1. کاهش نویز CVC و DSP:
هنگامی که مصرف کنندگان هدست بلوتوث می خرند، همیشه عملکردهای کاهش نویز CVC و DSP را که تجار در تبلیغ هدفون دارند می شنوند. مهم نیست که تعداد زیادی از کاربران توضیحات را شنیده اند، بسیاری از مصرف کنندگان هنوز تفاوت بین این دو را درک نمی کنند. تفاوت، برای چنین مشکل فنی، به علم این دو تحت اصل کار و تفاوت می رسیم.
DSP خلاصه ای برای پردازش سیگنال دیجیتال است. اصل کار آن: میکروفون نویزهای محیطی خارجی را جمع آوری می کند و سپس از طریق عملکرد سیستم کاهش نویز در داخل هدفون، تکرار می کند تا یک موج صوتی معکوس برابر با نویز محیط ایجاد کند که نویز را خنثی می کند و در نتیجه به دستاوردهای بیشتری می رسد. اثر کاهش نویز خوب
CVC مخفف Clear Voice Capture است. این یک فناوری کاهش نویز نرم افزاری است. اصل این است که انواع مختلف نویز طنین را از طریق نرم افزار حذف نویز داخلی و میکروفون سرکوب کنید.
تفاوت به شرح زیر است:
آ. برای شی متفاوت است، تکنولوژی CVC عمدتا برای اکو تولید شده در طول تماس است، DSP عمدتا برای نویز فرکانس بالا و پایین در محیط خارجی است.
ب ذینفعان مختلف، فناوری DSP عمدتاً باعث درآمد شخصی کاربران هدست می شود و CVC عمدتاً به نفع طرف مقابل است.
به طور خلاصه، هدفون هایی با استفاده از فناوری کاهش نویز DSP و CVC می توانند به طور موثری نویز محیط خارجی مکالمه را کاهش دهند و کیفیت تماس و صدای هدفون را به میزان قابل توجهی بهبود بخشند.
2. ANC کاهش نویز:
ANC به کنترل نویز فعال اشاره دارد که به طور فعال نویز را کاهش می دهد. اصل اساسی این است که سیستم کاهش نویز امواج صوتی معکوس برابر با نویز بیرونی تولید می کند و نویز را خنثی می کند. شکل 1 یک نمودار شماتیک از یک هدفون حذف نویز فعال پیشخور است. تراشه ANC در داخل هدفون قرار می گیرد. میکروفون Ref (میکروفون مرجع) نویزهای محیط را روی هدفون جمع آوری می کند. میکروفون خطا (Error Microphone) نویز باقیمانده پس از کاهش نویز در گوشی را جمع آوری می کند. اسپیکر پس از پردازش ANC، ضد نویز را پخش می کند.
شکل 2 یک نمودار شماتیک از سیستم ANC با سه لایه است که با خطوط چین از هم جدا شده اند. بالاترین مسیر اولیه کانال صوتی از میکروفون ref به میکروفون خطا است، تابع پاسخ با P(z)P(z) نشان داده می شود. لایه میانی کانال آنالوگ است، جایی که مسیر ثانویه مسیر خروجی فیلتر تطبیقی تا باقیمانده بازگشت است. از جمله DAC، فیلتر بازسازی، تقویت کننده قدرت، پخش بلندگو، کسب مجدد، پیش تقویت کننده، فیلتر ضد آلیاسینگ، ADC. لایه پایینی مسیر دیجیتالی است، جایی که فیلتر تطبیقی دائماً ضریب وزن فیلتر را تنظیم می کند تا باقیمانده را تا زمان همگرایی کاهش دهد. رایج ترین راه حل، پیاده سازی یک فیلتر تطبیقی با استفاده از یک فیلتر FIR در ترکیب با الگوریتم LMS است. شکل 2 را ساده کنید و شکل 3 را دریافت کنید.
اجازه دهید به طور خلاصه در مورد اصول فیلتر تطبیقی و الگوریتم LMS (کمترین میانگین مربع) و سپس شکل 3 صحبت کنم. همانطور که در شکل 4 نشان داده شده است، با توجه به ورودی xx و خروجی مورد نظر dd، فیلتر تطبیقی ضرایب را در هر تکرار به روز می کند تا تفاوت بین خروجی yy و dd کوچکتر و کوچکتر می شود تا زمانی که باقیمانده به اندازه کافی به صفر نزدیک شود و همگرا شود. LMS یک الگوریتم به روز رسانی برای فیلترهای تطبیقی است. تابع هدف LMS مربع خطای آنی e2(n)=(d(n)-y(n))2e2(n)=(d(n)-y(n))2 است تا به حداقل برسد. تابع هدف، اعمال نزول گرادیان فرمول به روز شده الگوریتم را به دست می دهد. (ایده الگوریتمی استفاده از نزول گرادیان برای به حداقل رساندن یک هدف و بدست آوردن فرمول به روز شده پارامتر مورد جستجو بسیار رایج است، مانند رگرسیون خطی.) فرمول به روز رسانی الگوریتم LMS با استفاده از فیلتر FIR به این صورت است: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n)، که در آن μμ اندازه مرحله است. اگر اندازه μμ با تکرار تنظیم شود، یک الگوریتم LMS گام به گام است.
