Содержание к диссертации
Введение
ГЛАВА 1. Анализ объекта исследования и постановка задачи 11
1.1. Акустический сигнал как средство передачи речевой информации 11
1.1.1. Принятые термины, определения и основные параметры звуковой волны 12
1.1.2. Основные методы анализа и обработки акустических сигналов 13
1.1.3. Задача повышения уровня звукового давления 19
1.2. Искажения, помехи и шумы в акустическом сигнале 23
1.2.1. Помехи и основные термины акустической обратной связи 24
1.2.2. АОС при озвучивании незамкнутых пространств 30
1.2.3. АОС при озвучивании замкнутых пространств 33
1.3. Классификация методов подавления АОС 37
Выводы 45
ГЛАВА 2. Метод компенсации АОС 47
2.1. Компенсация помех, возникающих вследствие эха 47
2.2. Метод компенсации АОС в замкнутом пространстве 56
2.3. Схема реализации предлагаемого метода 60
2.4. Адаптация фильтра под переходную характеристику обратного акустического тракта 63
2.5. Требования к производительности аппаратного средства для реализации предложенного метода 66
Выводы 68
ГЛАВА 3. Построение модели фильтра АОС 70
3.1. Выбор инструмента для создания модели фильтра 70
3.2. Идентификация импульсного отклика исследуемой системы 74
3.3. Моделирование компенсации АОС в замкнутом озвучиваемом пространстве 77
3.4. Алгоритм компенсации акустической обратной связи 82
3.5. Ограничительные условия реализации метода 88
Выводы 98
ГЛАВА 4. Экспериментальные исследования и полученные результаты 99
4.1. Условия проведения эксперимента 99
4.2. Особенности реализация метода в системах ГГС 104
4.3. Сбор исходных экспериментальных данных
4.3.1. Апробация предложенного метода при фильтрации записанных зашумленных сигналов в замкнутом пространстве 108
4.3.2. Расчет добавочных коэффициентов для исследуемого замкнутого пространства 111
4.4. Разработка АПК для реализации фильтрации в режиме реального
времени 114
4.4.1. Сравнительный анализ эффективности разработанного АПК с
аналогами 116
Выводы 123
Заключение 126
Список литературы 128
- Основные методы анализа и обработки акустических сигналов
- Адаптация фильтра под переходную характеристику обратного акустического тракта
- Моделирование компенсации АОС в замкнутом озвучиваемом пространстве
- Апробация предложенного метода при фильтрации записанных зашумленных сигналов в замкнутом пространстве
Введение к работе
Актуальность работы. На современном этапе развития методов и средств обработки акустических сигналов, наиболее актуальными являются задачи сохранения целостности передаваемой информации. Это, в первую очередь, обусловлено широким спектром применения акустических систем, к которым следует отнести системы профессионального и бытового звукоусиления и звуковоспроизведения, системы громкоговорящей связи, интегрированные системы стратегического назначения (летные, тактические шлемы и гарнитуры приемопередающей радиоаппаратуры), модули звуковой фильтрации для медицинского, научно-исследовательского и промышленного оборудования. Таким образом, задач подавления помех, возникающих при передаче и обработке сигналов звукового диапазона – актуальна на современном этапе развития звукоусилительной техники.
Наибольший негативный эффект оказывает акустическая обратная связь (АОС), возникающая при возбуждении приемников акустического сигнала в результате переотражения звуковых волн от внешних преград. В подобных случаях наблюдаются известный эффект «петли положительной обратной связи» в акустической системе.
В настоящее время известен ряд подходов к решению означенной проблемы. Известны методы, основанные на инверсии фазы, и сдвига сигнала по фазе использующиеся для предотвращения появления резонанса. При таком подходе петля обратной связи разрывается путем поворота на 180 собственной фазы узкой полосы частот, на которых возникает возбуждение. Также существуют системы, позволяющие в автоматическом режиме отслеживать и удерживать петлевой коэффициент усиления менее 1. Наиболее распространенными являются устройства, разработанные на основе принципа удаления частот, способствующих возникновению возбуждения в системе, что в конечном итоге негативно сказывается на качестве звука.
