1.CVC և DSP աղմուկի նվազեցում.
Երբ սպառողները գնում են Bluetooth ականջակալներ, նրանք միշտ կլսեն CVC և DSP աղմուկի նվազեցման գործառույթները, որոնք առևտրականներն ունեն ականջակալները գովազդելու համար: Անկախ նրանից, թե որքան օգտվողներ են լսել նկարագրությունները, շատ սպառողներ դեռ չեն հասկանում այդ երկուսի տարբերությունը: Տարբերությունը, նման տեխնիկական խնդրի համար մենք գալիս ենք երկուսի գիտությանը աշխատանքի սկզբունքի և տարբերության ներքո։
DSP-ն թվային ազդանշանի մշակման սղագրություն է: Նրա աշխատանքի սկզբունքը. խոսափողը հավաքում է արտաքին միջավայրի աղմուկը, այնուհետև ականջակալի ներսում աղմուկի նվազեցման համակարգի գործառույթի միջոցով այն կրկնվում է՝ առաջացնելով հակառակ ձայնային ալիք, որը հավասար է շրջակա միջավայրի աղմուկին, որը չեղարկում է աղմուկը և դրանով իսկ հասնում է ավելիին: Աղմուկի նվազեցման լավ ազդեցություն:
CVC-ն կարճ է Clear Voice Capture-ի համար: Դա աղմուկի նվազեցման ծրագրային ապահովման տեխնոլոգիա է: Սկզբունքն է զսպել տարբեր տեսակի արձագանքման աղմուկը ներկառուցված աղմուկի չեղարկման ծրագրաշարի և խոսափողի միջոցով:
Տարբերությունը հետևյալն է.
ա. քանի որ օբյեկտը տարբեր է, CVC տեխնոլոգիան հիմնականում նախատեսված է զանգի ընթացքում առաջացած արձագանքի համար, DSP-ն հիմնականում արտաքին միջավայրում բարձր և ցածր հաճախականության աղմուկի համար է:
բ. տարբեր շահառուների, DSP տեխնոլոգիան հիմնականում ականջակալների օգտագործողներին դարձնում է անձնական եկամուտ, իսկ CVC-ն հիմնականում շահում է մյուս կողմին:
Ամփոփելով, DSP և CVC աղմուկի նվազեցման տեխնոլոգիա օգտագործող ականջակալները կարող են արդյունավետորեն նվազեցնել զանգի արտաքին միջավայրի աղմուկը և զգալիորեն բարելավել զանգի որակը և ականջակալների ձայնը:
2.ՀԱԿ աղմուկի նվազեցում.
ՀԱԿ-ը վերաբերում է Active Noise Control-ին, որն ակտիվորեն նվազեցնում է աղմուկը: Հիմնական սկզբունքն այն է, որ աղմուկի նվազեցման համակարգը արտադրում է հակառակ ձայնային ալիքներ, որոնք հավասար են արտաքին աղմուկին, չեզոքացնելով աղմուկը: Նկար 1-ը առաջընթաց ակտիվ աղմուկը չեղարկող ականջակալի սխեմատիկ դիագրամ է: ANC չիպը տեղադրված է ականջակալի ներսում։ Ref mic (տեղեկատու խոսափող) հավաքում է շրջակա միջավայրի աղմուկը ականջակալների վրա: Սխալ խոսափող (Error Microphone) Հավաքում է ականջակալի աղմուկի նվազեցումից հետո մնացած աղմուկը: Բարձրախոսը ՀԱԿ-ի մշակումից հետո միացնում է հակաաղմուկը:
Նկար 2-ը ՀԱԿ համակարգի սխեմատիկ գծապատկերն է՝ երեք շերտերով, որոնք բաժանված են կտրված գծերով: Ամենաբարձր առաջնային ուղին ակուստիկ ալիքն է ռեֆ mic-ից մինչև սխալ խոսափող, արձագանքման ֆունկցիան ներկայացված է P(z)P(z); միջին շերտը անալոգային ալիքն է, որտեղ երկրորդական ուղին հարմարվողական ֆիլտրի ելքից մինչև վերադարձի մնացորդն է: Ներառյալ DAC, վերակառուցման ֆիլտր, հզորության ուժեղացուցիչ, բարձրախոսի նվագարկում, վերագրանցում, նախնական ուժեղացուցիչ, հակաալիզացման ֆիլտր, ADC; Ներքևի շերտը թվային ուղին է, որտեղ հարմարվողական ֆիլտրը մշտապես կարգավորում է ֆիլտրի քաշի գործակիցը` նվազեցնելու մնացորդը մինչև կոնվերգենցիան: Ամենատարածված լուծումը հարմարվողական ֆիլտրի ներդրումն է, օգտագործելով FIR ֆիլտրը LMS ալգորիթմի հետ համատեղ: Պարզեցրեք Նկար 2-ը և ստացեք Նկար 3:
Թույլ տվեք հակիրճ խոսել հարմարվողական ֆիլտրի և LMS (Նվազագույն միջին քառակուսի) ալգորիթմի սկզբունքների մասին, այնուհետև Նկար 3-ում: Ինչպես ցույց է տրված Նկար 4-ում, հաշվի առնելով xx մուտքը և ցանկալի ելքը dd, հարմարվողական ֆիլտրը թարմացնում է գործակիցները յուրաքանչյուր կրկնություն այնպես, որ yy և dd արդյունքի միջև տարբերությունը դառնում է ավելի ու ավելի փոքր, քանի դեռ մնացորդը բավական մոտ է զրոյին և կոնվերգիա: LMS-ը հարմարվողական ֆիլտրերի թարմացման ալգորիթմ է: LMS-ի օբյեկտիվ ֆունկցիան e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2 ակնթարթային սխալի քառակուսին է՝ նվազագույնի հասցնելու համար Օբյեկտիվ ֆունկցիան, գրադիենտ իջնելը կիրառելով տալիս է ալգորիթմի թարմացված բանաձևը: (Նպատակը նվազագույնի հասցնելու և փնտրվող պարամետրի թարմացված բանաձևը ստանալու ալգորիթմական գաղափարը շատ տարածված է, ինչպիսին է գծային ռեգրեսիան:) FIR ֆիլտրի օգտագործմամբ LMS ալգորիթմի թարմացման բանաձևը հետևյալն է. w(n+1): ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), որտեղ μμ քայլի չափն է: Եթե μμ չափը ճշգրտվում է կրկնությամբ, ապա դա քայլ առ քայլ LMS ալգորիթմ է:
Եկեք խոսենք Նկար 3-ի մասին: Այստեղ հարմարվողական ֆիլտրը թողարկվում է S(z)S(z)-ից հետո՝ համեմատելու ցանկության ելքի հետ: S(z)S(z)-ն անկայունություն կառաջացնի: Գրականության մեջ «սխալի ազդանշանը ճիշտ չի «հավասարեցվել» Ժամանակի ընթացքում հղումային ազդանշանի հետ», LMS-ի կոնվերգենցիան կոտրված է: (Ես չեմ հասկացել, թե դա ինչ է նշանակում T__T) Արդյունավետ մեթոդ է FXLMS (Filtered-X LMS), որը թույլ է տալիս x(n) մուտքագրել LMS մոդուլը Sˆ(z)S^(z), Sˆ(: z S^(z)-ը S(z)S(z)-ի գնահատումն է:FXLMS-ի նպատակը.
