1.CVC i DSP smanjenje šuma:
Kada potrošači kupuju Bluetooth slušalice, uvijek će čuti CVC i DSP funkcije smanjenja šuma koje trgovci imaju u promociji slušalica. Bez obzira koliko je korisnika čulo opise, mnogi potrošači još uvijek ne razumiju razliku između njih. Razlika, za takav tehnički problem, dolazimo do nauke o dva pod principom rada i razlikom.
DSP je skraćenica za digitalnu obradu signala. Njegov princip rada: mikrofon prikuplja spoljašnju buku iz okoline, a zatim kroz funkciju sistema za smanjenje buke unutar slušalica, replicira se kako bi generirao obrnuti zvučni val jednak ambijentalnoj buci, koji poništava buku i time postiže više. Dobar efekat smanjenja buke.
CVC je skraćenica od Clear Voice Capture. To je softverska tehnologija za smanjenje buke. Princip je potiskivanje raznih vrsta buke odjeka kroz ugrađeni softver za poništavanje buke i mikrofon.
Razlika je kako slijedi:
a. za objekat je drugačiji, CVC tehnologija je uglavnom za eho generisanu tokom poziva, DSP je uglavnom za šum visoke i niske frekvencije u spoljašnjem okruženju.
b. Za različite korisnike, DSP tehnologija uglavnom donosi lični prihod korisnicima slušalica, a CVC uglavnom koristi drugoj strani.
Ukratko, slušalice koje koriste DSP i CVC tehnologiju smanjenja šuma mogu efikasno smanjiti buku spoljašnjeg okruženja poziva i značajno poboljšati kvalitet poziva i zvuk slušalica.
2.ANC smanjenje buke:
ANC se odnosi na aktivnu kontrolu buke, koja aktivno smanjuje buku. Osnovni princip je da sistem za smanjenje buke proizvodi reverzne zvučne talase jednake spoljašnjoj buci, neutrališući buku. Slika 1 je šematski dijagram slušalica s aktivnim poništavanjem buke. ANC čip se nalazi unutar slušalica. Referentni mikrofon (referentni mikrofon) prikuplja ambijentalnu buku na slušalicama. Greška mikrofona (Mikrofon greške) Prikuplja preostalu buku nakon smanjenja šuma u slušalicama. Zvučnik reproducira anti-šum nakon ANC obrade.
Slika 2 je šematski dijagram ANC sistema, sa tri sloja, odvojena isprekidanim linijama. Najgornji primarni put je akustički kanal od ref mic do mikrofona greške, funkcija odgovora je predstavljena sa P(z)P(z); srednji sloj je analogni kanal, gdje je sekundarni put put od izlaza adaptivnog filtera do povratnog ostatka. Uključujući DAC, filter za rekonstrukciju, pojačalo snage, reprodukciju zvučnika, ponovnu akviziciju, pretpojačalo, filter protiv aliasinga, ADC; donji sloj je digitalni put, gdje adaptivni filter konstantno prilagođava koeficijent težine filtera kako bi smanjio ostatak do konvergencije. Najčešće rješenje je implementacija adaptivnog filtera koristeći FIR filter u kombinaciji sa LMS algoritmom. Pojednostavite sliku 2 i dobijte sliku 3.
Dozvolite mi da ukratko govorim o principima adaptivnog filtera i LMS (Least mean square) algoritma, a zatim o slici 3. Kao što je prikazano na slici 4, s obzirom na ulaz xx i željeni izlaz dd, adaptivni filter ažurira koeficijente svake iteracije tako da razlika između izlaza yy i dd postaje sve manja i manja sve dok rezidual nije dovoljno blizu nuli i ne konvergira. LMS je algoritam ažuriranja za adaptivne filtere. Ciljna funkcija LMS-a je kvadrat trenutne greške e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, kako bi se minimizirala ciljnu funkciju, Primjena gradijenta spuštanja daje ažuriranu formulu algoritma. (Algoritamska ideja korištenja gradijenta spuštanja za minimiziranje cilja i dobivanje ažurirane formule parametra koji se traži je vrlo uobičajena, kao što je linearna regresija.) Formula ažuriranja LMS algoritma koji koristi FIR filter je: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), gdje je μμ veličina koraka. Ako se veličina μμ prilagođava iteracijom, to je korak po korak LMS algoritam.
