1. Reducerea zgomotului CVC și DSP:
Când consumatorii cumpără căști Bluetooth, ei vor auzi întotdeauna funcțiile de reducere a zgomotului CVC și DSP pe care comercianții le au în promovarea căștilor. Indiferent câți utilizatori au auzit descrierile, mulți consumatori încă nu înțeleg diferența dintre cele două. Diferența, pentru o astfel de problemă tehnică, ajungem la știința celor două sub principiul de lucru și diferența.
DSP este o prescurtare pentru procesarea semnalului digital. Principiul său de funcționare: microfonul colectează zgomotul extern din mediul înconjurător, iar apoi, prin funcția sistemului de reducere a zgomotului din interiorul căștilor, se reproduce pentru a genera o undă sonoră inversă egală cu zgomotul ambiental, care anulează zgomotul și astfel obține mai mult. Efect bun de reducere a zgomotului.
CVC este prescurtarea de la Clear Voice Capture. Este o tehnologie software de reducere a zgomotului. Principiul este de a suprima diferite tipuri de zgomot de reverberație prin intermediul software-ului și al microfonului de anulare a zgomotului încorporate.
Diferența după cum urmează:
A. pentru obiectul este diferit, tehnologia CVC este în principal pentru ecoul generat în timpul apelului, DSP este în principal pentru zgomotul de înaltă și joasă frecvență din mediul extern.
b. beneficiari diferiți, tehnologia DSP face în principal venituri personale utilizatorilor de căști, iar CVC beneficiază în principal cealaltă parte.
În rezumat, căștile care utilizează tehnologia de reducere a zgomotului DSP și CVC pot reduce eficient zgomotul din mediul extern al apelului și pot îmbunătăți semnificativ calitatea apelului și sunetul căștilor.
2. Reducerea zgomotului ANC:
ANC se referă la controlul activ al zgomotului, care reduce în mod activ zgomotul. Principiul de bază este că sistemul de reducere a zgomotului produce unde sonore inverse egale cu zgomotul exterior, neutralizând zgomotul. Figura 1 este o diagramă schematică a unei căști cu anulare a zgomotului activ cu feedforward. Cipul ANC este plasat în interiorul căștilor. Ref mic (microfon de referință) colectează zgomotul ambiental de pe căști. Error mic (Error Microphone) Colectează zgomotul rezidual după reducerea zgomotului în căști. Difuzorul redă anti-zgomotul după procesarea ANC.
Figura 2 este o diagramă schematică a sistemului ANC, cu trei straturi, separate prin linii întrerupte. Calea primară cea mai sus este canalul acustic de la microfonul de referință la microfonul de eroare, funcția de răspuns este reprezentată de P(z)P(z); stratul mijlociu este canalul analogic, unde calea secundară este calea de la ieșirea filtrului adaptiv la reziduul de retur. Inclusiv DAC, filtru de reconstrucție, amplificator de putere, redare difuzor, re-achiziție, preamplificator, filtru anti-aliasing, ADC; stratul inferior este calea digitală, unde filtrul adaptiv ajustează constant coeficientul de greutate al filtrului pentru a reduce reziduul până la convergență. Cea mai comună soluție este implementarea unui filtru adaptiv folosind un filtru FIR în combinație cu algoritmul LMS. Simplificați Figura 2 și obțineți Figura 3.
Permiteți-mi să vă vorbesc pe scurt despre principiile filtrului adaptiv și ale algoritmului LMS (Cel mai mic pătrat mediu), apoi Figura 3. După cum se arată în Figura 4, având în vedere intrarea xx și ieșirea dorită dd, filtrul adaptiv actualizează coeficienții la fiecare iterație, astfel încât diferența dintre ieșirea yy și dd devine din ce în ce mai mică până când reziduul este suficient de aproape de zero și converge. LMS este un algoritm de actualizare pentru filtre adaptive. Funcția obiectiv a LMS este pătratul erorii instantanee e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, pentru a minimiza funcția obiectiv, Aplicarea coborârii gradientului oferă formula actualizată a algoritmului. (Ideea algoritmică de a utiliza coborârea gradientului pentru a minimiza un obiectiv și a obține formula actualizată a parametrului care trebuie căutat este foarte comună, cum ar fi regresia liniară.) Formula de actualizare a algoritmului LMS folosind filtrul FIR este: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), unde μμ este dimensiunea pasului. Dacă dimensiunea μμ este ajustată cu iterație, este un algoritm LMS pas cu pas.
Să vorbim despre Figura 3. Aici filtrul adaptiv este scos după S(z)S(z) pentru a compara cu ieșirea dorită. S(z)S(z) va cauza instabilitate. În literatură, „semnalul de eroare nu este corect „aliniat” în timp cu semnalul de referință”, convergența LMS este întreruptă. (Nu mi-am dat seama ce înseamnă T__T) O metodă eficientă este FXLMS (Filtered-X LMS), care permite ca x(n) să fie introdus în modulul LMS prin Sˆ(z)S^(z), Sˆ( z S^(z) este o estimare a lui S(z)S(z). Obiectivul FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Deci gradient=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), unde s(n)s(n) este necunoscut, cu aproximarea sa estimativă, deci Formula de actualizare FXLMS este
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Unde x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Când filtrul adaptiv converge, 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, deci W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Adică, coeficientul de greutate al filtrului adaptiv este determinat de calea primară și calea secundară a căștilor. Calea primară și calea secundară a setului cu cască sunt relativ stabile, astfel încât coeficientul de greutate al filtrului adaptiv este relativ stabil. Prin urmare, de dragul simplității, coeficienții de greutate ai căștilor ANC ale unor producători sunt determinați din fabrică. Bineînțeles, experiența de ascultare a acestei căști ANC nu este, evident, la fel de bună ca cea a căștilor ANC cu un adevărat sens adaptiv, deoarece în situații reale, zgomotul extern în raport cu direcția căștilor, temperatura diferită și altele asemenea pot avea o influență asupra răspunsul canalului căștilor.
Verificare Matlab
Scrieți codul Matlab, folosind filtrul adaptiv de dimensiune variabilă a pasului LMS, rezultatele simulării sunt prezentate în Figura 5. În intervalul de la 0 la 2 kHz, ANC feedforward este utilizat pentru a elimina zgomotul alb gaussian, iar atenuarea zgomotului este de 30 dB+ in medie. FXLMS din biblioteca Matlab are un pas fix, iar efectul este mai rău.
Q & A
A. De ce ANC este doar pentru zgomot de joasă frecvență sub 2 kHz?
Pe de o parte, izolarea fonică fizică a căștilor (reducerea pasivă a zgomotului) poate bloca eficient zgomotul de înaltă frecvență și nu este necesară utilizarea ANC pentru a reduce zgomotul de înaltă frecvență. Pe de altă parte, zgomotul de joasă frecvență are o lungime de undă mare și poate rezista la o anumită întârziere de fază, în timp ce zgomotul de înaltă frecvență are o lungime de undă scurtă și este sensibil la deviația de fază, astfel încât ANC elimină zgomotul de înaltă frecvență.
b. Când întârzierea electronică este mai mare decât întârzierea primară, cum poate fi redusă mult performanța algoritmului?
Întârzierea P(z) este mică, întârzierea S(z) este mare, cum ar fi P(z)=z-1, S(z)=z-2, numai atunci când W(z)=z poate îndeplini cerințele, nu -cazual, Inaccesibil.
c. Care este diferența dintre Feedforward ANC, feedforward ANC în bandă îngustă și feedback ANC?
Structura Feedforwad are un microfon de referință și un microfon de eroare care colectează zgomot extern și, respectiv, semnale reziduale interne. Structura de feedback are un singur microfon de eroare, iar semnalul de referință este generat de microfonul de eroare și ieșirea filtrului adaptiv.
Feedforward-ul de bandă largă este structura descrisă mai sus. În structura de bandă îngustă, sursa de zgomot generează un generator de semnal de declanșare a semnalului, iar generatorul de semnal generează un semnal de referință pentru filtrul adaptiv. Aplicabil numai pentru eliminarea zgomotului periodic.
Feedback ANC folosește microfon de eroare pentru a recupera semnalul colectat de microfonul de referință în structura feedforward, deoarece are doar microfon de eroare. Calea nu satisface constrângerea cauzală, astfel încât numai componentele predictibile de zgomot, adică zgomotul periodic de bandă îngustă, sunt eliminate. Trebuie remarcat că dacă feedforward-ul nu satisface constrângerea cauzală, adică întârzierea electronică este mai mare decât întârzierea acustică a canalului principal, poate elimina doar zgomotul periodic de bandă îngustă.
Există, de asemenea, o structură ANC hibridă care include atât structurile de feedforward, cât și de feedback. Principalul avantaj este că puteți salva ordinea filtrului adaptiv.
