1.CVC နှင့် DSP ဆူညံသံလျှော့ချရေး-
သုံးစွဲသူများသည် Bluetooth နားကြပ်များကို ဝယ်ယူသည့်အခါတွင် နားကြပ်များကို အရောင်းမြှင့်တင်ရာတွင် ကုန်သည်များပါရှိသော CVC နှင့် DSP ဆူညံသံလျှော့ချရေးလုပ်ဆောင်ချက်များကို အမြဲကြားနေရမည်ဖြစ်သည်။ ဖော်ပြချက်များကို အသုံးပြုသူ မည်မျှပင်ကြားခဲ့ရပါစေ၊ စားသုံးသူများစွာသည် ၎င်းတို့နှစ်ခုကြား ခြားနားချက်ကို နားမလည်ကြသေးပါ။ ခြားနားချက်၊ ထိုကဲ့သို့သော နည်းပညာဆိုင်ရာ ပြဿနာတစ်ခုအတွက်၊ ကျွန်ုပ်တို့သည် အလုပ်လုပ်သည့် နိယာမနှင့် ခြားနားမှုအောက်တွင် ၎င်းတို့နှစ်ခု၏ သိပ္ပံကို ရောက်ရှိလာပါသည်။
DSP သည် ဒစ်ဂျစ်တယ် အချက်ပြလုပ်ဆောင်ခြင်းအတွက် အတိုကောက်ဖြစ်သည်။ ၎င်း၏ လုပ်ဆောင်မှု နိယာမ- မိုက်ခရိုဖုန်းသည် ပြင်ပပတ်ဝန်းကျင် ဆူညံသံများကို စုဆောင်းကာ နားကြပ်အတွင်းရှိ ဆူညံသံ လျှော့ချရေးစနစ် လုပ်ဆောင်ချက်ဖြင့်၊ ၎င်းသည် ပတ်ဝန်းကျင် ဆူညံသံနှင့် ညီမျှသော ပြောင်းပြန်အသံလှိုင်းကို ထပ်တူပြုကာ ဆူညံမှုကို ချေဖျက်ပေးပြီး ပိုမိုရရှိစေသည်။ ကောင်းသောဆူညံသံလျှော့ချအကျိုးသက်ရောက်မှု။
CVC သည် Clear Voice Capture ၏ အတိုကောက်ဖြစ်သည်။ ၎င်းသည် ဆော့ဖ်ဝဲလ် ဆူညံသံလျှော့ချရေးနည်းပညာဖြစ်သည်။ နိယာမမှာ တပ်ဆင်ထားသော ဆူညံသံပယ်ဖျက်ခြင်းဆော့ဖ်ဝဲလ်နှင့် မိုက်ခရိုဖုန်းမှတဆင့် အမျိုးမျိုးသော အသံဗလံများကို ဖိနှိပ်ရန်ဖြစ်သည်။
ကွာခြားချက်မှာ အောက်ပါအတိုင်းဖြစ်သည်။
a အရာဝတ္တုသည် ကွဲပြားသည့်အတွက်၊ CVC နည်းပညာသည် ဖုန်းခေါ်ဆိုမှုအတွင်း ပဲ့တင်သံအတွက် အဓိကဖြစ်ပြီး၊ DSP သည် ပြင်ပပတ်ဝန်းကျင်ရှိ ကြိမ်နှုန်းမြင့်မားခြင်းနှင့် နိမ့်သောဆူညံမှုအတွက် အဓိကဖြစ်သည်။
ခ မတူညီသောအကျိုးခံစားခွင့်များ၊ DSP နည်းပညာသည် နားကြပ်အသုံးပြုသူများအား ကိုယ်ပိုင်ဝင်ငွေကို အဓိကဖြစ်စေပြီး CVC သည် အခြားပါတီကို အဓိကအားဖြင့် အကျိုးပြုပါသည်။
အချုပ်အားဖြင့်၊ DSP နှင့် CVC ဆူညံသံလျှော့ချရေးနည်းပညာသုံး နားကြပ်များသည် ခေါ်ဆိုမှု၏ ပြင်ပပတ်ဝန်းကျင်၏ ဆူညံသံများကို ထိရောက်စွာ လျှော့ချနိုင်ပြီး ခေါ်ဆိုမှုအရည်အသွေးနှင့် နားကြပ်များ၏ အသံကို သိသိသာသာ မြှင့်တင်ပေးနိုင်ပါသည်။
2.ANC ဆူညံသံ လျှော့ချခြင်း-
