咱们生存中充斥着各种噪声，而随着科技的提高，各种音频降噪技术也不断涌现。被动降噪（Active Noise Cancelling）技术属于降噪技术的其中一种，其基本原理是通过播放“反波（Anti-Signal）”在声学环境中来对消噪声。被动降噪曾经被广泛应用到了耳机中，各种“被动降噪耳机”也应接不暇。本篇文章，咱们会具体介绍什么是被动降噪，被动降噪背地的原理是什么，并从“AirPods开发者”的角度介绍怎么业余地评测一款被动降噪耳机。

Introduction

在咱们日常的生存当中，充斥着各种噪声。Fig.1列举了六种生存中比拟常见的噪声。在这些噪声中，飞机噪声、空调/风扇噪声，机器噪声绝对比拟安稳，没有显著的稳定，此类噪声咱们称之为Stationary Noise [1] (Goodman, N. R., 1961)。而餐厅噪声、交通噪声和施工噪声通常是Non-Stationary Noise [2] (Rangachari, 2006)。在Non-Stationary Noise中，比拟具备代表性的要数餐厅里的乐音Babble Noise，驰名的Cocktail Party Effect [3] (Arons, 1992) 就是基于Babble Noise的。Babble Noise是指多个谈话者的交谈声组成的背景噪声，此类噪声不仅仅是非安稳的，而且和咱们所需语音的成分类似，导致在进行语音加强Speech Enhancement（语音为所需信号时的噪声克制）时难度增大。

针对不同类型的噪声，各种不同的降噪算法也相继呈现。降噪算法可分为传统信号处理算法 (Conventional Signal Processing Algorithm)，以及基于机器学习的算法(Learning-based Algorithm)。Fig.2中展现了局部基于传统信号处理算法的分类，被动降噪(Active Noise Cancelling)是其中的一种。

Active Noise Cancelling-ANC

被动降噪Active Noise Cancelling (ANC) 其实早在1936年就被Paul Lueg 提出 [4]。始终到1986年，由美国音频硬件制造商Bose Corporation生产出了第一款ANC 耳机 [5] (Tokhi, 2002)，并装备给了飞行员实现首飞。从那时候起，各种ANC耳机便如雨后春笋个别不断涌现。

A. ANC的算法基本原理

ANC的基本原理并不难理解，外围是依据噪声信号生成一个反波 (Anti-Signal) 作为打消信号 (Cancelling Signal)，在声场(Acoustic) 中播放这个打消信号来对消掉噪声。咱们以一个正弦信号 (Sine Signal) 为例，

其中代表噪声信号，_A_代表正弦信号的幅度，_f_代表了正弦信号的频率。针对噪声信号，咱们生成Anti-Signal作为Cancelling Signal，

如果咱们在声场中播放，在适合的地位咱们就能达到以下的成果，

Fig.3展现了上述对于正弦信号这种单频音 (Single Tone)的被动克制过程。如Fig.3(a)所示，红色信号代表噪声信号，蓝色信号代表CancellingSignal 。由Fig.3(b)所示，叠加后，噪声信号已被对消。

ANC小试验请观看以下视频

B. ANC的算法基本原理

依据ANC的根本工作原理，咱们来介绍一下ANC耳机的构造。咱们以FeedbackANC Headphone [6] (Brittain, 1997) 为例。Fig.4展现了一个FeedbackANC Headphone的一个剖面图，其中模块18是AudioCommunication Speaker，它的性能是播放所须要的声音，比方语音或者音乐。模块20是NoiseReduction Speaker，它的职责是播放Cancelling Signal。模块22和模块24则是负责计算和生成这个CancellingSignal的要害模块。模块22是FeedbackMicrophone，它位于耳机外部，负责监听耳机外部的环境乐音。内部的环境乐音，通过耳机罩，达到耳机外部的时候，这时的信号为耳机外部的环境乐音。拿到了这个信号后，模块22会将其传入模块24，模块24则负责ANC算法的计算，通过自适应滤波(Adaptive Filtering) 实时地生成CancellingSignal，并发送给Noise Reduction Speaker将其播出，去对消噪声。

除了FeedbackANC，还有一种ANC的类型是Feedforward。而目前比拟风行的ANC算法是Feedback联合Feedforward的Hybrid算法。Fig.5展现了HybridANC的示意图。通过示意图咱们能够看到，Hybrid ANC大多数模块都和FeedbackANC一样，惟一的不同是多了一个FeedforwardMicrophone (在Fig.5中的模块6)。这个Microphone安置在耳机的内部，用来收集耳机周围环境乐音，在进入耳机之前的声音信息。

Fig.6里展现了Hybrid ANC的Block Diagram。Feedback Microphone采集到的信号为，它同时也是最初耳朵所听到的信号。代表Feedforward Microphone采集到的信号。外界的噪声在被Feedforward Microphone采到的同时，也会透过耳机 (Primary Path)，传入耳道 (Ear Canal)。在耳道处，会与耳机的Speaker播放进去的Cancelling Signal互相叠加，最终达到打消的成果，

Hybrid ANC的算法外围是自适应滤波器 (Adaptive Filter)， Normalized Least Mean Square (NLMS)是一个比拟通用的自适应滤波器 [7] (Shin, 2004)，

其中，

ANC耳机评测

耳机的评测波及很多方面，各种论坛也有具体的评测攻略。咱们这里着重介绍一下怎么从业余的音频角度去评测ANC耳机。在Fig.6中，灰色的三个规范是比拟常见的三个耳机评测规范。上面三个红色的规范则是从音频角度登程，对ANC耳机进行掂量。

第一个评测点是降噪水平 (Cancelling Decibels) 。这个指标是用来测量ANC对噪声克制了多少。主观感触时，能够在环境内播放噪声，横向比拟不同的ANC耳机降噪过后的成果。噪声类型能够参照咱们上文提到的Stationary Noise和Non-Stationary Noise来别离进行测试。

第二个评测点是降噪的Frequency Range。这个指标反映了ANC降噪的作用频率范畴。测试方法和降噪水平的测试方法相似，惟一不同的是噪声类型，能够用不同频段的单频音，或者是一个扫频信号 (Chirp Signal) 来进行比照测试。

第三个评测点是ANC开启时的音质，次要针对测试ANC工作时候，有没有对播放的音乐信号造成伤害。

当网易云信遇上音频降噪

云信 [8] 是网易团体上司的内资公司，总部位于杭州。除资深老杭研外，团队外围90%来自硅谷、百度、腾讯、阿里、华为等大型企业/独角兽公司，均匀行业教训10年以上，把握业内当先的IM及实时视频通信零碎研发技术。凭借团体的弱小劣势、团队的业余能力及24小时全天候的运维反对服务，截止以后，网易云信产品已笼罩用户7亿+，笼罩196个国家，笼罩地区567个。

云信的音频团队在音频算法上有着深厚的积攒。在音频降噪这一模块，次要的方向仍然是传统信号处理和AI算法并行不悖 (Fig.7)。传统信号处理算法中，对于Stationary Noise采纳线性的算法进行解决，对于Non-Stationary Noise比方Transient Noise，会用到非线性的传统算法。在AI畛域，云信音频会更重视混合型的AI算法，将AI作为降噪算法中的一个子模块，联合传统信号处理算法，在保障语音品质的状况下晋升降噪成果。

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/