智能耳機

人機交互

智能聲學(xué)終端

智能耳機

• 智能音箱
• 智能聽力器

喇叭單體

• 動圈喇叭

新材料

• DLC
• 石墨烯
• 陶瓷單位
• 吸音材料

智能芯片

• 陣列式麥克風(fēng)
• 聲紋傳感器

演算法

• 降噪算法
• 智能聽力保護
• ANC

ANC

　　降低噪音通常所采用的三種降噪措施，即在聲源處降噪、在傳播過程中降噪及在人耳處降噪，都是被動的。為了主動地消除噪聲，人們發(fā)明了“有源消聲”這一技術(shù)。ANC(Active Noise Control)又稱為主動噪聲控制，常應(yīng)用在耳機降噪中，

原理：通過降噪系統(tǒng)產(chǎn)生與外界噪音相等的反向聲波，將噪聲中和，從而實現(xiàn)降噪的效果，

　　所有的聲音都由一定的頻譜組成，如果可找到一種聲音，其頻率、振幅與所要消除的噪聲完全一樣，只是相位剛好相反(相差$180^o$)就可以將這噪聲完全抵消。

頻率：一秒鐘語音信號震動的次數(shù)

振幅：聲音大小

相位：某一時刻聲波處于一個周期內(nèi)的位置，如果我們規(guī)定空氣被壓縮的最厲害的地方是相位的零點，那么半個周期之后，空氣變得最為稀疏的地方，相位就變成180°。等到空氣再次被壓縮得最密集時，就經(jīng)過了一整個周期，相位變化了360°又重新變?yōu)?span lang="en-us">0°。

辦法：先采集噪聲，所以處理器會根據(jù)噪聲進行預(yù)測，預(yù)測出下一時刻噪聲的情況，并產(chǎn)生相位相反的噪聲，來抵消原噪聲。

?

?

　　為了保證降噪質(zhì)量，還需要一個反饋麥克風(fēng)用來檢測所合成后的噪聲是否真的變小了。這時處理器會根據(jù)這個反饋麥克風(fēng)測量到的結(jié)果，對處理過程進行調(diào)整從而進一步降低合成后的噪聲音量，這叫做自適應(yīng)過程。好比處理器變聰明了，能夠根據(jù)消噪的效果不斷調(diào)整自己，以達到最佳降噪效果。

　　眾所周知，聲音是由震動產(chǎn)生的，因此通過解決震動也可以有效的解決噪聲問題，當(dāng)金屬板、機器外壁等一般均由薄金屬板震動產(chǎn)生聲音，進而輻射噪聲，象這類由金屬板結(jié)構(gòu)振動引起的噪聲稱之為結(jié)構(gòu)噪聲。

　　咳咳咳咳，總結(jié)一下，

一：是通過聲音抑制聲音

二：通過減少震動來抑制聲音

降噪耳機

降噪功能對耳機的作用很重要，一是減少噪音，避免過度放大音量，從而減少對耳朵的損害。二是過濾噪音從而提高音質(zhì)和通話質(zhì)量。

降噪可分為被動式降噪和主動式降噪。

被動式降噪也就是物理降噪，被動式降噪是指利用物理特性將外部噪聲與耳朵隔絕開，主要通過耳機的頭梁設(shè)計得緊一些、耳罩腔體進行聲學(xué)優(yōu)化、耳罩內(nèi)部放上吸聲材料……等等來實現(xiàn)耳機的物理隔音。被動降噪對高頻率聲音（如人聲）的隔絕非常有效，一般可使噪聲降低大約為15-20dB。

?

主動式降噪就是商家在宣傳耳機降噪功能時會主打的ANC、ENC、CVC、DSP等降噪技術(shù)

?

