1.CVC आणि DSP आवाज कमी करणे:
जेव्हा ग्राहक ब्लूटूथ हेडसेट विकत घेतात, तेव्हा त्यांना नेहमी हेडफोन्सचा प्रचार करण्यासाठी व्यापार्‍यांकडे असलेली CVC आणि DSP नॉइज रिडक्शन फंक्शन्स ऐकू येतात. कितीही वापरकर्त्यांनी वर्णन ऐकले असले तरीही, अनेक ग्राहकांना अजूनही या दोघांमधील फरक समजत नाही. फरक, अशा तांत्रिक समस्येसाठी, आम्ही कार्य तत्त्व आणि फरक अंतर्गत दोघांच्या विज्ञानाकडे येतो.
डीएसपी डिजिटल सिग्नल प्रक्रियेसाठी लघुलेख आहे. त्याचे कार्य तत्त्व: मायक्रोफोन बाह्य पर्यावरणीय आवाज संकलित करतो, आणि नंतर इअरफोनच्या आत आवाज कमी करण्याच्या प्रणालीच्या कार्याद्वारे, तो सभोवतालच्या आवाजाच्या समान रिव्हर्स ध्वनी लहरी निर्माण करण्यासाठी प्रतिकृती बनवतो, ज्यामुळे आवाज रद्द होतो आणि त्यामुळे अधिक साध्य होते. चांगला आवाज कमी करण्याचा प्रभाव.
CVC क्लिअर व्हॉइस कॅप्चरसाठी लहान आहे. हे सॉफ्टवेअर आवाज कमी करण्याचे तंत्रज्ञान आहे. अंगभूत नॉइज कॅन्सलेशन सॉफ्टवेअर आणि मायक्रोफोनद्वारे विविध प्रकारचे रिव्हर्बरेशन नॉइज दाबणे हे तत्त्व आहे.
खालीलप्रमाणे फरक:
a ऑब्जेक्टसाठी भिन्न आहे, CVC तंत्रज्ञान प्रामुख्याने कॉल दरम्यान व्युत्पन्न प्रतिध्वनीसाठी आहे, DSP मुख्यतः बाह्य वातावरणातील उच्च आणि कमी वारंवारता आवाजासाठी आहे.
b भिन्न लाभार्थी, DSP तंत्रज्ञान प्रामुख्याने हेडसेट वापरकर्त्यांना वैयक्तिक उत्पन्न बनवते आणि CVC मुख्यत्वे इतर पक्षाला लाभ देते.
सारांश, DSP आणि CVC नॉइज रिडक्शन तंत्रज्ञानाचा वापर करणारे हेडफोन कॉलच्या बाह्य वातावरणातील आवाज प्रभावीपणे कमी करू शकतात आणि कॉलची गुणवत्ता आणि हेडफोनच्या आवाजात लक्षणीय सुधारणा करू शकतात.
2.ANC आवाज कमी करणे:
ANC सक्रिय आवाज नियंत्रणाचा संदर्भ देते, जे सक्रियपणे आवाज कमी करते. मूळ तत्त्व म्हणजे ध्वनी कमी करणारी यंत्रणा बाहेरील आवाजाइतकीच उलट्या ध्वनी लहरी निर्माण करते, आवाज तटस्थ करते. आकृती 1 हे फीडफॉरवर्ड अ‍ॅक्टिव्ह नॉइज कॅन्सलिंग इयरफोनचे योजनाबद्ध आकृती आहे. एएनसी चिप इअरफोनच्या आत ठेवली जाते. रेफ माइक (संदर्भ मायक्रोफोन) इअरफोन्सवर सभोवतालचा आवाज गोळा करतो. एरर माइक (एरर मायक्रोफोन) इयरफोनमध्ये आवाज कमी झाल्यानंतर उरलेला आवाज गोळा करतो. ANC प्रक्रियेनंतर स्पीकर अँटी-नॉईज वाजवतो.
आकृती 2 हे ANC प्रणालीचे एक योजनाबद्ध आकृती आहे, तीन स्तरांसह, डॅश केलेल्या रेषांनी वेगळे केले आहे. सर्वात वरचा प्राथमिक मार्ग म्हणजे रेफ माइकपासून एरर माइकपर्यंतचा ध्वनिक चॅनेल, प्रतिसाद कार्य P(z)P(z) द्वारे दर्शविले जाते; मधला स्तर अॅनालॉग चॅनेल आहे, जिथे दुय्यम मार्ग हा अॅडॉप्टिव्ह फिल्टर आउटपुटपासून रिटर्न रेसिड्यूअलपर्यंतचा मार्ग आहे. डीएसी, रिकन्स्ट्रक्शन फिल्टर, पॉवर अॅम्प्लीफायर, स्पीकर प्लेबॅक, री-एक्विझिशन, प्री-अॅम्प्लीफायर, अँटी-अलायझिंग फिल्टर, एडीसीसह; तळाचा स्तर हा डिजिटल मार्ग आहे, जेथे अनुकूली फिल्टर अभिसरण होईपर्यंत अवशिष्ट कमी करण्यासाठी फिल्टर वजन गुणांक सतत समायोजित करतो. सर्वात सामान्य उपाय म्हणजे एलएमएस अल्गोरिदमच्या संयोजनात एफआयआर फिल्टर वापरून अनुकूली फिल्टर लागू करणे. आकृती 2 सरलीकृत करा आणि आकृती 3 मिळवा.
