亚当•库克MathWorks
主动噪声控制(ANC),也被称为主动噪声消除,试图用破坏性干扰消除不需要的声音。ANC系统使用自适应数字滤波来合成与不需要的信号振幅相同但相位相反的声波。本视频首先回顾了非国大的基本原则。然后展示如何使用Simulink金宝app®设计并模拟一个ANC系统,使用filter - x NLMS自适应滤波器消除管道模型中的噪声。最后,您将看到如何使用真实世界的管道和配备超低延迟操作系统和超低延迟a /D和D/ a转换器的Speedgoat实时音频机来实现ANC系统。该视频展示了如何使用自动C代码生成将仿真模型转换为实时原型。
探索这个视频中使用的例子:Simulink实时自适应噪声控制金宝app.
你是否曾经想过,耳机、汽车和暖通空调系统等主动噪声消除系统是如何被开发和原型化的?
让我展示一个使用MATLAB, Simulink和Speedgoat实时目标机的原型金宝app。
使用一些简单的PVC管,该系统模拟了可能用于HVAC管道的噪声消除系统的类型。
让我们谈谈我们是如何开发这个系统的。
有源噪声消除的原理是,当一个音频波与它的确切的倒数相加时,得到的波形为零。
那么,如何产生与原始噪声源完全相反的波形呢?
当然,这并不是微不足道的。然而,使用一些声学和信号处理的基本原理,我们可以设计一个系统,使我们非常满意的消除结果。
考虑我们PVC管模型的这张图。我们模型中的噪声源是PVC管一端的扬声器。噪音消除,或“抗噪音”的来源是另一个扬声器通过一个肘关节连接。
下面是我们的动画如何与现实世界的PVC管道模型相结合。
除了噪声源和抗噪声源外,我们的系统还使用了两个测量麦克风。第一个测量麦克风是我们的“参考麦克风”。这就记录了噪声源靠近噪声源的位置。
第二个测量麦克风叫做“误差麦克风”。它被放置在PVC管的输出端。这个麦克风就在噪声消除将要发生的地方。
那么,如果“抗噪声”信号是噪声源的逆信号,为什么我们不能把参考麦克风信号的反方向播放出来呢?原因是噪声源将沿着路径从它的原点传播到管道的末端。我们用“错误麦克风”测量管道末端的音频信号。当信号传播时,管道就像一个过滤器,改变噪声的声音。噪声从噪声源到管道末端的传播路径称为“主路径”。
我们可以通过使用“自适应滤波器”算法来确定这个“主路径”滤波器的特性。这个滤波器将适应,直到它学会了提供这个滤波器的数字表示的滤波器权重。
我们用来更新滤波器权重的更新算法称为“归一化LMS”。
但是等等,抗噪扬声器也有自己的传播路径!我们还必须考虑到这条道路。从防噪扬声器到错误话筒的传播路径称为“次级路径”。在NLMS更新之前,我们在我们的系统中包含了对该次路径的估计。
那么,我们现在结束了吗?不!最后要考虑的路径是从抗噪声扬声器到噪声参考麦克风的反馈路径。我们需要从参考麦克风中减去抗噪声信号,否则我们会有一个连续的反馈循环,这将导致不正确的结果。
好了,现在我们准备好模拟了。使用Simulink,我们创建了真实PVC管系统和有源金宝app噪声消除算法的仿真模型。
这个模型允许我们使用快速原型环境来模拟真实世界的系统。
例如,在该模型中,我们使用等效数字滤波器模拟主要和次要传播路径。此外,我们还用求和块模拟了噪声和抗噪声信号的声学求和。
现在,任何开发过实时音频硬件系统的人都知道可能会有一些不便和技术上的困难,经常会发生,阻碍你专注于算法。这种方法的优点在于,我们可以在不使用硬件的情况下开始测试/调试算法,然后在我们确信算法运行良好时,用真实世界中的等效部分替换算法的模拟部分。
此工作流通常称为基于模型的设计。
当我们在仿真中运行这个模型时,我们可以实时收听音频信号。
我们还可以在时间范围内查看信号如何随时间变化。黄色信号表示输入噪声信号,因此它保持不变。蓝色信号表示在错误麦克风处测得的信号。当我们运行模拟时,我们看到随着滤波器的适应,蓝色信号的振幅随着时间的推移而减小。
在这里,我们可以看到随着时间的推移,随着过滤器的自适应,过滤器的权重也在变化。
一旦我们确信我们的算法在模拟中起作用,下一步就是用实际的系统来代替模拟的声学环境。要做到这一点,我们需要一个工具,使我们能够以超低延迟将音频信号输入和输出Simulink模型。金宝app
为了达到最佳的延迟性能,我们使用Simulink real和Speedgoat Real-Time目标机来部署该模型。金宝app
这台机器提供了一个超低延迟的实时内核和超低延迟转换器,允许信号比传统的台式机或笔记本电脑更快地通过。
为什么我们要关注低延迟?让我们回到我们的模型。该系统必须记录参考麦克风,计算响应,并在声音在这些点之间传播的时间内将其播放到ANC扬声器上。在这个例子中,参考麦克风和“Y”段开始的距离是34厘米。声速是343米/秒,因此我们的最大延迟是1毫秒。
Speedgoat可以配备必要的A/D和D/A转换器,以获得音频进出机器非常低的延迟。事实上,这个解决方案的总延迟是2个样本。如果我们使用8khz的采样率,那就是四分之一毫秒!
我们可以通过一些简单的修改使Si金宝appmulink模型在Speedgoat硬件上运行。
我们将使用这些定制的Simulink块与从Speedgoat目标机进出的真实音频信号进行接口。这些模块允许我们指定音频信号的采样率和电压范围。金宝app
我们还可以访问“目标范围”,它允许我们可视化连接到目标机器的监视器上的信号。
这里我们看到了模型的主动噪声控制部分,它适合在Speedgoat上运行。
因为我们使用了基于模型的设计方法,所以这个模型与我们最初为测试算法而建立的仿真模型非常相似。
我们已经移除了模拟声学滤波和声学求和的模块,因为它们不再需要了。我们现在直接与现实世界的信号进行交互。
我们在模型中添加的另一个功能是执行“二次路径估计”的块。这使我们能够用真实世界次级路径的实际测量值来代替模拟过程中使用的次级路径估计值。
该度量将在模型首次运行时进行。测量完成后,我们将切换到主动噪声消除。
我们对声音反馈做同样的事情。
这是我们的模型在Speedgoat机器上实时运行。
我们从测量二次路径估计和声反馈的模型开始。这是通过防噪扬声器发送白噪声信号来实现的。
在这之后,我们开始制造噪音。产生的噪声源由模拟暖通空调风扇或电机振动的合成音调组成。或者,我们可以使用类似噪音类型的真实记录。
我们从关闭系统开始。我们可以在实时示波器上监控测量话筒信号。此外,我们还可以通过放置在测量麦克风旁边的分贝计查看噪声信号的水平。
现在,我们将在我们的模型上使用此仪表板开关启用主动噪声控制。
分贝计处的噪音水平开始降低。在几秒钟内,我们看到了非常显著的结果。噪音降低了20分贝!
我们希望这个视频提供了一些有用的见解,我们的方法,快速原型的主动噪声消除系统与实时流音频。
我们能够使用Simulink创建我们系统的真实模型,然后将该模型应用到Simulink real和Speedgoat re金宝appal目标机器的真实实现中。
你也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。