัทท์ที่จำเป็น และสร้างมันขึ้นมาก่อนที่เสียงรบกวนจะถึงหูของคุณ ความท้าทายคือระบบต้องคำนึงถึงเส้นทางเสียง (วิธีที่เสียงปฏิสัทท์เดินทางไปยังไมโครโฟนวัดข้อผิดพลาด) และปรับตัวอย่างต่อเนื่องเมื่อสภาวะเปลี่ยนแปลง FxLMS ใช้การป้อนกลับจากไมโครโฟนวัดข้อผิดพลาดเพื่อปรับสัมประสิทธิ์ฟิลเตอร์ เรียนรู้รูปแบบเสียงปฏิสัทท์ที่เหมาะสมที่สุดแบบเรียลไทม์
ประวัติศาสตร์
Widrow และ Stearns พัฒนาอัลกอริทึม LMS และการประยุกต์ใช้กับการควบคุมเสียงรบกวนแบบแอคทีฟในช่วงทศวรรษที่ 1970 Eriksson ได้ขยาย LMS เป็นรูปแบบ FxLMS (รูปแบบ filtered-x) ในช่วงปลายทศวรรษที่ 1980 โดยแก้ไขปัญหาเส้นทางทุติยภูมิซึ่งมีความสำคัญต่อ ANC ในทางปฏิบัติ หูฟัง ANC เชิงพาณิชย์รุ่นแรกปรากฏขึ้นในช่วงทศวรรษที่ 1990; ภายในปี 2000 ANC ได้กลายเป็นมาตรฐานในหูฟังระดับพรีเมียม เครื่องช่วยฟัง และห้องโดยสารรถยนต์ รูปแบบที่ทันสมัย ได้แก่ FxLMS แบบอัตราหลายเท่า, leaky FxLMS, การใช้งานในโดเมนความถี่ และส่วนขยายแบบไม่เชิงเส้น
ควรใช้เมื่อใด
ใช้ FxLMS เมื่อต้องการการควบคุมเสียงรบกวนแบบแอคทีฟในสภาพแวดล้อมที่เสียงความถี่ต่ำมีอิทธิพล (ห้องโดยสารเครื่องบิน เสียงถนน เสียงฮัมของระบบ HVAC) ซึ่งการดูดซับแบบพาสซีฟไม่มีประสิทธิภาพ FxLMS เหมาะอย่างยิ่งสำหรับเสียงรบกวนแบบแถบแคบหรือเสียงโทน (ไซน์, หลายโทน) สำหรับเสียงรบกวนแบบแถบกว้างหรือความถี่สูง วิธีการแบบพาสซีฟมักจะคุ้มค่ากว่า FxLMS ต้องการฮาร์ดแวร์ที่มีความหน่วงแฝงต่ำ (DSP หรือไมโครคอนโทรลเลอร์ความเร็วสูง) และการจัดวางไมโครโฟนอ้างอิงและไมโครโฟนวัดข้อผิดพลาดที่เหมาะสม
ข้อจำกัดและข้อควรพิจารณา
- ข้อจำกัดด้านความเป็นเหตุเป็นผล: FxLMS ต้องคาดการณ์และสร้างเสียงปฏิสัทท์ก่อนที่เสียงรบกวนจะมาถึง เส้นทางเสียงที่ยาว (>1 เมตร) ทำให้เกิดความล่าช้าซึ่งจำกัดประสิทธิภาพ
- การลู่เข้าของอัลกอริทึมขึ้นอยู่กับการประมาณค่าเส้นทางทุติยภูมิที่แม่นยำ การสร้างแบบจำลองเส้นทางทุติยภูมิที่ไม่ดีนำไปสู่ความไม่เสถียรหรือการขยายสัญญาณเชิงลบ (การขยายเสียงรบกวน)
- มีประสิทธิภาพน้อยกว่าสำหรับเสียงรบกวนแบบแถบกว้าง การลดทอนเสียงรบกวนโดยทั่วไปเป็นแบบแถบแคบ ระบบหลายช่องสัญญาณจำเป็นสำหรับการควบคุมแบบแถบกว้าง ซึ่งเพิ่มความซับซ้อน
- ต้องการไมโครโฟนหลายตัว (อ้างอิงและวัดข้อผิดพลาด) การจัดวางและระยะห่างของเซ็นเซอร์ส่งผลกระทบอย่างมากต่อประสิทธิภาพและความเสถียร
- พฤติกรรมเสียงแบบไม่เชิงเส้น (เช่น การอิ่มตัวที่ SPL สูง) และเสียงรบกวนที่ไม่เป็นเหตุเป็นผล (ส่วนประกอบเสียงรบกวนที่ไม่อยู่ในสัญญาณอ้างอิง) ไม่ได้รับการจัดการที่ดีโดย FxLMS เชิงเส้น