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Այսպիսով, գրադիենտ=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), որտեղ s(n)s(n)-ն անհայտ է՝ իր գնահատական մոտավորությամբ, ուստի FXLMS Update բանաձեւը
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Որտեղ x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n):
Երբ հարմարվողական ֆիլտրը միանում է, 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, ուստի W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z): Այսինքն, հարմարվողական ֆիլտրի քաշի գործակիցը որոշվում է ականջակալների առաջնային և երկրորդական ճանապարհով: Ականջակալի առաջնային ուղին և երկրորդական ուղին համեմատաբար կայուն են, ուստի հարմարվողական ֆիլտրի քաշի գործակիցը համեմատաբար կայուն է: Հետեւաբար, պարզության համար որոշ արտադրողների ANC ականջակալների քաշի գործակիցները որոշվում են գործարանում: Իհարկե, այս ANC ականջակալի ունկնդրման փորձն ակնհայտորեն այնքան էլ լավ չէ, որքան ANC ականջակալը իրական հարմարվողական իմաստով, քանի որ իրական իրավիճակներում արտաքին աղմուկը, որը վերաբերում է ականջակալի ուղղությանը, տարբեր ջերմաստիճանը և այլն, կարող են ազդել ականջակալի ալիքի արձագանքը:
Matlab ստուգում
Գրեք Matlab կոդը՝ օգտագործելով փոփոխական քայլ չափի LMS-ի հարմարվողական ֆիլտրը, մոդելավորման արդյունքները ներկայացված են Նկար 5-ում: 0-ից 2 կՀց միջակայքում, առաջընթաց ANC-ն օգտագործվում է Գաուսի սպիտակ աղմուկը վերացնելու համար, և աղմուկի թուլացումը 30 դԲ+ է: Միջին հաշվով. FXLMS-ը Matlab գրադարանում ֆիքսված է, և ազդեցությունն ավելի վատ է:
Հարց եւ պատասխան
ա. Ինչու է ANC-ը միայն ցածր հաճախականությամբ 2 կՀց-ից ցածր աղմուկի համար:
Մի կողմից, ականջակալների ֆիզիկական ձայնային մեկուսացումը (պասիվ աղմուկի նվազեցում) կարող է արդյունավետորեն արգելափակել բարձր հաճախականության աղմուկը, և բարձր հաճախականության աղմուկը նվազեցնելու համար պարտադիր չէ օգտագործել ANC: Մյուս կողմից, ցածր հաճախականության աղմուկն ունի երկար ալիքի երկարություն և կարող է դիմակայել որոշակի փուլային ուշացման, մինչդեռ բարձր հաճախականության աղմուկն ունի կարճ ալիքի երկարություն և զգայուն է փուլային շեղումների նկատմամբ, ուստի ANC-ը վերացնում է բարձր հաճախականության աղմուկը:
բ. Երբ էլեկտրոնային ուշացումն ավելի մեծ է, քան առաջնային ուշացումը, ինչպե՞ս կարող է ալգորիթմի կատարումը զգալիորեն կրճատվել:
P(z) ուշացումը փոքր է, S(z) ուշացումը մեծ է, օրինակ՝ P(z)=z-1, S(z)=z-2, միայն այն դեպքում, երբ W(z)=z-ը կարող է բավարարել պահանջները, ոչ -պատճառական, անհասանելի:
գ. Ո՞րն է տարբերությունը Feedforward ANC-ի, նեղ շրջանակի հետադարձ կապի ANC-ի և հետադարձ կապի ANC-ի միջև:
Feedforwad կառուցվածքն ունի ռեֆերվային և սխալ խոսափող, որոնք համապատասխանաբար հավաքում են արտաքին աղմուկը և ներքին մնացորդային ազդանշանները: Հետադարձ կապի կառուցվածքն ունի միայն մեկ սխալ խոսափող, և հղման ազդանշանը ստեղծվում է սխալ խոսափողի և հարմարվողական ֆիլտրի ելքի միջոցով:
Լայնաշերտ հոսքագիծը վերը նկարագրված կառուցվածքն է: Նեղ շերտի կառուցվածքում աղմուկի աղբյուրը առաջացնում է ազդանշանի ձգանման ազդանշանի գեներատոր, իսկ ազդանշանի գեներատորը ստեղծում է տեղեկատու ազդանշան հարմարվողական ֆիլտրի համար: Կիրառելի է միայն պարբերական աղմուկը վերացնելու համար:
Հետադարձ կապ ANC-ն օգտագործում է սխալ խոսափող՝ հետադարձ միկրոֆոնի կողմից հավաքագրված ազդանշանը վերականգնելու համար, քանի որ այն ունի միայն սխալ խոսափող: Ճանապարհը չի բավարարում պատճառահետևանքային սահմանափակմանը, ուստի վերացվում են միայն կանխատեսելի աղմուկի բաղադրիչները, այսինքն՝ նեղ շերտի պարբերական աղմուկը: Պետք է նշել, որ եթե առաջընթացը չի բավարարում պատճառահետևանքային սահմանափակումը, այսինքն՝ էլեկտրոնային ուշացումը ավելի երկար է, քան հիմնական ալիքի ակուստիկ ուշացումը, այն կարող է վերացնել միայն նեղ շերտի պարբերական աղմուկը:
Գոյություն ունի նաև հիբրիդային ՀԱԿ կառույց, որը ներառում է և՛ հետադարձ, և՛ հետադարձ կապի կառուցվածքները: Հիմնական առավելությունն այն է, որ դուք կարող եք պահպանել հարմարվողական ֆիլտրի պատվերը:
