1.Snížení hluku CVC a DSP:
Když si spotřebitelé koupí náhlavní soupravy Bluetooth, vždy uslyší funkce redukce šumu CVC a DSP, které mají obchodníci při propagaci sluchátek. Bez ohledu na to, kolik uživatelů slyšelo popisy, mnoho spotřebitelů stále nechápe rozdíl mezi těmito dvěma. Rozdíl, u takového technického problému se dostáváme k vědě o dvou pod principem fungování a rozdílem.
DSP je zkratka pro digitální zpracování signálu. Jeho pracovní princip: mikrofon shromažďuje vnější okolní hluk a poté se prostřednictvím funkce systému redukce šumu uvnitř sluchátka replikuje, aby generoval obrácenou zvukovou vlnu rovnající se okolnímu hluku, která hluk ruší a dosahuje tak více. Dobrý efekt redukce šumu.
CVC je zkratka pro Clear Voice Capture. Jedná se o softwarovou technologii redukce šumu. Principem je potlačení různých typů dozvuku prostřednictvím vestavěného softwaru pro potlačení hluku a mikrofonu.
Rozdíl je následující:
A. pro objekt je jiný, technologie CVC je určena především pro ozvěnu generovanou během hovoru, DSP je určena především pro vysokofrekvenční a nízkofrekvenční šum ve vnějším prostředí.
b. různí příjemci, technologie DSP přináší uživatelům náhlavních souprav především osobní příjem a CVC přináší prospěch hlavně druhé straně.
Stručně řečeno, sluchátka využívající technologii redukce šumu DSP a CVC dokážou účinně snížit hluk vnějšího prostředí hovoru a výrazně zlepšit kvalitu hovoru i zvuk sluchátek.
2. Snížení hluku ANC:
ANC označuje Active Noise Control, která aktivně snižuje hluk. Základním principem je, že systém redukce hluku vytváří zpětné zvukové vlny rovné vnějšímu hluku, čímž hluk neutralizuje. Obrázek 1 je schematický diagram dopředného sluchátka s aktivním potlačením hluku. Čip ANC je umístěn uvnitř sluchátka. Ref mic (referenční mikrofon) shromažďuje okolní hluk ve sluchátkách. Error mic (Error Microphone) Shromažďuje zbytkový šum po redukci šumu ve sluchátkách. Reproduktor po zpracování ANC hraje protišum.
Obrázek 2 je schematický diagram systému ANC se třemi vrstvami, oddělenými přerušovanými čarami. Nejvyšší primární cesta je akustický kanál od ref mic k error mic, funkce odezvy je reprezentována P(z)P(z); střední vrstva je analogový kanál, kde sekundární cesta je cesta od výstupu adaptivního filtru k zpětnému reziduu. Včetně DAC, rekonstrukčního filtru, výkonového zesilovače, přehrávání reproduktorů, re-akvizice, předzesilovače, antialiasingového filtru, ADC; spodní vrstva je digitální cesta, kde adaptivní filtr neustále upravuje koeficient hmotnosti filtru, aby snížil zbytkovou hodnotu až do konvergence. Nejběžnějším řešením je implementace adaptivního filtru pomocí FIR filtru v kombinaci s algoritmem LMS. Zjednodušte obrázek 2 a získejte obrázek 3.
Dovolte mi krátce pohovořit o principech adaptivního filtru a algoritmu LMS (Least mean square) a poté na obrázku 3. Jak je znázorněno na obrázku 4, při daném vstupu xx a požadovaném výstupu dd adaptivní filtr aktualizuje koeficienty při každé iteraci, takže rozdíl mezi výstupem yy a dd se zmenšuje a zmenšuje, dokud se reziduum dostatečně nepřiblíží nule a nebude konvergovat. LMS je aktualizační algoritmus pro adaptivní filtry. Objektivní funkcí LMS je druhá mocnina okamžité chyby e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, aby se minimalizoval objektivní funkce, Použití sestupu gradientu dává aktualizovaný vzorec algoritmu. (Algoritmická myšlenka použití sestupu gradientu k minimalizaci cíle a získání aktualizovaného vzorce parametru, který se má hledat, je velmi běžná, jako je lineární regrese.) Aktualizační vzorec algoritmu LMS využívající FIR filtr je: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), kde μμ je velikost kroku. Pokud je velikost μμ upravena iterací, jedná se o LMS algoritmus krok za krokem.
Promluvme si o obrázku 3. Zde je adaptivní filtr na výstupu po S(z)S(z) pro porovnání s požadovaným výstupem. S(z)S(z) způsobí nestabilitu. V literatuře, "chybový signál není správně 'vyrovnán' v čase s referenčním signálem", je konvergence LMS narušena. (Nepřišel jsem na to, co to znamená T__T) Efektivní metodou je FXLMS (Filtered-X LMS), která umožňuje x(n) vložit do LMS modulu přes Sˆ(z)S^(z), Sˆ( z S^(z) je odhad S(z)S(z). Cíl FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Takže gradient=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), kde s(n)s(n) je neznámé, s aproximací jeho odhadu, takže Vzorec aktualizace FXLMS je
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Kde x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Když adaptivní filtr konverguje, 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, tedy W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). To znamená, že váhový koeficient adaptivního filtru je určen primární cestou a sekundární cestou sluchátek. Primární cesta a sekundární cesta headsetu jsou relativně stabilní, takže váhový koeficient adaptivního filtru je relativně stabilní. Pro zjednodušení jsou proto váhové koeficienty sluchátek ANC některých výrobců určeny z výroby. Samozřejmě, že zážitek z poslechu těchto sluchátek ANC samozřejmě není tak dobrý jako u sluchátek ANC se skutečným adaptivním významem, protože ve skutečných situacích může mít vnější hluk vzhledem ke směru sluchátek, rozdílná teplota a podobně kanálová odezva sluchátek.
Ověření Matlabu
Napište kód Matlab pomocí adaptivního filtru LMS s proměnnou velikostí kroku, výsledky simulace jsou znázorněny na obrázku 5. V rozsahu 0 až 2 kHz je dopředný ANC použit k odstranění Gaussova bílého šumu a útlum šumu je 30 dB+ v průměru. FXLMS v knihovně Matlab je s pevným krokem a efekt je horší.
Q & A
A. Proč je ANC pouze pro nízkofrekvenční šum pod 2 kHz?
Jednak fyzická zvuková izolace sluchátek (pasivní redukce šumu) dokáže efektivně blokovat vysokofrekvenční hluk a pro snížení vysokofrekvenčního hluku není nutné používat ANC. Na druhou stranu, nízkofrekvenční šum má dlouhou vlnovou délku a snese určité fázové zpoždění, zatímco vysokofrekvenční šum má krátkou vlnovou délku a je citlivý na fázovou odchylku, takže ANC eliminuje vysokofrekvenční šum.
b. Když je elektronické zpoždění větší než primární zpoždění, jak lze výrazně snížit výkon algoritmu?
P(z) zpoždění je malé, S(z) zpoždění je velké, jako například P(z)=z-1, S(z)=z-2, pouze když W(z)=z může splnit požadavky, ne -kauzální, Nedosažitelný.
C. Jaký je rozdíl mezi dopřednou ANC, úzkopásmovou dopřednou ANC a zpětnovazební ANC?
Struktura Feedforwad má referenční mikrofon a chybový mikrofon, které shromažďují vnější šum a vnitřní zbytkové signály. Struktura zpětné vazby má pouze jeden chybový mikrofon a referenční signál je generován chybovým mikrofonem a výstupem adaptivního filtru.
Širokopásmová dopředná vazba je struktura popsaná výše. V úzkopásmové struktuře generuje zdroj šumu generátor signálu spouštěcího signálu a generátor signálu generuje referenční signál pro adaptivní filtr. Platí pouze pro eliminaci periodického hluku.
Zpětná vazba ANC používá chybový mikrofon k obnovení signálu shromážděného referenčním mikrofonem ve struktuře dopředné vazby, protože má pouze chybový mikrofon. Cesta nesplňuje kauzální omezení, takže jsou eliminovány pouze předvídatelné složky šumu, tj. úzkopásmový periodický šum. Je třeba poznamenat, že pokud dopředná vazba nesplňuje kauzální omezení, tj. elektronické zpoždění je delší než akustické zpoždění hlavního kanálu, může eliminovat pouze úzkopásmový periodický šum.
Existuje také hybridní struktura ANC, která zahrnuje jak dopřednou, tak zpětnou vazbu. Hlavní výhodou je, že si můžete uložit pořadí adaptivního filtru.