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- มีประสิทธิภาพสูงสำหรับเสียงโทนและความถี่ต่ำที่เป็นคาบ ซึ่งการดูดซับแบบพาสซีฟไม่เพียงพอ สามารถลดทอนได้มากกว่า 10–20 เดซิเบลต่ำกว่า 500 เฮิรตซ์
- อัลกอริทึมปรับตัวเรียนรู้สภาวะเสียงที่เปลี่ยนแปลงอย่างต่อเนื่อง ประสิทธิภาพยังคงสูงแม้ว่าลักษณะของห้องหรือรูปแบบเสียงรบกวนจะเปลี่ยนแปลงไป
- ต้นทุนการคำนวณต่ำเมื่อเทียบกับวิธีปรับตัวอื่นๆ มีประสิทธิภาพเพียงพอสำหรับการใช้งานแบบเรียลไทม์บนฮาร์ดแวร์ DSP แบบฝัง
- ความสมบูรณ์และการใช้งานที่แพร่หลาย การวิจัยและการใช้งานเชิงพาณิชย์มานานหลายทศวรรษรับประกันความทนทานและความน่าเชื่อถือ
- ช่วยให้โซลูชันการควบคุมเสียงรบกวนแบบแอคทีฟมีขนาดกะทัดรัดและน้ำหนักเบา (หูฟัง ห้องโดยสารขนาดเล็ก) ซึ่งตัวดูดซับแบบพาสซีฟขนาดใหญ่จะใช้งานไม่ได้
การประยุกต์ใช้
- หูฟังและเอียร์บัดตัดเสียงรบกวน: ยกเลิกเสียงรบกวนรอบข้างอย่างแข็งขันในการเดินทาง การเดินทางทางอากาศ และสภาพแวดล้อมสำนักงาน ปรับปรุงความสบายของเครื่องช่วยฟัง
- การควบคุมเสียงรบกวนในห้องโดยสารเครื่องบิน: ลดเสียงเครื่องยนต์และความเร็วลมความถี่ต่ำในห้องโดยสารและห้องนักบินเครื่องบินเพื่อความสะดวกสบายของผู้โดยสารและความปลอดภัยของลูกเรือ
- อะคูสติกภายในรถยนต์: ลดเสียงถนนและเครื่องยนต์ในห้องโดยสารรถยนต์ มีประสิทธิภาพโดยเฉพาะอย่างยิ่งสำหรับเสียงหึ่งความถี่ต่ำต่ำกว่า 500 เฮิรตซ์
- การควบคุมเสียงรบกวนในอุตสาหกรรม: ลดทอนเสียงรบกวนในโรงงาน ห้องคอมเพรสเซอร์ และระบบ HVAC ที่การดูดซับแบบพาสซีฟมีข้อจำกัดด้านพื้นที่
- การยกเลิกเสียงสะท้อนของเครื่องช่วยฟัง: ป้องกันเสียงสะท้อน (เสียงหวีดหวิว) โดยการสร้างสัญญาณต่อต้านเสียงสะท้อน ปรับปรุงอัตราขยายก่อนเกิดเสียงสะท้อนและความสบายในการรับฟัง
- การสื่อสารใต้น้ำและโซนาร์: ลดเสียงรบกวนรอบข้างในมหาสมุทรในระบบเสียงใต้น้ำ เพิ่มอัตราส่วนสัญญาณต่อเสียงรบกวนสำหรับการสื่อสารระยะไกล
วิธีการทำงาน
วิธีการทำงาน
ติดตั้งไมโครโฟนอ้างอิงใกล้กับแหล่งกำเนิดเสียง (เพื่อจับเสียงรบกวนก่อนที่จะเดินทางไปยังผู้ฟัง) และไมโครโฟนวัดข้อผิดพลาดใกล้กับหูของผู้ฟังหรือเป้าหมายเสียง เชื่อมต่อลำโพงที่จะปล่อยสัญญาณเสียงปฏิสัทท์
ปรับเทียบไมโครโฟนและลำโพง วัดเส้นทางการถ่ายทอดเสียงจากลำโพงไปยังไมโครโฟนวัดข้อผิดพลาด (มักเรียกว่าเส้นทางทุติยภูมิ) การจำแนกลักษณะนี้มีความสำคัญต่อเสถียรภาพและประสิทธิภาพของอัลกอริทึม