Решению задачи подавления акустической обратной связи посвящены работы исследовательских отделов ведущих мировых компаний, таких как Bosch,
Тем не менее, большинство известных результатов, полученных в данном направлении, базируются на использовании фундаментальных алгоритмов шумоподавления, которые вносят заметные негативные изменения в изначальный сигнал.
Таким образом, известные методы и алгоритмы подавления АОС решают проблему только частично и, согласно доступным источникам, на сегодняшний день не существует систем, позволяющих полностью исключить помеху без понижения качества выходного сигнала. Актуальность выбранной темы диссертационного исследова-
ния обусловлена как отсутствием методов и средств полного подавления помех, вследствие АОС, так и объективной необходимостью совершенствования алгоритмов цифровой фильтрации акустических сигналов в режиме реального времени.
Целью данной работы является разработка нового метода подавления АОС и программно-аппаратного комплекса системы звукоусиления, позволяющей значительно снизить или полностью исключить помеху обратного акустического тракта, без искажения сигнала путем компенсации АОС.
Задачи исследования:
-
Анализ современных методов и способов подавления АОС, технических особенностей приемо-передающей аппаратуры и перспективных научных направлений в теории и практике помехозащищенности акустических систем. Разработка перечня факторов возникновения АОС и системы классификации методов подавления АОС.
-
Разработка метода, позволяющего в режиме реального времени поднять уровень звукового давления до 4 дБ в замкнутом озвучиваемом пространстве без возникновения автоколебаний и без искажения сигнала вследствие АОС.
-
Разработка модели звукоусиления, алгоритма адаптивной фильтрации полезного сигнала и фильтра, предварительного вычисления сигнала коррекции, исследование и анализ полученных результатов моделирования.
-
Разработка алгоритмического и программно-технического обеспечения распределенного программно-аппаратного комплекса фильтрации и звукоусиления. Разработка опытных образцов аппаратуры комплекса, испытания в лабораторных и промышленных условиях, внедрение полученных результатов исследований в производственный процесс промышленного предприятия.
Научная новизна работы заключается в следующем:
-
Разработан метод компенсации АОС в каналах громкоговорящей связи, позволяющий поднять уровень звукового давления в замкнутом озвучиваемом пространстве.
-
Предложен способ определения переходной характеристики замкнутого озвучиваемого пространства, основанный на вычислении взаимно-корреляционной функции на разных временных интервалах воспринимаемого сенсором сигнала, позволяющий исключить помеху обратного акустического тракта без искажения сигнала и без возникновения возбуждения вследствие АОС.
-
Разработана модель системы звукоусиления и аппаратной фильтрации сигналов акустического диапазона в режиме реального времени, базирующиеся на использовании фильтра, предварительного вычисления сигнала коррекции, позволяющие осуществлять подавление АОС.
Практическое значение работы заключается в следующем:
-
Разработано алгоритмическое и программно-техническое обеспечение в виде программных библиотек и встраиваемых аппаратных модулей для систем и комплексов обработки сигналов звукового диапазона, позволяющее компенсировать АОС в записанных зашумленных сигналах.
-
Разработано программное обеспечение для микропроцессорной системы имеющее практическую значимость в области фильтрации акустических сигналов.
-
Разработан адаптивный фильтр подавления АОС и внедрен в практическую эксплуатацию комплекс «Фильтр акустической обратной связи» для реализации адаптивной фильтрации в режиме реального времени.
-
Результаты диссертационного исследования внедрены на действующее производство в виде программно-аппаратного комплекса «Фильтр акустической обратной связи» выпускаются серийно и эксплуатируются в составе комплекта конфе-ренц-систем SAMY-CS, SAMY-CVS, SAMY-CS Light производства ООО НПП «САМИ», а также практически реализованы в рамках гос. контракта № 14.578.21.0116, (RFMEFI57815X0116).
Методы исследования. Поставленные задачи решены методами вычислительной математики с использованием методов корреляционного анализа сигнала, теории распространения звука, фундаментальных алгоритмов цифровой обработки сигнала, теории акустической обратной связи и акустического эха. При разработке аппаратного и программного обеспечения системы подавления АОС использовались средства высокоуровневого синтеза MatLab/Simulink. Системное и встроенное программное обеспечение реализовано на языке C#.
