1.CVC og DSP støyreduksjon:
Når forbrukere kjøper Bluetooth-hodetelefoner, vil de alltid høre CVC- og DSP-støyreduksjonsfunksjonene som selgerne har for å markedsføre hodetelefonene. Uansett hvor mange brukere som har hørt beskrivelsene, forstår mange forbrukere fortsatt ikke forskjellen mellom de to. Forskjellen, for et slikt teknisk problem, kommer vi til vitenskapen om de to under arbeidsprinsippet og forskjellen.
DSP er en forkortelse for digital signalbehandling. Dens arbeidsprinsipp: mikrofonen samler opp ekstern miljøstøy, og deretter gjennom støyreduksjonssystemets funksjon inne i øretelefonen, replikerer den for å generere en omvendt lydbølge lik omgivelsesstøyen, som kansellerer støyen og dermed oppnår mer. God støyreduserende effekt.
CVC er forkortelse for Clear Voice Capture. Det er en programvarestøyreduksjonsteknologi. Prinsippet er å undertrykke ulike typer etterklangsstøy gjennom den innebygde støyreduksjonsprogramvaren og mikrofonen.
Forskjellen som følger:
en. for objektet er annerledes, CVC-teknologi er hovedsakelig for ekkoet som genereres under samtalen, DSP er hovedsakelig for høy- og lavfrekvent støy i det ytre miljøet.
b. forskjellige begunstigede, DSP-teknologi gir hovedsakelig hodesettbrukere personlig inntekt, og CVC kommer hovedsakelig den andre parten til gode.
Oppsummert kan hodetelefoner som bruker DSP og CVC støyreduksjonsteknologi effektivt redusere støyen fra det ytre miljøet til samtalen, og forbedre kvaliteten på samtalen og lyden til hodetelefonene betydelig.
2.ANC støyreduksjon:
ANC refererer til Active Noise Control, som aktivt reduserer støy. Grunnprinsippet er at støyreduksjonssystemet produserer omvendte lydbølger lik støyen utenfor, og nøytraliserer støyen. Figur 1 er et skjematisk diagram av en fremadrettet aktiv støyreduserende øretelefon. ANC-brikken er plassert inne i øretelefonen. Ref mic (referansemikrofon) samler opp omgivelsesstøy på øretelefonene. Error mic (Error Microphone) Samler opp gjenværende støy etter støyreduksjon i øretelefonen. Høyttaleren spiller av anti-støy etter ANC-behandling.
Figur 2 er et skjematisk diagram av ANC-systemet, med tre lag, atskilt med stiplede linjer. Den øverste primære banen er den akustiske kanalen fra ref mikrofon til feilmikrofon, responsfunksjonen er representert ved P(z)P(z); det midterste laget er den analoge kanalen, hvor den sekundære banen er banen fra den adaptive filterutgangen til returresten. Inkludert DAC, rekonstruksjonsfilter, effektforsterker, høyttaleravspilling, re-acquisition, pre-forsterker, anti-aliasing filter, ADC; det nederste laget er den digitale banen, der adaptivt filter konstant justerer filtervektskoeffisienten for å redusere gjenværende inntil konvergens. Den vanligste løsningen er å implementere et adaptivt filter ved hjelp av et FIR-filter i kombinasjon med LMS-algoritmen. Forenkle figur 2 og få figur 3.
La meg kort snakke om prinsippene for adaptivt filter og LMS (Least mean square) algoritme, og deretter figur 3. Som vist i figur 4, gitt inngangen xx og ønsket utgang dd, oppdaterer det adaptive filteret koeffisientene hver iterasjon slik at forskjellen mellom utgangen yy og dd blir mindre og mindre til residuet er nær nok null og konvergerer. LMS er en oppdateringsalgoritme for adaptive filtre. Objektivfunksjonen til LMS er kvadratet på den øyeblikkelige feilen e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, for å minimere objektivfunksjonen, bruk av gradientnedstigningen gir den oppdaterte formelen til algoritmen. (Den algoritmiske ideen om å bruke gradientnedstigning for å minimere et mål og få den oppdaterte formelen til parameteren som skal søkes er svært vanlig, for eksempel lineær regresjon.) Oppdateringsformelen til LMS-algoritmen som bruker FIR-filter er: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), hvor μμ er trinnstørrelse. Hvis μμ-størrelsen justeres med iterasjon, er det en trinn-for-trinn LMS-algoritme.
