1.CVC och DSP brusreducering:
När konsumenter köper Bluetooth-headset kommer de alltid att höra CVC- och DSP-brusreduceringsfunktionerna som handlarna har för att marknadsföra hörlurarna. Oavsett hur många användare som har hört beskrivningarna, förstår många konsumenter fortfarande inte skillnaden mellan de två. Skillnaden, för ett sådant tekniskt problem, kommer vi till vetenskapen om de två under arbetsprincipen och skillnaden.
DSP är en förkortning för digital signalbehandling. Dess arbetsprincip: mikrofonen samlar in externt omgivningsljud, och sedan genom brusreduceringssystemets funktion inuti hörlurarna, replikerar den för att generera en omvänd ljudvåg lika med omgivningsljudet, vilket tar bort bruset och därmed uppnår mer. Bra brusreducerande effekt.
CVC är en förkortning för Clear Voice Capture. Det är en mjukvaruteknik för brusreducering. Principen är att dämpa olika typer av efterklangsljud genom den inbyggda brusreduceringsmjukvaran och mikrofonen.
Skillnaden som följer:
a. för objektet är annorlunda, CVC-tekniken är främst för ekot som genereras under samtalet, DSP är främst för hög- och lågfrekvent brus i den yttre miljön.
b. olika förmånstagare, DSP-teknik gör främst headsetanvändare personlig inkomst, och CVC gynnar främst den andra parten.
Sammanfattningsvis kan hörlurar som använder DSP- och CVC-brusreduceringsteknik effektivt minska bullret från samtalets yttre miljö och avsevärt förbättra kvaliteten på samtalet och ljudet i hörlurarna.
2.ANC brusreducering:
ANC hänvisar till Active Noise Control, som aktivt minskar brus. Grundprincipen är att brusreduceringssystemet producerar omvända ljudvågor som är lika med det yttre bruset, vilket neutraliserar bruset. Fig. 1 är ett schematiskt diagram av en aktiv brusreducerande hörlur med feedforward. ANC-chippet är placerat inuti hörlurarna. Ref mic (referensmikrofon) samlar upp omgivande ljud på hörlurarna. Error mic (Error Microphone) Samlar upp kvarvarande brus efter brusreducering i hörlurarna. Högtalaren spelar anti-bruset efter ANC-bearbetning.
Figur 2 är ett schematiskt diagram av ANC-systemet, med tre lager, åtskilda av streckade linjer. Den översta primära vägen är den akustiska kanalen från ref mik till felmikrofon, svarsfunktionen representeras av P(z)P(z); mellanskiktet är den analoga kanalen, där den sekundära vägen är vägen från den adaptiva filterutgången till returresten. Inklusive DAC, rekonstruktionsfilter, effektförstärkare, högtalaruppspelning, återförvärv, förförstärkare, kantutjämningsfilter, ADC; det undre lagret är den digitala vägen, där det adaptiva filtret ständigt justerar filterviktskoefficienten för att reducera kvarvarande till konvergens . Den vanligaste lösningen är att implementera ett adaptivt filter med hjälp av ett FIR-filter i kombination med LMS-algoritmen. Förenkla figur 2 och få figur 3.
Låt mig kort prata om principerna för adaptivt filter och LMS (Least mean square) algoritm, och sedan figur 3. Som visas i figur 4, givet ingången xx och den önskade utsignalen dd, uppdaterar det adaptiva filtret koefficienterna varje iteration så att skillnaden mellan utdata yy och dd blir mindre och mindre tills residuet är tillräckligt nära noll och konvergerar. LMS är en uppdateringsalgoritm för adaptiva filter. Objektivfunktionen för LMS är kvadraten på det momentana felet e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, för att minimera objektivfunktionen, Tillämpning av gradientnedstigningen ger den uppdaterade formeln för algoritmen. (Den algoritmiska idén med att använda gradientnedstigning för att minimera ett mål och få den uppdaterade formeln för parametern som ska sökas är mycket vanlig, såsom linjär regression.) Uppdateringsformeln för LMS-algoritmen som använder FIR-filter är: w(n+1) ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), där μμ är stegstorlek. Om μμ-storleken justeras med iteration är det en steg-för-steg LMS-algoritm.
Låt oss prata om figur 3. Här matas det adaptiva filtret ut efter S(z)S(z) för att jämföra med önskad output. S(z)S(z) kommer att orsaka instabilitet. I litteraturen, "felsignalen är inte korrekt 'justerad' i tiden med referenssignalen", är konvergensen av LMS bruten. (Jag har inte kommit på vad det betyder T__T) En effektiv metod är FXLMS (Filtered-X LMS), som gör att x(n) kan matas in i LMS-modulen via Sˆ(z)S^(z), Sˆ( z S^(z) är en uppskattning av S(z)S(z). Mål för 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), där s(n)s(n) är okänd, med sin uppskattning, så FXLMS Update formel är
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Där x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
När det adaptiva filtret konvergerar, 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 vill säga, viktkoefficienten för det adaptiva filtret bestäms av den primära vägen och den sekundära vägen för hörlurarna. Headsetets primära och sekundära väg är relativt stabila, så viktkoefficienten för det adaptiva filtret är relativt stabil. Därför, för enkelhetens skull, bestäms viktkoefficienterna för vissa tillverkares ANC-hörlurar på fabriken. Naturligtvis är lyssningsupplevelsen för denna ANC-hörlur uppenbarligen inte lika bra som ANC-hörluren med verklig adaptiv betydelse, för i verkliga situationer kan det externa bruset i förhållande till hörlurarnas riktning, olika temperaturer och liknande ha en inverkan på hörlurarnas kanalsvar.
Matlab-verifiering
Skriv Matlab-kod, med hjälp av det adaptiva filtret för variabel stegstorlek LMS, simuleringsresultaten visas i figur 5. Inom intervallet 0 till 2 kHz används feedforward ANC för att eliminera Gaussiskt vitt brus, och brusdämpningen är 30 dB+ i genomsnitt. FXLMS i Matlab-biblioteket är fast-steg, och effekten är värre.
Frågor och svar
a. Varför är ANC endast för lågfrekvent brus under 2 kHz?
Å ena sidan kan hörlurarnas fysiska ljudisolering (passiv brusreducering) effektivt blockera högfrekvent brus, och det är inte nödvändigt att använda ANC för att minska högfrekvent brus. Å andra sidan har det lågfrekventa bruset en lång våglängd och tål en viss fasfördröjning, medan det högfrekventa bruset har en kort våglängd och är känsligt för fasavvikelse, så ANC eliminerar högfrekvent brus.
b. När den elektroniska fördröjningen är större än den primära fördröjningen, hur kan algoritmens prestanda reduceras avsevärt?
P(z) fördröjning är liten, S(z) fördröjning är stor, såsom P(z)=z-1, S(z)=z-2, endast när W(z)=z kan uppfylla kraven, icke -kausal, oåtkomlig.
c. Vad är skillnaden mellan Feedforward ANC, narrow-band feedforward ANC och feedback ANC?
Feedforwad-strukturen har en ref-mikrofon och en felmikrofon som samlar in externt brus respektive interna restsignaler. Återkopplingsstrukturen har bara en felmikrofon, och referenssignalen genereras av felmikrofon och adaptiv filterutgång.
Broadband feedforward är strukturen som beskrivs ovan. I den smalbandiga strukturen genererar bruskällan en signalutlösande signalgenerator och signalgeneratorn genererar en referenssignal för det adaptiva filtret. Endast tillämpligt för att eliminera periodiskt brus.
Feedback ANC använder felmikrofon för att återställa signalen som samlas in av refmikrofon i feedforward-strukturen eftersom den bara har felmikrofon. Banan uppfyller inte orsaksbegränsningen, så endast de förutsägbara bruskomponenterna, dvs det smalbandiga periodiska bruset, elimineras. Det bör noteras att om framkopplingen inte uppfyller orsaksbegränsningen, dvs den elektroniska fördröjningen är längre än den akustiska huvudkanalens fördröjning, kan den endast eliminera det smalbandiga periodiska bruset.
Det finns också en hybrid ANC-struktur som inkluderar både feedforward- och feedbackstrukturer. Den största fördelen är att du kan spara ordningen på det adaptiva filtret.