降噪耳機，采用ANC降噪，主動噪音控制，主要是針對外部環(huán)境中的高、低頻噪聲，不同于一般耳機的被動隔音，其原理為：

先由安置于耳機內(nèi)的訊號麥克風(fēng)偵測耳朵能聽到的環(huán)境中低頻噪音 (100 ～ 1000Hz)（目前已經(jīng)可以到3000Hz）

再將噪聲訊號傳至控制電路，控制電路進行實時運算

通過 Hi-Fi 喇叭發(fā)射與噪音相位相反、振幅相同的聲波與外界噪聲相加，來抵消噪音

因此噪音就消失聽不見了

主動降噪根據(jù)拾音麥克風(fēng)位置的不同，分為前饋式主動降噪與反饋式主動降噪。

這么一來，這個耳機需要一段的算法處理時間，先學(xué)習(xí)噪聲，這個學(xué)習(xí)需要時間，然后再把學(xué)習(xí)到的噪聲相位反轉(zhuǎn)，有一個自適應(yīng)調(diào)整期。

主動降噪耳機價格昂貴，但是一般效果優(yōu)秀，佩戴舒適。但是需要獨立電池供電，大多數(shù)被動降噪耳機可以不耗電使用（也不主動降噪）

ENC降噪

ENC（Environmental Noise Cancellation，環(huán)境降噪技術(shù)），能有效抑制90%的反向環(huán)境噪聲，由此降低環(huán)境噪聲最高可達35dB以上，讓游戲玩家可以更加自由的語音溝通。通過雙麥克風(fēng)陣列，精準(zhǔn)計算通話者說話的方位，在保護主方向目標(biāo)語音的同時，去除環(huán)境中的各種干擾噪聲。

?

DSP降噪

DSP是英文(digital signal processing)的簡寫。主要是針對高、低頻噪聲。工作原理是麥克風(fēng)收集外部環(huán)境噪音，然后系統(tǒng)復(fù)制一個與外界環(huán)境噪音相等的反向聲波，將噪音抵消，從而達到更好的降噪效果。DSP降噪的原理和ANC降噪相似。但DSP降噪正反向噪音直接在系統(tǒng)內(nèi)部相互中和抵消。

CVC降噪

　　CVC（Clear Voice Capture）是通話軟件降噪技術(shù)。主要針對通話過程中產(chǎn)生的回聲。通過全雙工麥克風(fēng)消噪軟件，提供通話的回聲和環(huán)境噪音消除功能，是目前藍牙通話耳機中最先進的降噪技術(shù)。

?

?

相關(guān)應(yīng)用

主動降噪主要應(yīng)用在車載音響中：

　　凱迪拉克是率先將主動降噪技術(shù)運用于汽車領(lǐng)域的品牌。2013年一季度在國內(nèi)上市的凱迪拉克XTS豪華轎車，其BOSE?5.1環(huán)繞聲高級音響系統(tǒng)具備主動降噪靜音系統(tǒng)（ANC），用車內(nèi)麥克風(fēng)采集噪音樣本，經(jīng)系統(tǒng)分析處理之后，由車載音響的揚聲器播放相反的音頻，以抵消噪音波，營造更安靜的車內(nèi)氛圍。

主動降噪在室內(nèi)降噪中的運用：

　　隨著人們居住要求的日益提高，室內(nèi)降噪需求也愈發(fā)凸顯，針對窗外、四鄰活動及家用電器運轉(zhuǎn)等噪聲源，研發(fā)三維開放聲場主動降噪技術(shù)并將其運用到室內(nèi)降噪以改善聲環(huán)境，是未來室內(nèi)噪聲控制的一種可行方案。

?

核心算法

　　ANC降噪實現(xiàn)核心算法為：FxLMS（最小均方差算法）。最小均方差算法以均方誤差為代價函數(shù)，并使誤差降到最小的算法。 具體算法推導(dǎo)這里不做具體介紹，這里直接列出表達式

其中， x(k)為輸入信號矩陣，W(k)為調(diào)整權(quán)值矩陣，d(k)為目標(biāo)（理想）輸出信號矩陣，y(k)為實際輸出信號矩陣，e(k)為誤差信號矩陣，第3個公式為權(quán)值調(diào)整公式，mu為收斂因子（值為隨機的，0<mu<x(k)的相關(guān)矩陣最大特征值的倒數(shù)）

