CN104980877A - 识别和补偿机电换能器中的非线性振动的装置和方法 - Google Patents
识别和补偿机电换能器中的非线性振动的装置和方法 Download PDFInfo
- Publication number
- CN104980877A CN104980877A CN201510172626.5A CN201510172626A CN104980877A CN 104980877 A CN104980877 A CN 104980877A CN 201510172626 A CN201510172626 A CN 201510172626A CN 104980877 A CN104980877 A CN 104980877A
- Authority
- CN
- China
- Prior art keywords
- signal
- modal
- linear
- produce
- distortion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
- H04R3/08—Circuits for transducers, loudspeakers or microphones for correcting frequency response of electromagnetic transducers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明涉及一种通过使用机电换能器(1)将输入信号v转换为输出信号p(ra)并且减小所述输出信号p(ra)中的非线性总失真pd的装置和方法,其中所述非线性总失真pd包含由于机械换能器部件的非线性部分振动产生的多模态失真ud。识别系统(22)基于通过传感器(3)测量的换能器(1)的电学、机械或声学状态变量来产生非线性波模型(Nd)的分布参数Pd和网络模型(Nl)的集总参数Pl。所述非线性波模型区分激活模式与传递模式,其中激活模式影响传递模式,所述传递模式将输入信号u传递为输出信号p。控制系统(41)基于物理建模和识别的参数Pd和Pl来合成非线性失真信号vd和vl,所述非线性失真信号与输入信号一起提供给换能器(1),并且补偿由换能器非线性产生的失真信号ul和ud。
Description
技术领域
本发明总体涉及通过使用机电换能器将输入信号转换为输出信号并且减小所述输出信号中的非线性总失真的装置和方法。
背景技术
本发明总体涉及识别非线性模型的参数的装置和方法,所述非线性模型描述了例如在机电换能器和电声换能器中使用的机械结构的非线性振动。这种信息是用于识别非线性的结构性原因、对那些换能器的传递行为进行线性化并且对电学、机械或声学输出信号的非线性信号失真进行主动补偿的基础。
扬声器和其他电声换能器使用振动膜、面板、壳(shell)和其他机械结构来产生振动和声音。在低频率下,因为声音辐射表面的主要部分作为刚体而振动并且只有悬架(例如,扬声器中支架和边沿)变形,可以通过包括集总元件在内的网络对换能器进行建模。这种模型也可以考虑换能器的机械悬架和发动机固有的非线性,并且是如在Yeh,D.T.,Bank,B.Karjalainen,M.2008年9月在Proceedings of 11th Int.Conference on Digital Audio Effects,pp.DAFx1-DAFx-8的题为“Nonlinear Modeling of a Guitar Loudspeaker Cabinet”的出版物中和专利申请US2005/0031139所述的测量和控制应用的基础。专利申请US 2003/0142832使用非线性集总参数模型来研究递归结构。
在高频率下,机械结构产生高阶振动模式,所述高阶振动模式需要使用分布式参数的更复杂建模。Yeh,D.T.的出版物和专利申请US2005/0175193使用线性系统(例如均衡器)用于高阶模式的仿真和扬声器在小幅度下的传递行为的主动校正。然而,力和位移之间的关系在较大幅度下成为非线性的,并且产生了附加的谱分量(谐波和互调制失真)。这些失真削弱了音频设备再现的声音质量以及主动降噪和回声抵消的性能。
高阶模式的非线性振动和声音辐射可以通过解析模型或数值模型(BEM、FET)来描述,其要求与机械部件中使用的几何形状和材料有关的详细信息。
N.Queagebeur和A.Chaigne在出版物“Mechanical Resonancesand Geometrical Nonlinearities in Eleetrodynamic Loudspeakers”,Journal of Audio Eng.Soc.,Vol.56,No.6(2008),462-471中提出了卡曼(Karman)模型,以描述与较高提取级别有关的机械系统。这种模型要求高阶模式的固有函数(振型)、固有频率和模型损耗因子,可以通过对机械结构的表面移动进行扫描来确定上述内容。
普通黑盒子模型已经用于描述非线性传递函数,而无须考虑信号失真的物理原因。例如,文献US6687235使用Volterra膨胀用于回音补偿。文献US5148427、US8509125、US2013/0216056、US6813311和US 5329586代替地使用静态非线性元件而不使用存储器,所述存储器可以实现为表、幂级数或非线性硬件部件。
发明内容
本发明公开了一种装置和方法,通过改进结构设计或者通过对输入信号或输出信号的逆非线性处理来补偿不期望的信号失真,来对机电换能器或电声换能器的传递信号进行校正。本发明是基于使用分布参数的物理模型,所述分布参数考虑了高阶模式的非线性激励、时变振型(timevariant mode shape)对进入周围流体(例如空气)中的声音辐射的影响。
本发明使用与主要非线性有关的物理信息来得出面向块的波模型,所述面向块的博模型描述了非线性失真的产生以及向输出信号的传递。
面向块的波模型在激活模式之间进行区分,所述激活模式激活非线性行为并且影响传递模式,所述传递模式将输入信号u传递为输出信号p。由于在振动膜上分布的移动质量的惯性,输入信号u与每一个m阶模式(0<m≤M)之间的幅度响应|Qm(f)|具有低通特征,并且以固有频率以上每倍频程12dB的斜率下降。相较于第一m阶模式而言固有频率更低(fk<fm)的第二k阶模式(m>k)通常产生更高的幅度|Qk(f)|>|Qm(f)|,并且更大程度地激活固有非线性。为此原因,将对于位移有显著贡献的基模和其他低阶模式(0<m≤MD)看作是激活模式。
可以将振动膜上的所有模式(0<m≤M)看作是传递模式。不能激活非线性元件的具有较低位移的高阶模式(m≥MD)可以对于声压输出p(ra)的产生有贡献,因为位移的二次导数(加速度)确定了声学辐射。
通过相对于表示传递模式的多模态信号wm,n对表示激活模式的模态激活信号qm进行非线性处理,对激活模式和传递模式之间的非线性相互作用进行建模。
通过对至少一种激活模式加以表示的线性激活滤波器He,m来产生模态激活信号qm。线性激活滤波器He,m包括具有低通特征的传递函数Qm(f),其中在两个极点产生无限脉冲响应。
可以通过使用网络模型Nl的集总参数Pl来产生对具有最低固有频率的m=0阶的基模加以表示的模态激活信号q0。网络模型Nl后面跟着面向块的波模型Nd的串联连接是本发明的重要特征。
通过使用线性多模态滤波器来产生多模态信号wm,n,所述线性多模态滤波器具有对传递行为的非线性变化加以表示的传递函数Hs,m,n(s)。所述多模态滤波器具有宽带传递特性,并且考虑了激励的时间变化、固有频率和m阶传递模式的振型(0<m≤M)以及它们对声音辐射的影响。
可以通过使用包括二次、三次和高阶子系统在内的多项式滤波器来实现多模态信号wm,n和模态激活信号qm的非线性处理。每一个n次幂系统包含产生信号Bm,n=qm (n-1)的静态非线性子系统,所述信号Bm,n=qm (n-1)是模态激活信号qm的(n-1)次幂。通过将信号Bm,n=qm (n-1与多模态信号wm,n相乘来产生源信号zm,n。源信号zm,n描述了在位置(例如周围)以及在产生源信号的状态变量(例如机械张力)中的失真信号。
经由后面的具有传递函数Hp,m,n(s)的后处理滤波器将源信号zm,n传递为虚失真贡献um,n,所述虚失真贡献um,n在换能器的输入处被添加至激励信号并且经由具有传递函数Htot(s)的附加线性滤波器被传递为输出信号p(ra)。
激活滤波器、多模态传递滤波器和后处理器滤波器的自由参数赋予面向系统的波模型Nd建模能力,以描述振动膜几何形状和材料性质、辐射条件、声学环境和其他未知过程的影响。因此,可以将面向系统的波模型看作是灰度模型(grey model),所述灰度模型提供足够的自由度来作为其他简要通用的方法(例如,volterra-系统),同时使用来自物理建模的结构信息(例如,FEM,BEM)。本发明的特征在于面向系统的波模型Nd包括最小个数的自由参数Pd,所述自由参数Pd可用于在机械和声学场景中进行解释,并且具有用于换能器的研发、优化和质量控制的较高诊断值。
