主动降噪(Active Noise Control)

　　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。

　　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，以达到最佳降噪效果。

　　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：

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。

主动降噪主要应用在车载音响中：

　　凯迪拉克是率先将主动降噪技术运用于汽车领域的品牌。2013年一季度在国内上市的凯迪拉克XTS豪华轿车，其BOSE 5.1环绕声高级音响系统具备主动降噪静音系统（ANC），用车内麦克风采集噪音样本，经系统分析处理之后，由车载音响的扬声器播放相反的音频，以抵消噪音波，营造更安静的车内氛围。

主动降噪在室内降噪中的运用：

　　随着人们居住要求的日益提高，室内降噪需求也愈发凸显，针对窗外、四邻活动及家用电器运转等噪声源，研发三维开放声场主动降噪技术并将其运用到室内降噪以改善声环境，是未来室内噪声控制的一种可行方案。

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

　　当adaptive filter收敛时，$E(z)=X(z)P(z)-X(z)W(z)S(z)≈0$，因此$W(z)≈P(z)/S(z)$。也就是说，自适应滤波器的权系数是由耳机的primary path和secondary path决定的。耳机的primary path和secondary path相对稳定，所以adaptive filter的权系数也相对稳定。因此为实现简单，某些厂家的ANC耳机的权系数在出厂时就确定了。当然这种ANC耳机的听感体验明显不及具有真正自适应意义的ANC耳机，因为在实际情况下，外部噪声相对耳机的方向、不同温度等因素会对耳机的通道响应有影响。

写Matlab代码，用变步长LMS的adaptive filter，得仿真结果如图5。在0到2KHz范围内，利用feedforward ANC消高斯白噪，噪声衰减平均30dB+。Matlab库里的FXLMS是定步长的，效果要差一些。

遇到的困惑写出来分享一下。1. ANC为什么只针对2kHz以下的低频噪音？　　一方面，耳机的物理隔音方式（被动降噪）可以有效阻挡高频噪音，没必要用ANC降高频噪声。另一方面，低频噪声波长较长，可以承受一定的相位延迟，而高频噪声波长短，对相位偏差敏感，因此ANC消高频噪声并不理想。2. 当electronic delay比primary delay大时，算法性能大大下降如何理解？　　P(z)延时小，S(z)延时大，比如P(z)=z-1, S(z)=z-2，只有当W(z)=z才能满足要求，非因果，unreachable。3. Feedforward ANC、narrow-band feedforward ANC、feedback ANC有什么区别？　　Feedforwad结构有一个ref mic和一个error mic，分别采集外部噪音和内部残差信号。feedback结构只有一个error mic，由error mic和adaptive filter output生成reference signal。　　Broad-band feedforward就是上面所述结构，而narrow-band结构中，noise source会产生某个signal触发signal generator，signal generator再生成reference signal送给adaptive filter。只适用于消除periodic noise。　　Feedback ANC由于只有error mic，用error mic来恢复feedforward结构中ref mic采集的信号，通路不满足因果约束，因此只消除predictable noise components，即窄带周期性噪声。需要注意的是，feedforward如果不满足因果约束，即electronic delay比主通道acoustic delay长的话，也只能消除窄带周期性噪声。　　另外还有一种Hybrid ANC的结构，同时包含feedforward和feedback结构，主要的优点是可以节省自适应滤波器的阶数。

主要参照[1]，非常详细的一篇tutorial review，书[2]详细推导和说明了[1]中的细节。图1截自jabra官网，图2和图3来自[3]，图4来自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.

主动降噪+被动降噪

wjzblog的CSDN博客 ANC降噪学习

语音唤醒