Lärmmessgerät – Einführung in die Lärmunterdrückung
Nachdem wir die grundlegenden Unterschiede zwischen der Geräuschunterdrückung (Unterdrückung von Umgebungsgeräuschen des Lautsprechers, damit entfernte Zuhörer sie deutlich hören können) und der aktiven Geräuschunterdrückung (Ausgleich der eigenen Umgebungsgeräusche des Zuhörers) verstanden haben, konzentrieren wir uns darauf, wie eine Geräuschunterdrückung erreicht wird.
Eine Methode besteht darin, mehrere Mikrofone zur Datenunterdrückung zu verwenden. Das Sammeln von Daten von mehreren Standorten führt dazu, dass Geräte ähnliche (aber dennoch unterschiedliche) Signale empfangen. Das vom Mikrofon in der Nähe der sprechenden Bevölkerung empfangene Sprachsignal ist deutlich stärker als das des sekundären Mikrofons. Zwei Mikrofone empfangen Hintergrundgeräusche ohne Sprache mit ähnlicher Signalstärke. Subtrahieren Sie die vom starken Sprachmikrofon und vom sekundären Mikrofon gesammelten Schallinformationen, und der verbleibende Großteil sind die Sprachinformationen. Je größer der Abstand zwischen den Mikrofonen ist, desto größer ist der Signalunterschied zwischen näheren und weiter entfernten Mikrofonen, was die Verwendung dieses einfachen Algorithmus zur Unterdrückung von Rauschen erleichtert. Wenn Sie jedoch nicht sprechen oder wenn Sie damit rechnen, dass sich die Sprachdaten im Laufe der Zeit ändern (z. B. wenn Sie gehen oder rennen und Ihr Telefon ständig wackelt), nimmt die Wirksamkeit dieser Methode ab. Die Rauschunterdrückung mehrerer Mikrofone ist sicherlich zuverlässig, es gibt jedoch Nachteile hinsichtlich zusätzlicher Hardware und Verarbeitung.
Was wäre also, wenn es nur ein Mikrofon gäbe? Wenn zur Überprüfung/zum Vergleich keine zusätzlichen Schallquellen verwendet werden, ist eine Einzelmikrofonlösung darauf angewiesen, die empfangenen Geräuscheigenschaften zu verstehen und herauszufiltern. Dies hängt mit den zuvor genannten Definitionen von stationärem und instationärem Lärm zusammen. Steady-State-Rauschen können durch DSP-Algorithmen effektiv herausgefiltert werden. Während instationäres Rauschen eine Herausforderung darstellt, können tiefe neuronale Netze (DNNs) zur Lösung des Problems beitragen.
Diese Methode erfordert einen Datensatz zum Training des Netzwerks. Dieser Datensatz besteht aus verschiedenen (stationären und instationären) Geräuschen und klarer Sprache, wodurch ein synthetisiertes verrauschtes Sprachmuster entsteht. Geben Sie den Datensatz als Eingabe an DNN weiter und geben Sie ihn mit klarer Stimme aus. Dadurch wird ein neuronales Netzwerkmodell erstellt, das Rauschen eliminiert und nur klare Sprache ausgibt.
Auch bei geschulten DNNs gibt es noch einige Herausforderungen und Indikatoren zu berücksichtigen. Wenn Sie in Echtzeit mit geringer Latenz laufen möchten, benötigen Sie eine starke Rechenleistung oder ein kleineres DNN. Je mehr Parameter in DNN vorhanden sind, desto langsamer ist seine Laufgeschwindigkeit. Die Audio-Abtastrate hat einen ähnlichen Effekt auf die Tonunterdrückung. Eine höhere Abtastrate bedeutet, dass DNN mehr Parameter verarbeiten muss, aber im Gegenzug eine qualitativ hochwertigere Ausgabe erzielt. Schmalband-Sprachkommunikation ist eine ideale Wahl für die Echtzeit-Geräuschunterdrückung.
