基于DSP的场域主动降噪系统_李英豪.pdf

2023年第47卷第4期5System EngineerinG系 统 工 程系 统 工 程文献引用格式：李英豪，解佳平，崔晨伟.基于 DSP 的场域主动降噪系统 J.电声技术，2023，47（4）：5-10.LI Y H，XIE J P，CUI C W.Active noise reduction system in field based on DSPJ.Audio Engineering，2023，47（4）：5-10.中图分类号：TN912.3 文献标识码：A DOI：10.16311/j.audioe.2023.04.002基于 DSP 的场域主动降噪系统李英豪，解佳平*，崔晨伟(吉林大学 通信工程学院，吉林 长春 130000)摘要：为了解决低频噪声难以消除的问题，分析了主动降噪原理和基于最小均方误差准则的自适应算法，以 TMS320VC5509A数字芯片作为核心，搭建低频噪声主动降噪系统。详细介绍了与系统相关的 McBSP、AIC23B 等模块，利用 CCS（CodeComposerStudio）集成开发环境开发基于最小均方（LeastMeanSquare，LMS）算法的软件程序。在实际环境中，利用一系列测试噪声进行模拟实验，验证系统的降噪结果。测试结果表明，系统在低频分量处的降噪效果较为显著。关键词：场域降噪；数字信号处理器（DSP）；主动降噪；最小均方（LMS）Active Noise Reduction System in Field Based on DSPLIYinghao,XIEJiaping*,CUIChenwei(CollegeofCommunicationEngineering,JilinUniversity,Changchun130000,China)Abstract:Tosolvetheproblemthatlow-frequencynoiseisdifficulttoeliminate,thispaperanalyzestheactivenoisereductionprincipleandtheadaptivealgorithmbasedontheLeastMeanSquareerrorcriterion,andbuildsalow-frequencynoiseactivenoisereductionsystemwiththeTMS320VC5509Adigitalchipasthecore.TheMcBSPandAIC23Bmodulesrelatedtothesystemareintroducedindetail,andthesoftwareprogrambasedontheLeastMeanSquare(LMS)algorithmisdevelopedusingtheCCS(CodeComposerStudio)integrateddevelopmentenvironment.Intherealenvironment,aseriesoftestnoisesareusedforsimulationexperimentstoverifythenoisereductionresultsofthesystem.Thetestresultsshowthatthesystemhasasignificantnoisereductioneffectatthelowfrequencycomponent.Keywords:fieldnoisereduction;DigitalSignalProcessor(DSP);activenoisereduction;LeastMeanSquare(LMS)0 引 言随着人们生活品质的提高，各种电子设备产生的噪声正在影响人们的生活。利用被动降噪技术可以消除大部分的中高频噪声，但对影响人们身心健康的低频噪声束手无策。而主动降噪对低频噪声有着较好的消噪效果，可以在一定的窄带频段上自适应消噪，极大地提升了用户的体验。本系统使用主动降噪方法，在噪声源处抑制噪声，能够有效解决上述问题1-2。1 研究背景及意义低频噪声对人体健康伤害更大，其低频特性通常会对人体器官产生潜在的危害。被动降噪技术使用特定材料隔离鼓膜和环境噪声，简单有效且成本低廉。尽管采用被动降噪技术的耳塞和耳机对高频噪声有明显的消除作用，但由于尺寸限制，当目标噪声的频率在 500 Hz 以下时，被动降噪技术的降噪效果逐渐消失，因此应采用主动降噪技术来消除低频频段的噪声。鉴于无源噪声控制技术在低频噪声控制领域的不足，有源噪声控制（Active Noise Control，ANC）技术作为其补充应运而生。ANC 起源于十九世纪，采用有源噪声控制方法代替被动噪声控制方法，从而有效控制中低频范围内的噪声。ANC 的工作原理如图 1 所示。ANC 技术可通过电子设备产生与原始噪声频率相同、相位差 180的反噪声，将其与原始噪声通信作者：解佳平（2002），男，本科，研究方向为语音信号处理。