1.CVC 및 DSP 소음 감소:
소비자가 블루투스 헤드셋을 구매할 때 판매자가 헤드폰을 홍보할 때 제공하는 CVC 및 DSP 소음 감소 기능을 항상 듣게 됩니다. 아무리 많은 사용자가 설명을 들어도 많은 소비자는 여전히 둘 사이의 차이점을 이해하지 못합니다. 이러한 기술적 문제에 대한 차이점은 작동 원리와 차이점에 따라 두 가지 과학에 도달합니다.
DSP는 디지털 신호 처리의 약어입니다. 작동 원리: 마이크는 외부 환경 소음을 수집한 다음 이어폰 내부의 소음 감소 시스템 기능을 통해 복제하여 주변 소음과 동일한 역방향 음파를 생성하여 소음을 제거하여 더 많은 것을 달성합니다. 좋은 소음 감소 효과.
CVC는 Clear Voice Capture의 약자입니다. 소프트웨어 노이즈 감소 기술입니다. 내장된 소음 제거 소프트웨어와 마이크를 통해 다양한 유형의 잔향 소음을 억제하는 것이 원리입니다.
차이점은 다음과 같습니다.
ㅏ. 물체가 다르기 때문에 CVC 기술은 주로 통화 중에 발생하는 에코에 사용되며 DSP는 주로 외부 환경의 고주파 및 저주파 소음에 사용됩니다.
비. 수혜자가 다르기 때문에 DSP 기술은 주로 헤드셋 사용자에게 개인 소득을 제공하고 CVC는 주로 상대방에게 이익을 줍니다.
요약하자면, DSP와 CVC 소음 감소 기술을 적용한 헤드폰은 통화 시 외부 환경의 소음을 효과적으로 줄여 통화 품질과 헤드폰 사운드를 크게 향상시킬 수 있습니다.
2.ANC 소음 감소:
ANC는 능동적으로 소음을 줄여주는 Active Noise Control을 말합니다. 기본 원리는 소음 감소 시스템이 외부 소음과 동일한 역음파를 생성하여 소음을 중화시키는 것입니다. 도 1은 피드포워드 능동형 소음 제거 이어폰의 개략도이다. ANC 칩은 이어폰 내부에 위치합니다. Ref mic(레퍼런스 마이크)는 이어폰에서 주변 소음을 수집합니다. 에러 마이크(Error Microphone) 이어폰 내부의 소음 감소 후 잔여 소음을 수집합니다. 스피커는 ANC 처리 후 소음 방지 기능을 재생합니다.
그림 2는 점선으로 구분된 세 개의 레이어로 구성된 ANC 시스템의 개략도입니다. 최상위 기본 경로는 참조 마이크에서 오류 마이크까지의 음향 채널이며, 응답 함수는 P(z)P(z)로 표시됩니다. 중간 계층은 아날로그 채널이며, 여기서 보조 경로는 적응형 필터 출력에서 반환 잔류까지의 경로입니다. DAC, 재구성 필터, 전력 증폭기, 스피커 재생, 재획득, 사전 증폭기, 앤티앨리어싱 필터, ADC 포함; 맨 아래 레이어는 디지털 경로로, 적응형 필터는 필터 가중치 계수를 지속적으로 조정하여 수렴할 때까지 잔차를 줄입니다. 가장 일반적인 솔루션은 LMS 알고리즘과 함께 FIR 필터를 사용하여 적응형 필터를 구현하는 것입니다. 그림 2를 단순화하고 그림 3을 얻습니다.
적응형 필터의 원리와 LMS(Least Mean Square) 알고리즘에 대해 간략하게 설명하고 그림 3을 살펴보겠습니다. 그림 4에서 볼 수 있듯이 입력 xx와 원하는 출력 dd가 주어지면 적응형 필터는 매 반복마다 계수를 업데이트하여 다음과 같이 됩니다. 출력 yy와 dd 사이의 차이는 잔차가 2에 가까워지고 수렴될 때까지 점점 더 작아집니다. LMS는 적응형 필터의 업데이트 알고리즘입니다. LMS의 목적 함수는 다음을 최소화하기 위해 순간 오류 e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))1의 제곱입니다. 목적 함수, 경사하강법을 적용하면 알고리즘의 업데이트된 공식이 제공됩니다. (목표를 최소화하고 찾고자 하는 매개변수의 업데이트된 공식을 얻기 위해 경사하강법을 사용하는 알고리즘 아이디어는 선형 회귀와 같이 매우 일반적입니다.) FIR 필터를 사용하는 LMS 알고리즘의 업데이트 공식은 다음과 같습니다. ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), 여기서 μμ는 단계 크기입니다. 반복을 통해 μμ 크기를 조정하면 단계별 LMS 알고리즘입니다.