Объект исследования – методы и средства, обеспечивающие устойчивость акустических систем к помехам и самовозбуждению в результате возникновения АОС.
Предмет исследования – разборчивость передаваемого сигнала и эффективность компенсации помех в акустических трактах без искажения сигнала.
Положения, выносимые на защиту:
-
Метод, позволяющий поднять уровень звукового давления в замкнутом озвучиваемом пространстве без искажения сигнала и без возникновения возбуждения вследствие АОС;
-
Алгоритм определения переходной характеристики обратного акустического тракта, основанный на вычислении взаимно-корреляционной функции на разных временных интервалах фильтруемого сигнала;
-
Результаты экспериментальных исследований и моделирования системы усиления сигнала с обратным акустическим трактом;
-
Программно-аппаратный комплекс для адаптивной компенсации помех АОС в режиме реального времени.
Теоретическое значение диссертации заключается в развитии теории, методов и алгоритмов цифровой обработки акустических сигналов.
Достоверность полученных результатов обеспечена корректным использованием методов математического моделирования и математической статистики, непротиворечивостью исследованиям других авторов, необходимым объемом экспериментальных исследований и доказана удовлетворительной сходимостью результатов расчетов с экспериментальными данными, а также подтверждается результатами практических исследований и имитационного моделирования с использованием сертифицированных аппаратных и программных средств.
Соответствие паспорту специальности. Область исследования диссертационной работы соответствует направлению паспорта специальности: 01.04.06 «Акустика»
Использование результатов работы. Результаты диссертационной работы применяются при производстве комплектов громкоговорящей связи, конференц-систем, систем озвучивания и сопровождения заседаний ООО НПП «САМИ» и входят в
состав действующих установок в Зеленом зале главы города Красноярска, в зале Законодательного собрания г. Кызыл, конференц-зале газеты «Городские новости» и др.
Результаты теоретических и экспериментальных исследований используются в учебном процессе в ФГАОУ ВПО «Сибирский федеральный университет» Железно-горский филиал при подготовке специалистов и магистров по курсу «Моделирование информационно-управляющих систем» в виде серии лабораторных работ по проектированию компонентов систем громкоговорящей связи и реализации на базе программного комплекса «Фильтр акустической обратной связи» в среде MATLAB. Результаты исследования используются для подготовки бакалавров по направлению 230100.62.00.02: «Автоматизированные системы обработки информации и управления» и при проведении практических занятий в лаборатории микропроцессорных систем.
Использование результатов диссертационной работы подтверждено соответствующими актами.
Апробация работы. Основные положения и результаты работы докладывались на следующих конференциях: II Международная научно-практическая конференция: «Робототехника как образовательная технология», (г. Железногорск, 2010), III, IV,V и VII Международные научные конференции: «Робототехника и искусственный интеллект», (г. Железногорск, 2011, 2012, 2013), XIII и XIV Международные молодежные научные конференции: «Интеллект и наука», (г. Железногорск, 2013, 2014), XVII Молодежный форум «Радиоэлектроника и молодежь в XXI веке» (г. Харьков, 2013), IХ Всероссийская научно-техническая конференция «Молодежь и наука» (г. Красноярск, 2013), VI Международная научно-практическая заочная конференция «Тенденции и инновации современной науки» (г. Краснодар, 2013), Всероссийская научно-практическая конференция «Современные проблемы науки и образования в техническом ВУЗе» (г. Стерлитамак, 2013), Международная IEEE – сибирская конференция по управлению и связи (г. Красноярск, 2013).
Публикации. По результатам проведенных исследований и выполненных работ опубликовано 22 работы, из них 7 – в рецензируемых изданиях, входящих в Перечень ВАК и 1 – в трудах международных конференций, индексируемых в базе Scopus.
Осуществлено 2 регистрации программного обеспечения в реестре программ для ЭВМ Российской федерации (свидетельства государственной регистрации №2013614146 от 24.04.2013 и №2013615066 от 27.05.2013).
