1.CVC lan DSP noise reduction:
Nalika konsumen tuku headset Bluetooth, mesthi bakal krungu fungsi pengurangan gangguan CVC lan DSP sing diduweni para pedagang kanggo promosi headphone kasebut. Ora ketompo carane akeh pangguna wis krungu katrangan, akeh konsumen isih ora ngerti prabédan antarane loro. Bentenipun, kanggo masalah technical kuwi, kita teka ing ilmu saka loro miturut prinsip kerja lan prabédan.
DSP minangka singkatan kanggo pangolahan sinyal digital. Prinsip kerjane: mikropon nglumpukake gangguan lingkungan eksternal, banjur liwat fungsi sistem pengurangan gangguan ing earphone, replika kanggo ngasilake gelombang swara mbalikke sing padha karo swara sekitar, sing mbatalake gangguan lan entuk luwih akeh. Efek nyuda swara sing apik.
CVC singkatan saka Clear Voice Capture. Iki minangka teknologi pengurangan gangguan piranti lunak. Prinsip kasebut yaiku nyuda macem-macem jinis swara reverberation liwat piranti lunak lan mikropon pembatalan swara sing dibangun.
Bedane kaya ing ngisor iki:
a. kanggo obyek beda, teknologi CVC utamané kanggo kumandhang kui sak telpon, DSP utamané kanggo gangguan frekuensi dhuwur lan kurang ing lingkungan njaba.
b. beneficiaries beda, teknologi DSP utamané ndadekake pangguna headset income pribadi, lan CVC utamané keuntungan pihak liyane.
Ringkesan, headphone sing nggunakake teknologi pengurangan gangguan DSP lan CVC kanthi efektif bisa nyuda gangguan ing lingkungan njaba telpon, lan ningkatake kualitas telpon lan swara headphone kanthi signifikan.
2. Pengurangan kebisingan ANC:
ANC nuduhake Active Noise Control, sing aktif nyuda gangguan. Prinsip dhasar yaiku sistem pengurangan gangguan ngasilake gelombang swara sing padha karo swara njaba, netralake swara kasebut. Gambar 1 minangka diagram skematik saka earphone mbatalake gangguan aktif feedforward. Chip ANC diselehake ing earphone. Ref mic (mikrofon referensi) nglumpukake swara sekitar ing kuping. Error mic (Error Microphone) Nglumpukake sisa-sisa gangguan sawise nyuda swara ing kuping. Speaker muter anti-noise sawise proses ANC.
Gambar 2 minangka diagram skematis sistem ANC, kanthi telung lapisan, dipisahake kanthi garis putus-putus. Path utama uppermost punika saluran akustik saka ref mic kanggo kesalahan mic, fungsi respon dituduhake dening P (z) P (z); lapisan tengah saluran analog, ngendi path secondary path saka output Filter adaptif kanggo ampas bali. Kalebu DAC, filter rekonstruksi, amplifier daya, puter maneh speaker, akuisisi maneh, pre-amplifier, filter anti-aliasing, ADC; lapisan ngisor path digital, ngendi Filter adaptif terus nyetel koefisien bobot Filter kanggo ngurangi ampas nganti konvergensi. Solusi sing paling umum yaiku ngleksanakake saringan adaptif nggunakake saringan FIR kanthi kombinasi algoritma LMS. Sederhanakan Gambar 2 lan entuk Gambar 3.
Ayo kula sedhela ngomong babagan prinsip filter adaptif lan algoritma LMS (Least mean square), banjur Gambar 3. Minangka ditampilake ing Gambar 4, diwenehi input xx lan output dd sing dikarepake, filter adaptif nganyari koefisien saben pengulangan supaya prabédan antarane output yy lan dd dadi cilik lan cilik nganti ampas cukup cedhak nol lan converges. LMS minangka algoritma nganyari kanggo saringan adaptif. Fungsi objektif saka LMS yaiku kuadrat saka kesalahan instan e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, kanggo nyilikake fungsi adil, Nglamar keturunan gradien menehi rumus dianyari saka algoritma. (Ide algoritma nggunakake turunan gradien kanggo nyilikake obyektif lan entuk rumus sing dianyari saka parameter sing bakal digoleki umum banget, kayata regresi linier.) Rumus nganyari algoritma LMS nggunakake filter FIR yaiku: w(n+1) ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), ngendi μμ iku ukuran langkah. Yen ukuran μμ diatur kanthi pengulangan, iki minangka algoritma LMS langkah-langkah.