ตรวจจับสัญญาณเสียงรบกวนอ้างอิง (อินพุตไปยังฟิลเตอร์ FxLMS) และสัญญาณข้อผิดพลาด (เอาต์พุตจากไมโครโฟนวัดข้อผิดพลาด) คำนวณเอาต์พุตฟิลเตอร์เป็นการรวมกันแบบถ่วงน้ำหนักของตัวอย่างอ้างอิงในอดีต อัปเดตน้ำหนักฟิลเตอร์ตามความชันของข้อผิดพลาด
ใช้กฎการอัปเดต FxLMS: คำนวณความชันของกำลังข้อผิดพลาดเทียบกับสัมประสิทธิ์ฟิลเตอร์ โดยคำนึงถึงเส้นทางเสียงทุติยภูมิ เส้นทางจะถูกกรองผ่านแบบจำลองเส้นทางทุติยภูมิที่ประมาณค่าไว้ เพื่อให้แน่ใจว่าการลู่เข้าและเสถียรภาพ (ตัว 'x' ใน FxLMS หมายถึงการกรองนี้)
ตรวจจับการลดทอนเสียงรบกวน (การลดทอนในหน่วยเดซิเบล) ที่ได้เทียบกับความถี่ วัดความเร็วในการลู่เข้า (อัลกอริทึมเรียนรู้ได้เร็วแค่ไหน) กำลังข้อผิดพลาดที่เหลือ และต้นทุนการคำนวณ ตรวจสอบความถูกต้องเทียบกับตัวชี้วัดประสิทธิภาพ (การปรับปรุงอัตราส่วนสัญญาณต่อเสียงรบกวน ความชัดเจนของคำพูดในเสียงรบกวน)
ข้อผิดพลาดที่พบบ่อย
- การจัดวางไมโครโฟนอ้างอิงไม่เพียงพอ: สัญญาณอ้างอิงต้องจับพลังงานเสียงรบกวนก่อนที่จะถึงไมโครโฟนวัดข้อผิดพลาด การจัดวางที่ไม่ดีช่วยลดความสัมพันธ์และประสิทธิภาพของอัลกอริทึม
- การละเลยการประมาณค่าเส้นทางทุติยภูมิ: แบบจำลองเส้นทางทุติยภูมิที่ไม่แม่นยำอาจทำให้เกิดความไม่เสถียร ควรวัดหรือประมาณค่าเส้นทางทุติยภูมิอย่างระมัดระวังเสมอ
- การเลือกขนาดก้าวใหญ่เกินไป (ลู่เข้าเร็ว) หรือเล็กเกินไป (เรียนรู้ช้า) การปรับขนาดก้าวมีความสำคัญ อัลกอริทึมขนาดก้าวแบบปรับตัวช่วยเพิ่มความทนทาน
- การสันนิษฐานว่า FxLMS ทำงานได้ในทุกสภาวะ: สภาพแวดล้อมเสียงบางอย่าง (การสะท้อนหลายเส้นทาง สนามกระจาย) ต่อต้านการควบคุมแบบแอคทีฟ ทดสอบในสภาวะที่เป็นตัวแทนก่อนการใช้งาน
- การละเลยข้อจำกัดด้านความหน่วงแฝงและต้นทุนการคำนวณ: FxLMS แบบเรียลไทม์ต้องการการประมวลผลเสียงที่มีความหน่วงแฝงต่ำ ระบบที่มีความหน่วงแฝงสูงอาจลู่เข้าผิดที่หรือไม่เสถียร
คำถามที่พบบ่อย
เหตุใดเส้นทางทุติยภูมิจึงมีความสำคัญอย่างยิ่งใน FxLMS
เส้นทางทุติยภูมิคือฟังก์ชันการถ่ายทอดเสียงจากลำโพงไปยังไมโครโฟนวัดข้อผิดพลาด ซึ่งกำหนดว่าสัญญาณเสียงปฏิสัทท์จะไปถึงจุดวัดข้อผิดพลาดได้อย่างไร หากไม่คำนึงถึงเส้นทางนี้ อัลกอริทึมจะไม่สามารถคาดการณ์เอาต์พุตฟิลเตอร์ที่จำเป็นได้อย่างถูกต้อง การประมาณค่าเส้นทางทุติยภูมิที่ไม่แม่นยำทำให้อัลกอริทึมลู่เข้าผิดที่หรือให้การขยายสัญญาณเชิงลบ (การขยายเสียงแทนการหักล้าง)
FxLMS สามารถควบคุมช่วงความถี่ใดได้อย่างมีประสิทธิภาพ