Объем и структура работы. Диссертационная работа состоит из введения, четырех глав и заключения, выполнена на 153 страницах, содержит 53 рисунков, 11 таблиц, список используемых источников из 122 наименований и 4 приложения.
Основные методы анализа и обработки акустических сигналов
В данном исследовании «белый шум» используется для измерения частотных характеристик различных линейных динамических систем, таких как усилители, электронные фильтры, дискретные системы управления и т. д. При подаче на вход такой системы белого шума, на выходе получаем сигнал, являющийся откликом системы на приложенное воздействие.
«Розовый шум» - шумовой сигнал, спектральная плотность которого снижается в сторону высоких частот, так как, например, в воздухе высокочастотные составляющие звука затухают сильнее низкочастотных [16].
Для анализа характеристик акустических сигналов в данном диссертационном исследовании, применяются методы статистического, спектрального и корреляционного анализа. - статистический анализ акустических сигналов позволяет выявить динамический диапазон и пик-фактор (пик - фактор показывает, насколько ниже следует установить уровень сигнала в тракте передачи по сравнению с уровнем ограничения сигнала в канале, чтобы не возникли перегрузки и нелинейные искажения [17]), посредствам распределение мгновенных значений по времени. спектральный анализ (анализ Фурье) процесс разложения сложного периодического акустического сигнала на сумму простых колебаний, частоты которых являются гармониками фундаментальной частоты (основного тона) [18]. Обратный процесс преобразования простых гармонических составляющих в общий сигнал именуется синтезом Фурье [19]. В зависимости от типа сигнала используются различные виды спектрального анализа: ряд Фурье (для периодических сигналов) на отрезке [-1,1] [20] f(t) = Ц + У Lkcos + fasin7 ) (1.2) fe= где ak и pk - коэффициенты ряда Фурье (амплитуды косинусных и синусных составляющих сигнала). Коэффициенты синусов и косинусов отражают степень их корреляции с обрабатываемым сигналом. Результатом расклада по простым функциям сигнал можно представить в частотной области; интеграл Фурье (для непериодических сигналов); дискретное преобразование Фурье (ДПФ) алгоритм вычисления гармонических составляющих спектра сигнала по дискретным отсчетам аналогового сигнала [21]. Частота дискретизации, согласно теореме Котельни-кова, при которой можно без потерь преобразовать аналоговый сигнал в цифровой и обратно, должна быть в два раза больше самой высокой частоты из диапазона слышимых человеческим ухом [22]; быстрое преобразование Фурье (БПФ) для цифровых сигналов [23].
В данной работе, основываясь на существующей классификации спектров [24], будем разделять: низкочастотные, среднечастотные и высокочастотные в зависимости от того, какие частоты имеют составляющие их гармоник. Общее число гармоник в спектре стремится к бесконечности, однако амплитуда каждой последующей по номеру гармоники убывает в пределе до бесконечности. Структура спектра акустического сигнала имеет решающее значение для восприятия их тембров и общей информативной составляющей акустических сигналов.
Для разработки методов и сложных алгоритмов цифровой фильтрации предполагается использование некоторых фундаментальных операций с сигналом, к которым можно отнести: линейная свертка. Для двух последовательностей h(п) и у(/с), имеющих длину N и К соответственно, свертка определяется как [25]:
В системах обработки данных, как правило, одна из последовательностей у (к) представляет собой массив обрабатываемых данных (сигнал, поданный в систему), вторая h(n) - оператор (переходную характеристику) системы, а функция s(k) - результирующий, выходной сигнал системы. В электро-вычислительных системах с ПЗУ для входных данных оператор h(n) может быть двусторонним от -пі до +п2, например - симметричным h(—n) = h(n), с соответствующим изменением пределов суммирования, что позволяет получать выходные данные без сдвига фазы частотных гармоник относительно входных данных. При корректной свертке с обработкой всех семплов входных данных размерность выходного массива равна К + N1 + N2 — 1 при этом необходимо задавать начальные условия по отсчетам у(к) для значений у(0 - п) до п = N2 и конечные для у(К + п) до п = N1.