E-mail：。2023年第47卷第4期6系 统 工 程系 统 工 程ystem EngineeringS叠加后能够削弱或消除原始噪声的振幅，留下一列振幅几乎为 0 的声波（即残余噪声）。与无源控制技术相比，有源控制设备体积小，适用于消除低频环境噪声。典型的有源噪声控制也称前馈有源噪声控制，使用麦克风采集原始噪声，利用扬声器产生与源噪声信号幅度相同但相位相反的噪声波形，将其叠加在原始噪声上来减小噪声的幅度。但是这种方法没有考虑声反馈和误差通道等约束，导致系统无法运行。初级噪声反噪声+=残余噪声图 1 ANC 工作原理2 降噪原理2.1 主动降噪使用主动噪声控制技术进行降噪时，整个去噪场景等效为一个主动噪声控制系统。3 种常见的主动降噪系统结构分别是前馈式主动降噪、反馈式主动降噪和多通道式主动降噪。考虑可靠性和可实现性，现实中主动降噪场景广泛应用的是前馈式主动降噪系统。前馈式主动降噪系统模型如图 2 所示。w(n)r(n)y(n)e(n)“”图 2 前馈式主动降噪系统模型根据系统模型，初级传感器采集参考信号 r(n)，处理器算法利用参考信号得到用于抵消初级噪声的次级噪声 ys(n)。将该声场同 r(n)叠加，得到该区域的实际噪声为 e(n)=r(n)+ys(n)。为达到消减噪声的目的，需对信号处理器进行设计，使残余噪声e(n)尽可能小。前馈噪声控制系统的基本原则是使噪声信号 r(n)与其抵消信号 ys(n)同时到达并抵消。2.2 LMS 算法最小均方误差（Least Mean Square，LMS）算法是一种自适应滤波算法，通过不断调整滤波器参数来使滤波效果达到最佳。自适应滤波系统框架如图 3 所示。x(n)y(n)e(n)d(n)图 3 自适应滤波系统框架LMS 算法的理论权重信号 W(n)可以表示为W(n+1)=W(n)-(n)（1）式中：为收敛因子，用来调整收敛速度和系统稳定性。梯度的估计值为(n)=-2e(n)X(n)（2）算法最终可以表示为W(n+1)=W(n)+2e(n)X(n)（3）分析收敛因子 可知，保证算法收敛的条件是0 1/max，其中 max为 X(n)特征矩阵的最大特征值。结果表明，算法的稳定性与收敛因子 有关，易受 max的影响导致算法存在缺陷。此外，步长、收敛速度和系统收敛程度之间存在矛盾，即步长越长，系统收敛速度越慢，但系统收敛效果好；步长越短，系统收敛速度越快，但系统收敛效果差。2.3 FXLMS考虑真实情况的系统框图如图 4 所示。Hs(z)W(z)P(z)y(n)y(n)x(n)x(n)e(n)图 4 真实场景下的系统框图图 4 中，P(z)为初级通道的传输函数；W(n)为自适应滤波器的传递函数；x(n)为输入的参考噪声信号；r(n)为参考噪声信号经过初级通道后处理后得到的噪声信号；y(n)为经过信号处理器处理后到达误差传感器处的信号；e(n)是 r(n)和 y(n)叠加后得到的残余误差信号。实际系统中，输出信号y(n)会受到初级传感器、自适应滤波器、扬声器等部件的影响，文章将自适应滤波器以外其他部件的影响定义为次级通道，在图中表示为 Hs(z)。2023年第47卷第4期7System EngineerinG系 统 工 程系 统 工 程当残余噪声 e(n)=0 时，可以得到P(z)=W(z)H(z)（4）()()()zNiiP zWH z=（5）若 H(z)存在零点，即 H(z)=0，整个控制系统将变得不稳定，这表明自适应滤波器 W(z)的更新过程容易受次级通道影响。由此提出滤波 X 最小均方（Filter X-Least Mean Square，FX-LMS）算法，可有效解决次级通道带来的问题3。因为实际场景中存在未知数 H(z)，所以采用其估计值 H(z)。经过 H(z)滤波后的噪声为()()10NiiXnh X ni=（6）根据LMS的原理，得到改进后的FX-LMS算法，计算公式为W(n+1)=W(n)+e(n)X(n)（7）针对次级通道带来的问题，FX-LMS 算法可以实现更好的降噪效果，但是在使用该算法前，首先应辨识次级通道的系统函数。3 系统设计3.1 硬件组成TMS320VC5509A 数 字 信 号 处 理 器（Digital Signal Processor，DSP）是基于 TMS320C55x DSP 的CPU 处理器内核。C55xDSP 架构通过提高并行度来实现高性能和低功耗。高 速 多 通 道 同 步 缓 冲 串 口（Multichannel Buffered Serial Port，McBSP）是 DSP5509A 片内用于传输数据流的通道，允许全双工、双缓冲的传输方式，支持 8 32 bit 的数据传输。TLV320AIC23B 是德州仪器（Texas Instruments，TI）公司推出的一款高性能立体声音频解码器，高度集成了立体声线性输入、输入音量控制、静音以及旁路模式等多种功能，能够使系统设计更加灵活，与 McBSP 完美衔接。