主动降噪(Active Noise Control)

大家好，我是讯享网，很高兴认识大家。

智能耳机

人机交互

智能声学终端
智能耳机
- 智能音箱
- 智能听力器
喇叭单体
- 动圈喇叭
新材料
- DLC
- 石墨烯
- 陶瓷单位
- 吸音材料
智能芯片
- 阵列式麦克风
- 声纹传感器
演算法
- 降噪算法
- 智能听力保护
- ANC

ANC

　　降低噪音通常所采用的三种降噪措施，即在声源处降噪、在传播过程中降噪及在人耳处降噪，都是被动的。为了主动地消除噪声，人们发明了“有源消声”这一技术。ANC(Active Noise Control)又称为主动噪声控制，常应用在耳机降噪中，

原理：通过降噪系统产生与外界噪音相等的反向声波，将噪声中和，从而实现降噪的效果，

　　所有的声音都由一定的频谱组成，如果可找到一种声音，其频率、振幅与所要消除的噪声完全一样，只是相位刚好相反(相差$180^o$)就可以将这噪声完全抵消。

频率：一秒钟语音信号震动的次数

振幅：声音大小

相位：某一时刻声波处于一个周期内的位置，如果我们规定空气被压缩的最厉害的地方是相位的零点，那么半个周期之后，空气变得最为稀疏的地方，相位就变成180°。等到空气再次被压缩得最密集时，就经过了一整个周期，相位变化了360°又重新变为0°。

办法：先采集噪声，所以处理器会根据噪声进行预测，预测出下一时刻噪声的情况，并产生相位相反的噪声，来抵消原噪声。

讯享网

　　为了保证降噪质量，还需要一个反馈麦克风用来检测所合成后的噪声是否真的变小了。这时处理器会根据这个反馈麦克风测量到的结果，对处理过程进行调整从而进一步降低合成后的噪声音量，这叫做自适应过程。好比处理器变聪明了，能够根据消噪的效果不断调整自己，以达到**降噪效果。

　　众所周知，声音是由震动产生的，因此通过解决震动也可以有效的解决噪声问题，当金属板、机器外壁等一般均由薄金属板震动产生声音，进而辐射噪声，象这类由金属板结构振动引起的噪声称之为结构噪声。

　　咳咳咳咳，总结一下，

一：是通过声音抑制声音

二：通过减少震动来抑制声音

降噪耳机

降噪功能对耳机的作用很重要，一是减少噪音，避免过度放大音量，从而减少对耳朵的损害。二是过滤噪音从而提高音质和通话质量。

降噪可分为被动式降噪和主动式降噪。

被动式降噪也就是物理降噪，被动式降噪是指利用物理特性将外部噪声与耳朵隔绝开，主要通过耳机的头梁设计得紧一些、耳罩腔体进行声学优化、耳罩内部放上吸声材料……等等来实现耳机的物理隔音。被动降噪对高频率声音（如人声）的隔绝非常有效，一般可使噪声降低大约为15-20dB。

主动式降噪就是商家在宣传耳机降噪功能时会主打的ANC、ENC、CVC、DSP等降噪技术

降噪耳机，采用ANC降噪，主动噪音控制，主要是针对外部环境中的高、低频噪声，不同于一般耳机的被动隔音，其原理为：

先由安置于耳机内的讯号麦克风侦测耳朵能听到的环境中低频噪音 (100 ～ 1000Hz)（目前已经可以到3000Hz）
再将噪声讯号传至控制电路，控制电路进行实时运算
通过 Hi-Fi 喇叭发射与噪音相位相反、振幅相同的声波与外界噪声相加，来抵消噪音
因此噪音就消失听不见了

主动降噪根据拾音麦克风位置的不同，分为前馈式主动降噪与反馈式主动降噪。

这么一来，这个耳机需要一段的算法处理时间，先学习噪声，这个学习需要时间，然后再把学习到的噪声相位反转，有一个自适应调整期。

主动降噪耳机价格昂贵，但是一般效果优秀，佩戴舒适。但是需要独立电池供电，大多数被动降噪耳机可以不耗电使用（也不主动降噪）

ENC降噪

ENC（Environmental Noise Cancellation，环境降噪技术），能有效抑制90%的反向环境噪声，由此降低环境噪声最高可达35dB以上，让游戏玩家可以更加自由的语音沟通。通过双麦克风阵列，精准计算通话者说话的方位，在保护主方向目标语音的同时，去除环境中的各种干扰噪声。

DSP降噪

DSP是英文(digital signal processing)的简写。主要是针对高、低频噪声。工作原理是麦克风收集外部环境噪音，然后系统复制一个与外界环境噪音相等的反向声波，将噪音抵消，从而达到更好的降噪效果。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统内部相互中和抵消。

CVC降噪

　　CVC（Clear Voice Capture）是通话软件降噪技术。主要针对通话过程中产生的回声。通过全双工麦克风消噪软件，提供通话的回声和环境噪音消除功能，是目前蓝牙通话耳机中最先进的降噪技术。

核心算法

　　ANC降噪实现核心算法为：FxLMS（最小均方差算法）。最小均方差算法以均方误差为代价函数，并使误差降到最小的算法。具体算法推导这里不做具体介绍，这里直接列出表达式

其中， x(k)为输入信号矩阵，W(k)为调整权值矩阵，d(k)为目标（理想）输出信号矩阵，y(k)为实际输出信号矩阵，e(k)为误差信号矩阵，第3个公式为权值调整公式，mu为收敛因子（值为随机的，0<mu<x(k)的相关矩阵最大特征值的倒数）

Matlab仿真LMS滤波器

根据表达设计滤波器

function [yn,W,en]=LMS(xn,dn,M,mu,itr) % LMS(Least Mean Squre)算法 % 输入参数: % xn 输入的信号序列 (列向量) % dn 所期望的响应序列 (列向量) % M 滤波器的阶数 (标量) 滤波器的阶数，就是指过滤谐波的次数,其阶数越高，滤波效果就越好 % mu 收敛因子(步长) (标量) 要求大于0,小于xn的相关矩阵最大特征值的倒数 % itr 迭代次数 (标量) 默认为xn的长度,M<itr<length(xn) % 输出参数: % W 滤波器的权值矩阵 (矩阵) % 大小为M : itr, % en 误差序列(itr : 1) (列向量) % yn 实际输出序列 (列向量) % 参数个数必须为4个或5个 if nargin == 4 % 4个时递归迭代的次数为xn的长度 itr = length(xn); elseif nargin == 5 % 5个时满足M<itr<length(xn) if itr>length(xn) || itr<M error('迭代次数过大或过小!'); end else error('请检查输入参数的个数!'); end % 初始化参数 en = zeros(itr,1); % 误差序列,en(k)表示第k次迭代时预期输出与实际输入的误差 W = zeros(M,itr); % 每一行代表一个加权参量,每一列代表-次迭代,初始为0 % 迭代计算 for k = M:itr % 第k次迭代 x = xn(k:-1:k-M+1); % 滤波器M个抽头的输入 y = W(:,k-1).' * x; % 滤波器的输出 en(k) = dn(k) - y ; % 第k次迭代的误差 % 滤波器权值计算的迭代式 W(:,k) = W(:,k-1) + 2*mu*en(k)*x; end % 求最优时滤波器的输出序列 yn = inf * ones(size(xn)); for k = M:length(xn) x = xn(k:-1:k-M+1); yn(k) = W(:,end).'* x; end

讯享网