La oss snakke om figur 3. Her sendes det adaptive filteret ut etter S(z)S(z) for å sammenligne med ønsket output. S(z)S(z) vil forårsake ustabilitet. I litteraturen, "feilsignalet er ikke korrekt 'justert' i tid med referansesignalet", er konvergensen til LMS brutt. (Jeg har ikke funnet ut hva det betyr T__T) En effektiv metode er FXLMS (Filtered-X LMS), som lar x(n) legges inn til LMS-modulen via Sˆ(z)S^(z), Sˆ( z S^(z) er et estimat av S(z)S(z). Mål for FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Så gradient=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), der s(n)s(n) er ukjent, med sin estimattilnærming, så FXLMS Update formel er
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Hvor x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Når det adaptive filteret konvergerer, 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, så W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Det vil si at vektkoeffisienten til det adaptive filteret bestemmes av den primære banen og den sekundære banen til hodetelefonene. Den primære banen og den sekundære banen til hodesettet er relativt stabile, så vektkoeffisienten til det adaptive filteret er relativt stabil. Derfor, for enkelhets skyld, bestemmes vektkoeffisientene til noen produsenters ANC-hodetelefoner på fabrikken. Selvfølgelig er lytteopplevelsen til denne ANC-øretelefonen åpenbart ikke like god som ANC-øretelefonen med ekte adaptiv betydning, fordi i faktiske situasjoner kan ekstern støy i forhold til retningen til øretelefonen, forskjellig temperatur og lignende ha innflytelse på kanalresponsen til øretelefonen.
Matlab-verifisering
Skriv Matlab-kode, ved å bruke det adaptive filteret til variabel trinnstørrelse LMS, simuleringsresultatene er vist i figur 5. I området 0 til 2 kHz brukes feedforward ANC for å eliminere Gaussisk hvit støy, og støydempingen er 30 dB+ gjennomsnittlig. FXLMS i Matlab-biblioteket er fast-trinn, og effekten er verre.
Q & A
en. Hvorfor er ANC kun for lavfrekvent støy under 2 kHz?
På den ene siden kan den fysiske lydisolasjonen til hodetelefonene (passiv støyreduksjon) effektivt blokkere høyfrekvent støy, og det er ikke nødvendig å bruke ANC for å redusere høyfrekvent støy. På den annen side har lavfrekvent støy lang bølgelengde og tåler en viss faseforsinkelse, mens høyfrekvent støy har kort bølgelengde og er følsom for faseavvik, så ANC eliminerer høyfrekvent støy.
b. Når den elektroniske forsinkelsen er større enn den primære forsinkelsen, hvordan kan ytelsen til algoritmen reduseres kraftig?
P(z) forsinkelse er liten, S(z) forsinkelse er stor, slik som P(z)=z-1, S(z)=z-2, bare når W(z)=z kan oppfylle kravene, ikke - årsakssammenheng, uoppnåelig.
c. Hva er forskjellen mellom Feedforward ANC, smalbånds feedforward ANC og feedback ANC?
Feedforwad-strukturen har en ref-mikrofon og en feilmikrofon som samler opp henholdsvis ekstern støy og interne restsignaler. Tilbakemeldingsstrukturen har bare én feilmikrofon, og referansesignalet genereres av feilmikrofon og adaptiv filterutgang.
Bredbånds feedforward er strukturen beskrevet ovenfor. I smalbåndsstrukturen genererer støykilden en signalutløsersignalgenerator, og signalgeneratoren genererer et referansesignal for det adaptive filteret. Gjelder kun for å eliminere periodisk støy.
Tilbakemelding ANC bruker feilmikrofon for å gjenopprette signalet som er samlet inn av refmikrofon i feedforward-strukturen fordi den kun har feilmikrofon. Banen tilfredsstiller ikke årsaksbegrensningen, så bare de forutsigbare støykomponentene, dvs. den smalbåndede periodiske støyen, elimineres. Det skal bemerkes at hvis fremkoblingen ikke tilfredsstiller årsaksbegrensningen, dvs. den elektroniske forsinkelsen er lengre enn den akustiske hovedkanalens forsinkelse, kan den bare eliminere den smalbåndede periodiske støyen.
Det er også en hybrid ANC-struktur som inkluderer både feedforward- og tilbakemeldingsstrukturer. Den største fordelen er at du kan lagre rekkefølgen på det adaptive filteret.
