我們生活中充斥著各種噪聲,而隨著科技的進步,各種音頻降噪技術也不斷湧現。主動降噪(Active Noise Cancelling)技術屬於降噪技術的其中一種,其基本原理是通過播放「反波(Anti-Signal)」在聲學環境中來抵消噪聲。主動降噪已經被廣泛應用到了耳機中,各種「主動降噪耳機」也應接不暇。本篇文章,我們會詳細介紹什麼是主動降噪,主動降噪背後的原理是什麼,並從「AirPods開發者」的角度介紹怎樣專業地評測一款主動降噪耳機。
在我們日常的生活當中,充斥著各種噪聲。Fig.1列舉了六種生活中比較常見的噪聲。在這些噪聲中,飛機噪聲、空調/風扇噪聲,機器噪聲相對比較平穩,沒有明顯的波動,此類噪聲我們稱之為Stationary Noise [1] (Goodman, N. R., 1961)。而餐廳噪聲、交通噪聲和施工噪聲通常是Non-Stationary Noise [2] (Rangachari, 2006)。在Non-Stationary Noise中,比較具有代表性的要數餐廳裡的噪音Babble Noise,著名的Cocktail Party Effect [3] (Arons, 1992) 就是基於Babble Noise的。Babble Noise是指多個說話者的交談聲組成的背景噪聲,此類噪聲不僅僅是非平穩的,而且和我們所需語音的成分相似,導致在進行語音增強Speech Enhancement(語音為所需信號時的噪聲抑制)時難度增大。
針對不同類型的噪聲,各種不同的降噪算法也相繼出現。降噪算法可分為傳統信號處理算法 (Conventional Signal Processing Algorithm),以及基於機器學習的算法(Learning-based Algorithm)。Fig.2中展示了部分基於傳統信號處理算法的分類,主動降噪(Active Noise Cancelling)是其中的一種。
Active Noise Cancelling-ANC
主動降噪Active Noise Cancelling (ANC) 其實早在1936年就被Paul Lueg 提出 [4]。一直到1986年,由美國音頻硬體製造商Bose Corporation生產出了第一款ANC 耳機 [5] (Tokhi, 2002),並配備給了飛行員完成首飛。從那時候起,各種ANC耳機便如雨後春筍一般不斷湧現。
A. ANC的算法基本原理
ANC的基本原理並不難理解,核心是根據噪聲信號生成一個反波 (Anti-Signal) 作為消除信號 (Cancelling Signal),在聲場(Acoustic) 中播放這個消除信號來抵消掉噪聲。我們以一個正弦信號 (Sine Signal) 為例,
其中代表噪聲信號,A代表正弦信號的幅度,f代表了正弦信號的頻率。針對噪聲信號,我們生成Anti-Signal作為Cancelling Signal,
如果我們在聲場中播放,在合適的位置我們就能達到以下的效果,
Fig.3展示了上述對於正弦信號這種單頻音 (Single Tone)的主動抑制過程。如Fig.3(a)所示,紅色信號代表噪聲信號,藍色信號代表CancellingSignal 。由Fig.3(b)所示,疊加後,噪聲信號已被抵消。
B. ANC的算法基本原理
根據ANC的基本工作原理,我們來介紹一下ANC耳機的結構。我們以FeedbackANC Headphone [6] (Brittain, 1997) 為例。Fig.4展示了一個FeedbackANC Headphone的一個剖面圖,其中模塊18是AudioCommunication Speaker,它的功能是播放所需要的聲音,比如語音或者音樂。模塊20是NoiseReduction Speaker,它的職責是播放Cancelling Signal。模塊22和模塊24則是負責計算和生成這個CancellingSignal的關鍵模塊。模塊22是FeedbackMicrophone,它位於耳機內部,負責監聽耳機內部的環境噪音。外部的環境噪音,通過耳機罩,到達耳機內部的時候,這時的信號為耳機內部的環境噪音。拿到了這個信號後,模塊22會將其傳入模塊24,模塊24則負責ANC算法的計算,通過自適應濾波(Adaptive Filtering) 實時地生成CancellingSignal,並發送給Noise Reduction Speaker將其播出,去抵消噪聲。
除了FeedbackANC,還有一種ANC的類型是Feedforward。而目前比較流行的ANC算法是Feedback結合Feedforward的Hybrid算法。Fig.5展示了HybridANC的示意圖。通過示意圖我們可以看到,Hybrid ANC大多數模塊都和FeedbackANC一樣,唯一的不同是多了一個FeedforwardMicrophone (在Fig.5中的模塊6)。這個Microphone安置在耳機的外部,用來收集耳機周圍環境噪音,在進入耳機之前的聲音信息。