可以在普通音频信号(例如,音乐)激励的同时通过自适应系统识别来确定波模型Nd的所有自由参数Pd。在换能器端子处测量的电信号可以用于基于具有集总参数Pl的网络模型Nl来识别最低阶m=0的模态激活滤波器He,0。m>0的高阶模态激活滤波器He,m和所有多模态传递滤波器Hs,m,n以及后处理滤波器Hp,m,n的参数识别需要机械传感器或声学传感器。
波模型Nd可以用于在换能器输入信号中合成信号失真并且将全部传递行为线性化,其中所述波模型主动地补偿由换能器产生的非线性失真。主动失真的减小可以改善在使用麦克风信号p(rs)来识别非线性参数的远程通信应用中的回声抵消性能。
换能器的声学输出的线性化需要在控制系统中对输入信号v进行非线性预处理以及产生用于激励换能器的控制输出信号u。本发明提出的控制系统包括使用由物理建模提供的先验信息而串联连接的两个子系统。第一子系统通过使用波模型Nd的结构和参数来产生补偿失真vd,并且从输入信号v减去所述失真vd。将差信号v-vd提供给第二子系统的输入,所述第二子系统基于网络模型Nl的信息产生失真vl,并且通过从第一子系统的输出减去失真vl产生控制输出信号u=vd-vl。
本发明的这些和其他特征、益处和技术可行性的特征在于以下说明、详细描述和权利要求。
附图说明
图1示出了基于恒定振型Ψ0的换能器的模态振动和声音辐射的非线性模型。
图2示出了振动膜在平衡位置的几何形状(虚线)和针对10kHz下正弦激励的振动膜最大正负位移(实线)。
图3示出了通过产生音圈的-0.3mm负DC位移得到的振动膜几何形状(虚线)和针对10kHz下正弦激励的振动膜最大正负位移(实线)。
图4示出了通过产生音圈的0.3mm正DC位移得到的振动膜几何形状(虚线)和针对10kHz下正弦激励的振动膜最大正负位移(实线)。
图5示出了有效辐射面积Sd(xdc)根据音圈静态位移xdc的变化。
图6示出了考虑振型Ψ(Q)变化的情况下的换能器的模态振动和声音辐射的非线性模型。
图7示出了模态位移相对于频率的幅度响应。
图8示出了通过使用等价输入失真ul和ud对换能器的模态振动和声音辐射进行建模的非线性系统。
图9示出了通过使用等价输入失真ul和ud对换能器的模态振动和声音辐射进行建模的修改后非线性模型系统。
图10示出了产生非线性等价输入失真ud的非线性系统Nd的实施例。
图11示出了产生失真贡献um,n的非线性连接元件的实施例。
图12示出了用于识别参数Pl、Pd和Ptot的本发明实施例。
图13示出了用于对测量信号Pout进行线性化的第一实施例。
图14示出了用于对测量信号Pout进行线性化的第二实施例。
图15示出了用于对换能器输出信号p(ra)进行线性化的本发明实施例。
具体实施方式
图1示出了第一系统模型,描述了在电输入信号v和声学传感器3在测量点rs测量的声压输出信号p(rs)之间换能器1的传递行为。非线性网络模型Nl通过使用集总参数Pl描述了电动机和换能器的机械悬架中固有的非线性效应,并且产生失真信号ul。加法器5基于输入信号u和失真信号ul产生失真的输入信号uc=u+ul。模态转变系统T基于失真的输入信号uc产生激励力:
通过失真输入信号uC与有理传递函数的拉普拉斯逆变换L-1{}的卷积(由运算符*表示)来产生以矢量F=[F0,...,Fm,...,FM]概括的力,所述有理传递函数包括力因子Bl、音圈电阻Re、电感Le和拉普拉斯算子。激励函数γm依赖于点rcoil处的振型Ψ0=[Ψ0,...,Ψm,...,ΨM],在所述点音圈激励振动膜机械振动。
振动膜上的任意点r处的位移x(r,t)由模态扩展表示:
使用矢量Ψ0中的振型和矢量Q=[q0,...,qm,...,qM]中的模态位移。振型Ψ0根据现有技术(参见Quaegebeur),而与模态位移Q无关。
加法器7基于激励F和模态失真力D=[D0,...,Dm,...,DM]来产生总的力,所述总的力经由线性传递元件K转变为模态位移:
qm=(Fm+Dm(Q))*L-1{Km(s)} m=0,...,M (3)
通过使用拉普拉斯逆变换将总的力F+D与下面的模态传递函数的脉冲响应进行卷积
模态传递函数Km(s)描述了具有模态损耗因子ηm和固有频率ωm的振动模式的线性动态。附加的传递函数Gin(s)考虑耦合机械或声学系统的影响。例如,扬声器外壳中的出口在声学赫兹谐振频率fp下在传递函数Gin(s)中产生零值fp,而不会改变Ψ0中的振型。
通过静态非线性系统N将非线性失真力扩展为矢量Q中的模态位移qi的幂级数:
系数am,i,j表示振动膜的非线性弯曲刚性。
逆模态变换S根据等式(2),基于模态位移Q和振型Ψ0产生声音辐射面上任意点处的位移X=[x(r1),...,x(rk),...,x(rK)]。下面的辐射系统R通过使用瑞利积分,基于位移X产生观察点ra的声压p’(ra,t):
其中高斯函数是:
ρ0是空气密度,Sc是声音辐射面。
例如,图2用虚线示出了在耳机中使用振动膜的几何形状以及在10kHz下的正弦激励下的正负最大位移xac。
图3示出了10kHz下负DC信号xdc=-0.3mm对于振型的影响。DC信号表示在基模m=0下产生较大位移的低频音(低音),这实现了高阶模式(m≥0)的振型Ψm并且在振动膜的外部区域产生了振动。
图4示出了正DC信号xdc=0.3mm的影响,其在振型中产生了节点,将振动膜划分为反相振动的内部区域和外部区域。等式(6)中的瑞利积分破坏性地累积正负体积速度(volume velocities),与图3中描述的振型相比产生了减小的声学输出。也可以通过如下定义的有效辐射面积来描述振型Ψ(Q)对于模态位移Q的非线性依赖性:
其中使用平均音圈位移:
图5示出了随着DC信号产生的静态位移xdc和AC激励音的频率f而变化的耳机振动膜有效辐射面积Sd(xdc,f)。在10kHz下,通过将音圈沿正方向偏移,有效辐射面积减小了30%;并且通过将音圈沿负方向偏移,有效辐射面积增加了50%以上。在5kHz以下,变化的DC信号产生了约10%的有效辐射面积Sd(xdc,f)变化。
图6通过使用以下的模态扩展的根据本发明的换能器的扩展模型:
所述扩展模型考虑了在静态非线性系统N2中振型Ψ(r,Q)对于位移Q的非线性依赖性,所述振型可以看作是幂级数:
在模态转变中使用时变振型Ψ(r,Q)来产生激励力:
通过使用模态位移Q的级数展开:
图6中的扩展模型具有较高的复杂度和较大数目的自由参数am,i,j,...、bm,i,...和cm,i,...,必须以足够的精度针对具体的换能器来识别所述自由参数。通过向等式(5)、(11)和(13)的幂级数应用有用的近似并且忽略对总失真没有显著贡献的模态位移qi的截项(cross term),显著地减小了计算开销。
根据等式(4),所有的模式具有低通特征,产生了如图7所示的m=0,1,...阶的模态位移的幅度响应|Qm(f)|。具有最低固有频率f0的基模(m=0)产生了除了声学谐振频率fp之外的最大位移q0,在声学谐振频率fp下具有开口的盒子(vented box)外壳产生了传递函数中的零值。由于通常在振动膜材料中发现的较低损耗,高阶模式(m>0)在固有频率fm下产生最大幅度。在所有其他频率下,高阶模式的幅度|Qm(f)|小于由固有频率以下f≤fk的低阶模式(k<m)产生的幅度|Qk(f)|,在乘幂展开的非线性项之间给出了以下关系:
|Qm(fm)|n>|Qk(fk)|n>|Qm(fm)|n-i|Qk(fk)|i m<k,i=1,...,n-1 (14)
这种关系可以用于选择等式(5)、(11)和(13)中的主要非线性项,并且产生针对以下的有用近似:
失真力
振型的非线性变化
非线性激励函数
等式(15)、(16)和(17)揭示了在低频分量和高频分量之间产生互调制失真的不同阶数模式之间的非线性相互作用。实际上,具有最低固有频率f0的基模(m=0)的位移激发了波模型Nd的主要非线性。
图8通过使用面向系统的方法示出了机械振动和声音辐射的非线性模型,其中将在机械域和声学域中产生的非线性失真转变为等价的输入失真信号ud,通过加法器9将所述等价的输入失真信号与网络模型Nl输出的输出信号uc相结合。经由具有传递函数Htot(s)的线性滤波器将总信号uc+ud传递至声学输出信号:
p′(t,ra)=ut*L-1{Htot(s)}
(18)
=(uc+ud)*L-1{Htot(s)}
图9示出了本发明的替代实施例。与图8不同,不向非线性系统Nd的输入提供来自加法器9的输出的总信号ut,而是非线性系统Nd的输入接收输入信号uc。这种前馈近似利用自适应FIR滤波器简化了实现方式,所述自适应FIR滤波器对于滤波器参数的所有值都稳定。