그림 3에 대해 이야기해 보겠습니다. 여기서 적응형 필터는 S(z)S(z) 이후에 출력되어 원하는 출력과 비교됩니다. S(z)S(z)는 불안정성을 유발합니다. 문헌에는 "오류 신호가 기준 신호에 맞춰 정확하게 '정렬'되지 않습니다"라고 나와 있으므로 LMS의 수렴이 깨집니다. (무슨 뜻인지는 모르겠습니다 T__T) 효과적인 방법은 FXLMS(Filtered-X LMS)입니다. 이를 통해 Sˆ(z)S^(z), Sˆ(를 통해 x(n)을 LMS 모듈에 입력할 수 있습니다. z S^(z)는 S(z)S(z)의 추정치입니다. FXLMS의 목적:
E2(n)=(d(n)−s(n)*[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)*[wT(n)x(n)])2,
따라서 그래디언트=−2e(n)s(n)*x(n)−2e(n)s(n)*x(n), 여기서 s(n)s(n)은 알 수 없으며 추정 근사값이 있으므로 FXLMS 업데이트 공식은 다음과 같습니다.
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
여기서 x'(n)=s^(n)*x(n)x'(n)=s^(n)*x(n)입니다.
적응 필터가 수렴할 때 E(z)=X(z)P(z)−X(z)W(z)S(z)≒0E(z)=X(z)P(z)−X(z ) W(z)S(z) ≒ 0이므로 W(z) ≒ P(z) / S(z) W(z) ≒ P(z) / S(z). 즉, 적응형 필터의 가중치 계수는 헤드폰의 XNUMX차 경로와 XNUMX차 경로에 의해 결정된다. 헤드셋의 기본 경로와 보조 경로가 상대적으로 안정적이므로 적응 필터의 가중치 계수도 상대적으로 안정적입니다. 따라서 단순화를 위해 일부 제조업체의 ANC 헤드폰의 중량 계수는 공장에서 결정됩니다. 물론, 이 ANC 이어폰의 청취 경험은 진정한 적응 의미를 지닌 ANC 이어폰만큼 좋지는 않습니다. 왜냐하면 실제 상황에서는 이어폰 방향에 따른 외부 소음, 다양한 온도 등이 음악에 영향을 미칠 수 있기 때문입니다. 이어폰의 채널 응답.
Matlab 검증
가변 스텝 크기 LMS의 적응형 필터를 사용하여 Matlab 코드를 작성하면 시뮬레이션 결과가 그림 5에 표시됩니다. 0~2kHz 범위에서 피드포워드 ANC를 사용하여 가우스 백색 잡음을 제거하고 잡음 감쇠는 30dB+입니다. 평균적으로. Matlab 라이브러리의 FXLMS는 고정 단계이므로 효과가 더 나쁩니다.
질문 게시판
ㅏ. ANC가 2kHz 미만의 저주파 잡음에만 사용되는 이유는 무엇입니까?
한편, 헤드폰의 물리적 방음(수동 소음 감소)은 고주파 소음을 효과적으로 차단할 수 있으며 고주파 소음을 줄이기 위해 ANC를 사용할 필요는 없습니다. 반면 저주파 잡음은 파장이 길어 일정한 위상 지연을 견딜 수 있는 반면, 고주파 잡음은 파장이 짧아 위상 편차에 민감하므로 ANC는 고주파 잡음을 제거한다.
비. 전자 지연이 XNUMX차 지연보다 큰 경우 알고리즘 성능이 어떻게 크게 저하될 수 있습니까?
P(z) 지연은 작고, S(z) 지연은 큽니다(예: P(z)=z-1, S(z)=z-2). W(z)=z가 요구 사항을 충족할 수 있는 경우에만 가능합니다. -원인, 도달 불가능.
씨. 피드포워드 ANC, 협대역 피드포워드 ANC, 피드백 ANC의 차이점은 무엇입니까?
Feedforwad 구조에는 각각 외부 노이즈와 내부 잔여 신호를 수집하는 참조 마이크와 오류 마이크가 있습니다. 피드백 구조에는 오류 마이크가 하나만 있으며 참조 신호는 오류 마이크와 적응형 필터 출력에 의해 생성됩니다.
광대역 피드포워드는 위에서 설명한 구조입니다. 협대역 구조에서 잡음원은 신호 트리거 신호 생성기를 생성하고, 신호 생성기는 적응 필터를 위한 참조 신호를 생성합니다. 주기적인 노이즈 제거에만 적용 가능합니다.
피드백 ANC는 오류 마이크만 있기 때문에 피드포워드 구조에서 참조 마이크에 의해 수집된 신호를 복구하기 위해 오류 마이크를 사용합니다. 경로가 인과적 제약을 만족하지 않으므로 예측 가능한 잡음 성분, 즉 협대역 주기 잡음만 제거됩니다. 피드포워드가 인과적 제약을 만족하지 않는 경우, 즉 전자 지연이 메인 채널 음향 지연보다 길면 협대역 주기 잡음만 제거할 수 있다는 점에 유의해야 합니다.
피드포워드와 피드백 구조를 모두 포함하는 하이브리드 ANC 구조도 있습니다. 가장 큰 장점은 적응 필터의 순서를 저장할 수 있다는 것입니다.