मी अॅडॉप्टिव्ह फिल्टर आणि LMS (Least mean स्क्वेअर) अल्गोरिदमच्या तत्त्वांबद्दल थोडक्यात बोलू आणि नंतर आकृती 3. आकृती 4 मध्ये दर्शविल्याप्रमाणे, इनपुट xx आणि इच्छित आउटपुट dd दिल्याप्रमाणे, अडॅप्टिव्ह फिल्टर प्रत्येक पुनरावृत्ती गुणांक अद्यतनित करतो जेणेकरून आउटपुट yy आणि dd मधील फरक जोपर्यंत अवशेष शून्याच्या जवळ येत नाही आणि एकत्र होत नाही तोपर्यंत लहान होत जातो. LMS हे अॅडॉप्टिव्ह फिल्टरसाठी अपडेट अल्गोरिदम आहे. LMS चे वस्तुनिष्ठ कार्य हे तात्काळ त्रुटी e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2 चा वर्ग आहे, कमी करण्यासाठी वस्तुनिष्ठ कार्य, ग्रेडियंट डिसेंट लागू केल्याने अल्गोरिदमचे अद्यतनित सूत्र मिळते. (एखादे उद्दिष्ट कमी करण्यासाठी ग्रेडियंट डिसेंट वापरणे आणि शोधले जाणारे पॅरामीटरचे अद्यतनित सूत्र मिळवणे ही अल्गोरिदमिक कल्पना खूप सामान्य आहे, जसे की रेखीय प्रतिगमन.) FIR फिल्टर वापरून LMS अल्गोरिदमचे अद्यतन सूत्र आहे: w(n+1) ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), जेथे μμ हा पायरी आकार आहे. जर μμ आकार पुनरावृत्तीसह समायोजित केला असेल, तर तो चरण-दर-चरण LMS अल्गोरिदम आहे.
आकृती 3 बद्दल बोलूया. येथे अनुकूली फिल्टर हे इच्छा आउटपुटशी तुलना करण्यासाठी S(z)S(z) नंतर आउटपुट आहे. S(z)S(z) अस्थिरता निर्माण करेल. साहित्यात, "एरर सिग्नल योग्यरितीने 'संरेखित नाही' संदर्भ सिग्नलसह वेळेत", LMS चे अभिसरण तुटलेले आहे. (T__T म्हणजे काय ते मला समजले नाही) FXLMS (फिल्टर्ड-X LMS) ही एक प्रभावी पद्धत आहे, जी x(n) ला Sˆ(z)S^(z), Sˆ( द्वारे LMS मॉड्यूलमध्ये इनपुट करण्यास अनुमती देते. z S^(z) हा S(z)S(z) चा अंदाज आहे. FXLMS चे उद्दिष्ट:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
तर ग्रेडियंट=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), जिथे s(n)s(n) अज्ञात आहे, त्याच्या अंदाजे अंदाजे, त्यामुळे FXLMS अपडेट फॉर्म्युला आहे
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
जेथे x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
जेव्हा अनुकूली फिल्टर अभिसरण होते, तेव्हा 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, म्हणून W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). म्हणजेच, अॅडॉप्टिव्ह फिल्टरचे वजन गुणांक हेडफोनच्या प्राथमिक मार्गाने आणि दुय्यम मार्गाने निर्धारित केले जाते. हेडसेटचा प्राथमिक मार्ग आणि दुय्यम मार्ग तुलनेने स्थिर आहेत, म्हणून अनुकूली फिल्टरचे वजन गुणांक तुलनेने स्थिर आहे. म्हणून, साधेपणासाठी, काही उत्पादकांच्या एएनसी हेडफोनचे वजन गुणांक कारखान्यात निर्धारित केले जातात. अर्थात, या ANC इअरफोनचा ऐकण्याचा अनुभव खर्‍या अनुकूल अर्थाने ANC इअरफोनइतका चांगला नाही, कारण वास्तविक परिस्थितीत, इयरफोनच्या दिशेशी संबंधित बाह्य आवाज, भिन्न तापमान आणि यासारख्या गोष्टींचा प्रभाव असू शकतो. इअरफोनचा चॅनेल प्रतिसाद.