ANC သည် ဆူညံသံများကို တက်ကြွစွာ လျှော့ချပေးသည့် Active Noise Control ကို ရည်ညွှန်းသည်။ အခြေခံနိယာမမှာ ဆူညံသံလျှော့ချရေးစနစ်သည် ပြင်ပဆူညံသံနှင့် တူညီသော ပြောင်းပြန်အသံလှိုင်းများကို ထုတ်ပေးပြီး ဆူညံသံကို ပြေပျောက်စေသည်။ ပုံ 1 သည် feedforward active noise canceling နားကြပ်၏ schematic diagram တစ်ခုဖြစ်သည်။ ANC ချစ်ပ်ကို နားကြပ်အတွင်းတွင် ထည့်သွင်းထားသည်။ Ref mic (ကိုးကားမိုက်ခရိုဖုန်း) သည် နားကြပ်များပေါ်ရှိ ပတ်ဝန်းကျင်ဆူညံသံများကို စုဆောင်းသည်။ မိုက်ခရိုဖုန်းအမှား (Error Microphone) နားကြပ်တွင် ဆူညံသံလျော့ချပြီးနောက် ကျန်ရှိသော ဆူညံသံများကို စုဆောင်းသည်။ ANC လုပ်ဆောင်ပြီးနောက် စပီကာသည် ဆူညံသံဆန့်ကျင်မှုကို ဖွင့်သည်။
ပုံ 2 သည် Dashed မျဉ်းများဖြင့် ပိုင်းခြားထားသော အလွှာသုံးလွှာပါရှိသော ANC စနစ်၏ schematic diagram တစ်ခုဖြစ်သည်။ အပေါ်ဆုံးမူလတန်းလမ်းကြောင်းသည် ref mic မှ error mic သို့ အသံပိုင်းဆိုင်ရာချန်နယ်ဖြစ်ပြီး တုံ့ပြန်မှုလုပ်ဆောင်ချက်ကို P(z)P(z) ဖြင့်ကိုယ်စားပြုသည်။ အလယ်အလွှာသည် analog channel ဖြစ်ပြီး၊ ဒုတိယလမ်းကြောင်းသည် adaptive filter output မှ return residual သို့လမ်းကြောင်းဖြစ်သည်။ DAC၊ ပြန်လည်တည်ဆောက်ရေးစစ်ထုတ်မှု၊ ပါဝါအသံချဲ့စက်၊ စပီကာပြန်ဖွင့်မှု၊ ပြန်လည်ရယူမှု၊ အကြို-အသံချဲ့စက်၊ ဆန့်ကျင်သည့် စစ်ထုတ်ကိရိယာ၊ ADC အပါအဝင်၊ အောက်ဆုံးအလွှာသည် ဒစ်ဂျစ်တယ်လမ်းကြောင်းဖြစ်ပြီး ကျန်ရှိသောပေါင်းဆုံမှုအထိ လျော့ချရန် အကြွင်းအကျန်များကို လျှော့ချရန်အတွက် ပေါင်းစည်းသည့်တိုင် ဇကာအလေးချိန်ကို အဆက်မပြတ် ချိန်ညှိပေးသည့် ပေါင်းစည်းမှုဖြစ်သည်။ အသုံးအများဆုံးဖြေရှင်းချက်မှာ LMS algorithm နှင့်ပေါင်းစပ်ထားသော FIR filter ကိုအသုံးပြု၍ adaptive filter တစ်ခုကိုအကောင်အထည်ဖော်ရန်ဖြစ်သည်။ ပုံ 2 ကိုရိုးရှင်းပြီး ပုံ 3 ကိုရယူပါ။
adaptive filter ၏ အခြေခံမူများနှင့် LMS (Least mean square) algorithm အကြောင်း အတိုချုံးပြောပါရစေ၊ ထို့နောက် ပုံ 3 တွင် ပြထားသည့်အတိုင်း ပုံ 4 တွင် ပြထားသည့်အတိုင်း input xx နှင့် လိုချင်သော output dd ကိုပေးထားသော adaptive filter သည် coefficients များကို ထပ်ခါတလဲလဲလုပ်တိုင်း မွမ်းမံပေးပါသည်။ အထွက် yy နှင့် dd