بیایید در مورد شکل 3 صحبت کنیم. در اینجا فیلتر تطبیقی پس از S(z)S(z) خروجی می شود تا با خروجی مورد نظر مقایسه شود. S(z)S(z) باعث بی ثباتی می شود. در ادبیات، "سیگنال خطا به درستی "تراز" نیست در زمان با سیگنال مرجع، همگرایی LMS شکسته شده است. (من نفهمیدم معنی T__T چیست) یک روش موثر FXLMS (Filtered-X LMS) است که به x(n) اجازه می دهد تا از طریق Sˆ(z)S^(z)، Sˆ( به ماژول LMS وارد شود. z S^(z) تخمینی از S(z)S(z) است. هدف FXLMS:
E2(n)=(d(n)-s(n)∗[wT(n)x(n)])2،
E2(n)=(d(n)-s(n)∗[wT(n)x(n)])2،
بنابراین گرادیان=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n)، که در آن s(n)s(n) با تقریب تخمینی آن ناشناخته است، بنابراین فرمول FXLMS Update است
w(n+1)=w(n)+μe(n)x'(n)،
w(n+1)=w(n)+μe(n)x'(n)،
جایی که x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
وقتی فیلتر تطبیقی همگرا شد، 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، بنابراین W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). یعنی ضریب وزن فیلتر تطبیقی توسط مسیر اولیه و مسیر ثانویه هدفون تعیین می شود. مسیر اولیه و مسیر ثانویه هدست نسبتاً پایدار است، بنابراین ضریب وزن فیلتر تطبیقی نسبتاً پایدار است. بنابراین، برای سادگی، ضرایب وزن هدفون های ANC برخی از سازندگان در کارخانه تعیین می شود. البته بدیهی است که تجربه شنیداری این ایرفون ANC به خوبی ایرفون ANC با معنای تطبیقی واقعی نیست، زیرا در شرایط واقعی، نویز خارجی نسبت به جهت هدفون، دمای متفاوت و مواردی از این دست ممکن است بر روی گوشی تأثیر بگذارد. پاسخ کانال گوشی
تایید متلب
کد Matlab را با استفاده از فیلتر تطبیقی LMS با اندازه گام متغیر بنویسید، نتایج شبیه سازی در شکل 5 نشان داده شده است. در محدوده 0 تا 2 کیلوهرتز، ANC پیشخور برای حذف نویز سفید گاوسی استفاده می شود و کاهش نویز 30 دسی بل + است. به طور متوسط. FXLMS در کتابخانه Matlab یک مرحله ثابت است و اثر آن بدتر است.
پرسش و پاسخ
آ. چرا ANC فقط برای نویز فرکانس پایین زیر 2 کیلوهرتز است؟
از یک طرف، عایق صوتی فیزیکی هدفون (کاهش صدای غیرفعال) می تواند به طور موثر نویز فرکانس بالا را مسدود کند و برای کاهش نویز فرکانس بالا نیازی به استفاده از ANC نیست. از طرفی نویز فرکانس پایین دارای طول موج طولانی است و می تواند تاخیر فاز خاصی را تحمل کند، در حالی که نویز فرکانس بالا دارای طول موج کوتاه بوده و به انحراف فاز حساس است، بنابراین ANC نویز فرکانس بالا را حذف می کند.
ب وقتی تاخیر الکترونیکی بزرگتر از تاخیر اولیه است، چگونه می توان عملکرد الگوریتم را تا حد زیادی کاهش داد؟
تاخیر P(z) کوچک است، تاخیر S(z) بزرگ است، مانند P(z)=z-1، S(z)=z-2، فقط زمانی که W(z)=z بتواند الزامات را برآورده کند، غیر علّی، دست نیافتنی.
ج تفاوت بین ANC فید فوروارد، ANC بازخورد باند باریک و ANC بازخورد چیست؟
ساختار Feedforwad دارای یک میکروفون ref و یک میکروفون خطا است که به ترتیب نویزهای خارجی و سیگنال های باقیمانده داخلی را جمع آوری می کند. ساختار بازخورد تنها یک میکروفون خطا دارد و سیگنال مرجع توسط میکروفون خطا و خروجی فیلتر تطبیقی تولید می‌شود.
پیشخور باند پهن ساختاری است که در بالا توضیح داده شد. در ساختار باند باریک، منبع نویز یک سیگنال مولد سیگنال ماشه تولید می کند و ژنراتور سیگنال یک سیگنال مرجع برای فیلتر تطبیقی تولید می کند. فقط برای از بین بردن نویز دوره ای قابل استفاده است.
بازخورد ANC از میکروفون خطا برای بازیابی سیگنال جمع‌آوری‌شده توسط ref mic در ساختار فید فوروارد استفاده می‌کند زیرا فقط میکروفون خطا دارد. مسیر محدودیت علّی را برآورده نمی کند، بنابراین فقط اجزای نویز قابل پیش بینی، یعنی نویز دوره ای باند باریک، حذف می شوند. لازم به ذکر است که اگر پیشخور محدودیت علی را برآورده نکند، یعنی تاخیر الکترونیکی بیشتر از تاخیر صوتی کانال اصلی باشد، تنها می تواند نویز دوره ای باند باریک را حذف کند.
همچنین یک ساختار ANC هیبریدی وجود دارد که شامل هر دو ساختار بازخورد و بازخورد است. مزیت اصلی این است که می توانید سفارش فیلتر تطبیقی را ذخیره کنید.
