1.CVC र DSP शोर कमी:
जब उपभोक्ताहरूले ब्लुटुथ हेडसेटहरू किन्छन्, तिनीहरूले सधैं हेडफोनहरू प्रवर्द्धन गर्न व्यापारीहरूले CVC र DSP आवाज घटाउने कार्यहरू सुन्नेछन्। जतिसुकै प्रयोगकर्ताहरूले विवरणहरू सुने तापनि, धेरै उपभोक्ताहरूले अझै पनि दुई बीचको भिन्नता बुझ्दैनन्। भिन्नता, यस्तो प्राविधिक समस्याको लागि, हामी दुईको कार्य सिद्धान्त र भिन्नता अन्तर्गत विज्ञानमा आउँछौं।
DSP डिजिटल सिग्नल प्रशोधन को लागी एक आशुलिपि हो। यसको कार्य सिद्धान्त: माइक्रोफोनले बाह्य वातावरणीय आवाज सङ्कलन गर्दछ, र त्यसपछि इयरफोन भित्र आवाज घटाउने प्रणालीको कार्य मार्फत, यसले परिवेशको आवाजको बराबर रिभर्स ध्वनि तरंग उत्पन्न गर्न नक्कल गर्दछ, जसले आवाजलाई रद्द गर्दछ र यसरी थप प्राप्त गर्दछ। राम्रो शोर कमी प्रभाव।
CVC Clear Voice Capture को लागि छोटो छ। यो एक सफ्टवेयर आवाज घटाउने प्रविधि हो। सिद्धान्त भनेको बिल्ट-इन शोर रद्द गर्ने सफ्टवेयर र माइक्रोफोन मार्फत विभिन्न प्रकारका रिभरबरेशन आवाजलाई दबाउन हो।
निम्नानुसार भिन्नता:
a वस्तुको लागि फरक छ, CVC प्रविधि मुख्यतया कलको समयमा उत्पन्न इकोको लागि हो, DSP मुख्यतया बाह्य वातावरणमा उच्च र कम फ्रिक्वेन्सी आवाजको लागि हो।
b विभिन्न लाभार्थीहरू, DSP प्रविधिले मुख्य रूपमा हेडसेट प्रयोगकर्ताहरूलाई व्यक्तिगत आय बनाउँछ, र CVC ले मुख्य रूपमा अर्को पक्षलाई फाइदा पुर्याउँछ।
सारांशमा, DSP र CVC आवाज घटाउने प्रविधि प्रयोग गर्ने हेडफोनहरूले कलको बाह्य वातावरणको आवाजलाई प्रभावकारी रूपमा कम गर्न सक्छ, र कलको गुणस्तर र हेडफोनको ध्वनिमा उल्लेखनीय सुधार गर्न सक्छ।
2.ANC शोर कमी:
ANC ले सक्रिय आवाज नियन्त्रणलाई बुझाउँछ, जसले सक्रिय रूपमा आवाज कम गर्छ। आधारभूत सिद्धान्त यो हो कि आवाज घटाउने प्रणालीले बाहिरी आवाजको बराबर उल्टो ध्वनि तरंगहरू उत्पादन गर्दछ, आवाजलाई बेअसर गर्दछ। चित्र १ फिडफर्वार्ड सक्रिय आवाज रद्द गर्ने इयरफोनको योजनाबद्ध रेखाचित्र हो। एएनसी चिप इयरफोन भित्र राखिएको छ। रेफ माइक (सन्दर्भ माइक्रोफोन) इयरफोन मा परिवेश शोर सङ्कलन गर्दछ। एरर माइक (एरर माइक्रोफोन) इयरफोनमा आवाज घटेपछि अवशिष्ट आवाज सङ्कलन गर्दछ। ANC प्रशोधन पछि स्पिकरले विरोधी आवाज बजाउँछ।
चित्र २ एएनसी प्रणालीको योजनाबद्ध रेखाचित्र हो, तीन तहहरू सहित, ड्यास गरिएका रेखाहरूद्वारा विभाजित। माथिल्लो प्राथमिक मार्ग रेफ माइक देखि त्रुटि माइक सम्म ध्वनिक च्यानल हो, प्रतिक्रिया प्रकार्य P(z) P(z) द्वारा प्रतिनिधित्व गरिएको छ; मध्य तह एनालग च्यानल हो, जहाँ माध्यमिक मार्ग अनुकूलन फिल्टर आउटपुटबाट रिटर्न अवशिष्ट सम्मको बाटो हो। DAC, पुनर्निर्माण फिल्टर, पावर एम्पलीफायर, स्पिकर प्लेब्याक, पुन: अधिग्रहण, प्रि-एम्प्लीफायर, एन्टी-अलियासिङ फिल्टर, ADC सहित; तल्लो तह डिजिटल पथ हो, जहाँ अनुकूली फिल्टरले फिल्टरको तौल गुणांकलाई कन्भर्जन्स नभएसम्म अवशिष्ट घटाउन लगातार समायोजन गर्छ। सबै भन्दा साधारण समाधान LMS एल्गोरिथ्म संग संयोजन मा FIR फिल्टर को उपयोग गरेर एक अनुकूली फिल्टर लागू गर्न को लागी छ। चित्र २ लाई सरल बनाउनुहोस् र चित्र ३ प्राप्त गर्नुहोस्।