အကြား ခြားနားချက်သည် အကြွင်း သုညနှင့် ဆုံသွားသည်အထိ သေးငယ်သည် အထိ သေးငယ်သွားသည် ။ LMS သည် လိုက်လျောညီထွေရှိသော စစ်ထုတ်မှုများအတွက် အပ်ဒိတ်လုပ်ထုံးလုပ်နည်းတစ်ခုဖြစ်သည်။ LMS ၏ ရည်ရွယ်ချက်လုပ်ဆောင်ချက်မှာ e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n)))2 ကို လျှော့ချရန်အတွက်၊ ရည်ရွယ်ချက်လုပ်ဆောင်ချက်၊ gradient ဆင်းသက်မှုကို အသုံးချခြင်းသည် algorithm ၏ မွမ်းမံထားသော ဖော်မြူလာကို ပေးသည်။ (ရည်မှန်းချက်တစ်ခုကို လျှော့ချရန် gradient ဆင်းသက်ခြင်းကို အသုံးပြုခြင်း၏ အယ်လဂိုရီသမ်အယူအဆသည် မျဉ်းကြောင်းပြန်ဆုတ်ခြင်းကဲ့သို့ အလွန်အသုံးများသည်။) FIR filter ကိုအသုံးပြုထားသော LMS အယ်လဂိုရီသမ်၏ အပ်ဒိတ်ဖော်မြူလာမှာ- w(n+1) ဖြစ်သည်။ μµ သည် အဆင့်အရွယ်အစားဖြစ်ပြီး ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n)၊ μμအရွယ်အစားကို ထပ်ကာထပ်ကာဖြင့် ချိန်ညှိပါက၊ ၎င်းသည် အဆင့်ဆင့် LMS algorithm တစ်ခုဖြစ်သည်။
ပုံ 3 အကြောင်း ပြောကြည့်ရအောင်။ ဤနေရာတွင် adaptive filter သည် အလိုဆန္ဒ output နှင့် နှိုင်းယှဉ်ရန် S(z)S(z) ပြီးနောက် အထွက်ဖြစ်သည်။ S(z)S(z) သည် မတည်ငြိမ်မှုကို ဖြစ်စေသည်။ စာပေတွင်၊ "အမှားအချက်ပြမှုသည် ရည်ညွှန်းအချက်ပြမှုဖြင့် အချိန်မီ မှန်ကန်စွာ ညှိမထားကြောင်း" LMS ၏ ပေါင်းဆုံမှု ပျက်သွားပါသည်။ (အဲဒါက ဘာကိုဆိုလိုမှန်း မသိသေးပါ T__T) ထိရောက်သောနည်းလမ်းမှာ Sˆ(z)S^(z) မှတဆင့် x(n) ကို LMS module သို့ ထည့်သွင်းခွင့်ပြုသည့် FXLMS (Filtered-X LMS)၊ z S^(z) သည် S(z)S(z) ၏ ခန့်မှန်းချက်တစ်ခုဖြစ်သည်။ FXLMS ၏ ရည်ရွယ်ချက်-
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])၂၊
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])၂၊
ထို့ကြောင့် gradient=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n)၊ s(n)s(n) မသိနိုင်သော၊ ၎င်း၏ ခန့်မှန်းချက် အနီးစပ်ဆုံး၊ ထို့ကြောင့်၊ FXLMS Update သည် ဖော်မြူလာဖြစ်သည်။
w(n+1)=w(n)+μe(n)x'(n)၊
w(n+1)=w(n)+μe(n)x'(n)၊
x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n)။