图10示出了非线性系统ND的实施例,所述非线性系统ND产生多模态失真信号ud。这种系统包括多个并联连接的非线性子系统Gm,n,其中m=0,...,MD并且n=2,..,N,每一个非线性子系统基于输入信号uc产生失真贡献:
um,n=((L-1{He,m(s)}*uc)n-1(L-1{Hs,m,n(s)}*uc))*L-1{Hp,m,n(s)} (19)
通过加法器13、15、17将其概述为多模态失真:
子系统Gm,n包括线性模态激活滤波器He,m,所述线性模态激活滤波器He,m基于输入信号uc产生模态激活信号qm,模态激活信号qm描述了至少一个主要机械振动模式的状态。模态激活滤波器He,m在有理传递函数He,m(s)中具有极点,并且产生无限脉冲响应,像递归IIR-滤波器一样。线性多模态传递函数Hs,m,n基于输入信号uc产生多模态信号wm,n,所述多模态信号wm,n表示所有机械模式(0≤m≤M))对于表面Sc处的机械振动和声音辐射的作用。因此,多模态信号wm,n描述了通过机械和声学系统对于线性音频信号的传递,以及在等式(15)、(16)和(17)的幂级数展开中随着非线性系数am,i,n、βm,i,n和χm,i,ni的缩放。等式(6)中的瑞利积分可以在线性多模态传递滤波器Hs,m,n中产生零值,并且可以通过FIR-滤波器来实现。
连接元件44基于非线性传递函数将多模态信号wm,n与模态激活信号qm进行组合,并且产生失真贡献um,n。
图10中的子系统G0,2具有与子系统Gm,n类似的结构,但是使用由图1中的非线性网络模型Nl提供的集总参数Pl,以基于第一模态激活滤波器He,0中的输入信号uc利用以下传递函数产生模态激活信号qm:
图10中的子系统G0,n示出了另外的实施例,所述实施例无需第一线性滤波器He,0,但是直接从网络模型或者从另一个外部源接收模态激活信号qm。静态非线性元件45、乘法器43和后处理滤波器Hp,0,n是连接元件44的实施例。
二次子系统(m=0,n=2)的多模态传递函数是:
三次子系统(m=0,n=3)的多模态传递函数是:
可以基于以下的假设使用如图5所示的耳机振动膜的有效辐射面积Sd(xdc)来计算上述多模态传递函数,所述假设后处理滤波器的传递函数数据随着频率是恒定的:
Hp,0,n(s)=1 n=2,3 (24)。
线性参数Ptot使用平衡位置xdc=0处的有效辐射面积SD(s,0)、网络模型的集总参数Pl和格林函数G描述了总传递函数Htot(s):
图11示出了连接元件14的实施例。静态非线性41将模态激活信号qm设置为(n-1)次幂。在乘法器11中将输出信号Bm,n=qm (n-1)与多模态信号wm,n进行组合,并且经由后处理滤波器Hp,m,n将所产生的源信号zm,n传递为失真贡献um,n。后处理滤波器考虑非线性失真源在振动膜上的位置、模态振动的局部激励点以及等式(7)中的格林函数中的辐射条件和距离|r-ra|。
图12示出了用于识别自由模型参数Pl、Pd和Ptot的本发明实施例。通过第二参数检测器D2基于换能器1的端子电压u和使用电流传感器23测量的输入电流i来确定集总参数Pl。将集总参数Pl提供给非线性网络模型Nl、波模型Nd和诊断系统61。
通过使用由声学或机械传感器3提供的传感器信号p(rs)、在线型滤波器Htot的输出产生的估计信号p’(rs)以及加法器5的电输出信号,在第一参数检测器中产生分布参数Pd。如在专利申请GB2308898中公开的,可以将第一参数检测器D1实现为自适应系统,识别线型FIR-滤波器的系数Hs,0,n和波模型Nd中的Hp,m,n。IIR滤波器He,m(m=0,...,Md-1)的极点的唯一识别要求对于每一个IIR滤波器所表示的固有频率的限制fm<fm+1。波模型Nd可以使用网络模型Nl产生的状态信号q0,状态信号q0描述了具有最低固有频率f0的m=0的机械模式
通过第三参数检测器D3基于传感器信号p(rs)、估计信号p’(rs)和总信号ut来确定总线性系统Htot的线性参数Ptot。诊断系统61产生信息I,所述信息I简化了模型参数Pl和Pd的解释,并且揭示了换能器1产生的信号失真的物理根源。例如,可以根据等式(22)和(23),基于传递函数Hs,0,2(s)和Hs,0,3(s)来计算有效辐射面积对于频率f和DC位移xdc的非线性依赖性。
图13示出了在测量的声压信号中进行主动失真补偿的第一实施例,所述声压信号产生线性化的输出信号pout。这种布置使用减法器29来产生误差信号e=p(rs)-p’(rs)作为测量信号和建模的传感器信号之间的差异。这种参数检测器D’1、D’2和’3通过将误差信号e最小化来自适应地产生参数Pl、Pd和Ptot的最优估计。在自适应处理收敛之后,误差信号e包含由附加的信号源56产生的外部信号ps、测量噪声和模型不能补偿的其他干扰。具有与线性模型53相同传递函数Htot(s)的线性模型系统55基于线性参数Ptot产生线性输出信号plin。加法器31基于线性信号lplin和误差信号e产生线性化的输出信号pout。误差信号e(t)≈ps(t)和线性化的输出信号pout(t)可以用于在远程通信和其他应用中的回声补偿。
图14示出了线性化的输出信号pout的主动失真补偿的替代实施例。通过元件35将分别在网络模型Nl和波模型Nd的输出处的失真信号ul和ud相加,并且经由具有传递函数Htot(s)的线性滤波器51传递为总失真pd。减法器33基于传感器信号p(rs)和总失真pd产生线性化的输出信号pout(rs)=p(rs)-pd。
图15示出了根据本发明的des输入信号v的逆处理和基于分布参数Pd和集总参数Pl产生预失真的激励信号u=v-vd-vl的实施例。控制系统41包括第一非线性合成元件59,与在自适应识别系统22的非线性元件58中使用的网络模型Nl和集总参数Pl相对应。因为通过加法器39和加法器5补偿了失真信号ul和vl,分别元件59和58的输入处的状态变量vc和uc是相同的。
控制系统41包括第二非线性合成元件597,与在如图10所示的识别系统22的非线性系统56中使用的波模型Nd和分布参数Pd相对应。因为合成的失真信号vd等于建模的失真信号ud,两个失真都被加法器37和加法器9抵消,输入信号v与总信号ut相对应,并且在声场中的任意观察点ra处在输入信号v和声压ra之间产生了线性传递行为。
集总参数Pl和分布参数Pd在有限的时间段对于任意输入信号v是有效的。因此,识别系统22可以暂时被去激活,并且控制系统41可以由分别在存储元件Md和Ml中存储的参数Pd和Pl来提供。然而,识别系统22必须被激活以产生参数Pl和Pd的初始启动值并补偿换能器(1)中的老化、疲劳(fatigue)和其他外部影响。
本发明的有益效果
本发明使用物理建模来研发通用模型,所述通用模型不需要与换能器的设计有关的详细信息,具体地不需要在产生振动或声音的振动膜或其他机械结构中使用的材料的形状和性质。通过限制幂级数展开的最大阶数N和振动模式的最大阶数MD,所述模型可以用于只补偿主要非线性,并且以较低的处理开销和成本实现足够的失真减小性能。
用于参数识别和失真较小的装置和方法在所有条件下表现稳定,并且提供与换能器参数和内部状态变量有关的有价值的信息,换能器参数和内部状态变量可以用于信号失真的根源分析以及换能器设计的进一步优化。
与Queagebeau提出的已知物理模型不同,不需要扫描传感器以测量机械振动的振型或者声压分布。已针对主动回声补偿、主动振动和噪声控制所需的机械或声学传感器也可以用于本发明来减小附加硬件部件的成本。
本发明可以以较低的存储器要求和处理开销在可用的微处理器或数字信号处理器(DSP)中实现。可以在用任意音频信号(例如音乐)激励换能器的同时自适应地识别集总参数Pl和分布参数Pd。如果在该个时间段期间换能器和其他硬件部件表现出足够的时间不变性,则可以暂时将自适应识别系统22去激活。
Claims (15)
1.一种用于通过使用机电换能器(1)将输入信号v转换为输出信号p(ra)并且减小所述输出信号p(ra)中的非线性总失真pd的装置,其中所述非线性总失真pd包含由于机械换能器部件的非线性部分振动产生的多模态失真ud,所述装置包括:
传感器(3),配置为测量所述换能器(1)的机械或声学状态变量(p(rs))并且基于所述测量的状态变量(p(rs))产生测量信号p;
第一参数检测器(D1;D’1),配置为基于所述测量信号p产生分布参数Pd,其中
所述分布参数Pd包含至少一个激活模式的模态信息He,m(s),所述激活模式激活所述机械部件的非线性部分振动;
所述分布参数Pd包含多模态信息Hs,m,n(s),所述多模态信息Hs,m,n(s)描述了激活模式对于传递模式的非线性影响,其中传递模式产生输出信号p(ra);
非线性波模型(56),配置为基于所述输入信号v和所述分布参数Pd来产生多模态失真ud,其中非线性波模型(56)包括:
激活滤波器(He,m),配置为基于模态信息He,m(s)产生模态激活信号qm,所述模态激活信号qm描述了所述激活模式的振动状态;传递滤波器(Hs,m,n),配置为基于所述多模态信息Hs,m,n(s)产生多模态信号wm,n,所述多模态信号描述了模态激活信号qm和多模态失真ud之间的非线性关系;以及
非线性连接元件(41,11,Hp,m,n),配置为组合模态激活信号qm和多模态信号wm,n并且产生针对所述多模态失真ud的失真贡献Um,n。
2.一种用于通过使用机电换能器(1)将输入信号v转换为输出信号p(ra)并且减小所述输出信号p(ra)中的非线性总失真pd的装置,其中所述非线性总失真pd包含由于机械换能器部件的非线性部分振动产生的多模态失真ud,所述装置包括:
多模态合成元件(57),配置为通过使用非线性波模型(Nd)和分布参数Pd,基于输入信号v产生多模态补偿信号vd,其中
多模态补偿信号vd描述了多模态失真ud;
所述分布参数Pd包含至少一个激活模式的模态信息He,m(s),所述激活模式激活所述机械部件的非线性部分振动;
所述分布参数Pd包括多模态信息Hs,m,n(s),所述多模态信息Hs,m,n(s)描述了激活模式对于传递模式的非线性影响,其中传递模式产生输出信号p(ra);
所述波模型包括至少一个激活滤波器(He,m),所述激活滤波器(He,m)配置为基于模态信息He,m(s)产生模态激活信号qm,所述模态激活信号qm描述了所述激活模式的振动状态;
所述波模型包括至少一个传递滤波器(Hs,m,n),所述传递滤波器配置为基于所述多模态信息Hs,m,n(s)产生多模态信号wm,n,所述多模态信号wm,n描述了模态激活信号qm和多模态失真ud之间的非线性关系;
所述波模型包括至少一个非线性连接元件(41,11,Hp,m,n),所述非线性连接元件配置为组合模态激活信号qm和多模态信号wm,n并且产生针对所述多模态补偿信号vd的失真贡献um,n;以及
第一减法元件(37),配置为基于所述输入信号v和所述多模态补偿信号vd的差异来产生控制信号vc,并且将所产生的控制信号vc提供给换能器(1)。
3.根据权利要求1或2所述的装置,其中
所述激活滤波器(He,m)包括具有低通特征的线性传递行为,所述低通特征由所述模态信息He,m(s)来确定;
所述传递滤波器(Hs,m,n)包括具有高通特征的线性传递行为,所述高通特征由所述多模态信息Hs,m,n(s)来确定;以及
所述非线性连接元件(41,11,Hp,m,n)包括:
同质非线性幂系统(41),所述同质非线性幂系统配置为设置所述模态激活信号qm的(n-1)次幂并且产生加幂信号Bm,n=qm n-1;乘法器(11),配置为基于所述加幂信号Bm,n与所述多模态信号wm,n的乘积产生非线性源信号zm,n;以及
线性后处理滤波器(Hp,m,n),配置为将非线性源信号zm,n传递为失真贡献um,n,其中分布参数Pd确定所述线性后处理滤波器(Hp,m,n)的传递函数Hp,m,n(s)。
4.根据权利要求1或2所述的装置,还包括:
至少一个加法器件(9,19),配置为通过将所述激励信号u与所述多模态失真ud进行组合来产生总信号ut;
第二参数检测器(D3,D’3),配置为基于所述测量信号p产生线性参数Ptot,其中所述线性参数Ptot描述了所述总信号ut和所述测量信号p之间的关系;以及
总传递元件(53),配置为基于所述线性参数Ptot和所述总信号ut产生所述测量信号p的估计p’;
第二减法元件(29),配置为产生误差信号e使得所述误差信号e描述了所述测量信号p和所述估计p’之间的偏离,其中所述第一参数检测器(D1,D’1)配置为将所述误差信号e最小化并且基于所述线性参数Ptot产生分布参数Pd。
5.根据权利要求1或2所述的装置,还包括:
线性传递元件(51,55),配置为基于所述多模态失真ud和所述线性参数Ptot产生所述测量信号p中的总失真pd;以及
第三减法元件(33,29),配置为基于测量信号p和总失真pd之间的差异产生线性化的测量信号pout,其中线性化的测量信号pout包含所述换能器(1)的线性输出信号plin和由外部源(56)产生的环境信号ps。
6.根据权利要求1或2所述的装置,还包括以下元件的至少一个:
电学传感器(23),配置为测量所述换能器(1)的电学状态变量并且产生电学测量信号i,其中所述电学测量信号i与提供给换能器(1)的电学激励信号u不同;
第三参数检测器(D2),配置为基于电学测量信号i和所述电学激励信号u来产生集总参数P1,其中所述集总参数P1描述了具有最低固有频率f0的所述换能器(1)的基本振动模式,并且确定了m=0阶的所述模态激活滤波器(He,0)的性质;
非线性网络模型(N1),配置为基于所述激励信号u和所述集总参数P1产生单模态失真信号u1,其中所述单模态失真信号u1表示由m=0阶的基本振动模式产生的信号失真;
加法器(5),配置为基于激励信号u和所述单模态失真信号u1产生失真的激励信号uc;以及
非线性波模型(Nd),配置为基于所述失真的激励信号uc和所述分布参数Pd产生所述多模态失真ud。
7.根据权利要求1或2所述的装置,还包括:
单模态合成元件(59),配置为基于所述网络模型(N1)和所述集总参数P1产生单模态补偿信号v1,其中所述单模态补偿信号v1表示由所述换能器(1)产生的对于输出信号中的所述非线性总失真pd有贡献的单模态失真信号u1;以及
第四减法元件(39),配置为基于所述控制信号vc和所述单模态补偿信号v1之间的差异来产生所述换能器(1)的激励信号u。
8.一种通过使用机电换能器(1)将输入信号v转换为输出信号p(ra)并且减小所述输出信号p(ra)中的非线性总失真pd的方法,其中所述非线性总失真pd包含由于机械换能器部件的非线性部分振动产生的多模态失真ud,所述方法包括:
基于输入信号v产生电学激励信号u;
利用所述电学激励信号u激励所述换能器(1);
测量所述换能器(1)的至少一个机械状态变量或声学状态变量(p(rs));
产生测量信号p,所述测量信号p描述了所述测量的状态变量;
向非线性波模型(Nd)的分布参数Pd分配初始值,其中所述分布参数Pd包括:
模态信息He,m(s),所述模态信息He,m(s)表示至少一个激活模式,其中所述激活模式激活所述机械部件的非线性部分振动;以及多模态信息Hs,m,n(s),所述多模态信息Hs,m,n(s)表示所述激活模式对于传递模式的非线性影响,其中传递模式产生输出信号p(ra);
基于所述输入信号v和所述模态信息He,m(s)产生模态激活信号qm,其中所述模态激活信号qm描述了激活模式的振动状态;
基于所述输入信号v和所述多模态信息Hs,m,n(s)产生多模态信号wm,n,所述多模态信号wm,n描述了所述模态激活信号qm和所述多模态失真ud之间的非线性关系;
基于所述模态激活信号qm和所述多模态信号wm,n产生失真贡献um,n,所述失真贡献um,n描述了所述多模态失真ud的分量;
基于所述测量信号p和失真贡献um,n产生所述分布参数Pd的更新值。
9.一种用于通过使用机电换能器(1)将输入信号v转换为输出信号p(ra)并且减小所述输出信号p(ra)中的非线性总失真pd的方法,其中所述非线性总失真pd包含由于机械换能器部件的非线性部分振动产生的多模态失真ud,所述方法包括:
产生非线性波模型(Nd)的分布参数Pd,其中所述分布参数Pd包括:模态信息He,m(s),所述模态信息He,m(s)表示至少一个激活模式,其中所述激活模式激活所述机械部件的非线性部分振动;以及多模态信息Hs,m,n(s),所述多模态信息Hs,m,n(s)表示所述激活模式对于传递模式的非线性影响,其中所述传递模式产生输出信号p(ra);
基于所述输入信号v和所述模态信息He,m(s)产生模态激活信号qm,其中所述模态激活信号qm描述了所述激活模式的振动状态;
基于所述输入信号v和所述多模态信息Hs,m,n(s)产生多模态信号wm,n,所述多模态信号wm,n描述了模态激活信号qm和所述多模态失真ud之间的非线性关系;
基于所述模态激活信号qm和所述多模态信号wm,n产生失真贡献um,n,其中所述失真贡献um,n描述了所述多模态失真ud的分量;
基于所述失真贡献um,n产生多模态补偿信号vd;
基于所述输入信号v和所述多模态补偿信号vd产生控制信号vc=v-vd;
基于所述控制信号vc产生激励信号u;以及
向所述换能器(1)的电学输入提供所述激励信号u。
10.根据权利要求8或9所述的方法,还包括以下步骤的至少一个:
通过设置所述模态激活信号qm的(n-1)次幂来产生加幂信号Bm,n;
通过将所述加幂信号Bm,n与所述多模态信号wm,n相乘来产生非线性源信号zm,n;以及
基于所述源信号zm,n的线性滤波来产生模态阶数m和非线性阶数n的失真贡献um,n,其中所述线性滤波具有由分布参数Pd确定的传递函数Hp,m,n(s)。
11.根据权利要求8或9所述的方法,还包括:
基于所述激励信号u和所述多模态失真信号ud产生总信号ut;