Matlab仿真LMS濾波器

根據(jù)表達設(shè)計濾波器

function [yn,W,en]=LMS(xn,dn,M,mu,itr) % LMS(Least Mean Squre)算法 % 輸入?yún)?shù): % xn 輸入的信號序列 (列向量) % dn 所期望的響應(yīng)序列 (列向量) % M 濾波器的階數(shù) (標(biāo)量) 濾波器的階數(shù)，就是指過濾諧波的次數(shù),其階數(shù)越高，濾波效果就越好 % mu 收斂因子(步長) (標(biāo)量) 要求大于0,小于xn的相關(guān)矩陣最大特征值的倒數(shù) % itr 迭代次數(shù) (標(biāo)量) 默認為xn的長度,M<itr<length(xn) % 輸出參數(shù): % W 濾波器的權(quán)值矩陣 (矩陣) % 大小為M : itr, % en 誤差序列(itr : 1) (列向量) % yn 實際輸出序列 (列向量)% 參數(shù)個數(shù)必須為4個或5個 if nargin == 4 % 4個時遞歸迭代的次數(shù)為xn的長度 itr = length(xn); elseif nargin == 5 % 5個時滿足M<itr<length(xn)if itr>length(xn) || itr<Merror('迭代次數(shù)過大或過小!');end elseerror('請檢查輸入?yún)?shù)的個數(shù)!'); end% 初始化參數(shù) en = zeros(itr,1); % 誤差序列,en(k)表示第k次迭代時預(yù)期輸出與實際輸入的誤差 W = zeros(M,itr); % 每一行代表一個加權(quán)參量,每一列代表-次迭代,初始為0% 迭代計算 for k = M:itr % 第k次迭代x = xn(k:-1:k-M+1); % 濾波器M個抽頭的輸入y = W(:,k-1).' * x; % 濾波器的輸出en(k) = dn(k) - y ; % 第k次迭代的誤差 % 濾波器權(quán)值計算的迭代式W(:,k) = W(:,k-1) + 2*mu*en(k)*x; end% 求最優(yōu)時濾波器的輸出序列 yn = inf * ones(size(xn)); for k = M:length(xn)x = xn(k:-1:k-M+1);yn(k) = W(:,end).'* x; end

調(diào)用LMS函數(shù)仿真

close all % 正弦信號的產(chǎn)生 t=0:199; xs=5*sin(0.3*t); figure; subplot(2,1,1); plot(t,xs);grid; ylabel('幅值'); title('{輸入正弦波信號}');% 隨機噪聲信號的產(chǎn)生 randn('state',sum(100*clock)); xn=randn(1,200); zn=randn(1,200); xn=xn+zn; subplot(2,1,2); plot(t,xn);grid; ylabel('幅值'); xlabel('時間'); title('{輸入隨機噪聲信號}');% 信號濾波 xn = xs+xn; xn = xn.' ; % 輸入信號序列 dn = xs.' ; % 預(yù)期理想結(jié)果序列 M = 23 ; % 濾波器的階數(shù) rho_max = max(eig(xn*xn.')); % 輸入信號相關(guān)矩陣的最大特征值 mu = rand()*(1/rho_max) ; % 收斂因子 0 < mu < 1/rho_max [yn,W,en] = LMS(xn,dn,M,mu);% 繪制濾波器輸入信號 figure; subplot(2,1,1); plot(t,xn);grid; ylabel('幅值'); xlabel('時間'); title('{濾波器輸入信號}'); % 繪制自適應(yīng)濾波器輸出信號 subplot(2,1,2); plot(t,yn);grid; ylabel('幅值'); xlabel('時間'); title('{自適應(yīng)濾波器輸出信號}'); % 繪制自適應(yīng)濾波器輸出信號,預(yù)期輸出信號和兩者的誤差 figure plot(t,yn,'b',t,dn,'g',t,dn-yn,'r',t,xn,'m');grid; legend('自適應(yīng)濾波器輸出','預(yù)期輸出','誤差','自適應(yīng)濾波器輸入'); ylabel('幅值'); xlabel('時間'); title('{自適應(yīng)濾波器}'); %繪制最優(yōu)權(quán)值點 figure mm=0:M-1; plot(mm,W(:,end)','m*');grid; title('{最優(yōu)權(quán)值點}');