Ayo dadi pirembagan bab Figure 3. Kene Filter adaptif punika output sawise S (z) S (z) kanggo mbandhingaké karo output kepinginan. S(z)S(z) bakal nyebabake kahanan ora stabil. Ing literatur, "sinyal kesalahan ora bener 'selaras' Ing wektu karo sinyal referensi", konvergensi LMS rusak. (Aku durung ngerti apa tegese T__T) Cara sing efektif yaiku FXLMS (Filter-X LMS), sing ngidini x (n) dadi input menyang modul LMS liwat Sˆ(z)S^(z), Sˆ( z S^(z) minangka taksiran saka S(z)S(z).Tujuan FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Dadi gradien=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), ing ngendi s(n)s(n) ora dingerteni, kanthi perkiraan perkiraan, dadi Formula FXLMS Update yaiku
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Where x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Nalika saringan adaptif konvergen, 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, dadi W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Tegese, koefisien bobot saringan adaptif ditemtokake dening jalur utama lan jalur sekunder headphone. Jalur utami lan jalur sekunder headset relatif stabil, saéngga koefisien bobot saringan adaptif relatif stabil. Mulane, kanggo kesederhanaan, koefisien bobot sawetara headphone ANC pabrikan ditemtokake ing pabrik. Mesthine, pengalaman ngrungokake kuping ANC iki temenan ora apik kaya kuping ANC kanthi makna adaptif sing sejati, amarga ing kahanan nyata, swara eksternal relatif marang arah earphone, suhu sing beda lan liya-liyane bisa uga duwe pengaruh. nanggepi saluran saka earphone.
Verifikasi Matlab
Nulis kode Matlab, nggunakake panyaring adaptif saka ukuran langkah variabel LMS, asil simulasi ditampilake ing Figure 5. Ing sawetara 0 kanggo 2 kHz, feedforward ANC digunakake kanggo ngilangi gangguan putih Gaussian, lan atenuasi gangguan 30 dB + ing rata-rata. FXLMS ing perpustakaan Matlab tetep-langkah, lan efek luwih elek.
Tanya Jawab
a. Napa ANC mung kanggo gangguan frekuensi kurang ing ngisor 2 kHz?
Ing tangan siji, insulasi swara fisik saka headphone (pengurangan gangguan pasif) kanthi efektif bisa ngalangi gangguan frekuensi dhuwur, lan ora perlu nggunakake ANC kanggo nyuda gangguan frekuensi dhuwur. Ing sisih liya, swara frekuensi rendah nduweni dawa gelombang sing dawa lan bisa tahan wektu tundha fase tartamtu, dene gangguan frekuensi dhuwur nduweni dawa gelombang sing cendhak lan sensitif marang panyimpangan fase, mula ANC ngilangi gangguan frekuensi dhuwur.
b. Nalika wektu tundha elektronik luwih gedhe tinimbang tundha utama, kepiye kinerja algoritma bisa dikurangi?
P(z) tundha cilik, S(z) tundha gedhe, kayata P(z)=z-1, S(z)=z-2, mung nalika W(z)=z bisa nyukupi syarat, non - sabab, ora bisa digayuh.
c. Apa bedane Feedforward ANC, feedforward ANC pita sempit, lan ANC umpan balik?
Struktur Feedforwad nduweni ref mic lan kesalahan mic sing ngumpulake gangguan eksternal lan sinyal residual internal. Struktur umpan balik mung duwe siji mic kesalahan, lan sinyal referensi digawe dening kesalahan mic lan output filter adaptif.
Feedforward Broad-band minangka struktur sing diterangake ing ndhuwur. Ing struktur pita sempit, sumber swara ngasilake generator sinyal pemicu sinyal, lan generator sinyal ngasilake sinyal referensi kanggo filter adaptif. Mung ditrapake kanggo ngilangi gangguan periodik.
Umpan balik ANC nggunakake mic kesalahan kanggo mbalekake sinyal sing diklumpukake dening ref mic ing struktur feedforward amarga mung duwe kesalahan mic. Path ora nyukupi kendala sebab, mula mung komponen swara sing bisa diprediksi, yaiku gangguan periodik narrowband, sing diilangi. Sampeyan kudu nyatet yen feedforward ora gawe marem alangan sabab, IE wektu tundha elektronik luwih saka tundha akustik saluran utama, iku mung bisa ngilangke gangguan periodik narrowband.
Ana uga struktur ANC Hibrida sing kalebu struktur feedforward lan umpan balik. Kauntungan utama yaiku sampeyan bisa nyimpen urutan filter adaptif.