基于所述激励信号u和所述测量信号p产生线性参数Ptot,其中所述线性参数Ptot描述了所述总信号ut和所述测量信号p之间的线性关系;
基于所述总信号ut和所述线性参数Ptot产生估计信号p’,其中所述估计信号p’描述了所述测量信号p;
产生误差信号e,所述误差信号e描述了所述测量信号p和所述估计信号p’之间的偏离;以及
通过基于所述线性参数Ptot将所述误差信号e最小化来产生所述分布参数Pd。
12.根据权利要求8或9所述的方法,还包括:
通过使用所述分布参数Pd和所述线性参数Ptot,基于所述测量信号p和所述激励信号u产生线性化的测量信号pout,其中所述线性化的测量信号pout包含所述换能器(1)的线性输出信号plin和由外部源(56)产生的环境信号ps。
13.根据权利要求8或9所述的方法,还包括:
基于所述分布参数Pd产生诊断信息I,其中所述诊断信息I揭示了输出信号p(ra)中的非线性总失真pd的物理原因,并且用于改进所述换能器(1)的设计和制造工艺。
14.根据权利要求8或9所述的方法,还包括以下步骤的至少一个:
通过测量所述换能器(1)的电学状态变量来产生电学测量信号i,其中所述电学测量信号i与提供给换能器(1)的输入的电学激励信号u不同;
基于所述电学测量信号i和所述电学激励信号u来产生网络模型(N1)的集总参数P1;
基于所述集总参数P1产生模态信息He,0(s),其中所述模态信息He,0(s)描述了m=0阶的基本振动模式对于最低固有频率f0的频率响应;
基于所述激励信号u和所述模态信息He,0(s)产生单模态失真信号u1,其中所述单模态失真信号u1表示由m=0阶的基本振动模式产生的信号失真;
基于激励信号u和所述单模态失真信号u1产生失真的激励信号uc;
基于所述激励信号u和所述模态信息He,0(s)产生m=0阶的模态激活信号q0;
基于所述失真的激励信号uc和所述分布参数Pd中提供的所述多模态信息Hs,0,n(s)产生多模态信号w0,n;以及
基于所述模态激活信号q0和所述多模态信号w0,n产生所述多模态失真ud。
15.根据权利要求8或9所述的方法,还包括:
基于控制信号vc和网络模型(N1)的集总参数P1产生单模态补偿信号v1;以及
基于所述控制信号vc和所述单模态补偿信号v1之间的差异来产生激励信号u。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102014005381.4A DE102014005381B3 (de) | 2014-04-11 | 2014-04-11 | Anordnung und Verfahren zur Identifikation und Kompensation nichtlinearer Partialschwingungen elektromechanischer Wandler |
DE102014005381.4 | 2014-04-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104980877A true CN104980877A (zh) | 2015-10-14 |
CN104980877B CN104980877B (zh) | 2019-01-01 |
Family
ID=52009261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510172626.5A Active CN104980877B (zh) | 2014-04-11 | 2015-04-13 | 识别和补偿机电换能器中的非线性振动的装置和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9615174B2 (zh) |
CN (1) | CN104980877B (zh) |
DE (1) | DE102014005381B3 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105530586A (zh) * | 2015-12-25 | 2016-04-27 | 矽力杰半导体技术(杭州)有限公司 | 扬声器振膜的保护方法和扬声器控制装置 |
CN110213708A (zh) * | 2019-05-16 | 2019-09-06 | 音王电声股份有限公司 | 一种扬声器系统的非线性测量与音质调谐系统 |
RU2778274C1 (ru) * | 2019-02-13 | 2022-08-17 | Моззаик.Ио.Д.О.О. | Способ обработки аудиосигнала |
Families Citing this family (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9947316B2 (en) | 2016-02-22 | 2018-04-17 | Sonos, Inc. | Voice control of a media playback system |
US10142754B2 (en) * | 2016-02-22 | 2018-11-27 | Sonos, Inc. | Sensor on moving component of transducer |
US10264030B2 (en) | 2016-02-22 | 2019-04-16 | Sonos, Inc. | Networked microphone device control |
US9811314B2 (en) | 2016-02-22 | 2017-11-07 | Sonos, Inc. | Metadata exchange involving a networked playback system and a networked microphone system |
US9820039B2 (en) | 2016-02-22 | 2017-11-14 | Sonos, Inc. | Default playback devices |
US10095470B2 (en) | 2016-02-22 | 2018-10-09 | Sonos, Inc. | Audio response playback |
US9965247B2 (en) | 2016-02-22 | 2018-05-08 | Sonos, Inc. | Voice controlled media playback system based on user profile |
US9978390B2 (en) | 2016-06-09 | 2018-05-22 | Sonos, Inc. | Dynamic player selection for audio signal processing |
US10134399B2 (en) | 2016-07-15 | 2018-11-20 | Sonos, Inc. | Contextualization of voice inputs |
US10152969B2 (en) | 2016-07-15 | 2018-12-11 | Sonos, Inc. | Voice detection by multiple devices |
US10115400B2 (en) | 2016-08-05 | 2018-10-30 | Sonos, Inc. | Multiple voice services |
US9794720B1 (en) | 2016-09-22 | 2017-10-17 | Sonos, Inc. | Acoustic position measurement |
US9942678B1 (en) | 2016-09-27 | 2018-04-10 | Sonos, Inc. | Audio playback settings for voice interaction |
US9980046B2 (en) | 2016-09-29 | 2018-05-22 | Invensense, Inc. | Microphone distortion reduction |
US9743204B1 (en) | 2016-09-30 | 2017-08-22 | Sonos, Inc. | Multi-orientation playback device microphones |
US10181323B2 (en) | 2016-10-19 | 2019-01-15 | Sonos, Inc. | Arbitration-based voice recognition |