В результате преобразования свертки точно определяется выходной сигнал для заданного значения сигнала, поданного на вход системы, при условии, что переходные коэффициенты системы - известны. Деконволюция - обратная задача, заключающаяся в определение по функциям s(k) и h(n) функции у (/с), имеет решение только при выполнении определенных условий [26]. При вычислении свертки имеется вероятность существенного изменения частотного спектра сигнала s(k) и восстановление функции у (к) не представляется возможным, так как определенные полосы частот ее спектра в сигнале s(k) потеряны. - корреляционный анализ - процесс, в результате которого, определяется корреляционная (correlation) функция, устанавливающая определенную связь изменения значений сигналов по времени [27]. Если малые значения од ного сигнала (величина сигналов определяется относительно среднеквадратичного значения на интервале исследуемого сигнала) взаимосвязаны с большими значениями другого сигнала, то корреляция отрицательная, или, наоборот, большие значения одного сигнала связаны с большими значениями другого, то корреляция положительная, а если данные двух сигналов никак не связаны, то корреляция нулевая [28].
Автокорреляционная функция (АКФ) (autocorrelation function) определяется как скалярное произведение сигнала s(t), со скользящей по аргументу, собственной копией (рисунок 1.1) [29]. Автокорреляция позволяет в среднем оценить статистическую зависимость отсчетов сигнала в текущий момент времени, от своих последующих и предыдущих значений (так называемый радиус корреляции значений сигнала), а также определить в сигнале наличие повторяющихся с определенным периодом элементов. АКФ вычисляется посредством интеграла от произведения двух, сдвинутых относительно друг друга на время т, копий сигнала s(t) [30]: а – сигнал синусоидальной формы, б – автокорреляционная функция АКФ – характеризуется двукратным размером исходного сигнала, так как последний отсчет скользящей выборки, в начальный момент сравнения, располагается напротив первого отсчета выборки, относительно которой происходит сдвиг. По оси абсцисс графика АКФ –т.
Наряду с линейной сверткой важнейшую роль в данном диссертационном исследовании играет взаимно-корреляционная функция сигналов, так же являющаяся сверткой применяемой в целях определения схожести двух сигналов. Взаимно-корреляционная функция (ВКФ) (cross-correlation function) двух сигналов выражает степень сходства формы сигналов при их взаимном смещении друг относительно друга по координате (независимой переменной). Обобщая формула ВКФ двух различных сигналов s(t) и u(t) [31]:
Адаптация фильтра под переходную характеристику обратного акустического тракта
Использование технологии эхо-компенсации предоставляет возможность отвести всю ширину полосы пропускания для дуплексной передачи телефонного канала, однако это требует значительной вычислительной производительности для обработки сигнала [76]. Не смотря на природу возникновения эхо-сигнала (электрический тракт), конечный потребитель в данном случае абонент, слышит из источника сигнала аппаратного средства акустические помехи (свой голос с задержкой).
При этом следует учесть, что в отличие от электричеких сигналов акустическое эхо и его помехи имеют гараздо более сложную структуру. Это обусловлено средой распространения сигнала, окружающего пространсва и режимов приема-передачи во временной области.
В других областях народного хозяйства, в которых используются устройства и системы громкоговорящей связи, также существует проблема возникновения помех в следствие попадания в сенсор-приемник сторонних сигналов. Фундаментальная схема подавления подобных помех изображена на рисунке 2.2. Полезный сигнл оратора подается на сенсор-приемник, который принимает сумму сигнала и некотрой помехи п0, не коррелированной с полезным сигналом. Сумма полезного сигнала и помехи s + п0 является входным сигналом системы подавления помех. Другой сенсор-приемник принимает помеху щ, которая не коррелирована с полезным сигналом, но коррелированную с помехой щ некоторым неизвестным образом. В нем регистрируется «эталонный сигнал» для устройства подавления помехи. В процесе фильтрации помехи щ образуется сигнал у, который практически представляет собой копию помехи п0. Сигнал у вычитается из общего выходного сигнала s + щ с целью образования выходного сигнала системы s + щ — у.