Razgovarajmo o slici 3. Ovdje se adaptivni filter ispisuje nakon S(z)S(z) kako bi se uporedio sa željenim izlazom. S(z)S(z) će uzrokovati nestabilnost. U literaturi, "signal greške nije ispravno 'poravnan' u vremenu sa referentnim signalom", konvergencija LMS-a je prekinuta. (Nisam shvatio šta to znači T__T) Efikasna metoda je FXLMS (Filtered-X LMS), koja omogućava da se x(n) unese u LMS modul preko Sˆ(z)S^(z), Sˆ( z S^(z) je procjena S(z)S(z). Cilj FXLMS-a:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Dakle, gradijent=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), gdje je s(n)s(n) nepoznat, sa svojom aproksimacijom procjene, pa Formula za ažuriranje FXLMS je
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Gdje je x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Kada se adaptivni filter konvergira, 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, pa W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Odnosno, težinski koeficijent adaptivnog filtera je određen primarnom putanjom i sekundarnom putanjom slušalica. Primarni i sekundarni put slušalica su relativno stabilni, tako da je težinski koeficijent adaptivnog filtera relativno stabilan. Stoga, radi jednostavnosti, težinski koeficijenti ANC slušalica nekih proizvođača su određeni u tvornici. Naravno, iskustvo slušanja ove ANC slušalice očito nije tako dobro kao ANC slušalica sa pravim adaptivnim značenjem, jer u stvarnim situacijama vanjski šum u odnosu na smjer slušalice, različita temperatura i slično mogu utjecati na odziv kanala slušalica.
Matlab verifikacija
Napišite Matlab kod, koristeći adaptivni filter LMS promjenjive veličine koraka, rezultati simulacije su prikazani na slici 5. U rasponu od 0 do 2 kHz, ANC se koristi za eliminaciju Gaussovog bijelog šuma, a slabljenje buke je 30 dB+ u prosjeku. FXLMS u Matlab biblioteci je fiksnog koraka, a efekat je gori.
Pitanja i odgovori
a. Zašto je ANC samo za niske frekvencije šuma ispod 2 kHz?
S jedne strane, fizička zvučna izolacija slušalica (pasivna redukcija buke) može efikasno blokirati visokofrekventnu buku i nije potrebno koristiti ANC za smanjenje visokofrekventne buke. S druge strane, niskofrekventni šum ima dugu valnu dužinu i može izdržati određeno fazno kašnjenje, dok visokofrekventni šum ima kratku valnu dužinu i osjetljiv je na faznu devijaciju, tako da ANC eliminira visokofrekventni šum.
b. Kada je elektronsko kašnjenje veće od primarnog kašnjenja, kako se performanse algoritma mogu značajno smanjiti?
P(z) kašnjenje je malo, S(z) kašnjenje je veliko, kao što je P(z)=z-1, S(z)=z-2, samo kada W(z)=z može ispuniti zahtjeve, ne -uzročno, nedostižno.
c. Koja je razlika između Feedforward ANC-a, uskopojasnog feedforward ANC-a i feedback ANC-a?
Struktura Feedforwad ima ref mic i mikrofon za grešku koji prikupljaju eksterni šum i unutrašnje preostale signale, respektivno. Struktura povratne sprege ima samo jedan mikrofon za grešku, a referentni signal se generira mikrofonom za grešku i izlazom adaptivnog filtera.
Širokopojasni feedforward je struktura opisana gore. U uskopojasnoj strukturi, izvor šuma generiše generator signala okidača, a generator signala generiše referentni signal za adaptivni filter. Primjenjivo samo za uklanjanje periodične buke.
Povratna informacija ANC koristi mikrofon za grešku da povrati signal koji je prikupio ref mic u strukturi feedforward jer ima samo mikrofon za grešku. Putanja ne zadovoljava uzročno ograničenje, tako da se eliminišu samo predvidljive komponente buke, tj. uskopojasni periodični šum. Treba napomenuti da ako feedforward ne zadovoljava uzročno ograničenje, tj. elektronsko kašnjenje je duže od akustičkog kašnjenja glavnog kanala, ono može eliminirati samo uskopojasni periodični šum.
Postoji i hibridna ANC struktura koja uključuje i strukturu prosljeđivanja i povratne sprege. Glavna prednost je što možete sačuvati redosled adaptivnog filtera.
