1.CVC- und DSP-Rauschunterdrückung:
Wenn Verbraucher Bluetooth-Headsets kaufen, hören sie immer die CVC- und DSP-Rauschunterdrückungsfunktionen, über die die Händler bei der Werbung für die Kopfhörer verfügen. Unabhängig davon, wie viele Benutzer die Beschreibungen gehört haben, verstehen viele Verbraucher den Unterschied zwischen den beiden immer noch nicht. Der Unterschied: Für ein solches technisches Problem kommen wir zur Wissenschaft der beiden unter dem Arbeitsprinzip und dem Unterschied.
DSP ist eine Abkürzung für digitale Signalverarbeitung. Sein Funktionsprinzip: Das Mikrofon sammelt externe Umgebungsgeräusche und reproduziert sie dann über die Funktion des Geräuschreduzierungssystems im Inneren des Kopfhörers, um eine umgekehrte Schallwelle zu erzeugen, die den Umgebungsgeräuschen entspricht, die die Geräusche unterdrückt und so mehr erreicht. Guter Rauschunterdrückungseffekt.
CVC ist die Abkürzung für Clear Voice Capture. Es handelt sich um eine Software-Rauschunterdrückungstechnologie. Das Prinzip besteht darin, verschiedene Arten von Nachhallgeräuschen durch die integrierte Geräuschunterdrückungssoftware und das Mikrofon zu unterdrücken.
Der Unterschied wie folgt:
A. Da das Objekt unterschiedlich ist, dient die CVC-Technologie hauptsächlich dem Echo, das während des Anrufs erzeugt wird, und DSP hauptsächlich dem hoch- und niederfrequenten Rauschen in der externen Umgebung.
B. Unterschiedliche Begünstigte: Die DSP-Technologie bringt den Headset-Benutzern hauptsächlich ein persönliches Einkommen ein, und CVC kommt hauptsächlich der anderen Partei zugute.
Zusammenfassend lässt sich sagen, dass Kopfhörer mit DSP- und CVC-Rauschunterdrückungstechnologie die Geräusche der externen Umgebung des Anrufs effektiv reduzieren und die Qualität des Anrufs und den Klang der Kopfhörer erheblich verbessern können.
2. ANC-Rauschunterdrückung:
ANC steht für Active Noise Control, das Geräusche aktiv reduziert. Das Grundprinzip besteht darin, dass das Geräuschreduzierungssystem umgekehrte Schallwellen erzeugt, die dem Außengeräusch entsprechen, und so das Geräusch neutralisiert. Abbildung 1 ist ein schematisches Diagramm eines Feedforward-Kopfhörers mit aktiver Geräuschunterdrückung. Der ANC-Chip ist im Ohrhörer untergebracht. Das Referenzmikrofon (Referenzmikrofon) erfasst Umgebungsgeräusche auf den Ohrhörern. Fehlermikrofon (Fehlermikrofon) Erfasst das Restgeräusch nach der Geräuschreduzierung im Kopfhörer. Der Lautsprecher spielt nach der ANC-Verarbeitung den Anti-Lärm ab.
Abbildung 2 ist ein schematisches Diagramm des ANC-Systems mit drei Schichten, die durch gestrichelte Linien getrennt sind. Der oberste Primärpfad ist der akustische Kanal vom Referenzmikrofon zum Fehlermikrofon. Die Antwortfunktion wird durch P(z)P(z) dargestellt. Die mittlere Schicht ist der analoge Kanal, wobei der sekundäre Pfad der Pfad vom Ausgang des adaptiven Filters zum Rücklaufrest ist. Einschließlich DAC, Rekonstruktionsfilter, Leistungsverstärker, Lautsprecherwiedergabe, Neuerfassung, Vorverstärker, Anti-Aliasing-Filter, ADC; Die unterste Ebene ist der digitale Pfad, in dem der adaptive Filter den Filtergewichtungskoeffizienten ständig anpasst, um das Residuum bis zur Konvergenz zu reduzieren. Die gebräuchlichste Lösung besteht darin, einen adaptiven Filter mithilfe eines FIR-Filters in Kombination mit dem LMS-Algorithmus zu implementieren. Vereinfachen Sie Abbildung 2 und erhalten Sie Abbildung 3.
Lassen Sie mich kurz auf die Prinzipien des adaptiven Filters und des LMS-Algorithmus (Least Mean Square) eingehen und dann auf Abbildung 3. Wie in Abbildung 4 gezeigt, aktualisiert der adaptive Filter bei gegebener Eingabe xx und der gewünschten Ausgabe dd die Koeffizienten bei jeder Iteration, sodass Die Differenz zwischen der Ausgabe yy und dd wird immer kleiner, bis das Residuum nahe genug an Null liegt und konvergiert. LMS ist ein Aktualisierungsalgorithmus für adaptive Filter. Die Zielfunktion von LMS ist das Quadrat des momentanen Fehlers e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, um es zu minimieren Die Zielfunktion. Die Anwendung des Gradientenabstiegs ergibt die aktualisierte Formel des Algorithmus. (Die algorithmische Idee, einen Gradientenabstieg zu verwenden, um ein Ziel zu minimieren und die aktualisierte Formel des zu suchenden Parameters zu erhalten, ist sehr verbreitet, beispielsweise die lineare Regression.) Die Aktualisierungsformel des LMS-Algorithmus unter Verwendung des FIR-Filters lautet: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), wobei μμ die Schrittgröße ist. Wenn die μμ-Größe durch Iteration angepasst wird, handelt es sich um einen schrittweisen LMS-Algorithmus.
