
کنترل و کاهش فعال نویز (Active Noise Control)
بخش ۱: مقدمه و مفاهیم پایه
در محیطهای صنعتی و شهری مدرن، نویز و صداهای مزاحم یکی از بزرگترین چالشها در طراحی سیستمهای صوتی، خودرو، هواپیما و فضاهای کاری است. روشهای سنتی کاهش نویز (عایقکاری، جذب صوت) در حذف نویزهای فرکانس پایین و مداوم محدودیت دارند. کنترل و کاهش فعال نویز (Active Noise Control – ANC) یک فناوری هوشمند مبتنی بر اصول فیزیک صوت و پردازش سیگنال دیجیتال است که با تولید موج صوتی معکوس، نویز مزاحم را خنثی میکند.
این فناوری کاربردهای متنوعی دارد، از هدفونهای شخصی و خودروهای لوکس گرفته تا کابین هواپیما و محیطهای صنعتی. با پیشرفت الگوریتمهای تطبیقی و هوش مصنوعی، این تکنولوژی به ابزاری ضروری در مهندسی آکوستیک مدرن تبدیل شده است.
۱.۱ مکانیزم عمل سیستم ANC
عملکرد سیستم ANC را میتوان در سه مرحله اصلی توضیح داد:
- تشخیص نویز محیطی:
میکروفونهای حساس نویز محیط را دریافت کرده و به سیگنال الکتریکی تبدیل میکنند. - پردازش و تولید سیگنال معکوس:
پردازنده سیگنال دیجیتال (DSP) با استفاده از الگوریتمهای تطبیقی (مانند LMS و FxLMS) موجی با فاز معکوس نویز محیط تولید میکند. این موج وقتی با نویز اصلی ترکیب شود، باعث تداخل تخریبی و کاهش شدت صدا میشود. - انتشار سیگنال معکوس:
بلندگوها سیگنال معکوس را به محیط یا گوش کاربر منتقل میکنند و اثر نویز کاهش مییابد.
به طور خلاصه، ANC با تشخیص، پردازش و خنثیسازی نویز، محیطی آرامتر ایجاد میکند.
۱.۲ تجهیزات مورد نیاز سیستم ANC
یک سیستم کنترل فعال نویز معمولی شامل اجزای زیر است:
- میکروفون حسگر نویز: برای شناسایی نویز محیط و تبدیل آن به سیگنال الکتریکی.
- پردازنده سیگنال دیجیتال (DSP): مغز سیستم که الگوریتمهای تطبیقی را اجرا میکند و سیگنال معکوس تولید مینماید.
- بلندگو یا عملگر صوتی: انتشار سیگنال معکوس در محیط یا هدف (مثل گوش کاربر یا کابین خودرو).
- منبع تغذیه: برای تأمین انرژی تجهیزات الکترونیکی.
- الگوریتم کنترل تطبیقی: نرمافزار یا کد DSP که وزنهای فیلتر را به صورت بلادرنگ تنظیم میکند تا اثر نویز به حداقل برسد.
- فیلترهای پیشپردازش (اختیاری): برای حذف نویز ناخواسته یا افزایش دقت الگوریتم، مانند فیلترهای پایینگذر یا پهنای باند محدود.
بخش ۲: اصول فیزیکی و مدلسازی مسیر آکوستیکی
۲.۱ تداخل تخریبی
اصل عملکرد ANC بر تداخل تخریبی (Destructive Interference) استوار است: زمانی که دو موج با دامنه مساوی و اختلاف فاز ۱۸۰ درجه همزمان در یک نقطه جمع شوند، انرژی صوتی یکدیگر را خنثی میکنند:
y(t)=x(t)+(−x(t))=0
در سیستمهای ANC، میکروفونها نویز محیط را دریافت و پردازنده سیگنال دیجیتال (DSP) موج معکوس تولید میکند تا شدت صوت کاهش یابد.
پیشنهاد ویژه:
« اولین و کاملترین دوره آموزشی نرم افزار اودئون ODEON برای طراحی آکوستیک »
ثبت نام دوره آموزشی نرم افزار اودئون ODEON
۲.۲ مدل مسیر ثانویه (Secondary Path Modeling)
در عمل، مسیر بین بلندگو و گوش شنونده یا محیط هدف تأخیر و تغییر فاز دارد. این مسیر به عنوان Secondary Path S(z) مدل میشود. سیگنال خروجی DSP باید اثر این مسیر را جبران کند:
y(n)=wT(n)xs(n)
که xs(n) سیگنال نویز عبور کرده از مسیر ثانویه و w(n) وزنهای فیلتر تطبیقی هستند.
مدلسازی دقیق مسیر ثانویه باعث کاهش ناپایداری سیستم و بهبود عملکرد ANC میشود.
بخش ۳: الگوریتمهای تطبیقی
۳.۱ الگوریتم LMS (Least Mean Square)
الگوریتم LMS یکی از پرکاربردترین روشها برای ANC است. هدف آن کمینهسازی خطای توان سیگنال است:
e(n)=d(n)−y(n)
w(n+1)=w(n)+μ x(n) e(n)
- e(n): سیگنال خطا
- d(n): سیگنال نویز مرجع
- μ: نرخ یادگیری
- w(n): وزنهای فیلتر
۳.۲ FxLMS (Filtered-x LMS)
در ANC، مسیر ثانویه S(z) باید در نظر گرفته شود:
w(n+1)=w(n)+μ xs(n) e(n)
که
xs(n)=x(n)∗S(z)
است. این الگوریتم برای هدفونها، خودرو و کابین هواپیما بسیار مناسب است.
۳.۳ NLMS و سایر الگوریتمها
- NLMS (Normalized LMS): سرعت همگرایی سریعتر برای سیگنالهای با دامنه متغیر
- RLS (Recursive Least Squares): دقت بالاتر و همگرایی سریعتر اما با پیچیدگی محاسباتی بیشتر
مثال عددی:
فرض کنید نویز موتور با دامنه متوسط 1 و فرکانس 100 Hz داریم، وزنهای فیلتر اولیه w(0)=0 و نرخ یادگیری μ=0.01. با استفاده از FxLMS، بعد از 200 نمونه، خطای e(n) تقریباً به صفر رسیده و کاهش نویز حدود 18dB–20dB خواهد بود.
بخش ۴: ساختار سیستمهای ANC
۴.۱ Feedforward
- میکروفون در مسیر نویز نصب میشود
- مناسب برای حذف نویزهای مداوم مثل موتور خودرو یا جریان هوا
- مثال: هدفون Bose QC35
پیشنهاد ویژه:
دوره آموزش ماژول آکوستیک ساختمانی نرم افزار کامسول
ثبت نام دوره آموزشی نرم افزار کامسول
۴.۲ Feedback
- میکروفون در نزدیکی گوش شنونده یا محیط هدف
- مناسب نویزهای فرکانس پایین و باقیمانده
- مثال: خودروهای لوکس Lexus LS500
۴.۳ Hybrid
- ترکیب Feedforward و Feedback
- طیف فرکانسی گستردهتر حذف میشود
- مثال: هدفون Sony WH-1000XM5 و Airbus A350 ANVC
بخش ۵: کاربردهای صنعتی و صوتی
۵.۱ هدفونهای شخصی
- Bose QuietComfort Ultra: استفاده از الگوریتم FxLMS، کاهش نویز تا 30dB در فرکانس 50–1000 Hz
- Sony WH-1000XM5: Hybrid ANC و کنترل تطبیقی محیطی
۵.۲ خودرو
- Lexus LS500: چند میکروفون کابین + DSP مرکزی، کاهش نویز موتور و جاده 15dB–25dB
- BMW 7 Series: ANC برای کاهش نویز اگزوز و جریان باد

۵.۳ هوافضا
- Airbus A350 ANVC: ترکیب ANC و Active Vibration Control برای کاهش نویز کابین تا 20dB
۵.۴ ساختمان و صنایع
- B&K Industrial Ventilation ANC: کاهش نویز کانالهای تهویه صنعتی تا 12dB–18dB
- کاربرد در اتاقهای کنفرانس و استودیوهای ضبط برای حذف نویز HVAC
بخش ۶: چالشها و روندهای آینده
- تاخیر و فاز مسیر ثانویه → نیاز به مدلسازی دقیق و DSP سریع
- پایداری سیستمهای تطبیقی در محیطهای با تغییرات سریع
- نویز تصادفی و فرکانس بالا → الگوریتمهای ترکیبی و هوش مصنوعی
- هوش مصنوعی و یادگیری ماشین: تحلیل پیچیده الگوهای نویز و بهبود عملکرد ANC در محیطهای واقعی
- یکپارچهسازی با IoT و دستگاههای هوشمند برای کنترل خودکار محیط
منابع و مراجع
Hansen, C. H., Snyder, S. D., & Qiu, X. (2012). Active Control of Noise and Vibration. CRC Press.
Bose Corporation. (2023). Active Noise Cancellation Technology Overview. Bose Technical Papers.
Widrow, B., & Stearns, S. D. (1985). Adaptive Signal Processing. Prentice Hall.
Elliott, S. J. (2021). Recent Advances in Active Noise Control. Journal of the Acoustical Society of America, 150(3).
Harman International. (2024). Hybrid ANC System Design for Automotive Applications.
Brüel & Kjær (B&K). (2022). Industrial Ventilation Noise Control Using ANC. Technical Report.