實驗效果圖：

結(jié)果分析

　　輸入信號為正弦信號加噪聲的混合信號，可見正弦信號受噪聲影響失真較大；實驗輸出信號失真較小，噪聲信號已經(jīng)很小，這里可以調(diào)節(jié)M濾波器階數(shù)來調(diào)節(jié)ANC降噪效果。可見，LMS算法可實現(xiàn)ANC降噪功能。

　　實際應(yīng)用中，ANC降噪對2KHZ以下的信號噪聲降噪效果比較好，對高頻噪聲降噪效果很差。原因為高頻信號波長短，對相位偏差也比較敏感，導(dǎo)致ANC對高頻噪聲降噪效果差。一般高頻噪聲可以被耳機物理的遮蔽屏蔽掉，這種降噪被稱為被動降噪。

　　總結(jié)，一般2kHz噪聲信號使用ANC，高頻信號沒有必要使用ANC。實際測試中的應(yīng)用，測試步驟：

關(guān)閉ANC時，聲學(xué)測試軟件測試聲學(xué)參數(shù)FR；

打開ANC時，聲學(xué)測試軟件測試聲學(xué)參數(shù)FR，這里通過調(diào)節(jié)gain值，來調(diào)節(jié)降噪效果，使降噪效果適中。因為降噪效果差，達不到降噪的目的；降噪效果如果太好，噪聲信號趨近于0，會使耳機產(chǎn)生自激。

?

Feedforward ANC 主動降噪原理

　　feedforward式主動降噪耳機的示意圖，圖中，Ref mic在耳機耳罩上，采集環(huán)境噪聲。Error mic在耳機內(nèi)，采集降噪處理后的殘差噪聲，Speaker播放ANC處理后的anti-noise。

　　上圖是ANC系統(tǒng)的原理圖，一共三層，用虛線分隔。最上一層primary path是從ref mic到error mic的聲學(xué)通道，響應(yīng)函數(shù)用P(z)P(z)表示；中間一層是模擬通道，其中secondary path是adaptive filter輸出到返回殘差的通路，包括DAC、reconstruction filter、power amplifier、speaker播放、再采集、pre-amplifier、anti-aliasing filter、ADC；最下一層是數(shù)字通路，其中adaptive filter不斷調(diào)整濾波器權(quán)系數(shù)來削減殘差，直到收斂。最常用的方案是用FIR濾波器結(jié)合LMS算法來實現(xiàn)adaptive filter。簡化上圖2，得到下圖

　　圖3

　　先簡要說幾句adaptive filter和LMS（Least mean square）算法的原理，再說圖3。如圖4，給定輸入x和desired output d，adaptive filter每次迭代會更新系數(shù)，使其輸出$y$與$d$之差越來越小，直到殘差足夠接近0且收斂。LMS是adaptive filter的一種更新算法。LMS的目標(biāo)函數(shù)是瞬時誤差的平方$e^2(n)=(d(n)-y(n))^2，為了minimize目標(biāo)函數(shù)，對其應(yīng)用梯度下降就得到算法的更新公式。采用FIR濾波器的LMS算法的更新公式為：

$w(n+1)=w(n)+\mu e(n)x(n)$，其中$\mu$為step size。如果隨著迭代進行調(diào)整$\mu$的大小，就是變步長的LMS算法。

?圖4

再來說圖3。這里adaptive filter輸出后還要經(jīng)過$S(z)$才去和desire output比較，$S(z)$會引起instability，用文獻的話說，“the error signal is not correctly ‘a(chǎn)ligned’ in time with the reference signal”，破壞了LMS的收斂性。一種有效的方法是FXLMS（Filtered-X LMS），也就讓x(n)經(jīng)過$S?(z)$再輸入給LMS 模塊， $\hat{S}(z)$是$S(z)$的估計。FXLMS的objective：
$$e^2(n)=(d(n)-s(n)*[w^T(n)x(n)])^2$$