मलाई अनुकूलन फिल्टर र LMS (कम से कम वर्ग) एल्गोरिथ्मको सिद्धान्तहरूको बारेमा छोटकरीमा कुरा गरौं, र त्यसपछि चित्र 3। चित्र 4 मा देखाइएको रूपमा, इनपुट xx र इच्छित आउटपुट dd दिएर, अनुकूली फिल्टरले प्रत्येक पुनरावृत्ति गुणांकहरू अद्यावधिक गर्दछ। आउटपुट yy र dd बीचको भिन्नता सानो र सानो हुँदै जान्छ जबसम्म अवशिष्ट शून्यसँग पर्याप्त नजीक हुन्छ र कन्भर्ज हुँदैन। LMS अनुकूलन फिल्टरहरूको लागि अद्यावधिक एल्गोरिथ्म हो। LMS को उद्देश्य कार्य तात्कालिक त्रुटि e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2 को वर्ग हो, कम गर्नको लागि। वस्तुगत प्रकार्य, ग्रेडियन्ट डिसेन्ट लागू गर्दा एल्गोरिथ्मको अपडेट गरिएको सूत्र दिन्छ। (एल्गोरिथमिक उद्देश्यलाई न्यूनीकरण गर्न र परिमितिको अपडेट गरिएको सूत्र प्राप्त गर्नको लागि रेखीय प्रतिगमन जस्ता धेरै सामान्य छ।) FIR फिल्टर प्रयोग गरेर LMS एल्गोरिदमको अद्यावधिक सूत्र हो: w(n+1) ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), जहाँ μμ कदम आकार हो। यदि μμ साइज पुनरावृत्तिसँग समायोजन गरिएको छ भने, यो चरण-दर-चरण LMS एल्गोरिदम हो।
चित्र ३ को बारेमा कुरा गरौं। इच्छा आउटपुटसँग तुलना गर्नको लागि यहाँ अनुकूलन फिल्टर S(z)S(z) पछिको आउटपुट हो। S(z)S(z) ले अस्थिरता निम्त्याउनेछ। साहित्यमा, "त्रुटि संकेत सही रूपमा 'पङ्क्तिबद्ध छैन' सन्दर्भ संकेतको साथमा", LMS को अभिसरण बिग्रिएको छ। (मैले T__T को अर्थ बुझेको छैन) एक प्रभावकारी विधि FXLMS (फिल्टर्ड-X LMS) हो, जसले x(n) लाई Sˆ(z)S^(z), Sˆ( मार्फत LMS मोड्युलमा इनपुट गर्न अनुमति दिन्छ। z S^(z) S(z)S(z) को अनुमान हो। FXLMS को उद्देश्य:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
त्यसोभए ग्रेडियन्ट=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), जहाँ s(n)s(n) अज्ञात छ, यसको अनुमानित अनुमानको साथ, त्यसैले FXLMS अपडेट सूत्र हो
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
जहाँ x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n)।
जब अनुकूली फिल्टर रूपान्तरण हुन्छ, 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, त्यसैले W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z)। अर्थात्, अनुकूली फिल्टरको वजन गुणांक प्राथमिक मार्ग र हेडफोनको माध्यमिक मार्ग द्वारा निर्धारण गरिन्छ। हेडसेटको प्राथमिक मार्ग र दोस्रो मार्ग अपेक्षाकृत स्थिर छन्, त्यसैले अनुकूली फिल्टरको वजन गुणांक अपेक्षाकृत स्थिर छ। तसर्थ, सादगीको खातिर, केहि निर्माताहरूको एएनसी हेडफोनको वजन गुणांक कारखानामा निर्धारण गरिन्छ। निस्सन्देह, यस ANC इयरफोनको सुन्ने अनुभव साँचो अनुकूली अर्थको साथ ANC इयरफोन जत्तिकै राम्रो छैन, किनभने वास्तविक परिस्थितिहरूमा, इयरफोनको दिशा, फरक तापक्रम र यस्तै प्रकारका बाहिरी आवाजहरूले प्रभाव पार्न सक्छ। इयरफोनको च्यानल प्रतिक्रिया।
Matlab प्रमाणिकरण
भेरिएबल स्टेप साइज LMS को अनुकूली फिल्टर प्रयोग गरेर Matlab कोड लेख्नुहोस्, सिमुलेशन परिणामहरू चित्र 5 मा देखाइएको छ। 0 देखि 2 kHz को दायरामा, फिडफोरवर्ड ANC गाउसियन सेतो आवाज हटाउन प्रयोग गरिन्छ, र आवाज क्षीणन 30 dB+ हो। औसत मा। Matlab पुस्तकालयमा FXLMS निश्चित-चरण छ, र प्रभाव खराब छ।
प्रश्नोत्तर
a किन एएनसी २ kHz भन्दा कम कम आवृत्ति आवाजको लागि मात्र हो?