လိုက်လျောညီထွေရှိသော စစ်ထုတ်မှု ပေါင်းစည်းသောအခါ 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၊ ထို့ကြောင့် W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z)။ ဆိုလိုသည်မှာ၊ adaptive filter ၏အလေးချိန် coefficient ကို headphone ၏မူလလမ်းကြောင်းနှင့်ဒုတိယလမ်းကြောင်းမှဆုံးဖြတ်သည်။ နားကြပ်၏မူလလမ်းကြောင်းနှင့် ဒုတိယလမ်းကြောင်းသည် အတော်လေးတည်ငြိမ်သည်၊ ထို့ကြောင့် adaptive filter ၏အလေးချိန်ကိန်းသည် အတော်လေးတည်ငြိမ်ပါသည်။ ထို့ကြောင့်၊ ရိုးရှင်းစေရန်အတွက်၊ ထုတ်လုပ်သူအချို့၏ ANC နားကြပ်များ၏ အလေးချိန်ကိန်းများကို စက်ရုံတွင် ဆုံးဖြတ်သည်။ ဟုတ်ပါတယ်၊ ဤ ANC နားကြပ်၏ နားထောင်မှုအတွေ့အကြုံသည် စစ်မှန်သော လိုက်လျောညီထွေရှိသော အဓိပ္ပာယ်ရှိသော ANC နားကြပ်ကဲ့သို့ သိသိသာသာ ကောင်းမွန်ခြင်းမရှိပါ၊ အဘယ်ကြောင့်ဆိုသော် လက်တွေ့အခြေအနေများတွင်၊ ပြင်ပဆူညံသံသည် နားကြပ်၏ဦးတည်ချက်၊ ကွဲပြားသောအပူချိန်နှင့် အခြားအရာများပေါ်တွင် လွှမ်းမိုးမှုရှိနိုင်သောကြောင့်ဖြစ်သည်။ နားကြပ်၏ချန်နယ်တုံ့ပြန်မှု။
Matlab အတည်ပြုခြင်း။
Matlab ကုဒ်ကို မပြောင်းလဲနိုင်သော အဆင့်အရွယ်အစား LMS ၏ လိုက်လျောညီထွေရှိသော စစ်ထုတ်မှုကို အသုံးပြု၍ ပုံ 5 တွင် သရုပ်ဖော်မှုရလဒ်များကို ပြသထားသည်။ 0 မှ 2 kHz အကွာအဝေးတွင်၊ Gaussian အဖြူရောင်ဆူညံမှုကို ဖယ်ရှားရန်အတွက် feedforward ANC ကို အသုံးပြုထားပြီး ဆူညံသံကို 30 dB+ ဖြစ်သည် ပျမ်းမျှ။ Matlab စာကြည့်တိုက်ရှိ FXLMS သည် ပုံသေအဆင့်ဖြစ်ပြီး အကျိုးသက်ရောက်မှုမှာ ပိုဆိုးသည်။
Q & A
a အဘယ်ကြောင့် ANC သည် 2 kHz အောက်ရှိ ကြိမ်နှုန်းနိမ့်ဆူညံသံအတွက်သာ ဖြစ်သနည်း။
တစ်ဖက်တွင်၊ နားကြပ်များ၏ ရုပ်ပိုင်းဆိုင်ရာ အသံ insulation (passive noise reduction) သည် ကြိမ်နှုန်းမြင့်ဆူညံသံများကို ထိထိရောက်ရောက် တားဆီးနိုင်ပြီး ကြိမ်နှုန်းမြင့်ဆူညံသံများကို လျှော့ချရန်အတွက် ANC ကို အသုံးပြုရန် မလိုအပ်ပါ။ အခြားတစ်ဖက်တွင်၊ ကြိမ်နှုန်းနိမ့်ဆူညံသံသည် လှိုင်းအလျားရှည်ပြီး အချို့သော အဆင့်နှောင့်နှေးမှုကို ခံနိုင်ရည်ရှိပြီး ကြိမ်နှုန်းမြင့်သောဆူညံသံသည် လှိုင်းအလျားတိုပြီး အဆင့်သွေဖည်ရန် အာရုံခံစားနိုင်သောကြောင့် ANC သည် ကြိမ်နှုန်းမြင့်ဆူညံသံများကို ဖယ်ရှားပေးပါသည်။