Matlab पडताळणी
व्हेरिएबल स्टेप साईज LMS चे अॅडॉप्टिव्ह फिल्टर वापरून मॅटलॅब कोड लिहा, सिम्युलेशन परिणाम आकृती 5 मध्ये दर्शविले आहेत. 0 ते 2 kHz च्या रेंजमध्ये, फीडफॉरवर्ड ANC चा वापर गॉसियन व्हाईट नॉइज दूर करण्यासाठी केला जातो आणि नॉइज अॅटेन्युएशन 30 dB+ आहे. सरासरी. मॅटलॅब लायब्ररीतील FXLMS स्थिर-चरण आहे आणि परिणाम अधिक वाईट आहे.
प्रश्नोत्तर
a ANC फक्त 2 kHz पेक्षा कमी फ्रिक्वेंसी आवाजासाठी का आहे?
एकीकडे, हेडफोनचे भौतिक ध्वनी इन्सुलेशन (निष्क्रिय आवाज कमी करणे) उच्च-फ्रिक्वेंसी आवाज प्रभावीपणे अवरोधित करू शकते आणि उच्च-फ्रिक्वेंसी आवाज कमी करण्यासाठी ANC वापरणे आवश्यक नाही. दुसरीकडे, कमी-फ्रिक्वेंसी आवाजाची तरंगलांबी लांब असते आणि तो विशिष्ट टप्प्यातील विलंब सहन करू शकतो, तर उच्च-फ्रिक्वेंसी आवाजाची तरंगलांबी लहान असते आणि फेज विचलनासाठी संवेदनशील असते, त्यामुळे ANC उच्च-फ्रिक्वेंसी आवाज काढून टाकते.
b जेव्हा इलेक्ट्रॉनिक विलंब प्राथमिक विलंबापेक्षा मोठा असतो, तेव्हा अल्गोरिदमची कार्यक्षमता मोठ्या प्रमाणात कशी कमी केली जाऊ शकते?
P(z) विलंब लहान आहे, S(z) विलंब मोठा आहे, जसे की P(z)=z-1, S(z)=z-2, फक्त तेव्हाच जेव्हा W(z)=z आवश्यकता पूर्ण करू शकतात, न -कारण, अगम्य.
c फीडफॉरवर्ड एएनसी, नॅरो-बँड फीडफॉरवर्ड एएनसी आणि फीडबॅक एएनसीमध्ये काय फरक आहे?
फीडफॉर्ड स्ट्रक्चरमध्ये रेफ माइक आणि एरर माइक आहे जे अनुक्रमे बाह्य आवाज आणि अंतर्गत अवशिष्ट सिग्नल गोळा करतात. फीडबॅक स्ट्रक्चरमध्ये फक्त एक एरर माइक आहे आणि संदर्भ सिग्नल एरर माइक आणि अडॅप्टिव्ह फिल्टर आउटपुटद्वारे व्युत्पन्न केला जातो.
ब्रॉड-बँड फीडफॉरवर्ड ही वर वर्णन केलेली रचना आहे. अरुंद-बँड स्ट्रक्चरमध्ये, आवाज स्त्रोत सिग्नल ट्रिगर सिग्नल जनरेटर व्युत्पन्न करतो आणि सिग्नल जनरेटर अनुकूली फिल्टरसाठी संदर्भ सिग्नल व्युत्पन्न करतो. केवळ नियतकालिक आवाज काढून टाकण्यासाठी लागू.
फीडबॅक ANC फीडफॉरवर्ड स्ट्रक्चरमध्ये रेफ माइकद्वारे गोळा केलेले सिग्नल पुनर्प्राप्त करण्यासाठी एरर माइक वापरते कारण त्यात फक्त एरर माइक आहे. मार्ग कारणात्मक मर्यादा पूर्ण करत नाही, म्हणून फक्त अंदाज लावता येण्याजोगे आवाज घटक, म्हणजे अरुंद नियतकालिक आवाज, काढून टाकले जातात. हे लक्षात घेतले पाहिजे की जर फीडफॉरवर्ड कारणात्मक मर्यादा पूर्ण करत नसेल, म्हणजे इलेक्ट्रॉनिक विलंब मुख्य वाहिनीच्या ध्वनिक विलंबापेक्षा जास्त असेल, तर तो फक्त नॅरोबँड नियतकालिक आवाज दूर करू शकतो.
एक हायब्रिड एएनसी रचना देखील आहे ज्यामध्ये फीडफॉरवर्ड आणि फीडबॅक संरचना दोन्ही समाविष्ट आहेत. मुख्य फायदा असा आहे की आपण अनुकूली फिल्टरची ऑर्डर जतन करू शकता.
