Active Noise Cancelling-主动噪声消除

我们生活中充斥着各种噪声，而随着科技的进步，各种音频降噪技术也不断涌现。主动降噪（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）”在声学环境中来抵消噪声。主动降噪已经被广泛应用到了耳机中，各种“主动降噪耳机”也应接不暇。本篇文章，我们会详细介绍什么是主动降噪，主动降噪背后的原理是什么，并从 “AirPods开发者”的角度介绍怎样专业地评测一款主动降噪耳机。

作者：郝一亚 网易云信音频算法专家

一、Introduction

在我们日常的生活当中，充斥着各种噪声。Fig.1 列举了六种生活中比较常见的噪声。在这些噪声中，飞机噪声、空调/风扇噪声，机器噪声相对比较平稳，没有明显的波动，此类噪声我们称之为 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，比较具有代表性的要数餐厅里的噪音 Babble Noise，知名的Cocktail Party Effect [3] （Arons, 1992） 就是基于 Babble Noise 的。Babble Noise 是指多个说话者的交谈声组成的背景噪声，此类噪声不仅仅是非平稳的，而且和我们所需语音的成分相似，导致在进行语音增强 Speech Enhancement（语音为所需信号时的噪声抑制）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出现。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 中展示了部分基于传统信号处理算法的分类，主动降噪 （Active Noise Cancelling） 是其中的一种。

二、Active Noise Cancelling-ANC

主动降噪 Active Noise Cancelling （ANC） 其实早在1936年就被 Paul Lueg 提出[4]。一直到 1986 年，由美国音频硬件制造商 Bose Corporation 生产出了名列前茅款 ANC 耳机 [5] （Tokhi, 2002），并配备给了飞行员完成首飞。从那时候起，各种 ANC 耳机便如雨后春笋一般不断涌现。

（一）ANC 的算法基本原理

ANC 的基本原理并不难理解，核心是根据噪声信号生成一个反波（Anti-Signal）作为消除信号 （Cancelling Signal），在声场 （Acoustic）中播放这个消除信号来抵消掉噪声。我们以一个正弦信号 （Sine Signal）为例，

其中图片代表噪声信号，A 代表正弦信号的幅度，f 代表了正弦信号的频率。针对噪声信号图片，我们生成 Anti-Signal 图片作为 Cancelling Signal，

如果我们在声场中播放图片，在合适的位置我们就能达到以下的效果，

Fig.3 展示了上述对于正弦信号这种单频音 （Single Tone）的主动抑制过程。如 Fig.3 （a）所示，红色信号代表噪声信号图片，蓝色信号代表 CancellingSignal 图片。由 Fig.3 （b）所示，叠加后，噪声信号图片已被抵消。

ANC 小实验请观看以下视频

（二）ANC 的算法基本原理

根据 ANC 的基本工作原理，我们来介绍一下 ANC 耳机的结构。我们以 FeedbackANC Headphone[6] （Brittain, 1997） 为例。Fig.4 展示了一个 FeedbackANC Headphone 的一个剖面图，其中模块 18 是 AudioCommunication Speaker，它的功能是播放所需要的声音，比如语音或者音乐。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 的关键模块。模块 22 是 FeedbackMicrophone，它位于耳机内部，负责监听耳机内部的环境噪音。外部的环境噪音，通过耳机罩，到达耳机内部的时候，这时的信号为耳机内部的环境噪音。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，去抵消噪声。

除了 FeedbackANC，还有一种 ANC 的类型是 Feedforward。而目前比较流行的 ANC 算法是 Feedback 结合 Feedforward 的 Hybrid 算法。Fig.5 展示了 HybridANC 的示意图。通过示意图我们可以看到，Hybrid ANC 大多数模块都和 FeedbackANC 一样，少数的不同是多了一个 FeedforwardMicrophone（在 Fig.5 中的模块 6）。这个 Microphone 安置在耳机的外部，用来收集耳机周围环境噪音，在进入耳机之前的声音信息。

