PL 
EnglishDomyślny
Українська🎧 Redukcja szumu
Zobacz, jak aktywna redukcja szumu wykorzystuje sygnały w przeciwfazie do destrukcyjnej interferencji z niechcianym dźwiękiem.
O tej symulacji
Ta symulacja demonstruje aktywną redukcję szumu (ANC) za pomocą adaptacyjnego filtra LMS (najmniejszych średnich kwadratów), tego samego algorytmu, który stanowi serce słuchawek z redukcją szumów. Sygnał referencyjny pochodzący ze źródła szumu jest przepuszczany przez regulowany filtr FIR, by wygenerować przebieg anty-szumu y(n), który jest dodawany do szumu d(n), pozostawiając błąd resztkowy e(n). Wagi filtra są aktualizowane przy każdej próbce w kierunku zmniejszającym e(n)², więc z czasem przebieg anty-szumu zbiega do niemal doskonałej odwróconej kopii szumu, a reszta zapada się w kierunku ciszy.
🔬 Co pokazuje
Trzy przebiegi na żywo: docierający szum d(n) na czerwono, wyjście anty-szumu filtra y(n) na niebiesko oraz błąd resztkowy e(n) na zielono. Czwarty wykres śledzi moc błędu w czasie, wizualnie pokazując zbieżność algorytmu LMS, gdy przebieg resztkowy spłaszcza się w kierunku zera.
🎮 Jak korzystać
Wybierz typ szumu (tonalny 440 Hz, szerokopasmowy, szum różowy lub 50 Hz brum sieciowy), a następnie naciśnij Uruchom. Dostosuj suwak Rozmiar kroku μ, by wymienić szybkość zbieżności na stabilność, suwak Długość filtra N, by zmienić liczbę poprzednich próbek wykorzystywanych przez filtr FIR, oraz suwak Opóźnienie referencji, by zasymulować opóźniony referencyjny mikrofon. Reset przywraca wagi filtra do zera.
💡 Czy wiesz, że...
Prawdziwe słuchawki z redukcją szumów muszą uruchamiać swoją adaptację w stylu LMS w czasie znacznie krótszym niż milisekunda, ponieważ dźwięk powyżej kilkuset Hz zmienia się szybciej, niż człowiek może zareagować — „anty-szum” musi zostać obliczony i wyemitowany, zanim oryginalna fala w ogóle dotrze do twojego bębenka.
Najczęściej zadawane pytania
Jak aktywna redukcja szumu faktycznie wygasza dźwięk?
ANC generuje drugą falę dźwiękową, anty-szum, która ma taką samą amplitudę, ale odwróconą fazę względem docierającego szumu. Gdy obie fale sumują się w powietrzu (lub w sygnale elektrycznym, jak w tej symulacji), szczyty jednej znoszą doliny drugiej poprzez interferencję destrukcyjną, pozostawiając jedynie niewielką resztę.
Czym jest algorytm LMS i dlaczego jest tu używany?
LMS (najmniejszych średnich kwadratów) to adaptacyjny algorytm filtrowania, który aktualizuje wagi filtra w(n) po każdej próbce według reguły w(n+1) = w(n) − μ·e(n)·x(n), gdzie e(n) to bieżący błąd, a x(n) to wektor sygnału referencyjnego. Jest popularny w prawdziwym sprzęcie ANC, ponieważ jest prosty, tani obliczeniowo i dowodliwie zbiega do optymalnego filtra, gdy krok μ jest wystarczająco mały.
Co kontroluje suwak kroku μ?
μ kontroluje, jak dużą korektę otrzymują wagi filtra przy każdej próbce. Większe μ sprawia, że filtr adaptuje się i zbiega szybciej, ale jeśli μ przekroczy w przybliżeniu 1/λ_max (gdzie λ_max jest związane z mocą sygnału referencyjnego), wagi mogą przestrzelić, a filtr staje się niestabilny, powodując wzrost błędu zamiast jego zmniejszania. Mniejsze μ zbiega wolniej, ale bardziej niezawodnie.
Dlaczego długość filtra N ma znaczenie?
Długość filtra N to liczba odczepów (poprzednich próbek), których używa adaptacyjny filtr FIR do zbudowania sygnału anty-szumu. Dłuższy filtr może modelować bardziej złożony szum, w tym opóźnione lub przefiltrowane wersje oryginalnego sygnału, ale ma też więcej wag do adaptacji, co zwykle oznacza wolniejszą zbieżność i więcej obliczeń na próbkę.
Dlaczego opóźnienie referencji wpływa na wydajność?
Opóźnienie referencji symuluje przesunięcie czasowe między wykryciem szumu a dostępnością sygnału referencyjnego dla filtra, podobnie jak opóźnienia związane z umiejscowieniem mikrofonu w prawdziwych systemach ANC. Jeśli opóźnienie jest zbyt duże względem długości filtra, korelacja między sygnałem referencyjnym a rzeczywistym szumem docierającym do mikrofonu błędu słabnie i filtr ma trudności z zbudowaniem dokładnego sygnału anty-szumu, więc osiągnięta redukcja szumu w dB spada.