1. Redukcia hluku CVC a DSP:
Keď si spotrebitelia kúpia náhlavné súpravy Bluetooth, vždy budú počuť funkcie redukcie šumu CVC a DSP, ktoré obchodníci ponúkajú pri propagácii slúchadiel. Bez ohľadu na to, koľko používateľov počulo popisy, mnohí spotrebitelia stále nechápu rozdiel medzi nimi. Rozdiel, pri takomto technickom probléme sa dostávame k vede o dvoch pod princípom fungovania a rozdielom.
DSP je skratka pre digitálne spracovanie signálu. Princíp jeho fungovania: mikrofón zhromažďuje vonkajší okolitý hluk a potom sa prostredníctvom funkcie systému redukcie hluku vo vnútri slúchadiel replikuje, aby generoval spätnú zvukovú vlnu rovnajúcu sa okolitému hluku, ktorá ruší hluk a dosahuje tak viac. Dobrý efekt redukcie šumu.
CVC je skratka pre Clear Voice Capture. Ide o softvérovú technológiu redukcie šumu. Princípom je potlačenie rôznych druhov dozvuku prostredníctvom vstavaného softvéru na potlačenie hluku a mikrofónu.
Rozdiel je nasledovný:
a. pre objekt je iný, technológia CVC je hlavne pre ozvenu generovanú počas hovoru, DSP je hlavne pre vysoko a nízkofrekvenčný šum vo vonkajšom prostredí.
b. rôznych príjemcov, technológia DSP prináša používateľom slúchadiel hlavne osobný príjem a CVC prináša výhody hlavne druhej strane.
Stručne povedané, slúchadlá využívajúce technológiu redukcie hluku DSP a CVC dokážu efektívne znížiť hluk vonkajšieho prostredia hovoru a výrazne zlepšiť kvalitu hovoru a zvuku slúchadiel.
2. Redukcia hluku ANC:
ANC označuje Active Noise Control, ktorá aktívne znižuje hluk. Základným princípom je, že systém redukcie hluku vytvára reverzné zvukové vlny rovnajúce sa vonkajšiemu hluku, čím hluk neutralizuje. Obrázok 1 je schematický diagram dopredného aktívneho slúchadla s potlačením hluku. Čip ANC je umiestnený vo vnútri slúchadiel. Ref mic (referenčný mikrofón) zbiera okolitý hluk do slúchadiel. Error mic (Error Microphone) Zhromažďuje zvyškový šum po redukcii šumu v slúchadlách. Reproduktor hrá protišum po spracovaní ANC.
Obrázok 2 je schematický diagram systému ANC s tromi vrstvami oddelenými prerušovanými čiarami. Najvyššia primárna cesta je akustický kanál od referenčného mikrofónu k chybovému mikrofónu, funkcia odozvy je reprezentovaná P(z)P(z); stredná vrstva je analógový kanál, kde sekundárna cesta je cesta od výstupu adaptívneho filtra k spätnému reziduu. Vrátane DAC, rekonštrukčného filtra, výkonového zosilňovača, prehrávania reproduktorov, opätovného získavania, predzosilňovača, antialiasingového filtra, ADC; spodná vrstva je digitálna cesta, kde adaptívny filter neustále upravuje koeficient hmotnosti filtra, aby sa znížil zvyškový podiel až do konvergencie. Najbežnejším riešením je implementácia adaptívneho filtra pomocou FIR filtra v kombinácii s algoritmom LMS. Zjednodušte obrázok 2 a získajte obrázok 3.
Dovoľte mi stručne porozprávať o princípoch adaptívneho filtra a algoritmu LMS (Least mean square) a potom Obrázok 3. Ako je znázornené na obrázku 4, vzhľadom na vstup xx a požadovaný výstup dd adaptívny filter aktualizuje koeficienty pri každej iterácii tak, aby rozdiel medzi výstupom yy a dd sa zmenšuje a zmenšuje, až kým sa zvyšok dostatočne nepriblíži k nule a nekonverguje. LMS je aktualizačný algoritmus pre adaptívne filtre. Účelovou funkciou LMS je druhá mocnina okamžitej chyby e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, aby sa minimalizovalo účelová funkcia, Použitie zostupu gradientu dáva aktualizovaný vzorec algoritmu. (Algoritmická myšlienka použitia zostupu gradientu na minimalizovanie cieľa a získanie aktualizovaného vzorca parametra, ktorý sa má hľadať, je veľmi bežná, ako napríklad lineárna regresia.) Vzorec aktualizácie algoritmu LMS pomocou filtra FIR je: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), kde μμ je veľkosť kroku. Ak sa veľkosť μμ upraví iteráciou, ide o LMS algoritmus krok za krokom.
Hovorme o obrázku 3. Tu je adaptívny filter na výstupe po S(z)S(z) na porovnanie s požadovaným výstupom. S(z)S(z) spôsobí nestabilitu. V literatúre, "chybový signál nie je správne "zarovnaný" v čase s referenčným signálom, je konvergencia LMS narušená. (Neprišiel som na to, čo to znamená T__T) Efektívna metóda je FXLMS (Filtered-X LMS), ktorá umožňuje vstup x(n) do modulu LMS cez Sˆ(z)S^(z), Sˆ( z S^(z) je odhad S(z)S(z). Cieľ FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Takže gradient=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), kde s(n)s(n) je neznámy, s aproximáciou jeho odhadu, takže Vzorec aktualizácie FXLMS je
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Kde x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Keď adaptívny filter konverguje, 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, teda W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). To znamená, že koeficient hmotnosti adaptívneho filtra je určený primárnou dráhou a sekundárnou dráhou slúchadiel. Primárna dráha a sekundárna dráha headsetu sú relatívne stabilné, takže koeficient hmotnosti adaptívneho filtra je relatívne stabilný. Preto sú pre zjednodušenie hmotnostné koeficienty slúchadiel ANC niektorých výrobcov určené vo výrobe. Samozrejme, zážitok z počúvania týchto slúchadiel ANC samozrejme nie je taký dobrý ako u slúchadiel ANC so skutočným adaptívnym významom, pretože v skutočných situáciách môže mať vonkajší hluk vzhľadom na smer slúchadiel, rozdielna teplota a podobne vplyv na odozva kanála slúchadiel.
Overenie v Matlabe
Napíšte kód Matlab pomocou adaptívneho filtra LMS s premenlivou veľkosťou kroku, výsledky simulácie sú znázornené na obrázku 5. V rozsahu 0 až 2 kHz sa na elimináciu Gaussovho bieleho šumu používa dopredný ANC a útlm hluku je 30 dB+ v priemere. FXLMS v knižnici Matlab má pevný krok a efekt je horší.
Q & A
a. Prečo je ANC len pre nízkofrekvenčný šum pod 2 kHz?
Na jednej strane fyzická zvuková izolácia slúchadiel (pasívne zníženie hluku) dokáže efektívne blokovať vysokofrekvenčný hluk a na zníženie vysokofrekvenčného hluku nie je potrebné používať ANC. Na druhej strane, nízkofrekvenčný šum má dlhú vlnovú dĺžku a môže vydržať určité fázové oneskorenie, zatiaľ čo vysokofrekvenčný šum má krátku vlnovú dĺžku a je citlivý na fázovú odchýlku, takže ANC eliminuje vysokofrekvenčný šum.
b. Keď je elektronické oneskorenie väčšie ako primárne oneskorenie, ako možno výrazne znížiť výkon algoritmu?
Oneskorenie P(z) je malé, oneskorenie S(z) je veľké, ako napríklad P(z)=z-1, S(z)=z-2, iba ak W(z)=z môže spĺňať požiadavky, nie -kauzálny, Nedosiahnuteľný.
c. Aký je rozdiel medzi dopredným ANC, úzkopásmovým dopredným ANC a spätnoväzbovým ANC?
Štruktúra Feedforwad má referenčný mikrofón a chybový mikrofón, ktoré zhromažďujú externý šum a vnútorné zvyškové signály. Štruktúra spätnej väzby má iba jeden chybový mikrofón a referenčný signál je generovaný chybovým mikrofónom a výstupom adaptívneho filtra.
Širokopásmová spätná väzba je štruktúra opísaná vyššie. V úzkopásmovej štruktúre generuje zdroj šumu generátor spúšťacieho signálu signálu a generátor signálu generuje referenčný signál pre adaptívny filter. Použiteľné len na elimináciu periodického hluku.
Spätná väzba ANC používa chybový mikrofón na obnovenie signálu zozbieraného referenčným mikrofónom v štruktúre spätnej väzby, pretože má iba chybový mikrofón. Cesta nespĺňa kauzálne obmedzenie, takže sú eliminované iba predvídateľné zložky šumu, tj úzkopásmový periodický šum. Treba poznamenať, že ak spätná väzba nespĺňa kauzálne obmedzenie, tj elektronické oneskorenie je dlhšie ako akustické oneskorenie hlavného kanála, môže eliminovať iba úzkopásmový periodický šum.
Existuje aj hybridná štruktúra ANC, ktorá zahŕňa doprednú aj spätnú väzbu. Hlavnou výhodou je, že si môžete uložiť poradie adaptívneho filtra.
