UK 
EnglishТипова
Polski🎧 Шумозаглушення
Візуалізуйте, як активне шумозаглушення використовує сигнали в протифазі для деструктивної інтерференції з небажаним звуком.
Про цю симуляцію
Ця симуляція демонструє активне шумозаглушення (ANC) за допомогою адаптивного LMS-фільтра (метод найменших середніх квадратів) — того самого алгоритму, що лежить в основі шумозаглушувальних навушників. Опорний сигнал, отриманий з джерела шуму, проходить через регульований FIR-фільтр, формуючи антишумову хвилю y(n), яка додається до шуму d(n), залишаючи похибку e(n). Вагові коефіцієнти фільтра оновлюються на кожному відліку в напрямку, що зменшує e(n)², тож з часом антишумова хвиля наближається до майже ідеальної інвертованої копії шуму, а залишок прямує до тиші.
🔬 Що показано
Три хвильові форми в реальному часі: вхідний шум d(n) червоним, антишумовий вихід фільтра y(n) синім і похибка e(n) зеленим. Четвертий графік відстежує потужність похибки в часі, наочно показуючи, як алгоритм LMS сходиться, а форма похибки згладжується до нуля.
🎮 Як користуватись
Виберіть тип шуму (тональний 440 Гц, широкосмуговий, рожевий шум або мережева наводка 50 Гц), потім натисніть Запуск. Регулюйте повзунок кроку μ, щоб знайти баланс між швидкістю збіжності й стабільністю, повзунок довжини фільтра N, щоб змінити кількість попередніх відліків FIR-фільтра, і повзунок затримки опорного сигналу, щоб змоделювати запізнілий опорний мікрофон. Скидання перезапускає вагові коефіцієнти фільтра з нуля.
💡 Чи знали ви?
Реальні шумозаглушувальні навушники мають виконувати свою LMS-адаптацію значно швидше за мілісекунду, бо звук частотою в кілька сотень герц змінюється швидше, ніж людина здатна реагувати — "антишум" потрібно обчислити й видати ще до того, як початкова хвиля досягне барабанної перетинки.
Часті питання
Як активне шумозаглушення насправді усуває звук?
ANC генерує другу звукову хвилю, антишум, яка має ту саму амплітуду, але протилежну фазу відносно вхідного шуму. Коли ці дві хвилі складаються в повітрі (або в електричному сигналі, як у цій симуляції), піки однієї хвилі гасять западини іншої через деструктивну інтерференцію, залишаючи лише невеликий залишок.
Що таке алгоритм LMS і чому він тут використовується?
LMS (метод найменших середніх квадратів) — це алгоритм адаптивної фільтрації, що оновлює вагові коефіцієнти фільтра w(n) після кожного відліку за правилом w(n+1) = w(n) − μ·e(n)·x(n), де e(n) — поточна похибка, а x(n) — вектор опорного входу. Він популярний у реальних апаратних ANC-системах, бо простий, обчислювально дешевий і доведено сходиться до оптимального фільтра, коли крок μ достатньо малий.
Що контролює повзунок кроку μ?
μ визначає, наскільки велику корекцію отримують вагові коефіцієнти фільтра на кожному відліку. Більше μ прискорює адаптацію й збіжність фільтра, але якщо μ перевищує приблизно 1/λ_max (де λ_max пов'язане з потужністю опорного сигналу), ваги можуть перерегулюватися, і фільтр стає нестабільним, через що похибка зростає замість зменшення. Менше μ сходиться повільніше, але надійніше.
Чому важлива довжина фільтра N?
Довжина фільтра N — це кількість відводів (попередніх відліків), які адаптивний FIR-фільтр використовує для формування антишумового виходу. Довший фільтр може моделювати складніший шум, зокрема затримані чи відфільтровані версії початкового сигналу, але має більше ваг для адаптації, що зазвичай означає повільнішу збіжність і більше обчислень на відлік.
Чому затримка опорного сигналу впливає на продуктивність?
Затримка опорного сигналу моделює запізнення між моментом виявлення шуму й моментом, коли опорний сигнал стає доступним фільтру, подібно до затримок розміщення мікрофона в реальних ANC-системах. Якщо затримка завелика відносно довжини фільтра, кореляція між опорним сигналом і фактичним шумом, що надходить до похибкового мікрофона, слабшає, і фільтру важче побудувати точний антишумовий сигнал, тож досягнуте зниження шуму в дБ падає.