آیا تا به حال متوجه شده‌اید که هدفون‌های حذف نویز شما، با وجود کارایی، همچنان یک وزوز سمج با فرکانس پایین در فضای شنوایی شما نفوذ می‌کند؟ یا شاید در یک محیط اداری آرام، صداهای پس‌زمینه ظریف اما نامتناسب، تمرکز شما را به طور مداوم مختل می‌کند؟ این مزاحمان صوتی صرفاً کیفیت زندگی را کاهش نمی‌دهند، بلکه به تدریج سلامت روان و جسم را فرسایش می‌دهند.

روش‌های سنتی کاهش غیرفعال نویز، مانند مواد جاذب صدا و پنل‌های آکوستیک، تسکین محدودی را به ویژه در برابر نویز فرکانس پایین ارائه می‌دهند. اینجاست که فناوری حذف فعال نویز (ANC) به عنوان یک تغییر دهنده بازی ظهور می‌کند. این مقاله به بررسی یک رویکرد نوآورانه به نام حذف فعال نویز هیبریدی سوئیچینگ تطبیقی (ASHANC) می‌پردازد و چگونگی حل ظریف چالش‌هایی را که سیستم‌های ANC متعارف را برای مدت طولانی آزار داده‌اند، بررسی می‌کند.

اصل اساسی پشت فناوری ANC به طرز شگفت‌انگیزی ساده است: تداخل مخرب امواج صوتی. هنگامی که دو موج صوتی با دامنه یکسان اما فاز مخالف به هم می‌رسند، یکدیگر را خنثی می‌کنند. سیستم‌های ANC با استفاده از میکروفون‌ها برای ضبط نویز محیطی، سپس تولید یک سیگنال "ضد نویز" - معکوس دقیق موج صوتی اصلی - که از طریق بلندگوها پخش می‌شود تا صداهای ناخواسته را خنثی کند، از این پدیده بهره می‌برند. این فناوری مانند جادوی آکوستیک، به طور موثری نویز محیطی را کاهش می‌دهد و جزایر آرامش را در مناظر صوتی پر هرج و مرج ایجاد می‌کند.

در میان معماری‌های ANC، سیستم‌های فیدفوروارد (FF) به دلیل قابلیت‌های استثنایی کاهش نویز پهن‌باند در کاربردهایی مانند هدفون‌های حذف نویز رایج شده‌اند. یک سیستم FF معمولی از دو میکروفون استفاده می‌کند: یک میکروفون مرجع که نویز محیطی را ضبط می‌کند و یک میکروفون خطا که اثربخشی لغو را نظارت می‌کند. سیستم ضد نویز را بر اساس سیگنال مرجع تولید می‌کند، در حالی که میکروفون خطا بازخورد مداوم را برای بهینه‌سازی فراهم می‌کند. این ساختار مانند یک متخصص باتجربه کاهش نویز عمل می‌کند و به طور موثر اختلالات پهن‌باند مختلف را از بین می‌برد.

با این حال، سیستم‌های FF محدودیت‌های قابل توجهی را زمانی نشان می‌دهند که میکروفون‌های خطا نویز باند باریک نامرتبط با سیگنال مرجع را تشخیص می‌دهند - مشابه یک جنگجوی کهنه کار که با یک دشمن ناآشنا روبرو می‌شود. چنین نویزی ممکن است از تداخل الکترومغناطیسی یا فرکانس‌های محیطی خاص ناشی شود. از آنجایی که سیستم‌های FF فقط می‌توانند ضد نویز را بر اساس سیگنال‌های مرجع تولید کنند، آنها نسبت به نویز باند باریک نامرتبط کور باقی می‌مانند - یک محدودیت ذاتی شبیه به دیدن دنیای صوتی از طریق لنزهای رنگی.

محققان چندین راه حل برای رفع این محدودیت پیشنهاد کرده‌اند. یک رویکرد یک فیلتر تطبیقی را در سری با فیلتر کنترل FF اولیه اضافه می‌کند، که به عنوان یک "غربالگر نویز" عمل می‌کند که سیگنال خطا را پس از پردازش برای حذف اجزای نامرتبط پردازش می‌کند. با استفاده از سیگنال مرجع به عنوان ورودی و الگوریتم‌های حداقل میانگین مربعات (LMS) برای تنظیم پارامتر، این روش توانایی سیستم را برای شناسایی و حذف نویز نامربوط افزایش می‌دهد.

