1. Pengurangan hingar CVC dan DSP:
Apabila pengguna membeli set kepala Bluetooth, mereka akan sentiasa mendengar fungsi pengurangan hingar CVC dan DSP yang dimiliki oleh peniaga dalam mempromosikan fon kepala. Tidak kira berapa ramai pengguna telah mendengar penerangan, ramai pengguna masih tidak memahami perbezaan antara kedua-duanya. Perbezaannya, untuk masalah teknikal seperti itu, kita datang kepada sains kedua-duanya di bawah prinsip kerja dan perbezaan.
DSP ialah singkatan untuk pemprosesan isyarat digital. Prinsip kerjanya: mikrofon mengumpul hingar persekitaran luaran, dan kemudian melalui fungsi sistem pengurangan hingar di dalam fon telinga, ia mereplikasi untuk menjana gelombang bunyi terbalik sama dengan hingar ambien, yang membatalkan hingar dan dengan itu mencapai lebih banyak. Kesan pengurangan bunyi yang baik.
CVC ialah singkatan kepada Clear Voice Capture. Ia adalah teknologi pengurangan hingar perisian. Prinsipnya adalah untuk menyekat pelbagai jenis bunyi bergema melalui perisian dan mikrofon pembatalan hingar terbina dalam.
Perbezaannya seperti berikut:
a. untuk objek adalah berbeza, teknologi CVC adalah terutamanya untuk gema yang dihasilkan semasa panggilan, DSP adalah terutamanya untuk bunyi frekuensi tinggi dan rendah dalam persekitaran luaran.
b. benefisiari yang berbeza, teknologi DSP terutamanya menjadikan pengguna alat dengar pendapatan peribadi, dan CVC terutamanya memberi manfaat kepada pihak lain.
Ringkasnya, fon kepala yang menggunakan teknologi pengurangan hingar DSP dan CVC boleh mengurangkan bunyi persekitaran luaran panggilan dengan berkesan dan meningkatkan kualiti panggilan dan bunyi fon kepala dengan ketara.
2. Pengurangan hingar ANC:
ANC merujuk kepada Active Noise Control, yang secara aktif mengurangkan hingar. Prinsip asas ialah sistem pengurangan hingar menghasilkan gelombang bunyi terbalik sama dengan bunyi luar, meneutralkan bunyi. Rajah 1 ialah gambarajah skematik fon telinga pembatalan hingar aktif suapan. Cip ANC diletakkan di dalam fon telinga. Mikrofon ref (mikrofon rujukan) mengumpul bunyi ambien pada fon telinga. Mikrofon ralat (Mikrofon Ralat) Mengumpul sisa hingar selepas pengurangan hingar dalam fon telinga. Pembesar suara memainkan anti-bunyi selepas pemprosesan ANC.
Rajah 2 ialah gambarajah skematik sistem ANC, dengan tiga lapisan, dipisahkan oleh garis putus-putus. Laluan utama yang paling atas ialah saluran akustik daripada mikrofon ref kepada mikrofon ralat, fungsi tindak balas diwakili oleh P(z)P(z); lapisan tengah ialah saluran analog, di mana laluan sekunder ialah laluan daripada keluaran penapis adaptif kepada baki pulangan. Termasuk DAC, penapis pembinaan semula, penguat kuasa, main balik pembesar suara, pemerolehan semula, pra-penguat, penapis anti-aliasing, ADC; lapisan bawah ialah laluan digital, di mana penapis adaptif sentiasa melaraskan pekali berat penapis untuk mengurangkan baki sehingga penumpuan . Penyelesaian yang paling biasa adalah untuk melaksanakan penapis penyesuaian menggunakan penapis FIR dalam kombinasi dengan algoritma LMS. Permudahkan Rajah 2 dan dapatkan Rajah 3.
Izinkan saya bercakap secara ringkas tentang prinsip penapis penyesuaian dan algoritma LMS (Min kuasa dua terkecil), dan kemudian Rajah 3. Seperti yang ditunjukkan dalam Rajah 4, memandangkan input xx dan output dd yang dikehendaki, penapis penyesuaian mengemas kini pekali setiap lelaran supaya perbezaan antara output yy dan dd menjadi lebih kecil dan lebih kecil sehingga bakinya cukup hampir kepada sifar dan menumpu. LMS ialah algoritma kemas kini untuk penapis adaptif. Fungsi objektif LMS ialah kuasa dua ralat segera e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, untuk meminimumkan fungsi objektif, Mengaplikasikan turunan kecerunan memberikan formula algoritma yang dikemas kini. (Idea algoritma menggunakan keturunan kecerunan untuk meminimumkan objektif dan mendapatkan formula kemas kini parameter yang ingin dicari adalah sangat biasa, seperti regresi linear.) Formula kemas kini algoritma LMS menggunakan penapis FIR ialah: w(n+1) ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), dengan μμ ialah saiz langkah. Jika saiz μμ dilaraskan dengan lelaran, ia adalah algoritma LMS langkah demi langkah.
