Skip to content
กลับไปยังผลการค้นหา

การควบคุมเสียงรบกวนแบบแอคทีฟด้วยวิธี FxLMS

ผู้เสนอ
Bernard Widrow, Samuel Stearns
ปี
1975
ประเภท
Adaptive noise cancellation algorithm
กลุ่มวิธี
Signal processing, Adaptive filtering

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

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

1

ติดตั้งไมโครโฟนอ้างอิงใกล้กับแหล่งกำเนิดเสียง (เพื่อจับเสียงรบกวนก่อนที่จะเดินทางไปยังผู้ฟัง) และไมโครโฟนวัดข้อผิดพลาดใกล้กับหูของผู้ฟังหรือเป้าหมายเสียง เชื่อมต่อลำโพงที่จะปล่อยสัญญาณเสียงปฏิสัทท์

2

ปรับเทียบไมโครโฟนและลำโพง วัดเส้นทางการถ่ายทอดเสียงจากลำโพงไปยังไมโครโฟนวัดข้อผิดพลาด (มักเรียกว่าเส้นทางทุติยภูมิ) การจำแนกลักษณะนี้มีความสำคัญต่อเสถียรภาพและประสิทธิภาพของอัลกอริทึม

3

ตรวจจับสัญญาณเสียงรบกวนอ้างอิง (อินพุตไปยังฟิลเตอร์ FxLMS) และสัญญาณข้อผิดพลาด (เอาต์พุตจากไมโครโฟนวัดข้อผิดพลาด) คำนวณเอาต์พุตฟิลเตอร์เป็นการรวมกันแบบถ่วงน้ำหนักของตัวอย่างอ้างอิงในอดีต อัปเดตน้ำหนักฟิลเตอร์ตามความชันของข้อผิดพลาด

4

ใช้กฎการอัปเดต FxLMS: คำนวณความชันของกำลังข้อผิดพลาดเทียบกับสัมประสิทธิ์ฟิลเตอร์ โดยคำนึงถึงเส้นทางเสียงทุติยภูมิ เส้นทางจะถูกกรองผ่านแบบจำลองเส้นทางทุติยภูมิที่ประมาณค่าไว้ เพื่อให้แน่ใจว่าการลู่เข้าและเสถียรภาพ (ตัว 'x' ใน FxLMS หมายถึงการกรองนี้)

5

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

  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.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  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.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  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
    คัดลอกแล้ว