3.2 硬件设计实验硬件平台主要由 DSP 开发板、DSP 仿真器、耳机与麦克风、外置声卡以及扬声器组成，如图5 所示。实际操作时，将误差麦克风和音源麦克风的AUX 音频线连接至外置声卡，同时将外置声卡的监听口与 AIC23B 芯片引出的 Line in 口相连，利用McBSP 将数据输入和输出芯片。AIC23B 将处理好的数据利用 Phone out 口输出，利用音响播放。调试时个人电脑与 DSP 经过联合测试工作组（Joint Test Action Group，JTAG）接口相连，便于进行变量的追踪等功能。音频输出扬声器部分AIC23MICDSPVccVcc音源及误差麦克风输入图 5 硬件平台构成3.3 软件设计3.3.1 McBSP 串口初始化通 过 配 置 McBSP 相 关 参 数，实 现 DSP 与AIC23B 之间的信息传递。系统通过向 McBSP1 寄存器写入控制字，控制寄存器 RCR1接收 1 相 32 bit数据，XCR1发送 1 相 32 bit 数据。3.3.2 AIC23B 初始化设定 AIC23B 为主机模式，采用线性输入，关闭旁路，采样率为 96 kHz，音频输入衰减为 0 dB，输出衰减为 6 dB。系统采用线性输入口输入数据，其中 LLINEIN 输入噪声源信号，RLINEIN 输入误差信号，LPHOUT 连接扬声器输出反噪声信号。AIC23B 控制寄存器内容如表 1 所示。3.4 工作流程首先导入库函数（CSL 库），并初始化 PLL 锁相环、I2C 总线、MCBSP 串口以及 AIC23B 声卡。其次建立次级通道，利用扬声器播放测试信号，将误差麦克风读入信号与测试信号的差值作为误差，测试信号作为声源送入 LMS 算法处理。在误差值低于阈值时，导出权值矩阵作为为次级通道估计参数。之后返回主函数中调用 FXLMS 子函数4。其核心流程如图 6 所示。4 结果及调试4.1 软件仿真在搭建系统前，为验证 FXLMS 算法的有效性，先对系统进行 MATLAB 仿真。由于次级通道参数难以估计，本项目在仿真时仍然采用不考虑次级通道的 LMS 算法。LMS 法的实验效果如图 7 所示。通过播放两份音频文件并观察对比，经过 LMS算法处理后的噪声显著减小。2023年第47卷第4期8系 统 工 程系 统 工 程ystem EngineeringSYYNNFXLMS图 6 系统工作流程4.2 实验环境搭建搭建实验环境，场景如图 8 所示。4.3 参数调试在运行 FXLMS 算法时，可以通过调整滤波器阶数和收敛因子来改善实验效果。滤波器阶数越大，能捕捉信号的特征越多，同时可能导致过拟合或实时性下降等问题。收敛因子决定了算法的收敛速度，收敛因子较小时，信号跟踪能力差；反之，收敛速度较快，但系统稳定性差。经过多次对比实验后，本系统设置滤波器阶数为 15，收敛因子为0.000 000 05。4.4 结果分析4.4.1 时域分析时域波形对比如图 9 所示。对比降噪前后的时域波形，降噪后的场域音频明显降低。进一步计算降噪前后的功率，结果分别为 3.910-5 mW 和 3.210-5 mW，结果表明该系统实现了一定程度的降噪效果。4.4.2 频域分析对采集信号进行频谱分析，原噪声以低频成分为主，降噪后的音频在原噪声主要频谱成分处有明表 1 AIC23B 控制寄存器内容寄存器名称寄存器地址寄存器内容功能描述左线性输入声道音量控制00000000 x17左声道激活衰减 0 dB右线性输入声道音量控制00000010 x17右声道激活衰减 0 dB左耳机输出音量控制00000100 xA0关闭左声道输出右耳机输出音量控制00000110 xFF右耳机控制激活衰减 6 dB模拟音频通道控制00001000 x10禁止模拟旁路，线性输入数字音频通道控制00001010 x05高通滤波，去加重禁止电源控制00001100 x02关闭麦克风，打开线性输入数字音频接口格式控制00001110 x53主模式，16 位 DSP 传输状态采样率控制00010000 x3F控制采样率为 88.2 kHz数字接口激活00010010 x01数字接口激活复位寄存器00011110 x00AIC23 复位时间/s0.20.10-0.1-0.2010203051525幅度/dB（a）原始音频信号幅度/dB时间/s0.20.10-0.1-0.2010203051525（b）降噪后信号图 7 原始音频与经过 FXLMS 算法处理后的音频对比图 8 实验场景2023年第47卷第4期9System EngineerinG系 统 工 程系 统 工 程显的减弱，其他频率成分也有一定减弱。频谱分析如图 10 所示。