Støjmåler - Introduktion til støjdæmpning
Efter at have forstået de grundlæggende forskelle mellem støjundertrykkelse (undertrykker højttalers miljøstøj, så fjernlyttere kan høre klart) og aktiv støjreduktion (opvejer lytterens egen støj fra omgivelserne), lad os fokusere på, hvordan man opnår støjundertrykkelse.
En metode er at bruge flere mikrofoner til at undertrykke data. Indsamling af data fra flere steder vil resultere i, at enheder modtager lignende (men stadig differentierede) signaler. Stemmesignalet modtaget af mikrofonen i nærheden af den talende befolkning er betydeligt stærkere end den sekundære mikrofons. To mikrofoner vil modtage ikke-stemme baggrundslyd med lignende signalstyrke. Træk lydinformationen indsamlet af den stærke stemmemikrofon og den sekundære mikrofon fra, og det resterende flertal er stemmeinformationen. Jo større afstanden er mellem mikrofonerne, jo større er signalforskellen mellem tættere og fjernere mikrofoner, hvilket gør det nemmere at bruge denne simple algoritme til at undertrykke støj. Men når du ikke taler, eller når du forventer, at stemmedata ændrer sig over tid (såsom når du går eller løber, og din telefon bliver ved med at ryste), vil effektiviteten af denne metode falde. Multimikrofon støjdæmpning er bestemt pålidelig, men der er ulemper ved yderligere hardware og behandling.
Så hvad hvis der kun var én mikrofon? Hvis yderligere lydkilder ikke bruges til verifikation/sammenligning, vil en enkelt mikrofonløsning være afhængig af at forstå de modtagne støjkarakteristika og filtrere dem fra. Dette er relateret til de tidligere nævnte definitioner af steady-state og ikke-stationær støj. Steady state-støj kan effektivt filtreres fra gennem DSP-algoritmer, mens ikke-stationær støj udgør en udfordring, kan dybe neurale netværk (DNN'er) hjælpe med at løse problemet.
Denne metode kræver et datasæt til træning af netværket. Dette datasæt består af forskellig (steady-state og ikke-stationær) støj og klar tale, hvilket skaber et syntetiseret støjende talemønster. Feed datasættet som input til DNN, og output det med klar stemme. Dette vil skabe en neural netværksmodel, der vil eliminere støj og kun udsende klar tale.
Selv med uddannede DNN'er er der stadig nogle udfordringer og indikatorer at overveje. Hvis du vil køre i realtid med lav latency, har du brug for stærk processorkraft eller en mindre DNN. Jo flere parametre i DNN, jo langsommere er dens kørehastighed. Lydsamplinghastigheden har en lignende effekt på lydundertrykkelse. En højere samplinghastighed betyder, at DNN skal håndtere flere parametre, men til gengæld vil det opnå højere kvalitetsoutput. Narrowband stemmekommunikation er et ideelt valg til støjdæmpning i realtid.