Fig.6裡展示了Hybrid ANC的Block Diagram。Feedback Microphone採集到的信號為,它同時也是最後耳朵所聽到的信號。代表Feedforward Microphone採集到的信號。外界的噪聲在被Feedforward Microphone採到的同時,也會透過耳機 (Primary Path),傳入耳道 (Ear Canal)。在耳道處,會與耳機的Speaker播放出來的Cancelling Signal相互疊加,最終達到消除的效果,
Hybrid ANC的算法核心是自適應濾波器 (Adaptive Filter), Normalized Least Mean Square (NLMS)是一個比較通用的自適應濾波器 [7] (Shin, 2004),
其中,
ANC耳機評測
耳機的評測涉及很多方面,各種論壇也有詳細的評測攻略。我們這裡著重介紹一下怎樣從專業的音頻角度去評測ANC耳機。在Fig.6中,灰色的三個標準是比較常見的三個耳機評測標準。下面三個紅色的標準則是從音頻角度出發,對ANC耳機進行衡量。
第一個評測點是降噪程度 (Cancelling Decibels) 。這個指標是用來測量ANC對噪聲抑制了多少。主觀感受時,可以在環境內播放噪聲,橫向比較不同的ANC耳機降噪過後的效果。噪聲類型可以參照我們上文提到的Stationary Noise和Non-Stationary Noise來分別進行測試。
第二個評測點是降噪的Frequency Range。這個指標反映了ANC降噪的作用頻率範圍。測試方法和降噪程度的測試方法類似,唯一不同的是噪聲類型,可以用不同頻段的單頻音,或者是一個掃頻信號 (Chirp Signal) 來進行對比測試。
第三個評測點是ANC開啟時的音質,主要針對測試ANC工作時候,有沒有對播放的音樂信號造成損傷。
雲信 [8] 是網易集團下屬的內資公司,總部位於杭州。除資深老杭研外,團隊核心90%來自矽谷、百度、騰訊、阿里、華為等大型企業/獨角獸公司,平均行業經驗10年以上,掌握業內領先的IM及實時視頻通訊系統研發技術。憑藉集團的強大優勢、團隊的專業能力及24小時全天候的運維支持服務,截止當前,網易雲信產品已覆蓋用戶7億+,覆蓋196個國家,覆蓋地區567個。
雲信的音頻團隊在音頻算法上有著深厚的積累。在音頻降噪這一模塊,主要的方向依然是傳統信號處理和AI算法雙管齊下 (Fig.7)。傳統信號處理算法中,對於Stationary Noise採用線性的算法進行處理,對於Non-Stationary Noise比如Transient Noise,會用到非線性的傳統算法。在AI領域,雲信音頻會更注重混合型的AI算法,將AI作為降噪算法中的一個子模塊,結合傳統信號處理算法,在保證語音質量的情況下提升降噪效果。
References
[1] Goodman, N. R., et al."Frequency response from stationary noise: Two casehistories." Technometrics 3.2 (1961): 245-268.[2] Rangachari, Sundarrajan, andPhilipos C. Loizou. "A noise-estimation algorithm for highlynon-stationary environments." Speech communication 48.2 (2006):220-231.[3] Arons, Barry. "A review ofthe cocktail party effect." Journal of the American Voice I/OSociety 12.7 (1992): 35-50.[4] Paul, Lueg. "Process ofsilencing sound oscillations." U.S. Patent No. 2,043,416. 9 Jun. 1936.[5] Tokhi, M. Osman, Sandor Veres,and Sándor M. Veres, eds. Active sound and vibration control: theory andapplications. Vol. 62. Iet, 2002.[6] Brittain, Thomas Paige."Active noise reduction headset." U.S. Patent No. 5,675,658. 7 Oct.1997.[7] Shin, Hyun-Chool, Ali H. Sayed,and Woo-Jin Song. "Variable step-size NLMS and affine projectionalgorithms." IEEE signal processing letters 11.2 (2004):132-135.[8] Yunxin. [Online] Available:https://netease.im/