1. Зниження шуму CVC і DSP:
Коли споживачі купують гарнітури Bluetooth, вони завжди чутимуть функції зменшення шуму CVC і DSP, які продавці мають у рекламі навушників. Незалежно від того, скільки користувачів чули описи, багато споживачів все ще не розуміють різниці між ними. Різниця в тому, що для такої технічної проблеми ми переходимо до науки про два принципи роботи та різницю.
DSP - це скорочення цифрової обробки сигналу. Його принцип роботи: мікрофон збирає зовнішні шуми навколишнього середовища, а потім через функцію шумозаглушення всередині навушників він реплікується, щоб створити зворотну звукову хвилю, рівну навколишньому шуму, яка скасовує шум і таким чином досягає більшого. Хороший ефект шумозаглушення.
CVC є скороченням від Clear Voice Capture. Це програмна технологія шумозаглушення. Принцип полягає в придушенні різних типів шуму реверберації за допомогою вбудованого програмного забезпечення шумозаглушення та мікрофона.
Різниця в наступному:
a. для об’єкта відрізняється, технологія CVC в основному для відлуння, що створюється під час виклику, DSP в основному для високочастотного та низькочастотного шуму в зовнішньому середовищі.
b. різні бенефіціари, технологія DSP в основному приносить користувачам гарнітур особистий дохід, а CVC в основному приносить користь іншій стороні.
Таким чином, навушники, що використовують технологію шумозаглушення DSP і CVC, можуть ефективно зменшити шум зовнішнього середовища дзвінка та значно покращити якість дзвінка та звуку навушників.
2. Зменшення шуму ANC:
ANC відноситься до Active Noise Control, який активно зменшує шум. Основний принцип полягає в тому, що система шумозаглушення створює зворотні звукові хвилі, рівні зовнішньому шуму, нейтралізуючи шум. На рисунку 1 показана схема навушників із активним шумопоглинанням із прямим зв’язком. Мікросхема ANC розміщена всередині навушників. Ref mic (еталонний мікрофон) збирає навколишній шум у навушниках. Помилка мікрофона (помилка мікрофона) Збирає залишковий шум після шумозаглушення в навушниках. Динамік відтворює антишум після обробки ANC.
На рисунку 2 представлена схематична діаграма системи ANC із трьома рівнями, розділеними пунктирними лініями. Самий верхній первинний шлях – це акустичний канал від опорного мікрофона до помилкового мікрофона, функція відгуку представлена P(z)P(z); середній рівень - це аналоговий канал, де вторинний шлях - це шлях від виходу адаптивного фільтра до зворотного залишку. Включно з ЦАП, фільтром реконструкції, підсилювачем потужності, відтворенням гучномовців, повторним збором даних, попереднім підсилювачем, фільтром згладжування, АЦП; нижній рівень — це цифровий шлях, де адаптивний фільтр постійно регулює ваговий коефіцієнт фільтра, щоб зменшити залишкову до конвергенції. Найпоширенішим рішенням є реалізація адаптивного фільтра з використанням FIR-фільтра в поєднанні з алгоритмом LMS. Спростіть малюнок 2 і отримайте малюнок 3.
Дозвольте мені коротко розповісти про принципи адаптивного фільтра та алгоритму найменшого середнього квадрата (LMS), а потім малюнок 3. Як показано на малюнку 4, враховуючи вхідні дані xx і бажані вихідні дані dd, адаптивний фільтр оновлює коефіцієнти на кожній ітерації, так що різниця між результатом yy і dd стає все меншою і меншою, доки нев’язка не наблизиться до нуля і не зійдеться. LMS — це алгоритм оновлення для адаптивних фільтрів. Цільова функція LMS є квадратом миттєвої похибки e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2, щоб мінімізувати цільова функція. Застосування градієнтного спуску дає оновлену формулу алгоритму. (Алгоритмічна ідея використання градієнтного спуску для мінімізації мети та отримання оновленої формули шуканого параметра є дуже поширеною, наприклад, лінійна регресія.) Формула оновлення алгоритму LMS із використанням FIR-фільтра така: w(n+1 ) =w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n), де μμ — розмір кроку. Якщо розмір μμ регулюється за допомогою ітерації, це покроковий алгоритм LMS.