ခ အီလက်ထရွန်းနစ်နှောင့်နှေးမှုသည် မူလနှောင့်နှေးမှုထက် ကြီးမားသောအခါ၊ အယ်လဂိုရီသမ်၏ စွမ်းဆောင်ရည်ကို မည်သို့လျှော့ချနိုင်မည်နည်း။
P(z) နှောင့်နှေးမှုသည် သေးငယ်သည်၊ S(z) နှောင့်နှေးမှုသည် ကြီးမားသည်၊ ဥပမာ P(z)=z-1၊ S(z)=z-2၊ W(z)=z လိုအပ်ချက်များ ပြည့်မီမှသာ၊ မဟုတ်ပါ၊ - အကြောင်းရင်း၊ မရနိုင်ပါ။
ဂ။ Feedforward ANC၊ ဘောင်ကျဉ်းသော feedforward ANC နှင့် တုံ့ပြန်ချက် ANC အကြား ကွာခြားချက်ကား အဘယ်နည်း။
Feedforwad ဖွဲ့စည်းပုံတွင် ပြင်ပဆူညံသံများနှင့် အတွင်းကျန်ရှိနေသည့် အချက်ပြမှုများကို စုဆောင်းပေးသည့် ref mic နှင့် error mic တစ်ခု အသီးသီး ပါရှိသည်။ တုံ့ပြန်ချက်ဖွဲ့စည်းပုံတွင် အမှားအယွင်းမိုက်တစ်ခုသာ ပါရှိပြီး ရည်ညွှန်းအချက်ပြမှုကို အမှားအယွင်းမိုက်နှင့် လိုက်လျောညီထွေရှိသော စစ်ထုတ်မှုအထွက်တို့ဖြင့် ထုတ်လုပ်သည်။
Broad-band feedforward သည် အထက်တွင်ဖော်ပြထားသော ဖွဲ့စည်းပုံဖြစ်သည်။ ကြိုးကျဉ်းဖွဲ့စည်းပုံတွင်၊ ဆူညံသံအရင်းအမြစ်သည် အချက်ပြမှု အစပျိုးအချက်ပြ ဂျင်နရေတာကို ထုတ်ပေးပြီး အချက်ပြမီးစက်သည် လိုက်လျောညီထွေရှိသော စစ်ထုတ်ခြင်းအတွက် ရည်ညွှန်းအချက်ပြမှုကို ထုတ်ပေးသည်။ အချိန်အခါအလိုက် ဆူညံသံများကို ဖယ်ရှားရန်အတွက်သာ သက်ဆိုင်ပါသည်။
တုံ့ပြန်ချက် ANC သည် အမှားအယွင်းမိုက်သာရှိသောကြောင့် ပေးပို့မှုတည်ဆောက်ပုံတွင် ref mic မှစုဆောင်းထားသောအချက်ပြမှုကို ပြန်လည်ရယူရန် error mic ကိုအသုံးပြုသည်။ လမ်းကြောင်းသည် အကြောင်းရင်းခံကန့်သတ်ချက်အား ကျေနပ်မှုမရှိသောကြောင့် ကြိုတင်မှန်းဆနိုင်သော ဆူညံသံအစိတ်အပိုင်းများဖြစ်သည့် ဘောင်ကျဉ်းသော အချိန်အပိုင်းအခြားအလိုက် ဆူညံသံများကိုသာ ဖယ်ရှားပစ်သည်။ အကယ်၍ feedforward သည် အကြောင်းရင်းခံကန့်သတ်ချက်ကို မကျေနပ်ပါက၊ ဆိုလိုသည်မှာ အီလက်ထရွန်းနစ်နှောင့်နှေးမှုသည် main channel acoustic delay ထက် ပိုရှည်သည်၊ ၎င်းသည် ကျဉ်းမြောင်းသော အချိန်အပိုင်းအခြားအလိုက် ဆူညံသံများကိုသာ ဖယ်ရှားပေးနိုင်သည်ကို သတိပြုသင့်သည်။
feedforward နှင့် feedback structure နှစ်ခုလုံးပါ၀င်သော Hybrid ANC ဖွဲ့စည်းပုံလည်း ရှိပါသည်။ အဓိကအားသာချက်မှာ adaptive filter ၏အမိန့်ကိုသင်သိမ်းဆည်းနိုင်ခြင်းဖြစ်သည်။