В целом при заведомоизвестных характеристиках передающих каналов, посредством которых помеха приходит на оба сенсора-приемника, можно сконфигурировать фильтр, преобразующий щ в у = п0, параметры которого постояны. Тогда сигнал на входе фильтра можно вычесть из выходного сигнала, и на выход системы подать только один полезный сигнал. Так как характеристики трактов передачи сигналов известны только приблизительноно, или не известны совсем, то применение фильтра с псотоянной конфигурацией не гарантирует гибкости. Более того, даже если фильтр с постоянными параметрами обеспечивает гибкость, его параметры нужно настраивать с точностью, которая трудно реализуется, и малейшая ошибка , кака правило, приводит к увеличению мощности помехи на выходе системы.
В приведенной на рисунке 2.2 системе эталонный сигнал обрабатывается адаптивным фильтром, который автоматически перестраивает всою собственную импульсную характеристику по одному из среднеквадратических алгоритмов (например, используя метод наименьших квадратов) [77], который настраивается по сигналу ошибки, а зависящий от выходного сигнала фильтра. Таким образом, при корректном алгоритме фильтр может функционировать в динамически изменяющихся условиях и адаптироваться под них для минимизации сигнала ошибки.
Практическое назначение системы подавления помехи - формирование выходного сигнала системы s + п0 — у, который имеет наилучшее в среднеквадротическом смысле приближение к сигналу s. Это достигается за счет того, что сигнал с выхода системы поступает на адаптивный фильтр, который перестраивает свои параметры согласно некоторому адапривному алгоритму так, что бы свести к минимкму общую мощность сигнала выходного на выходе системы. В данном конкретном случае, в системе адаптивного подавления помех сигналом ошибки процесса адаптации является сигнал с выхода системы.
Для настройки фильтра или его адаптации для формирования сигнала у, который компенсирует помехи, необходимы некоторые точные сведения о помехах щ и щ или сигнале s. Однако на основе простых рассуждений, для этого практически не требуется или нетребуется вообще априорных сведений об этих сигналах или их детерминистических или статистических взаимосвязях.
Моделирование компенсации АОС в замкнутом озвучиваемом пространстве
При применении адаптивных фильтров решается задача идентификации некоторой системы, то есть определения ее характеристик. При этом существует два возможных варианта идентификации – прямая и обратная.
В MATLAB прямая идентификация системы с помощью адаптивного фильтра в пакете расширения Filter Design посредством демонстрационной программы adapt kalman demo, а также возможности блоков DSP Blockset среды имитационного моделирования Simulink, в частности модели kalmnsce из [98].
Ниже приводится способ идентификации импульсного отклика исследуемой системы в задачах эхо-компенсации. Необходимость решения этой задачи обусловлена специфическими особенностями возникновения помех при эксплуатации электроакустических систем озвучивания замкнутых пространств.
Задача адаптивной функции устройства фильтрации – подстроить параметры (коэффициенты) фильтра под динамически изменяющуюся переходную характеристику тракта помех, с тем, чтобы на момент компенсации помехи иметь ее максимально точную копию.
Существующие подходы к решению задачи идентификации отклика некоторого тракта, определения характеристик исследуемой системы, как уже упоминалось выше, можно подразделить на прямую идентификацию и обратную (рисунок 3.1). а) прямая идентификация б) обратная идентификация
Входной сигнал является общим для адаптивного фильтра и исследуемой системы в случае прямой идентификации, а образцовым сигналом для адаптивного фильтра служит выходной сигнал системы [99]. В процессе адаптации фильтра к временным и частотным характеристикам исследуемой системы будут стремиться и соответствующие характеристики фильтра. В режиме обратной идентификации адаптивный фильтр коммутировался с исследуемой системой последовательно (рисунок 3.1, б). Входной сигнал исследуемой системы является образцовым для адаптивного фильтра, а выходной сиг нал исследуемой системы подается на вход адаптивного фильтра. Таким образам, фильтр стремится восстановить исходный сигнал, устранив влияние системы и компенсировать, внесенные системой, искажения [100].
