1. הפחתת רעש CVC ו-DSP:
כאשר צרכנים קונים אוזניות Bluetooth, הם תמיד ישמעו את פונקציות הפחתת הרעש של CVC ו-DSP שיש לסוחרים בקידום האוזניות. לא משנה כמה משתמשים שמעו את התיאורים, צרכנים רבים עדיין לא מבינים את ההבדל בין השניים. ההבדל, עבור בעיה טכנית כזו, אנו מגיעים למדע של השניים תחת עקרון העבודה וההבדל.
DSP הוא קיצור לעיבוד אותות דיגיטלי. עקרון העבודה שלו: המיקרופון קולט רעשי סביבה חיצוניים, ולאחר מכן באמצעות פונקציית מערכת הפחתת הרעשים בתוך האוזניה, הוא משכפל כדי ליצור גל קול הפוך השווה לרעש הסביבה, שמבטל את הרעש ובכך משיג יותר. אפקט הפחתת רעש טוב.
CVC הוא קיצור של Clear Voice Capture. זוהי טכנולוגיה להפחתת רעש תוכנה. העיקרון הוא לדכא סוגים שונים של רעשי הדהוד באמצעות תוכנת ביטול הרעש המובנית והמיקרופון.
ההבדל כדלקמן:
א. שכן האובייקט שונה, טכנולוגיית CVC מיועדת בעיקר להד שנוצר במהלך השיחה, DSP מיועדת בעיקר לרעש בתדר גבוה ונמוך בסביבה החיצונית.
ב. נהנים שונים, טכנולוגיית DSP בעיקר הופכת את משתמשי האוזניות להכנסה אישית, ו-CVC מועיל בעיקר לצד השני.
לסיכום, אוזניות המשתמשות בטכנולוגיית הפחתת רעשים DSP ו-CVC יכולות להפחית ביעילות את רעשי הסביבה החיצונית של השיחה, ולשפר משמעותית את איכות השיחה ואת צליל האוזניות.
2. הפחתת רעש של ANC:
ANC מתייחס ל-Active Noise Control, אשר מפחית באופן אקטיבי את הרעש. העיקרון הבסיסי הוא שמערכת הפחתת הרעש מייצרת גלי קול הפוכים השווים לרעש החיצוני, ומנטרלת את הרעש. איור 1 הוא תרשים סכמטי של אוזניות ביטול רעשים אקטיביות בהזנה קדימה. שבב ה-ANC ממוקם בתוך האוזניה. מיקרופון Ref (מיקרופון התייחסות) אוסף רעשי סביבה על האוזניות. מיקרופון שגיאה (מיקרופון שגיאה) אוסף את הרעש שנותר לאחר הפחתת רעש באוזניה. הרמקול משמיע את האנטי-רעש לאחר עיבוד ANC.
איור 2 הוא דיאגרמה סכמטית של מערכת ANC, עם שלוש שכבות, מופרדות בקווים מקווקוים. הנתיב הראשוני העליון הוא הערוץ האקוסטי ממיקרופון ref למיקרופון שגיאה, פונקציית התגובה מיוצגת על ידי P(z)P(z); השכבה האמצעית היא הערוץ האנלוגי, כאשר הנתיב המשני הוא הנתיב מפלט המסנן האדפטיבי לשארית ההחזרה. כולל DAC, מסנן שחזור, מגבר הספק, השמעת רמקולים, רכישה מחדש, מגבר קדם, מסנן נגד זיהוי, ADC; השכבה התחתונה היא הנתיב הדיגיטלי, שבו מסנן אדפטיבי מכוון כל הזמן את מקדם משקל המסנן כדי להפחית את השאריות עד להתכנסות. הפתרון הנפוץ ביותר הוא הטמעת מסנן אדפטיבי באמצעות מסנן FIR בשילוב עם אלגוריתם LMS. פשט את איור 2 וקבל את איור 3.
הרשו לי לדבר בקצרה על העקרונות של מסנן אדפטיבי ואלגוריתם LMS (Least mean square) ולאחר מכן על איור 3. כפי שמוצג באיור 4, בהינתן הקלט xx והפלט הרצוי dd, המסנן האדפטיבי מעדכן את המקדמים בכל איטרציה כך ההפרש בין הפלט yy ל-dd הולך וקטן עד שהשארית קרובה מספיק לאפס ומתכנסת. LMS הוא אלגוריתם עדכון עבור מסננים אדפטיביים. הפונקציה האובייקטיבית של LMS היא הריבוע של השגיאה המיידית e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, על מנת למזער הפונקציה האובייקטיבית, יישום הירידה בשיפוע נותן את הנוסחה המעודכנת של האלגוריתם. (הרעיון האלגוריתמי של שימוש בירידה בשיפוע כדי למזער יעד ולקבל את הנוסחה המעודכנת של הפרמטר שאליו יש לחפש הוא נפוץ מאוד, כמו רגרסיה לינארית.) נוסחת העדכון של אלגוריתם LMS באמצעות מסנן FIR היא: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), כאשר μμ הוא גודל הצעד. אם גודל μμ מותאם עם איטרציה, זהו אלגוריתם LMS שלב אחר שלב.