US11183181B2 (en) | 2017-03-27 | 2021-11-23 | Sonos, Inc. | Systems and methods of multiple voice services |
US10475449B2 (en) | 2017-08-07 | 2019-11-12 | Sonos, Inc. | Wake-word detection suppression |
US10048930B1 (en) | 2017-09-08 | 2018-08-14 | Sonos, Inc. | Dynamic computation of system response volume |
US10446165B2 (en) | 2017-09-27 | 2019-10-15 | Sonos, Inc. | Robust short-time fourier transform acoustic echo cancellation during audio playback |
US10482868B2 (en) | 2017-09-28 | 2019-11-19 | Sonos, Inc. | Multi-channel acoustic echo cancellation |
US10621981B2 (en) | 2017-09-28 | 2020-04-14 | Sonos, Inc. | Tone interference cancellation |
US10051366B1 (en) | 2017-09-28 | 2018-08-14 | Sonos, Inc. | Three-dimensional beam forming with a microphone array |
US10466962B2 (en) | 2017-09-29 | 2019-11-05 | Sonos, Inc. | Media playback system with voice assistance |
CN107748935B (zh) * | 2017-11-01 | 2021-07-20 | 井冈山大学 | 一种设计变更传播风险预测的方法及装置 |
US10880650B2 (en) | 2017-12-10 | 2020-12-29 | Sonos, Inc. | Network microphone devices with automatic do not disturb actuation capabilities |
US10818290B2 (en) | 2017-12-11 | 2020-10-27 | Sonos, Inc. | Home graph |
WO2019152722A1 (en) | 2018-01-31 | 2019-08-08 | Sonos, Inc. | Device designation of playback and network microphone device arrangements |
US11175880B2 (en) | 2018-05-10 | 2021-11-16 | Sonos, Inc. | Systems and methods for voice-assisted media content selection |
US10847178B2 (en) | 2018-05-18 | 2020-11-24 | Sonos, Inc. | Linear filtering for noise-suppressed speech detection |
US10959029B2 (en) | 2018-05-25 | 2021-03-23 | Sonos, Inc. | Determining and adapting to changes in microphone performance of playback devices |
US10681460B2 (en) | 2018-06-28 | 2020-06-09 | Sonos, Inc. | Systems and methods for associating playback devices with voice assistant services |
US10461710B1 (en) | 2018-08-28 | 2019-10-29 | Sonos, Inc. | Media playback system with maximum volume setting |
US11076035B2 (en) | 2018-08-28 | 2021-07-27 | Sonos, Inc. | Do not disturb feature for audio notifications |
US10587430B1 (en) | 2018-09-14 | 2020-03-10 | Sonos, Inc. | Networked devices, systems, and methods for associating playback devices based on sound codes |
US10878811B2 (en) | 2018-09-14 | 2020-12-29 | Sonos, Inc. | Networked devices, systems, and methods for intelligently deactivating wake-word engines |
US11024331B2 (en) | 2018-09-21 | 2021-06-01 | Sonos, Inc. | Voice detection optimization using sound metadata |
US10811015B2 (en) | 2018-09-25 | 2020-10-20 | Sonos, Inc. | Voice detection optimization based on selected voice assistant service |
US11100923B2 (en) | 2018-09-28 | 2021-08-24 | Sonos, Inc. | Systems and methods for selective wake word detection using neural network models |
US10692518B2 (en) | 2018-09-29 | 2020-06-23 | Sonos, Inc. | Linear filtering for noise-suppressed speech detection via multiple network microphone devices |
US11899519B2 (en) | 2018-10-23 | 2024-02-13 | Sonos, Inc. | Multiple stage network microphone device with reduced power consumption and processing load |
EP3654249A1 (en) | 2018-11-15 | 2020-05-20 | Snips | Dilated convolutions and gating for efficient keyword spotting |
US11183183B2 (en) | 2018-12-07 | 2021-11-23 | Sonos, Inc. | Systems and methods of operating media playback systems having multiple voice assistant services |
US11132989B2 (en) | 2018-12-13 | 2021-09-28 | Sonos, Inc. | Networked microphone devices, systems, and methods of localized arbitration |
US10602268B1 (en) | 2018-12-20 | 2020-03-24 | Sonos, Inc. | Optimization of network microphone devices using noise classification |
US10867604B2 (en) | 2019-02-08 | 2020-12-15 | Sonos, Inc. | Devices, systems, and methods for distributed voice processing |
