Active Noise Cancelling-主動噪聲消除

咱們生活中充斥着各類噪聲，而隨着科技的進步，各類音頻降噪技術也不斷涌現。主動降噪（Active Noise Cancelling）技術屬於降噪技術的其中一種，其基本原理是經過播放「反波（Anti-Signal）」在聲學環境中來抵消噪聲。主動降噪已經被普遍應用到了耳機中，各類「主動降噪耳機」也目不暇接。本篇文章，咱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。

Introduction

在咱們平常的生活當中，充斥着各類噪聲。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，此類噪聲咱們稱之爲Stationary Noise [1] (Goodman, N. R., 1961)。而餐廳噪聲、交通噪聲和施工噪聲一般是Non-Stationary Noise [2] (Rangachari, 2006)。在Non-Stationary Noise中，比較具備表明性的要數餐廳裏的噪音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，此類噪聲不只僅是非平穩的，並且和咱們所需語音的成分類似，致使在進行語音加強Speech Enhancement（語音爲所需信號時的噪聲抑制）時難度增大。

針對不一樣類型的噪聲，各類不一樣的降噪算法也相繼出現。降噪算法可分爲傳統信號處理算法 (Conventional Signal Processing Algorithm)，以及基於機器學習的算法(Learning-based Algorithm)。Fig.2中展現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，由美國音頻硬件製造商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，各類ANC耳機便如雨後春筍通常不斷涌現。

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) 做爲消除信號 (Cancelling Signal)，在聲場(Acoustic) 中播放這個消除信號來抵消掉噪聲。咱們以一個正弦信號 (Sine Signal) 爲例，

其中表明噪聲信號，_A_表明正弦信號的幅度，_f_表明了正弦信號的頻率。針對噪聲信號，咱們生成Anti-Signal做爲Cancelling Signal，

若是咱們在聲場中播放，在合適的位置咱們就能達到如下的效果，

Fig.3展現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，紅色信號表明噪聲信號，藍色信號表明CancellingSignal 。由Fig.3(b)所示，疊加後，噪聲信號已被抵消。

ANC小實驗請觀看如下視頻

B. ANC的算法基本原理

根據ANC的基本工做原理，咱們來介紹一下ANC耳機的結構。咱們以FeedbackANC Headphone [6] (Brittain, 1997) 爲例。Fig.4展現了一個FeedbackANC Headphone的一個剖面圖，其中模塊18是AudioCommunication Speaker，它的功能是播放所須要的聲音，好比語音或者音樂。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，經過耳機罩，到達耳機內部的時候，這時的信號爲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，經過自適應濾波(Adaptive Filtering) 實時地生成CancellingSignal，併發送給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展現了HybridANC的示意圖。經過示意圖咱們能夠看到，Hybrid ANC大多數模塊都和FeedbackANC同樣，惟一的不一樣是多了一個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，在進入耳機以前的聲音信息。

Fig.6裏展現了Hybrid ANC的Block Diagram。Feedback Microphone採集到的信號爲，它同時也是最後耳朵所聽到的信號。表明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

耳機的評測涉及不少方面，各類論壇也有詳細的評測攻略。咱們這裏着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。主觀感覺時，能夠在環境內播放噪聲，橫向比較不一樣的ANC耳機降噪事後的效果。噪聲類型能夠參照咱們上文提到的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降噪的做用頻率範圍。測試方法和降噪程度的測試方法相似，惟一不一樣的是噪聲類型，能夠用不一樣頻段的單頻音，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開啓時的音質，主要針對測試ANC工做時候，有沒有對播放的音樂信號形成損傷。

當網易雲信趕上音頻降噪

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%來自硅谷、百度、騰訊、阿里、華爲等大型企業/獨角獸公司，平均行業經驗10年以上，掌握業內領先的IM及實時視頻通信系統研發技術。憑藉集團的強大優點、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着深厚的積累。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算法左右開弓 (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好比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做爲降噪算法中的一個子模塊，結合傳統信號處理算法，在保證語音質量的狀況下提高降噪效果。

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/