בואו נדבר על איור 3. כאן המסנן האדפטיבי יוצא לאחר S(z)S(z) כדי להשוות לפלט הרצון. S(z)S(z) יגרום לחוסר יציבות. בספרות, "אות השגיאה אינו 'מיושר' כהלכה בזמן עם אות הייחוס", ההתכנסות של ה-LMS נשברת. (לא הבנתי מה זה אומר T__T) שיטה יעילה היא FXLMS (Filtered-X LMS), המאפשרת להזין x(n) למודול LMS דרך Sˆ(z)S^(z), Sˆ( z S^(z) הוא אומדן של S(z)S(z). המטרה של FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
אז שיפוע=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), כאשר s(n)s(n) אינו ידוע, עם קירוב האומדן שלו, כך נוסחת עדכון FXLMS היא
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
כאשר x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
כאשר המסנן האדפטיבי מתכנס, 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, אז W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). כלומר, מקדם המשקל של המסנן האדפטיבי נקבע על ידי הנתיב הראשוני והנתיב המשני של האוזניות. הנתיב הראשי והנתיב המשני של האוזניות יציבים יחסית, ולכן מקדם המשקל של המסנן האדפטיבי יציב יחסית. לכן, למען הפשטות, מקדמי המשקל של אוזניות ANC של חלק מהיצרנים נקבעים במפעל. כמובן שחווית ההאזנה של אוזניות ANC זו אינה טובה כמו אוזניות ANC עם משמעות אדפטיבית אמיתית, מכיוון שבמצבים בפועל, הרעש החיצוני ביחס לכיוון האוזניות, טמפרטורה שונה וכדומה עשוי להשפיע על תגובת הערוץ של האוזניות.
אימות Matlab
כתוב קוד Matlab, תוך שימוש במסנן האדפטיבי של LMS בגודל צעד משתנה, תוצאות הסימולציה מוצגות באיור 5. בטווח של 0 עד 2 קילו-הרץ, ה-ANC ההזנה-פורוורד משמש לביטול רעש לבן גאוס, והנחתת הרעש היא 30 dB+ בממוצע. ה-FXLMS בספריית Matlab הוא שלב קבוע, והאפקט גרוע יותר.
שאלות ותשובות
א. מדוע ה-ANC מיועד רק לרעש בתדר נמוך מתחת ל-2 קילו-הרץ?
מצד אחד, בידוד הקול הפיזי של האוזניות (הפחתת רעש פסיבי) יכול למעשה לחסום רעשים בתדר גבוה, ואין צורך להשתמש ב-ANC כדי להפחית רעשים בתדר גבוה. מצד שני, לרעש בתדר נמוך יש אורך גל ארוך ויכול לעמוד בהשהיית פאזה מסוימת, בעוד שלרעש בתדר גבוה יש אורך גל קצר ורגיש לסטיית פאזה, ולכן ANC מבטל רעש בתדר גבוה.
ב. כאשר ההשהיה האלקטרונית גדולה מההשהיה העיקרית, כיצד ניתן להפחית במידה ניכרת את ביצועי האלגוריתם?
עיכוב P(z) קטן, השהיה S(z) גדול, כגון P(z)=z-1, S(z)=z-2, רק כאשר W(z)=z יכול לעמוד בדרישות, לא -סיבתי, בלתי ניתן להשגה.
ג. מה ההבדל בין Feedforward ANC, Feedforward ANC עם פס צר ומשוב ANC?
למבנה Feedforwad יש מיקרופון ref ומיקרופון שגיאה האוספים רעש חיצוני ואותות שיוריים פנימיים, בהתאמה. למבנה המשוב יש רק מיקרופון שגיאה אחד, ואות ההתייחסות נוצר על ידי מיקרופון שגיאה ופלט מסנן אדפטיבי.
ההזנה קדימה בפס רחב הוא המבנה שתואר לעיל. במבנה צר-הפס, מקור הרעש יוצר מחולל אות מפעיל אותות, ומחולל האותות יוצר אות ייחוס עבור המסנן האדפטיבי. ישים רק להעלמת רעש תקופתי.
משוב ANC משתמש במיקרופון שגיאה כדי לשחזר את האות שנאסף על ידי מיקרופון ref במבנה ההזנה קדימה מכיוון שיש לו רק מיקרופון שגיאה. הנתיב אינו עונה על האילוץ הסיבתי, ולכן רק מרכיבי הרעש הניתנים לחיזוי, כלומר הרעש המחזורי צר הפס, מתבטלים. יש לציין שאם ה-feedforward אינו עומד באילוץ הסיבתי, כלומר ההשהיה האלקטרונית ארוכה מההשהיה האקוסטית של הערוץ הראשי, היא יכולה רק לבטל את הרעש התקופתי צר פס.
יש גם מבנה ANC Hybrid הכולל גם את מבני ההזדמנויות והמשוב. היתרון העיקרי הוא שניתן לשמור את סדר המסנן האדפטיבי.