Данные способы идентификации широко используется в современных модемах, телефонных линий связи (работают в дуплексном режиме) для определения эхо-сигнала, и его последующего удаления из тракта передачи. Для корректного функционирования системы эхо-подавления требуется, чтобы принимаемый и передаваемый сигналы были некоррелированы между собой.
В случае использования электроакустических систем звукоусиления в замкнутых пространствах, в отличие от дуплексных систем связи, задача определения характеристик тракта эхо-сигнала представляется гораздо сложнее из-за сложной структуры эхо-сигналов и корреляции, вызванных ими помех с полезным сигналом [101] (рисунок 3.2).
На рисунке 3.2 изображен принцип идентификации для неизвестной, сложной модели распространения звуковой волны в замкнутом пространстве. В данном случае имеется звукоусилительная система с сенсорами приемниками и многочисленными источниками сигнала, что обуславливает наличие обратного акустического сигнального тракта с положительной обратной связью.
В реальных режимах эксплуатации систем озвучивания окружающее пространство может иметь сложную структуру и протяженные трассы прохождения звуковых сигналов. Поэтому расчет длительности интервалов – пауз основывается на скорости распространения звуковой волны в воздушном пространстве и частоте дискретизации. Таким образом, рассчитываются временные интервалы «чистого» оригинального сигнала в усилительном тракте, т.е. сигнала без наложения акустической обратной связи. На этом интервале для адаптивного фильтра оригинальный сигнал является эталонным, а сигналы, поступающие на сенсор приемник вне расчетного интервала, определяются как сигналы смещения и являются наложением (суммой) сигналов прямого и обратного акустических трактов.
В рамках проводимых исследований разработана модель акустической системы озвучивания замкнутого пространства с динамической переходной характеристикой для реализации адаптивной компенсации помех, возникающих в усилительном тракте системы вследствие АОС.
В состав модели (рисунок 3.3) входят тракт приема – усиления – передачи сигнала, обратный акустический тракт и линия компенсации АОС [102]. Моделью прохождения акустического сигнала через воздушную среду замкнутого пространства, является блок с Свертка1 осуществляющий усиление входного и наложение вектора коэффициентов переходной характеристики. При моделировании сигнал генерируется ГСЧ (Генератор Случайных Чисел) и сохраняется в Память4. Сигнал, полученный в результате свертки задерживается, имитируя тем самым отдаленность сенсора-приемника от источников сигнала. На рисунке 3.3 элементы, моделирующие переходный тракт, расположены над линией усиления и представляют собой последовательно соединенные генератор коэффициентов, модуль памяти, модуль вычисления свертки и модуля Линия задержки.
Ниже линии усилительного тракта расположены элементы, модуля адаптивной фильтрации сигнала. После усиления, сигнал поступает не только в выходной тракт (озвучивание имитируемого пространства), но и два условных оператора, которые в зависимости от количества отсчетов (расчетного временного интервала) транслируют сигнал в блоки памяти для последующей обработки или на блок вычисления сигнала коррекции.
Апробация предложенного метода при фильтрации записанных зашумленных сигналов в замкнутом пространстве
При практической реализации и внедрении результатов диссертационных исследований, разработанная аппаратура подавления АОС монтируется в каждом микрофонном блоке. Таким образом, для каждого микрофона имеется собственный вычислитель, который осуществляет построение модели помехи в режиме реального времни и удаляет ее до передачи в канал. В этом случае, компенсация помех происходит до поступления отраженных сигналов в усилительный тракт.
В рамках проводимого эксперимента, был подан сигнал с заведомо известными характеристиками в усилительный тракт системы громкоговорящей связи. Пройдя обратный акустический тракт (систему усиления, источники звука и воздушную среду озвучиваемого пространства), сигнал был зарегистрирован микрофонным блоком делегата в конференц-зале (рисунок 4.6). В ходе эксперимента, были собраны данные в виде записанного звукового сигнала, из которого, посредствам сравнительного анализа с исходным сигналом, была получена переходная характеристика озвучиваемого пространства.