Lassen Sie uns über Abbildung 3 sprechen. Hier wird der adaptive Filter nach S(z)S(z) ausgegeben, um ihn mit der Wunschausgabe zu vergleichen. S(z)S(z) führt zu Instabilität. In der Literatur heißt es: „Das Fehlersignal ist nicht korrekt im Takt des Referenzsignals ‚ausgerichtet‘“, die Konvergenz des LMS ist gebrochen. (Ich habe nicht herausgefunden, was es bedeutet T__T) Eine effektive Methode ist FXLMS (Filtered-X LMS), die es ermöglicht, x(n) über Sˆ(z)S^(z), Sˆ( z S^(z) ist eine Schätzung von S(z)S(z). Ziel von FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Also Gradient=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), wobei s(n)s(n) unbekannt ist, mit seiner geschätzten Näherung, also Die FXLMS-Update-Formel lautet
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Wobei x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Wenn der adaptive Filter konvergiert, ist 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, also W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Das heißt, der Gewichtskoeffizient des adaptiven Filters wird durch den Primärpfad und den Sekundärpfad des Kopfhörers bestimmt. Der Primärpfad und der Sekundärpfad des Headsets sind relativ stabil, sodass der Gewichtskoeffizient des adaptiven Filters relativ stabil ist. Der Einfachheit halber werden die Gewichtskoeffizienten der ANC-Kopfhörer einiger Hersteller daher im Werk ermittelt. Natürlich ist das Hörerlebnis dieses ANC-Kopfhörers offensichtlich nicht so gut wie der des ANC-Kopfhörers mit echter adaptiver Bedeutung, da in tatsächlichen Situationen externe Geräusche relativ zur Richtung des Kopfhörers, unterschiedliche Temperaturen und dergleichen einen Einfluss haben können die Kanalantwort des Kopfhörers.
Matlab-Verifizierung
Schreiben Sie Matlab-Code unter Verwendung des adaptiven Filters mit variabler Schrittweite von LMS. Die Simulationsergebnisse sind in Abbildung 5 dargestellt. Im Bereich von 0 bis 2 kHz wird der Feedforward-ANC verwendet, um Gaußsches weißes Rauschen zu eliminieren, und die Rauschdämpfung beträgt 30 dB+ im Durchschnitt. Das FXLMS in der Matlab-Bibliothek hat einen festen Schritt und der Effekt ist schlimmer.
F&A
A. Warum gilt der ANC nur für niederfrequentes Rauschen unter 2 kHz?
Einerseits kann die physikalische Schalldämmung des Kopfhörers (passive Geräuschunterdrückung) hochfrequente Geräusche effektiv blockieren, und es ist nicht erforderlich, ANC zur Reduzierung hochfrequenter Geräusche zu verwenden. Andererseits hat das niederfrequente Rauschen eine lange Wellenlänge und kann einer bestimmten Phasenverzögerung standhalten, während das hochfrequente Rauschen eine kurze Wellenlänge hat und empfindlich auf Phasenabweichung reagiert, sodass ANC hochfrequentes Rauschen eliminiert.
B. Wie kann die Leistung des Algorithmus stark reduziert werden, wenn die elektronische Verzögerung größer als die primäre Verzögerung ist?
Die P(z)-Verzögerung ist klein, die S(z)-Verzögerung ist groß, wie z. B. P(z)=z-1, S(z)=z-2, nur wenn W(z)=z die Anforderungen erfüllen kann, nicht -kausal, unerreichbar.
C. Was ist der Unterschied zwischen Feedforward-ANC, Schmalband-Feedforward-ANC und Feedback-ANC?
Die Feedforwad-Struktur verfügt über ein Referenzmikrofon und ein Fehlermikrofon, die externes Rauschen bzw. interne Restsignale erfassen. Die Rückkopplungsstruktur verfügt nur über ein Fehlermikrofon und das Referenzsignal wird durch das Fehlermikrofon und den adaptiven Filterausgang erzeugt.
Der Breitband-Feedforward hat die oben beschriebene Struktur. In der Schmalbandstruktur erzeugt die Rauschquelle ein Signal, das einen Signalgenerator auslöst, und der Signalgenerator erzeugt ein Referenzsignal für den adaptiven Filter. Gilt nur für die Beseitigung periodischer Geräusche.
Feedback ANC verwendet ein Fehlermikrofon, um das vom Referenzmikrofon in der Feedforward-Struktur erfasste Signal wiederherzustellen, da es nur ein Fehlermikrofon hat. Der Pfad erfüllt die kausale Randbedingung nicht, sodass nur die vorhersagbaren Rauschkomponenten, also das schmalbandige periodische Rauschen, eliminiert werden. Es ist zu beachten, dass, wenn die Vorwärtskopplung die kausale Bedingung nicht erfüllt, dh die elektronische Verzögerung länger ist als die akustische Verzögerung des Hauptkanals, nur das periodische Schmalbandrauschen beseitigt werden kann.
Es gibt auch eine Hybrid-ANC-Struktur, die sowohl die Feedforward- als auch die Feedback-Struktur umfasst. Der Hauptvorteil besteht darin, dass Sie die Reihenfolge des adaptiven Filters speichern können.
