1. CVC и DSP намаляване на шума:
Когато потребителите купуват Bluetooth слушалки, те винаги ще чуват CVC и DSP функциите за намаляване на шума, които търговците имат при промотирането на слушалките. Без значение колко потребители са чували описанията, много потребители все още не разбират разликата между двете. Разликата, за такъв технически проблем, ние стигаме до науката за двете под принципа на работа и разликата.
DSP е съкращение за обработка на цифров сигнал. Неговият принцип на работа: микрофонът събира външен шум от околната среда и след това чрез функцията на системата за намаляване на шума вътре в слушалката, той се репликира, за да генерира обратна звукова вълна, равна на околния шум, която премахва шума и по този начин постига повече. Добър ефект на намаляване на шума.
CVC е съкращение от Clear Voice Capture. Това е софтуерна технология за намаляване на шума. Принципът е да се потискат различни видове шум от реверберация чрез вградения софтуер за шумопотискане и микрофон.
Разликата е както следва:
а. за обекта е различен, CVC технологията е главно за ехото, генерирано по време на разговора, DSP е главно за шума с висока и ниска честота във външната среда.
b. различни бенефициенти, DSP технологията основно носи лични доходи на потребителите на слушалки, а CVC основно облагодетелства другата страна.
В обобщение, слушалките, използващи DSP и CVC технология за намаляване на шума, могат ефективно да намалят шума от външната среда на разговора и значително да подобрят качеството на разговора и звука на слушалките.
2.ANC намаляване на шума:
ANC се отнася за активен контрол на шума, който активно намалява шума. Основният принцип е, че системата за намаляване на шума произвежда обратни звукови вълни, равни на външния шум, неутрализирайки шума. Фигура 1 е схематична диаграма на слушалка с активно шумопотискане с предна връзка. ANC чипът е поставен вътре в слушалката. Референтен микрофон (референтен микрофон) събира околния шум в слушалките. Микрофон за грешка (Микрофон за грешка) Събира остатъчния шум след намаляване на шума в слушалката. Високоговорителят възпроизвежда антишум след обработка на ANC.
Фигура 2 е схематична диаграма на ANC системата с три слоя, разделени с пунктирани линии. Най-горният първичен път е акустичният канал от реф. микрофон до микрофон за грешка, функцията на отговор е представена от P(z)P(z); средният слой е аналоговият канал, където вторичният път е пътят от изхода на адаптивния филтър до връщащия остатък. Включително DAC, филтър за реконструкция, усилвател на мощност, възпроизвеждане на високоговорители, повторно придобиване, предусилвател, филтър против нагласяне, ADC; долният слой е цифровият път, където адаптивният филтър постоянно коригира коефициента на теглото на филтъра, за да намали остатъка до конвергенция. Най-често срещаното решение е да се приложи адаптивен филтър, използващ FIR филтър в комбинация с LMS алгоритъм. Опростете Фигура 2 и получете Фигура 3.
Позволете ми да говоря накратко за принципите на адаптивния филтър и алгоритъма LMS (най-малък среден квадрат), а след това и Фигура 3. Както е показано на Фигура 4, при даден вход xx и желания изход dd, адаптивният филтър актуализира коефициентите на всяка итерация, така че разликата между продукцията yy и dd става все по-малка и по-малка, докато остатъкът е достатъчно близо до нула и се сближи. LMS е алгоритъм за актуализиране на адаптивни филтри. Целевата функция на LMS е квадратът на моментната грешка e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, за да се минимизира целевата функция, Прилагането на градиентното спускане дава актуализираната формула на алгоритъма. (Алгоритмичната идея за използване на градиентно спускане за минимизиране на цел и получаване на актуализираната формула на параметъра, който трябва да се търси, е много често срещана, като например линейна регресия.) Формулата за актуализиране на LMS алгоритъма, използващ FIR филтър, е: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), където μμ е размерът на стъпката. Ако размерът μμ се коригира с итерация, това е LMS алгоритъм стъпка по стъпка.
Нека поговорим за Фигура 3. Тук адаптивният филтър се извежда след S(z)S(z), за да се сравни с желания изход. S(z)S(z) ще предизвика нестабилност. В литературата, „сигналът за грешка не е правилно „подравнен“ във времето с референтния сигнал“, конвергенцията на LMS е нарушена. (Не разбрах какво означава T__T) Ефективен метод е FXLMS (Filtered-X LMS), който позволява x(n) да бъде въведено в LMS модула чрез Sˆ(z)S^(z), Sˆ( z S^(z) е оценка на S(z)S(z). Цел на FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
И така, градиент=−2e(n)s(n)*x(n)−2e(n)s(n)*x(n), където s(n)s(n) е неизвестно, със своята приблизителна оценка, така че Формулата за актуализиране на FXLMS е
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Където x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Когато адаптивният филтър се сближи, E(z)=X(z)P(z)−X(z)W(z)S(z)≈0E(z)=X(z)P(z)−X(z ) W(z)S(z) ≈ 0, така че W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Това означава, че коефициентът на тегло на адаптивния филтър се определя от първичния път и вторичния път на слушалките. Първичният път и вторичният път на слушалките са относително стабилни, така че коефициентът на тегло на адаптивния филтър е относително стабилен. Следователно, за по-голяма простота, коефициентите на тегло на ANC слушалките на някои производители се определят фабрично. Разбира се, изживяването при слушане на тази слушалка с ANC очевидно не е толкова добро, колкото слушалката с ANC с истинско адаптивно значение, тъй като в действителни ситуации външният шум спрямо посоката на слушалката, различната температура и други подобни могат да окажат влияние върху отговорът на канала на слушалката.
Matlab проверка
Напишете код на Matlab, като използвате адаптивния филтър с променлив размер на стъпката LMS, резултатите от симулацията са показани на Фигура 5. В диапазона от 0 до 2 kHz ANC с предварителна връзка се използва за елиминиране на бял шум на Гаус, а затихването на шума е 30 dB+ средно. FXLMS в библиотеката на Matlab е с фиксирана стъпка и ефектът е по-лош.
Въпроси и отговори
а. Защо ANC е само за нискочестотен шум под 2 kHz?
От една страна, физическата звукоизолация на слушалките (пасивно намаляване на шума) може ефективно да блокира високочестотния шум и не е необходимо да се използва ANC за намаляване на високочестотния шум. От друга страна, нискочестотният шум има дълга дължина на вълната и може да издържи известно фазово забавяне, докато високочестотният шум има къса дължина на вълната и е чувствителен към фазово отклонение, така че ANC елиминира високочестотния шум.
b. Когато електронното забавяне е по-голямо от основното забавяне, как може да се намали значително производителността на алгоритъма?
P(z) забавянето е малко, S(z) забавянето е голямо, като P(z)=z-1, S(z)=z-2, само когато W(z)=z може да отговори на изискванията, не -причинен, Недостижим.
° С. Каква е разликата между Feedforward ANC, теснолентов feedforward ANC и обратна връзка ANC?
Структурата Feedforwad има референтен микрофон и микрофон за грешка, които събират съответно външен шум и вътрешни остатъчни сигнали. Структурата за обратна връзка има само един микрофон за грешка, а референтният сигнал се генерира от микрофон за грешка и изход на адаптивен филтър.
Предната широколентова връзка е структурата, описана по-горе. В теснолентовата структура източникът на шум генерира генератор на сигнал за задействане на сигнала, а генераторът на сигнал генерира референтен сигнал за адаптивния филтър. Приложимо само за елиминиране на периодичен шум.
ANC за обратна връзка използва микрофон за грешка, за да възстанови сигнала, събран от реф. микрофон в структурата за предварителна връзка, тъй като има само микрофон за грешка. Пътят не удовлетворява причинно-следственото ограничение, така че се елиминират само предвидимите компоненти на шума, т.е. теснолентовият периодичен шум. Трябва да се отбележи, че ако предаването напред не удовлетворява причинно-следственото ограничение, т.е. електронното забавяне е по-дълго от акустичното забавяне на главния канал, то може да елиминира само теснолентовия периодичен шум.
Съществува и хибридна ANC структура, която включва както структури за предварителна връзка, така и за обратна връзка. Основното предимство е, че можете да запазите реда на адаптивния филтър.