FxLMS มีประสิทธิภาพสูงสุดต่ำกว่า 1–2 กิโลเฮิรตซ์ โดยเฉพาะอย่างยิ่งสำหรับเสียงโทนหรือความถี่ต่ำ (<500 เฮิรตซ์) ที่ความถี่สูงขึ้น ความยาวคลื่นจะสั้นลงและความล่าช้าด้านความเป็นเหตุเป็นผลจะกลายเป็นปัญหา ระบบหลายความถี่และหลายช่องสัญญาณช่วยขยายช่วง แต่การดูดซับแบบพาสซีฟมักจะใช้งานได้จริงมากกว่าสำหรับเสียงความถี่สูง
FxLMS ใช้เวลานานเท่าใดในการลู่เข้าและปรับให้เข้ากับเสียงรบกวนที่เปลี่ยนแปลงไป
ความเร็วในการลู่เข้าขึ้นอยู่กับขนาดก้าว ความยาวฟิลเตอร์ และสถิติของสัญญาณ การลู่เข้าโดยทั่วไปใช้เวลา 0.5–2 วินาทีสำหรับเสียงรบกวนที่คงที่ การปรับตัวให้เข้ากับเสียงรบกวนที่เปลี่ยนแปลงช้าๆ (คำพูด ดนตรี เครื่องจักรที่เปลี่ยนแปลงตามเวลา) เกิดขึ้นภายในช่วงเวลาที่คล้ายคลึงกัน เสียงรบกวนแบบชั่วคราวที่รวดเร็ว (การกระแทก การเปลี่ยนแปลงกะทันหัน) อาจไม่ถูกยกเลิกเนื่องจากอัลกอริทึมไม่สามารถตอบสนองได้ทันที
FxLMS สามารถยกเลิกเสียงรบกวนแบบแถบกว้าง เช่น ฝนหรือลมได้หรือไม่
FxLMS มีประสิทธิภาพน้อยกว่าสำหรับเสียงรบกวนแบบแถบกว้าง เนื่องจากสัญญาณอ้างอิงเดียวไม่สามารถคาดการณ์ส่วนประกอบความถี่ทั้งหมดของเสียงรบกวนแบบแถบกว้างได้ ระบบหลายช่องสัญญาณ (ไมโครโฟนอ้างอิงและฟิลเตอร์ปรับตัวหลายตัว) สามารถปรับปรุงการควบคุมแบบแถบกว้างได้ แต่ต้นทุนการคำนวณจะเพิ่มขึ้น สำหรับเสียงรบกวนแบบแถบกว้าง การดูดซับแบบพาสซีฟหรือระบบแบบผสมผสานแบบพาสซีฟ-แอคทีฟมักจะใช้งานได้จริงมากกว่า
จะเกิดอะไรขึ้นหากไมโครโฟนอ้างอิงและไมโครโฟนวัดข้อผิดพลาดอยู่ห่างกันเกินไป
หากระยะห่างมาก (>1 เมตร) ความล่าช้าในการแพร่กระจายของเสียงจะมีความสำคัญ สัญญาณอ้างอิงไม่สามารถคาดการณ์เสียงรบกวนที่ไมโครโฟนวัดข้อผิดพลาดได้เนื่องจากข้อจำกัดด้านความเป็นเหตุเป็นผล (อัลกอริทึมไม่สามารถมองเห็นอนาคตได้) สิ่งนี้จำกัดแบนด์วิดท์และประสิทธิภาพของการควบคุม ระบบ ANC ในทางปฏิบัติจะรักษาระยะห่างระหว่างไมโครโฟนให้น้อย (<10 ซม. สำหรับหูฟัง, <0.5 ม. สำหรับระบบในห้องโดยสาร)
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
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.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วEriksson, 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.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วKuo, S. M., & Morgan, D. R. (2002). Active Noise Control Systems: Algorithms and DSP Implementations. John Wiley & Sons.
ISBN: 978-0-471-49663-5คัดลอกแล้ว