所以$gradient=-2e(n)s(n)*x(n)$，其中$s(n)$未知，用其estimate近似，所以FXLMS的更新公式是

$\textbf{w}(n+1)=\textbf{w}(n)+{\mu}e(n)\textbf{x}'(n)$

其中$\textbf{x}'(n)=\widehat{s}(n)*\textbf{x}(n)$

　　當(dāng)adaptive filter收斂時，$E(z)=X(z)P(z)-X(z)W(z)S(z)≈0$，因此$W(z)≈P(z)/S(z)$。也就是說，自適應(yīng)濾波器的權(quán)系數(shù)是由耳機的primary path和secondary path決定的。耳機的primary path和secondary path相對穩(wěn)定，所以adaptive filter的權(quán)系數(shù)也相對穩(wěn)定。因此為實現(xiàn)簡單，某些廠家的ANC耳機的權(quán)系數(shù)在出廠時就確定了。當(dāng)然這種ANC耳機的聽感體驗明顯不及具有真正自適應(yīng)意義的ANC耳機，因為在實際情況下，外部噪聲相對耳機的方向、不同溫度等因素會對耳機的通道響應(yīng)有影響。

Matlab驗證

寫Matlab代碼，用變步長LMS的adaptive filter，得仿真結(jié)果如圖5。在0到2KHz范圍內(nèi)，利用feedforward ANC消高斯白噪，噪聲衰減平均30dB+。Matlab庫里的FXLMS是定步長的，效果要差一些。

?

?

Q&A

遇到的困惑寫出來分享一下。
1. ANC為什么只針對2kHz以下的低頻噪音？
　　一方面，耳機的物理隔音方式（被動降噪）可以有效阻擋高頻噪音，沒必要用ANC降高頻噪聲。另一方面，低頻噪聲波長較長，可以承受一定的相位延遲，而高頻噪聲波長短，對相位偏差敏感，因此ANC消高頻噪聲并不理想。
2. 當(dāng)electronic delay比primary delay大時，算法性能大大下降如何理解？
　　P(z)延時小，S(z)延時大，比如P(z)=z-1, S(z)=z-2，只有當(dāng)W(z)=z才能滿足要求，非因果，unreachable。
3. Feedforward ANC、narrow-band feedforward ANC、feedback ANC有什么區(qū)別？
　　Feedforwad結(jié)構(gòu)有一個ref mic和一個error mic，分別采集外部噪音和內(nèi)部殘差信號。feedback結(jié)構(gòu)只有一個error mic，由error mic和adaptive filter output生成reference signal。
　　Broad-band feedforward就是上面所述結(jié)構(gòu)，而narrow-band結(jié)構(gòu)中，noise source會產(chǎn)生某個signal觸發(fā)signal generator，signal generator再生成reference signal送給adaptive filter。只適用于消除periodic noise。
　　Feedback ANC由于只有error mic，用error mic來恢復(fù)feedforward結(jié)構(gòu)中ref mic采集的信號，通路不滿足因果約束，因此只消除predictable noise components，即窄帶周期性噪聲。需要注意的是，feedforward如果不滿足因果約束，即electronic delay比主通道acoustic delay長的話，也只能消除窄帶周期性噪聲。
　　另外還有一種Hybrid ANC的結(jié)構(gòu)，同時包含feedforward和feedback結(jié)構(gòu)，主要的優(yōu)點是可以節(jié)省自適應(yīng)濾波器的階數(shù)。

?

?

?

?

?

?

?

?

Reference

主要參照[1]，非常詳細的一篇tutorial review，書[2]詳細推導(dǎo)和說明了[1]中的細節(jié)。圖1截自jabra官網(wǎng)，圖2和圖3來自[3]，圖4來自Wikipedia。

[1]: Kuo S M, Morgan D R. Active noise control: a tutorial review[J]. Proceedings of the IEEE, 1999, 87(6):943-973.
[2]: Kuo S M, Morgan D. Active Noise Control Systems: Algorithms and DSP Implementations[M]. John Wiley & Sons, Inc. 1996.
[3]: Kajikawa Y, Gan W S, Kuo S M. Recent advances on active noise control: open issues and innovative applications[J]. Apsipa Transactions on Signal & Information Processing, 2012, 1(2):e3.

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

實現(xiàn)困難度

主動降噪+被動降噪

?

?

參考文獻

wjzblog的CSDN博客 ANC降噪學(xué)習(xí)

?

?

語音喚醒

?

總結(jié)

以上是生活随笔為你收集整理的主动降噪(Active Noise Control)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。