Fig.6 里展示了 Hybrid ANC 的 Block Diagram。Feedback Microphone 采集到的信号为图片，它同时也是最后耳朵所听到的信号。图片代表 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 播放出来的Cancelling Signal 图片相互叠加，最终达到消除图片的效果，

Hybrid ANC 的算法核心是自适应滤波器（Adaptive Filter），Normalized Least Mean Square（NLMS）是一个比较通用的自适应滤波器[7]（Shin, 2004），

其中，

三、ANC 耳机评测

耳机的评测涉及很多方面，各种论坛也有详细的评测攻略。我们这里着重介绍一下怎样从专业的音频角度去评测 ANC 耳机。在 Fig.6 中，灰色的三个标准是比较常见的三个耳机评测标准。下面三个红色的标准则是从音频角度出发，对 ANC 耳机进行衡量。

名列前茅个评测点是降噪程度（Cancelling Decibels）。这个指标是用来测量 ANC 对噪声抑制了多少。主观感受时，可以在环境内播放噪声，横向比较不同的 ANC 耳机降噪过后的效果。噪声类型可以参照我们上文提到的 Stationary Noise 和 Non-Stationary Noise 来分别进行测试。

第二个评测点是降噪的 Frequency Range。这个指标反映了 ANC 降噪的作用频率范围。测试方法和降噪程度的测试方法类似，少数不同的是噪声类型，可以用不同频段的单频音，或者是一个扫频信号（Chirp Signal）来进行对比测试。

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

四、当网易云信遇上音频降噪

云信[8]是网易集团下属的内资公司，总部位于杭州。除资深老杭研外，团队核心 90%来自硅谷、百度、腾讯、阿里、华为等大型企业/独角兽公司，平均行业经验 10 年以上，掌握业内名列前茅的 IM 及实时视频通讯系统研发技术。凭借集团的强大优势、团队的专业能力及 24 小时全天候的运维支持服务，截止当前，网易云信产品已覆盖用户 7亿+，覆盖 196 个国家，覆盖地区 567 个。

云信的音频团队在音频算法上有着深厚的积累。在音频降噪这一模块，主要的方向依然是传统信号处理和 AI 算法双管齐下（Fig.7）。传统信号处理算法中，对于 Stationary Noise 采用线性的算法进行处理，对于 Non-Stationary Noise 比如 Transient Noise，会用到非线性的传统算法。在 AI 领域，云信音频会更注重混合型的 AI 算法，将 AI 作为降噪算法中的一个子模块，结合传统信号处理算法，在保证语音质量的情况下提升降噪效果。

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/

作者介绍

郝一亚，网易云信音频算法专家，IEEE 审稿人。发表学术期刊/论文 15 篇，申请专利 7 项。曾参与美国卫生局 NIH 助听器音频算法项目、Apple AirPods 音频算法研发 、Facebook Reality Labs AR/VR 音频项目、以及 Zoom Video Communications 实时音频算法研发工作。目前在网易云信主要负责音频实验室搭建、3A 算法研发、AI 音频算法研发以及 RTC 音频标准制定。

关于网易云信

网易云信：网易智企旗下融合通信云服务专家、通信与视频 PaaS 平台。集网易 24 年 IM 以及音视频技术打造的融合通信云服务专家，稳定易用的通信与视频 PaaS 平台。提供融合通信与视频的核心能力与组件，包含 IM 即时通讯、5G 消息平台、一键登录、信令、短信与号码隐私保护等通信服务，音视频通话、直播、点播、互动直播与互动白板等音视频服务，视频会议等组件服务，并联合网易易盾推出一站式安全通信方案「安全通」。目前，网易云信已经成功发送 1.6 万亿条消息，覆盖智能终端 SDK 数累计超过 186 亿，我们期待每个智能终端都有云信的融合通信能力。