При создании практической модели импульсной переходной характеристики применительно озвучиваемого пространства, а также для анализа полученных данных и разработки алгоритма фильтрации использовался пакет прикладных программ MatLab 7.11 - Simulink. Для получения результатов распространения звуковых волн от излучателей до приемников с учетом геометрических особенностей исследуемого пространства, была найдена ВКФ сигналов, исходного и записанного микрофонным блоком. Результат ВКФ двух сигналов выражает степень сходства формы сигналов при их взаимном смещении друг относительно друга по координате (независимой переменной), в данном случае - времени. Обозначим исходный сигнал как s(t), а записанный сигнал u(t), тогда формула для нахождения взаимной корреляционной функции на интервале (0.. п) будет иметь вид:
В программной среде MatLab для нахождения взаимной корреляционной функции использовали команду хсогг: CCF = хсогг(х1,х2) (4.2) где, CCF - взаимно-корреляционная функция (cross-correlation function), х± и х2 - элементы выборок двух сигналов, которые посредствам операции умножения с накоплением последовательно сравниваются в отношении друг друга с шагом перемещения 1. Размерность взаимно-корреляционной функции определяется размером в два раза превышающим количество отсчетов в большей выборки. В данном случае, интересует положительная область той части графика ВКФ, где исходный сигнал сдвигается относительно сигнала, записанного микрофонным блоком (рисунок 4.7).
В данном примере, выборки двух сигналов были взяты одинаковой размерности, в диапазоне от 1 до 100000. На основании предположения, о том, что среднее время реверберации звука в замкнутом пространстве не превышает 2 секунды, для сигнала с частотой 48 кГц, получили значение количества отсчетов 48000. Из графика ВКФ видно, что время реверберации в исследуемом пространстве не превышает 20000 отсчетов, что для сигнала с частотой 48 кГц составляет менее половины секунды. На этом участке графика ВКФ максимальные значения функции являются коэффициентами для фильтра подавления акустической обратной связи. Однако эти коэффициенты требуют нормализации. Точка максимума иллюстрирует, что в этом месте сигналы максимально схожи, а значение на оси абсцисс показывает задержку распространения сигнала. Для подтверждения предположения о линейности обратного акустического такта был проведен эксперимент по нахождению переходной характеристики обратного акустического тракта на интервалах сигнала с разной мощностью 3,5 и 7 дБ результат приведен в приложении Б рисунок Б6.
На следующем этапе осуществлен выбор порядка фильтра и соответствующее количество коэффициентов расчета, получен массив коэффициентов задержки фильтра. Затем вычитали тестовый сигнал из сигнала, записанного сенсором-приемником, с учетом полученных задержек.
Полученный в результате данных операций сигнал будет являться моделью тестового сигнала, в случае, когда порядок фильтра стремиться к бесконечности. Очевидно, что принятый сигнал имеет значительно меньшую мощность, следовательно, при формировании модели в расчетах должны участвовать номинальные значения сигнала с учетом поправочного коэффициента. При экспериментальном исследовании принимали за пришедший без потери мощности тот сигнал, задержка которого, отображается первым максимумом ВКФ, и в расчетах он участвует без поправочных коэффициентов, все последующие расчеты происходят с коэффициентом пропорциональным соотношению второго и последующего максимума к первому [122].
В результате проведенных экспериментов, выявилась зависимость процента фильтрации от мощности сигнала на конкретной выборке. Для определения мощности выборки на отдельно взятом участке сигнала использовали среднеквадратичное значение сигнала в диапазоне [1. .i]: x? + xi+..+х? S= — (4.3) или sum(X. conj(X)) Power = sqrt I J, (4.4) где Power – мощность, X – последовательность, часть общего сигнала, length(X) – размерность последовательности. Для достижения максимальной компенсации АОС в сигнале с известной мощностью на локальных участках, экспериментальным путем были получены следующие добавочные коэффициенты, характеризующие данную зависимость (Таблица 4.3). Интервалы расчета брались из записанного сигнала, при отсутствии перегрузок усилительного и воспроизводящего оборудования. При этом мощность выходного сигнала не была нулевой. Исходный и записанный сигналы изображены на рисунках 4.8 и 4.9 соответственно