时间/s0.100.080.060.040.020-0.02-0.04-0.06-0.08-0.10原始噪声音频降噪噪声音频010203051525幅度/dB图 9 时域波形对比频率/Hz1031 8001 6001 4001 2001 0008006004002000噪音频谱降噪后频谱1 00090080080604020013524602.93.03.13.2103幅度/dB图 10 频谱对比在对噪声主要频率成分进行消噪的同时，还会一定程度上引入其他频率成分的噪声，由于FXLMS 算法无法完美地识别和抑制所有频率的噪声，便会产生伪影。此外，算法对信号进行处理时会引入不可避免的误差或非线性效应，这些误差和非线性效应可能会导致其他频率成分的噪声出现在输出 信号中。4.4.3 其他测试结果为了验证降噪系统在不同噪声环境的工作效果，通过更改测试噪声进行重复实验。以测试音频a 和测试音频 b 为例，其频谱对比结果如图 11 和图12 所示。该系统对各种低频噪声都具有一定的降噪效果，体现在原噪声低频主要成分明显下降。4.5 仿真验证降噪前后频谱对比如图 13、图 14 所示。对仿真得到的结果进行频谱分析，结果表明在原噪声主要频谱成分处有着良好的降噪效果。仿真结果与硬件实验结果类似，均引入了新的高频成分。由此可见，高频成分是由 LMS 算法引入，集成时可以考虑在输出声音时添加低通滤波器来抑制频率/Hz1 8001 6001 4001 2001 0008006004002000噪音频谱降噪后频谱1352461030幅度/dB图 11 测试音频 a 频谱对比频率/Hz1 8001 6001 4001 2001 0008006004002000噪音频谱降噪后频谱1352461030幅度/dB图 12 测试音频 b 频谱对比图频率/Hz3 5003 0002 5002 0001 5001 00050000.51.52.51.02.01040幅度/dB图 13 降噪前信号频谱2023年第47卷第4期10系 统 工 程系 统 工 程ystem EngineeringS高频成分5。5 结 语为了解决低频噪声难以消除的问题，本文利用LMS 算法，通过软硬件结合仿真自主搭建基于 DSP的场域降噪系统，计算对比降噪前后场域声音的频谱和功率，分析得出该系统具有预期的降噪能力。但同时频率发生的非线性变化难以矫正，后续计划通过改善算法和更新设备进行弥补。当前场域降噪技术仍处于发展阶段，在家庭生活和工业生产方面具有巨大的发展和应用潜力。参考文献：1史雄坤.基于 DSP 的主动降噪耳机的研究 D.长沙：湖南大学，2021.2陈浩.基于 DSP 的有源降噪耳机系统设计与研究 D.南京：南京信息工程大学，2018.3曹洲.自适应主动降噪算法的研究与实现 D.深圳：深圳大学，2020.4王珊珊.室内主动降噪系统及实验研究 D.长沙：湖南大学，2020.5刘东旭.基于 FxLMS 算法的汽车风噪 ANC 系统的研究与实现 D.重庆：重庆邮电大学，2019.编辑：郭芳园频率/Hz3 5003 0002 5002 0001 5001 00050000.51.52.51.02.01040幅度/dB图 14 降噪后信号频谱供用户服务，如图 5 所示。图 5 卫星直播终端二维码识别3 效果分析目前，基于卫星直播业务的综合客服系统智能服务平台为服务 1.5 亿户广大卫星直播用户提供了便捷高效的系统支撑。建设的 AI 基础能力及管理功能可供其他业务系统调用，通过 AI 能力赋能智能提醒、智能质检、智能填单、图片识别等功能，大大提升了问题解决准确率及业务办理效率，座席通话效率提高了约 13%，互联网客服受理量增加了约2.4 倍，有效节约了人工成本和通话费用。此外，平台支撑了新疆和四川直播卫星属地智能客服业务，可为新疆地区 400 多万和四川地区近千万直播卫星用户提供少数民族语言或者当地方言服务等，为实现全国直播卫星用户本地化服务奠定了基础。4 结 语通过对直播卫星综合客服系统的优化改造，实现了基于卫星直播业务的综合客服多元智能服务平台，有效提升了直播卫星公共服务效果和质量，为直播卫星公共服务实现户户通、长期通、优质通奠定了基础。随着卫星直播业务的继续发展及用户多样化的服务诉求，需要在 AI 基础能力建设和管理基础上继续深化 AI 能力，持续进行迭代训练，赋能用户服务，提升系统智能化服务水平，最终提高用户服务效率和用户满意度。参考文献：1杨基明，孙恒超.智能语音技术在客服系统中的应用 J.电信快报，2015（3）：20-22.2段瑞霞，张海东.智能语音识别技术在呼叫中心的应用研究 J.电脑知识与技术，2022（5）：94-96.3王宏芳.智能语音客服系统在呼叫中心领域的应用及展望 J.通信企业管理，2017（6）：57-59.4俞科峰.中国电信多媒体智能客服系统的研究与实现 J.移动通信，2015（1）：91-96.5刘向宇.探讨语音识别在智能客服系统中的应用 J.中国新通信，2014（12）：79.编辑：郭芳园（上接第 4 页）