راه حل‌های جایگزین از الگوریتم‌های جداسازی امواج صوتی استفاده می‌کنند که سیگنال‌های نویز را بر اساس جهت انتشار تجزیه می‌کنند - مانند "کارآگاهان صوتی" که منابع مختلف نویز را جدا می‌کنند. با این حال، این روش‌ها عمدتاً بر ورودی‌های میکروفون مرجع تمرکز می‌کنند در حالی که نویز باند باریک نامرتبط تشخیص داده شده توسط میکروفون‌های خطا را نادیده می‌گیرند.

معماری هیبریدی فیدفوروارد-فیدبک (FB) نشان دهنده یک پیشرفت قابل توجه است که قابلیت‌های پهن‌باند سیستم‌های FF را با دقت باند باریک رویکردهای FB ترکیب می‌کند. در سیستم‌های ANC هیبریدی (HANC)، فیلترهای کنترل FF و FB با هم کار می‌کنند - اولی ضد نویز را از سیگنال‌های مرجع تولید می‌کند، دومی به سیگنال‌های خطا پاسخ می‌دهد. محققان استراتژی‌های بهبود مختلفی را توسعه داده‌اند، از جمله جداسازی ساختاری و فیلترهای تطبیقی آبشاری که سیگنال‌های خطا را برای پردازش تخصصی تقسیم می‌کنند. برخی از پیاده‌سازی‌ها از فیلترهای وزن‌دهی روان‌صوتی برای ایجاد پروفایل‌های نویز باقی‌مانده دلپذیر از نظر ذهنی استفاده می‌کنند، در حالی که برخی دیگر از کنترل نویز خط طیفی برای کاهش بار محاسباتی استفاده می‌کنند.

سیستم حذف فعال نویز هیبریدی سوئیچینگ تطبیقی (ASHANC) یک تغییر پارادایم را نشان می‌دهد. برخلاف HANC متعارف، ASHANC سیگنال‌های خطا را برای حذف نویز نامرتبط جدا می‌کند و در عین حال پیچیدگی محاسباتی را کاهش می‌دهد. الگوریتم در دو حالت مجزا عمل می‌کند:

حالت ۱: حالت غالب فیدبک - فیلتر FB عمدتاً نویز باند باریک نامرتبط را هدف قرار می‌دهد و مانند یک تک‌تیرانداز صوتی دقیق عمل می‌کند.

حالت ۲: حالت غالب فیدفوروارد - پس از کاهش نویز اولیه، فیلتر FF به نویز پهن‌باند باقی‌مانده می‌پردازد و مانند یک رگبار توپخانه که اختلالات باقی‌مانده را پاک می‌کند، عمل می‌کند.

این سوئیچینگ حالت هوشمند، که توسط مقادیر انتقال مشتق شده که ویژگی‌های نویز محیطی را تجزیه و تحلیل می‌کنند، هدایت می‌شود، عملکرد بهینه را در محیط‌های صوتی متنوع تضمین می‌کند و در عین حال سربار محاسباتی را به حداقل می‌رساند - فقط ضرایب فیلتر فعال در هر حالت نیاز به به‌روزرسانی دارند.

شبیه‌سازی‌های گسترده و آزمایش‌های دنیای واقعی، عملکرد برتر ASHANC را در حذف نویز نامرتبط در مقایسه با HANC سنتی، با تقاضای محاسباتی به طور قابل توجهی کاهش یافته، نشان می‌دهند. تحولات آینده ممکن است شامل مکانیسم‌های سوئیچینگ حالت پیچیده‌تر، الگوریتم‌های کنترل پیشرفته و کاربردهای گسترده‌تر در خانه‌های هوشمند، محیط‌های خودرو و هوافضا باشد - که عصری جدید از آرامش صوتی قابل تنظیم را آغاز می‌کند.

با توجه به اینکه آلودگی صوتی به طور فزاینده‌ای به یک نگرانی فزاینده در جامعه مدرن تبدیل می‌شود، فناوری‌های حذف نویز تطبیقی مانند ASHANC راه‌حل‌های امیدوارکننده‌ای برای ایجاد مناظر صوتی سالم‌تر و مولدتر ارائه می‌دهند. این انقلاب خاموش در مهندسی صوتی ممکن است به زودی تجربیات شنوایی ما را بازتعریف کند و به ما امکان دهد تا واقعاً از صدای سکوت قدردانی کنیم.