US11315556B2 (en) | 2019-02-08 | 2022-04-26 | Sonos, Inc. | Devices, systems, and methods for distributed voice processing by transmitting sound data associated with a wake word to an appropriate device for identification |
US11120794B2 (en) | 2019-05-03 | 2021-09-14 | Sonos, Inc. | Voice assistant persistence across multiple network microphone devices |
US11361756B2 (en) | 2019-06-12 | 2022-06-14 | Sonos, Inc. | Conditional wake word eventing based on environment |
US10586540B1 (en) | 2019-06-12 | 2020-03-10 | Sonos, Inc. | Network microphone device with command keyword conditioning |
US11200894B2 (en) | 2019-06-12 | 2021-12-14 | Sonos, Inc. | Network microphone device with command keyword eventing |
US11138969B2 (en) | 2019-07-31 | 2021-10-05 | Sonos, Inc. | Locally distributed keyword detection |
US11138975B2 (en) | 2019-07-31 | 2021-10-05 | Sonos, Inc. | Locally distributed keyword detection |
US10871943B1 (en) | 2019-07-31 | 2020-12-22 | Sonos, Inc. | Noise classification for event detection |
US11189286B2 (en) | 2019-10-22 | 2021-11-30 | Sonos, Inc. | VAS toggle based on device orientation |
US11200900B2 (en) | 2019-12-20 | 2021-12-14 | Sonos, Inc. | Offline voice control |
CN111459199A (zh) * | 2019-12-30 | 2020-07-28 | 瑞声科技(新加坡)有限公司 | 马达非线性失真补偿方法、装置及计算机可读存储介质 |
US11562740B2 (en) | 2020-01-07 | 2023-01-24 | Sonos, Inc. | Voice verification for media playback |
US11556307B2 (en) | 2020-01-31 | 2023-01-17 | Sonos, Inc. | Local voice data processing |
US11308958B2 (en) | 2020-02-07 | 2022-04-19 | Sonos, Inc. | Localized wakeword verification |
US11308962B2 (en) | 2020-05-20 | 2022-04-19 | Sonos, Inc. | Input detection windowing |
US11482224B2 (en) | 2020-05-20 | 2022-10-25 | Sonos, Inc. | Command keywords with input detection windowing |
US11727919B2 (en) | 2020-05-20 | 2023-08-15 | Sonos, Inc. | Memory allocation for keyword spotting engines |
US11698771B2 (en) | 2020-08-25 | 2023-07-11 | Sonos, Inc. | Vocal guidance engines for playback devices |
FR3115176B1 (fr) | 2020-10-12 | 2023-11-24 | Focal Jmlab | Dispositif de traitement d’un signal analogique, systeme audio et porte sonorisee de vehicule associes |
US11984123B2 (en) | 2020-11-12 | 2024-05-14 | Sonos, Inc. | Network device interaction by range |
US11551700B2 (en) | 2021-01-25 | 2023-01-10 | Sonos, Inc. | Systems and methods for power-efficient keyword detection |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999050824A1 (en) * | 1998-03-27 | 1999-10-07 | Her Majesty The Queen In Right Of Canada As Repre Sented By The Minister Of Industry Through The Communication Research Centre | A process and system for objective audio quality measurement |
CN1449136A (zh) * | 2002-03-30 | 2003-10-15 | 克利佩有限公司 | 用于信号畸变测量和评估的系统与方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5148427A (en) | 1990-04-10 | 1992-09-15 | Level One Communications, Inc. | Non-linear echo canceller |
US5329586A (en) | 1992-05-29 | 1994-07-12 | At&T Bell Laboratories | Nonlinear echo canceller for data signals using a non-redundant distributed lookup-table architecture |
DE19960979A1 (de) * | 1999-12-17 | 2001-07-05 | Bosch Gmbh Robert | Adaptives Verfahren zur Bestimmung von Lautsprecherparametern |
US6687235B1 (en) | 2000-01-21 | 2004-02-03 | Adtran, Inc. | Mitigation of non-linear signal perturbations using truncated volterra-based non-linear echo canceler |
US6813311B1 (en) | 2000-03-14 | 2004-11-02 | Globespan Virata Corporation | Non-linear echo cancellation for wireless modems and the like |
FI20020865A (fi) * | 2002-05-07 | 2003-11-08 | Genelec Oy | Menetelmä matalataajuisen modaalisen ekvalisaattorin suunnittelemiseksi erityisesti lähekkäin sijaitsevia moodeja varten |
US20050003139A1 (en) | 2003-07-03 | 2005-01-06 | Milliken & Company | Loop pile fabric having randomly arranged loops of variable height |