Давайте поговоримо про малюнок 3. Тут адаптивний фільтр виводиться після S(z)S(z) для порівняння з бажаним виходом. S(z)S(z) спричинить нестабільність. У літературі "сигнал помилки не правильно "вирівняний" у часі з опорним сигналом", збіжність LMS порушена. (Я не зрозумів, що це означає T__T) Ефективним методом є FXLMS (Filtered-X LMS), який дозволяє вводити x(n) у модуль LMS через Sˆ(z)S^(z), Sˆ( z S^(z) є оцінкою S(z)S(z). Мета FXLMS:
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
E2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
Отже, градієнт=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n), де s(n)s(n) невідоме, з його наближеною оцінкою, тому Формула оновлення FXLMS
w(n+1)=w(n)+μe(n)x'(n),
w(n+1)=w(n)+μe(n)x'(n),
Де x'(n)=sˆ(n)∗x(n)x'(n)=s^(n)∗x(n).
Коли адаптивний фільтр сходиться, 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, тому W(z) ≈ P(z) / S(z) W(z) ≈ P(z) / S(z). Тобто ваговий коефіцієнт адаптивного фільтра визначається основним трактом і вторинним трактом навушників. Первинний шлях і вторинний шлях гарнітури відносно стабільні, тому ваговий коефіцієнт адаптивного фільтра відносно стабільний. Тому для простоти вагові коефіцієнти навушників ANC деяких виробників визначаються на заводі. Звичайно, досвід прослуховування цих навушників ANC явно не такий хороший, як навушників ANC із справжнім адаптивним значенням, оскільки в реальних ситуаціях зовнішній шум відносно напрямку навушників, різна температура тощо можуть впливати на відповідь каналу навушників.
Перевірка Matlab
Напишіть код Matlab, використовуючи адаптивний фільтр зі змінним розміром кроку LMS, результати моделювання показані на малюнку 5. У діапазоні від 0 до 2 кГц для усунення білого гаусового шуму використовується ANC з упередженим зв’язком, а послаблення шуму становить 30 дБ+ в середньому. FXLMS у бібліотеці Matlab має фіксований крок, і ефект гірший.
Питання та відповіді
a. Чому ANC лише для низькочастотного шуму нижче 2 кГц?
З одного боку, фізична звукоізоляція навушників (пасивне шумозаглушення) може ефективно блокувати високочастотний шум, і немає необхідності використовувати ANC для зменшення високочастотного шуму. З іншого боку, низькочастотний шум має велику довжину хвилі і може витримувати певну фазову затримку, тоді як високочастотний шум має коротку довжину хвилі та чутливий до фазового відхилення, тому ANC усуває високочастотний шум.
b. Коли електронна затримка більша, ніж первинна затримка, як можна значно знизити продуктивність алгоритму?
P(z) затримка невелика, S(z) затримка велика, наприклад P(z)=z-1, S(z)=z-2, тільки коли W(z)=z може відповідати вимогам, не -причинний, Недосяжний.
в. Яка різниця між ANC прямого зв’язку, ANC вузькосмугового прямого зв’язку та ANC зворотного зв’язку?
Структура Feedforwad має опорний мікрофон і помилковий мікрофон, які збирають зовнішній шум і внутрішні залишкові сигнали відповідно. Структура зворотного зв'язку має лише один мікрофон помилки, а опорний сигнал генерується мікрофоном помилки та виходом адаптивного фільтра.
Широкосмуговий канал прямого зв'язку - це структура, описана вище. У вузькосмуговій структурі джерело шуму формує генератор тригерного сигналу сигналу, а генератор сигналу формує опорний сигнал для адаптивного фільтра. Застосовується лише для усунення періодичного шуму.
ANC зворотного зв’язку використовує помилковий мікрофон для відновлення сигналу, зібраного опорним мікрофоном у структурі прямого зв’язку, оскільки він має лише помилковий мікрофон. Шлях не задовольняє причинне обмеження, тому усуваються лише передбачувані компоненти шуму, тобто вузькосмуговий періодичний шум. Слід зазначити, що якщо прямий зв’язок не задовольняє причинно-наслідкові обмеження, тобто електронна затримка довша, ніж акустична затримка основного каналу, вона може усунути лише вузькосмуговий періодичний шум.
Існує також гібридна структура ANC, яка включає як структуру прямого зв’язку, так і структуру зворотного зв’язку. Основна перевага полягає в тому, що ви можете зберегти порядок адаптивного фільтра.