Mari kita bincangkan tentang Rajah 3. Di sini penapis suai adalah output selepas S(z)S(z) untuk dibandingkan dengan output keinginan. S(z)S(z) akan menyebabkan ketidakstabilan. Dalam literatur, "isyarat ralat tidak 'diselaraskan' dengan betul Dalam masa dengan isyarat rujukan", penumpuan LMS rosak. (Saya tidak tahu apa maksudnya T__T) Kaedah yang berkesan ialah FXLMS (Filtered-X LMS), yang membolehkan x(n) dimasukkan ke modul LMS melalui Sˆ(z)S^(z), Sˆ( z S^(z) ialah anggaran S(z)S(z). Objektif FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Jadi kecerunan=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), di mana s(n)s(n) tidak diketahui, dengan anggaran anggarannya, jadi Formula Kemas Kini FXLMS ialah
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Di mana x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Apabila penapis suai menumpu, 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, jadi W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Maksudnya, pekali berat penapis penyesuaian ditentukan oleh laluan utama dan laluan sekunder fon kepala. Laluan utama dan laluan sekunder alat dengar adalah agak stabil, jadi pekali berat penapis penyesuaian adalah agak stabil. Oleh itu, demi kesederhanaan, pekali berat beberapa fon kepala ANC pengeluar ditentukan di kilang. Sudah tentu, pengalaman mendengar fon telinga ANC ini jelas tidak sebaik fon telinga ANC dengan makna penyesuaian yang sebenar, kerana dalam situasi sebenar, bunyi luaran berbanding arah fon telinga, suhu yang berbeza dan seumpamanya mungkin mempunyai pengaruh terhadap respons saluran fon telinga.
Pengesahan Matlab
Tulis kod Matlab, menggunakan penapis penyesuaian saiz langkah berubah-ubah LMS, hasil simulasi ditunjukkan dalam Rajah 5. Dalam julat 0 hingga 2 kHz, ANC suapan hadapan digunakan untuk menghapuskan hingar putih Gaussian, dan pengecilan hingar ialah 30 dB+ secara purata. FXLMS dalam pustaka Matlab adalah langkah tetap, dan kesannya lebih teruk.
Soalan & Jawapan
a. Mengapakah ANC hanya untuk hingar frekuensi rendah di bawah 2 kHz?
Di satu pihak, penebat bunyi fizikal fon kepala (pengurangan hingar pasif) boleh menyekat hingar frekuensi tinggi dengan berkesan, dan tidak perlu menggunakan ANC untuk mengurangkan hingar frekuensi tinggi. Sebaliknya, bunyi frekuensi rendah mempunyai panjang gelombang yang panjang dan boleh menahan kelewatan fasa tertentu, manakala hingar frekuensi tinggi mempunyai panjang gelombang yang pendek dan sensitif kepada sisihan fasa, jadi ANC menghapuskan bunyi frekuensi tinggi.
b. Apabila kelewatan elektronik lebih besar daripada kelewatan utama, bagaimanakah prestasi algoritma boleh dikurangkan dengan banyak?
Kelewatan P(z) adalah kecil, kelewatan S(z) adalah besar, seperti P(z)=z-1, S(z)=z-2, hanya apabila W(z)=z dapat memenuhi keperluan, bukan -bersebab, Tidak dapat dicapai.
c. Apakah perbezaan antara Feedforward ANC, jalur sempit feedforward ANC dan maklum balas ANC?
Struktur Feedforwad mempunyai mikrofon ref dan mikrofon ralat yang masing-masing mengumpul hingar luaran dan isyarat baki dalaman. Struktur maklum balas hanya mempunyai satu mikrofon ralat, dan isyarat rujukan dijana oleh mikrofon ralat dan output penapis suai.
Suapan jalur lebar adalah struktur yang diterangkan di atas. Dalam struktur jalur sempit, sumber hingar menjana penjana isyarat pencetus isyarat, dan penjana isyarat menjana isyarat rujukan untuk penapis penyesuaian. Hanya terpakai untuk menghapuskan bunyi berkala.
Maklum balas ANC menggunakan mikrofon ralat untuk memulihkan isyarat yang dikumpul oleh mikrofon ref dalam struktur suapan hadapan kerana ia hanya mempunyai mikrofon ralat. Laluan itu tidak memenuhi kekangan penyebab, jadi hanya komponen hingar yang boleh diramal, iaitu hingar berkala jalur sempit, dihapuskan. Perlu diingatkan bahawa jika suapan hadapan tidak memenuhi kekangan penyebab, iaitu kelewatan elektronik lebih lama daripada kelewatan akustik saluran utama, ia hanya boleh menghapuskan bunyi berkala jalur sempit.
Terdapat juga struktur ANC Hibrid yang merangkumi kedua-dua struktur suapan dan maklum balas. Kelebihan utama ialah anda boleh menyimpan susunan penapis penyesuaian.