एकातिर, हेडफोनको भौतिक ध्वनि इन्सुलेशन (निष्क्रिय आवाज घटाउने) ले उच्च आवृत्तिको आवाजलाई प्रभावकारी रूपमा रोक्न सक्छ, र उच्च-फ्रिक्वेन्सी आवाज कम गर्न ANC प्रयोग गर्नु आवश्यक छैन। अर्कोतर्फ, कम-फ्रिक्वेन्सी आवाजको लामो तरंगदैर्ध्य हुन्छ र यसले निश्चित चरणको ढिलाइलाई सामना गर्न सक्छ, जबकि उच्च-फ्रिक्वेन्सी आवाजको छोटो तरंगदैर्ध्य हुन्छ र चरण विचलनप्रति संवेदनशील हुन्छ, त्यसैले ANC ले उच्च-फ्रिक्वेन्सी आवाज हटाउँछ।
b जब इलेक्ट्रोनिक ढिलाइ प्राथमिक ढिलाइ भन्दा ठूलो छ, कसरी एल्गोरिदम को प्रदर्शन धेरै कम गर्न सकिन्छ?
P(z) ढिलाइ सानो छ, S(z) ढिलाइ ठूलो छ, जस्तै P(z)=z-1, S(z)=z-2, केवल जब W(z)=z आवश्यकताहरू पूरा गर्न सक्छ, गैर - कारण, अगम्य।
ग Feedforward ANC, narrow-band feedforward ANC, र प्रतिक्रिया ANC बीच के भिन्नता छ?
Feedforwad संरचनामा एक रेफ माइक र एक त्रुटि माइक छ जसले क्रमशः बाह्य आवाज र आन्तरिक अवशिष्ट संकेतहरू सङ्कलन गर्दछ। प्रतिक्रिया संरचनामा एउटा मात्र त्रुटि माइक छ, र सन्दर्भ संकेत त्रुटि माइक र अनुकूली फिल्टर आउटपुट द्वारा उत्पन्न हुन्छ।
ब्रॉड-ब्यान्ड फिडफोरवर्ड माथि वर्णन गरिएको संरचना हो। संकीर्ण-ब्यान्ड संरचनामा, शोर स्रोतले सिग्नल ट्रिगर सिग्नल जेनेरेटर उत्पन्न गर्दछ, र संकेत जनरेटरले अनुकूली फिल्टरको लागि सन्दर्भ संकेत उत्पन्न गर्दछ। आवधिक शोर हटाउन मात्र लागू हुन्छ।
फिडब्याक एएनसीले रिफ माइकद्वारा सङ्कलन गरिएको सङ्केतलाई फिडफर्वार्ड संरचनामा रिकभर गर्न त्रुटि माइक प्रयोग गर्छ किनभने यसमा त्रुटि माइक मात्र छ। मार्गले कारण अवरोधलाई सन्तुष्ट गर्दैन, त्यसैले केवल अनुमानित आवाज घटकहरू, अर्थात् साँघुरो ब्यान्ड आवधिक शोर, हटाइन्छ। यो ध्यान दिनुपर्छ कि यदि फिडफर्वार्डले कारण अवरोध पूरा गर्दैन, अर्थात् इलेक्ट्रोनिक ढिलाइ मुख्य च्यानल ध्वनिक ढिलाइ भन्दा लामो छ भने, यसले संकीर्ण आवधिक आवाजलाई मात्र हटाउन सक्छ।
त्यहाँ एक हाइब्रिड एएनसी संरचना पनि छ जसमा दुवै फिडफॉरवर्ड र प्रतिक्रिया संरचनाहरू समावेश छन्। मुख्य फाइदा यो हो कि तपाइँ अनुकूली फिल्टर को अर्डर बचत गर्न सक्नुहुन्छ।