US20050031139A1 (en) * | 2003-08-07 | 2005-02-10 | Tymphany Corporation | Position detection of an actuator using impedance |
US7970151B2 (en) * | 2004-10-15 | 2011-06-28 | Lifesize Communications, Inc. | Hybrid beamforming |
US8509125B1 (en) | 2009-10-16 | 2013-08-13 | Marvell International Ltd. | Method and apparatus for reducing nonlinear echo distortion in a communication device |
CN102866296A (zh) * | 2011-07-08 | 2013-01-09 | 杜比实验室特许公司 | 估计非线性失真的方法和系统、调节参数的方法和系统 |
US9065895B2 (en) | 2012-02-22 | 2015-06-23 | Broadcom Corporation | Non-linear echo cancellation |
EP2890160B1 (en) * | 2013-12-24 | 2019-08-14 | Nxp B.V. | Loudspeaker controller |
-
2014
- 2014-04-11 DE DE102014005381.4A patent/DE102014005381B3/de active Active
-
2015
- 2015-04-10 US US14/683,351 patent/US9615174B2/en active Active
- 2015-04-13 CN CN201510172626.5A patent/CN104980877B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999050824A1 (en) * | 1998-03-27 | 1999-10-07 | Her Majesty The Queen In Right Of Canada As Repre Sented By The Minister Of Industry Through The Communication Research Centre | A process and system for objective audio quality measurement |
CN1449136A (zh) * | 2002-03-30 | 2003-10-15 | 克利佩有限公司 | 用于信号畸变测量和评估的系统与方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105530586A (zh) * | 2015-12-25 | 2016-04-27 | 矽力杰半导体技术(杭州)有限公司 | 扬声器振膜的保护方法和扬声器控制装置 |
CN105530586B (zh) * | 2015-12-25 | 2018-11-02 | 矽力杰半导体技术(杭州)有限公司 | 扬声器振膜的保护方法和扬声器控制装置 |
RU2778274C1 (ru) * | 2019-02-13 | 2022-08-17 | Моззаик.Ио.Д.О.О. | Способ обработки аудиосигнала |
CN110213708A (zh) * | 2019-05-16 | 2019-09-06 | 音王电声股份有限公司 | 一种扬声器系统的非线性测量与音质调谐系统 |
CN110213708B (zh) * | 2019-05-16 | 2021-01-08 | 音王电声股份有限公司 | 一种扬声器系统的非线性测量与音质调谐系统 |
Also Published As
Publication number | Publication date |
---|---|
DE102014005381B3 (de) | 2014-12-11 |
US20150296299A1 (en) | 2015-10-15 |
CN104980877B (zh) | 2019-01-01 |
US9615174B2 (en) | 2017-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104980877A (zh) | 识别和补偿机电换能器中的非线性振动的装置和方法 | |
US7359519B2 (en) | Method and apparatus for compensating for nonlinear distortion of speaker system | |
JP5364271B2 (ja) | 変換器パラメータの最適推定装置および方法 | |
CN102843633A (zh) | 扬声器输出的控制 | |
WO2018075442A1 (en) | Armature-based acoustic receiver having improved output and method | |
JPH07114519B2 (ja) | 電気音響変換器の再生誤差補償装置 | |
JP3539855B2 (ja) | 音場制御装置 | |
Nielsen et al. | Estimation of optimal values for lumped elements in a finite element—Lumped parameter model of a loudspeaker | |
CN111741407B (zh) | 一种扬声器补偿方法、装置、存储介质及设备 | |
CN108028984B (zh) | 调节使用电声换能器的音频系统的方法 | |
Bai et al. | Robust control of a sensorless bass-enhanced moving-coil loudspeaker system | |
Nakao et al. | An estimation method of parameters for closed-box loudspeaker system | |
CN113630690A (zh) | 一种扬声器系统的非线性特性的确定方法及装置 | |
Buys et al. | Developing and evaluating a hybrid wind instrument | |
JPH1155782A (ja) | 歪み除去装置、歪み除去装置の係数決定方法、プロセッシングスピーカシステム、マルチプロセッサ及びアンプ | |
Lebrun et al. | Correction of the Doppler distortion generated by a vibrating baffled piston | |
JP5224708B2 (ja) | 音響信号発生装置および方法 | |
US20230388684A1 (en) | Device for processing a signal, audio system, loudspeakers, acoustic resonator, and vehicle door, equipped for sound, associated therewith | |
CN118102190A (zh) | 一种非线性位移系统的建模方法、芯片和电子设备 | |
Červenka et al. | Acoustic particle displacement resonator | |
Quaegebeur et al. | Mechanical resonances and geometrical nonlinearities in electrodynamic loudspeakers | |
Cardenas | Modelling and measurement of nonlinear intermodal coupling in loudspeaker diaphragm vibrations | |
Das et al. | Modal Estimation on a Warped Frequency Axis for Linear System Modeling | |
CN117939371B (zh) | 气动高音中间磁性优化方法、系统、设备及存储介质 | |
CN114913865A (zh) | 线性补偿方法及其音频系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |