CN110326308B - 失真感测、防失真、以及失真察觉低音增强 - Google Patents

Abstract

在音频系统中提供失真感测、防止和/或失真察觉低音增强的系统和方法可以在各种应用中实现。感测电路可以基于接收的输入信号生成统计量，对于该输入信号生成声学输出。在各种实施例中，可以使用统计量以使得多陷波滤波器可以用于向扬声器提供输入以生成声音输出。在各种实施例中，来自感测电路的统计量可被提供给耦合到低音增强电路的低音参数控制器，以操作地向低音增强电路提供参数。低音增强电路可以基于该参数提供用于声音输出的生成的经低音增强的信号。可以实现使用来自感测电路的统计量的低音增强电路和多陷波滤波器的各种组合以提供增强的声音输出。公开了另外的装置、系统和方法。

Description

失真感测、防失真、以及失真察觉低音增强

相关申请

本申请根据35U.S.C.119(e)要求2016年10月21日提交的美国临时申请第62/411,415号的优先权，该申请通过引用而整体并入本文。

技术领域

本发明总体上涉及处理音频信号的装置和方法。

背景技术

多年来消费设备的物理尺寸显著下降，这种趋势与理想的声学环境并不一致。设备尺寸的这种减小使得必须使用微型扬声器，微型扬声器的设计与其的典型扬声器对应物不同。如图1所示，微型扬声器的一个显著缺点是它们的降低的低频响应，这样为了更可接受的音频质量，需要大量的平坦化均衡(EQ)。图1是微型扬声器频率响应的示例，其中扬声器谐振(f₀)是845Hz并且闭合盒中的谐振的品质因数(Qtc)是30。

2kHz以下的这种均衡曲线的形状通常包含至少三个分量：高通，低频增强和峰值谐振衰减，如图2所示。图2是得到的微型扬声器频率响应曲线139的示例，其被应用了包括高通、低搁架(low shelf)、和峰值滤波的平坦化EQ曲线137。虽然静态补偿均衡在低或甚至中等声压级(SPL)下可以显著改善主观和客观性能，但平坦化均衡可能在较高收听水平下由于扬声器过度偏移而导致失真。由于这个原因，市场上有数种解决方案提供由扬声器偏移模型指导的动态平坦化均衡算法。这些解决方案基本上试图在不会引起扬声器内的膜片或隔膜的过度偏移的情况下尽可能地应用平坦化均衡。当使用常见的合成对数扫描正弦(LSS)信号、静止音调甚至噪声来测量这些解决方案时，这些系统似乎工作得相当好，但是所测量的总谐波失真(THD)高。

或者，已经在使用微型扬声器的若干便携式设备上观察到，在扬声器谐振之下仅具有中等量的能量的多音调信号可以表现出大量的通常被称为“摩擦和嗡嗡声”的失真。然而，不清楚失真的原因是扬声器和外壳内的过度偏移还是其他声学/机械问题。确定这一点需要使用如下这样的扬声器外壳测量偏移，该扬声器外壳用暴露内部扬声器的透明面板和激光振动计进行了修改，以观察失真事件期间的扬声器偏移。而且，典型的扬声器平坦化解决方案中的低频增强加剧了该问题，因为指导时变均衡的偏移模型可能对导致失真的情况视而不见，使得均衡曲线过度接合。

附图说明

图1是微型扬声器频率响应的示例。

图2是被应用了平坦化均衡的微型扬声器频率响应的示例，该平坦化均衡包括高通滤波、低搁架滤波和峰值滤波。

图3是根据各种实施例的用于提供动态失真感测和自适应失真减少的示例架构的特征的框图。

图4是根据各种实施例的用于提供动态失真感测和自适应多频带失真减少的示例架构的特征的框图。

图5是描绘根据各种实施例的多陷波滤波器与外部音频硬件和信号处理组件的集成的示例架构的框图。

图6是说明根据各种实施例的示例陷波滤波器组设计器的框图，该陷波滤波器组设计器配置在输入信号和输出信号之间的一系列多个陷波带滤波器中的每个陷波带滤波器的系数。

图7示出了根据各种实施例的被调整以确定可用于减少失真的最低频率的信号陷波带。

图8示出了根据各种实施例的、可以增加使用的陷波带的数量以使用线性或倍频程频率间隔来进一步减少失真。

图9示出了根据各种实施例的、使用斜率参数对每个频带的有效性进行加权。

图10示出了根据各种实施例的、在多陷波的参数被重新调整以减小衰减时失真和音色之间的权衡。

图11是示出根据各种实施例的、实现为输入信号和全通响应的线性组合的示例性单陷波频带滤波器的示意图。

图12A是根据各种实施例的示例装置的框图，该示例装置响应于设备输出信号向扬声器提供音频输出并使用感测电路来分析设备输出信号。

图12B是根据各种实施例的示例装置的框图，该示例装置响应于设备输出信号向扬声器提供音频输出并使用感测电路来分析设备输出信号。

图13是根据各种实施例的使用所测量的失真感测能量来调整陷波深度的示例动态增益控制的框图。

图14是根据各种实施例的低音增强电路的框图。

图15是根据各种实施例的系统的框图，该系统对于音频信号将动态多特征失真感测和自适应多频带失真减少与失真察觉(distortion-aware)谐波低音增强集成在一起。

图16是根据各种实施例的示例自适应动态感测和多陷波模块的框图。

图17是根据各种实施例的示例自适应动态感测和多陷波模块的框图。

图18是根据各种实施例的被配置为前馈布置的示例自适应动态感测和多陷波模块的框图。

图19是根据各种实施例的被配置为反馈布置的示例自适应动态感测和多陷波模块的框图。

图20是根据各种实施例的示例自适应动态感测和多陷波模块的框图，该模块结合了前馈和反馈音频信号以及源自或者等同于来自外部换能器放大器电路的实时电压和/或电流感测信息的反馈信息，来感测失真可能性、或者令人反感的、可感知或可测量的失真的程度。

图21是根据各种实施例的对于从扬声器生成的声音输出感测失真并减少失真的示例方法的特征的流程图。

图22是根据各种实施例的对于从扬声器生成的声音输出感测失真并减少失真的示例方法的特征的流程图。

图23是根据各种实施例的实现音频信号的失真察觉谐波低音增强的示例方法的特征的流程图。

图24是根据各种实施例的实现音频信号的失真感测、失真减少和失真察觉谐波低音增强的示例方法的特征的流程图。

图25是根据各种实施例的示例音频系统的框图，该示例音频系统被布置成针对失真感测和失真减少进行操作以用于声音输出感测失真并且减少声音输出的失真。

具体实施方式

在以下对音频系统和方法的实施例的描述中，参考附图。这些附图通过说明而非限制的方式示出了各种实施例可以如何实现的具体示例。足够详细地描述了这些实施例以使得本领域技术人员能够实现这些和其他实施例。可以利用其他实施例，并且可以对这些实施例进行结构、逻辑，电气和机械改变。各种实施例不一定是相互排斥的，因为一些实施例可以与一个或多个其他实施例组合以形成新的实施例。因此，以下详细描述不应被视为具有限制意义。

在各种实施例中，可以针对音频信号实现动态多特征失真感测和自适应多频带失真减少。装置可以被构造成感测由扬声器针对给定声音输入产生的经验非线性失真的定量程度，并且通过一组陷波或带阻滤波器来减少失真。扬声器是预期用于音频收听的任何电声输出换能器。这包括但不限于以下之一：扬声器、微型扬声器、听筒、耳麦驱动器、耳机驱动器或耳机。这种装置可以使用从音频获得的多个特征或一系列其他可能的音频特征。可以基于来自带通滤波器的在离散频率或频带的能量来计算统计量。陷波或带阻滤波器组可以级联或并联地布置。

动态多特征失真感测和自适应多频带失真减少可以应用于改善扬声器生成的音质。可以减少或去除用于音频输出的信号的失真触发频谱分量，使得被去除的分量的数量可以保持最小。同时，可以使用不同的一组特征或频谱分量来感测失真；分析分量或特征不需要直接对应于被减少/移除的分量。

在各种实施例中，系统和使用该系统的方法可包括接收用于声音输出的信号，使用包括至少一个陷波滤波器的处理模块处理所接收的信号。模块是执行特定功能的一组一个或多个工具，其中工具可包括硬件、执行存储在存储器设备中的指令的处理器、固件、逻辑电路或其组合。可以基于感测来确定陷波滤波器的参数，以检测声音输出的失真可能性。陷波滤波器的输出可以馈送到包含可观察到的音频失真的设备、过程或装置。设备、过程或装置可以是声学的或数字的，或能够输出音频的任何设备。此外，至少一个陷波滤波器的至少一个参数可以由测量输出处的失真可能性或者输出处的可感知的、令人反感的或可测量的失真的程度得到传感器、测量、统计或其组合来确定。

在各种实施例中，可以针对音频信号实现失真察觉谐波低音增强。感测经验非线性失真的定量程度可以与灵活的谐波低音增强算法结合使用。自适应谐波低音增强模块可用于各种应用中。当来自增强的谐波将引发令人反感的失真时，可以避免增强。该模块可以采用可调谐的非对称非线性以及预截止滤波和后截止滤波，以改变添加到信号的谐波能量的量。

在各种实施例中，系统和使用该系统的方法可包括接收用于声音输出的信号，并使用执行低音增强的处理模块来处理所接收的信号。低音增强的执行可以包括但不限于基于线性滤波的低音增强、基于承载音频内容的信号的附加谐波的插入和/或生成的低音增强(又被称为，心理声学低音增强)，或其组合。可以基于感测来确定低音增强的参数以检测失真可能性。低音增强模块的输出可以馈送到包含可观察到的音频失真的设备、过程或装置。设备、过程或装置可以是声学的或数字的或任何能够输出音频的设备。此外，低音增强模块的至少一个参数可以由测量输出处的失真可能性的传感器、测量、统计或其组合来确定。低音增强可被提供用于在存在失真的情况下保持输出音频中的低音和冲击强度。

动态多特征失真感测和自适应多频带失真减少的实施例可独立于失真察觉谐波低音增强的实施例而起作用。失真察觉谐波低音增强的实施例可独立于动态多特征失真感测和自适应多频带失真减少的实施例而起作用。在各种实施例中，可以组合动态多特征失真感测和自适应多频带失真减少与失真察觉谐波低音增强以最好地避免来自低音增强的失真。

本文描述了一种处理算法，其用于通过减少低于且与微型扬声器谐振频率相关的临界谐波间隔的能量来减少可包括摩擦和嗡嗡声失真的上述失真。该算法可以包括应用于扬声器输入信号的多陷波滤波器，用于测量促使(contribute to)失真的能量的量的多音调信号分析，以及控制陷波滤波器的时变深度的动态增益单元。诸如陷波频率的陷波滤波器的参数可以通过实时执行的陷波深度的动态控制被离线配置。关于信号处理，实时是指在足以跟上外部过程的时间内完成一些信号/数据处理，例如从输入音频信号的串行处理生成声音输出。

图3是示例系统200的实施例的框图，该系统具有扬声器230以响应于来自音频信号源205的信号而生成声音输出。音频信号源不仅可以包括来自被记录或设计的原声带或声音流的直接回放的音频，还可以包括出自于原声带或声音流的其他处理(例如，空间处理)的音频信号，或者用于生成扬声器的声音输出的其它源。系统200可以包括感测电路210，感测电路210可以被耦合以接收由扬声器230接收的信号。感测电路210生成关于信号的统计量以修改由扬声器230接收的信号。扬声器230可以基于响应于感测电路210生成统计量而被修改的接收信号来生成声音输出。感测电路210可以通过包括处理设备和存储指令以处理提供给感测电路310的信号的电路来实现。感测电路210可以在数字信号处理器中实现。

系统200或类似于系统300的系统的变型可以包括许多不同的实施例，这些实施例可以根据这种系统的应用和/或可以实现多种方法的系统的架构进行组合。这样的系统可以包括感测电路，其可操作以生成统计量，该统计量测量扬声器输出处的失真可能性或测量扬声器输出处的令人反感的、可感知或可测量的失真程度。感测电路可操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。技术可以使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。感测电路可操作以使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的失真可能性或令人反感、可感知或可测量的失真的程度相对应的软指示符。软指示符也可以称为模糊指示符。软指示符是从一个或多个数值范围中选择的数值。硬指示符可以定义为从一组离散数值中选择的数值。

系统200或类似于系统200的系统的变型可包括感测电路210，以包括多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器，它们被调谐到被确定为对扬声器的失真有贡献的频率。感测电路210可以包括如下电路，该电路用于估计来自多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的经滤波信号中的失真激活能量的量，作为从多个带通和/或动态频谱分析滤波器的所有频带上的能量计算的一个或多个统计量，并且包括用于测量经滤波信号的总能量的电路。一个或多个统计量可以包括来自一组统计量的一个或多个统计量，该一组统计量包括所计算的所有带通能量的中值、平均值、算术平均值、几何平均值、最大能量值、最小能量值、第n大能量的能量，其中n是所选择的正整数。感测电路210可以被布置为将能量计算作时变能量，或计算全频带音频信号的包络。

图4是用于提供动态多特征失真感测和自适应多频带失真减少的示例架构300的实施例的框图。架构300可以合并到提供声音输出的多个不同系统中。架构300可以包括可以与提供声音输出的扬声器330一起操作的多陷波滤波器305、感测电路310、以及动态增益单元315。扬声器330可以实现为微型扬声器，但是可替换地可以实现为预期用于音频收听的任何电声输出换能器。这包括但不限于以下之一：扬声器、微型扬声器、耳麦，耳塞驱动器，耳机驱动器或耳机。多陷波滤波器305可以被布置为接收用于生成声音输出的信号。这里，用于生成声音输出的信号是表示物理声音的信号，并且可以被称为“音频信号”。感测电路310可以被耦合以接收对应于由多陷波滤波器305接收和处理的信号的经滤波信号，并生成关于经滤波信号的统计量。

感测电路310可被以多种方式布置。感测电路310可以包括多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器，它们被调谐到被确定为对扬声器330的失真有贡献的频率。感测电路310可以包括如下电路，该电路用于使用从多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的所有频带上的能量计算的各种统计量中的一个或多个统计量来估计经滤波信号中的失真激活能量的量，并且包括用于测量经滤波信号的总能量的电路。感测电路310可操作以生成统计量，该统计量测量扬声器330的输出处的失真可能性或可感知的、令人反感的或可测量的失真的程度。感测电路310可以用如下电路来实现，该电路包括处理装置和存储指令以处理提供给感测电路310的信号。

感测电路310可以被构造为可操作以使用从包括机器学习、统计学习、预测学习和人工智能(AI)的组中选择的技术来计算在扬声器输出处的失真可能性或可感知的、令人反感的或可测量的失真的程度的度量。该技术可以使用从包括分类和回归树(又名决策树)、普通最小二乘回归、加权最小二乘回归、支持向量回归、人工神经网络、分段线性回归、岭回归、套索回归、弹性网络回归和非线性回归的组中选择的一个或多个过程。人工神经网络可以包括但不限于感知器、多层感知器，深度信念网络和深度神经网络。非线性回归可以包括但不限于多项式回归。

感测电路310可以被构造成可操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。二进制指示符可以提供是/否的失真指示。该技术可以使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。支持向量机可以包括支持向量分类。人工神经网络可以包括但不限于感知器、多层感知器、深度信念网络和深度神经网络。

感测电路310可以被构造成可操作以通过使用阈值或比较器设备从软指示符推导来计算二进制指示符。作为替代，可以通过使用阈值从软指示符导出半二进制或半硬指示符，从而生成用于高于/低于特定阈值的输入值的离散指示，以及用于低于/高于某个阈值的输入值的可变指示。半硬指示符可以定义为从离散值和一个或多个范围的值的组合中选择的值。例如，对于特定任务，半硬指示符可以是从由离散值0.0和范围(0.5,1.0)中的值组成的值组合中选择的值。一个或多个离散值与一个或多个范围的值的组合取决于对于其生成半硬值的应用。半二进制指示符是具有从离散值0和1以及0和1之间的一个或多个范围的值的组合中选择的值组合的半硬指示符。在以这种方式导出二进制或半二进制指示符的情况下，可以采用滞后来避免对于软指示符超过阈值的仅短暂偏移发出离散指示。

可以使用本领域中常见的监督学习范例来训练从机器学习、统计学习、预测学习和人工智能(AI)中选择的技术，如下在许多特征中描述该监督学习范例。首先，可以收集和汇编一组代表性音频记录，包括来自音乐、电影和语音(以及其他类型)的内容。其次，这些记录可以通过在前文描述中详述的音频信号处理级联被回放，但是多陷波滤波器被绕过。它们可被以实际回放场景中典型的各种音量或增益水平回放，尤其关注最大音量回放。在回放期间扬声器(包括微型扬声器)的声学输出可以在安静或消声环境中使用与扬声器相距固定距离的经校准的测量麦克风被记录。

第三，可以参考原始内容记录来分析每个测量记录，以确定并标记测量记录的部分的关于可感知的、令人反感的或可测量的失真的存在、不存在或存在程度。为了表征可感知或令人反感的失真的部分，可以对人类对象执行听力测试，或者可以采用从本领域中常见的若干这样的模型中选择的失真的计算心理声学模型，其中测量记录和原始内容记录被主观地或数字地进行比较。为了表征可测量失真的部分，可以将电平匹配增益应用于原始内容记录，使得其低电平部分(选择为足够低的电平以被假设未失真)与相应的测量记录的电平相匹配。另外，电平匹配的原始内容记录可以与相应的测量记录时间对准。可测量失真的时变幅度可以被计算为被对准的原始内容记录与相应的测量记录之间的差的包络或时变RMS能量。

第四，被标记的测量音频记录的部分可以被细分为训练集合和测试集合，其中未失真部分和失真部分之间的平衡在两个集合中大致相等。第五，可以计算从连续帧或失真部分和未失真部分的块计算的多组音频特征。第六，可以在训练集合上训练从本领域常见的机器学习、统计学习、预测学习和人工智能(AI)技术中选择的分类或回归技术，而在训练集合上回归或分类性能的度量可随着训练进行而被监控。第七，可以根据在来自测试集合的音频特征上计算的训练模型的预测来计算分类性能的回归的度量。步骤4到7被称为交叉验证，这是机器学习、统计学习、预测学习和人工智能(AI)领域中的既定范例。这些步骤可被迭代以提高分类或回归性能。

动态增益单元315可以被耦合以从感测电路310接收统计量，并且耦合到多陷波滤波器305以操作地修改多陷波滤波器305的深度。扬声器330可以布置成接收经滤波信号以生成声音输出。动态增益单元315可以被布置成基于后续统计量来提供增益以调整多陷波滤波器的深度，该后续统计量基于上述的基于带通能量的统计量以及总能量，其中基于带通能量的统计量和所测量的总能量由感测电路310提供。

图5是示例架构400的实施例的框图，该示例架构400描绘了多陷波滤波器405与外部音频硬件和信号处理组件的集成。架构400包括音频通道源401，其对空间、响度和动态处理402进行馈送，该处理的输出被输入到换能器均衡403。换能器均衡403的输出被输入到多陷波滤波器405，其输出通过限制器407被指引到扬声器430。扬声器430可以实现为微型扬声器。限制器407允许低于指定输入阈值电平的信号不受影响地通过，而衰减超过该阈值的较强信号的峰值。除了限制器407的输出耦合到扬声器430之外，限制器407的输出还可以耦合到感测电路410。感测电路410可以使用从音频信号或一系列其他可能的音频信号特征获得的多个特征来向动态增益单元415提供统计量。基于关于导致声音输出的音频信号的统计量或其他信息，动态增益单元415可以向多陷波滤波器405提供输入，以操作地修改多注释滤波器405的深度。多陷波滤波器405、感测电路410、和动态增益单元415可以以与图4的多陷波滤波器305、感测电路310和动态增益单元315类似或相同的方式实现。

当使用某些多音调信号驱动微型扬声器时，可能激活摩擦和嗡嗡声失真。使用被调谐的静态多陷波滤波器，如图6所示，激活失真的能量可以降低到低于扬声器失真激活阈值的水平。图6是示出陷波滤波器组设计器506的示例实施例的框图，该设计器506配置在输入信号501和输出信号508之间的一系列N个陷波带滤波器中的每个陷波频带滤波器505-1，505-2…505-N的系数。可以从一组设计控制中确定所采用的陷波的数量和每个陷波的配置。

在设计多陷波滤波器时本质上有两个目标：消除失真，以及对声音的感知音色的影响最小。音色是声音的特征品质，与音调和响度无关，从中可以推断出其来源或产生方式。通常，最佳做法是使用测试内容以消除失真为目标来开始调谐，该测试内容已知为使用静态多陷波滤波器来激活感兴趣失真。

在调谐中可以使用多个参数，每个扬声器通道具有其自身的一组参数。这些参数可以包括陷波带的数量、基频、基准Q、基准陷波深度、基准斜率、带宽标度和频率标度。陷波带的数量是陷波频带的总数。基频是最低频率的截止频率。基准Q是最低频率陷波的带宽。基准陷波深度(dB)是完全接合时应用于最低频率陷波带的衰减。基准斜率(dB/频带)是逐渐添加到每个附加频带陷波深度的量。关于带宽标度，从第一低频带开始，附加频带可以保持恒定的Q因子或恒定的带宽。关于频率标度，陷波频率可以保持相对于基频的线性缩放(例如，[100,200,300]Hz)或倍频程缩放(例如[100,200,400]Hz)。

调谐的第一步可包括通过调整例如具有大约4的相对低的基准Q、大约-15dB的深度的单个陷波频带，以及从大约100Hz开始直至明显失真量被消除的频率来扫描截止频率，以确定基频。尽管使用启发式方法确定多陷波滤波器的参数，最佳截止频率倾向于在扬声器谐振频率附近或在谐振器谐振频率处具有谐波关系。使用图7作为示例，给定800Hz的微型扬声器谐振频率，可能的最佳基频将接近100或200Hz，这取决于扬声器的可用低频响应。图7示出了单个陷波频带，其被调整以确定可用于减少失真的最低频率。基准Q参数的修改可以帮助发现基频。

可以确定最佳频率标度和陷波频带的数量。在建立基频之后，可以发现促使失真减少的高于基频并且低于扬声器谐振频率的附加频率。这些频率应相对于基频具有线性或倍频程缩放，如图8所示。图8示出了可以增加陷波频带的数量以使用线性或倍频程频率间隔来进一步减少失真。图中指示的陷波数量(三个(3))不是将陷波数量限制或约束为该特定值，其可以是任意的(如图6所示的变量N)。在建立了一组目标多陷波频率之后，可以根据频率的总数、基于最低目标频率的基频、和基频之上的附加频率来调整陷波频带的数量的设计参数。可以调整基准陷波深度、基准斜率和带宽标度。在既定的目标频率集内，一些陷波频带在消除不希望的失真方面比其他陷波频带更有效。当多陷波滤波器完全接合时，陷波深度和基准斜率参数可以确定每个目标频率处的衰减量。通常，随着陷波频率增加，陷波的深度减小。基准斜率参数将增加或减少从基准频率起的后续陷波深度。例如，在图9中，基准陷波深度为-15dB，基准斜率为3dB，陷波的特定深度为[-15，-12，-9，...].图9示出了使用斜率参数对每个频带的有效性进行加权。同样，陷波的数量不被限制或约束于该图的示例中所示的数量。可以防止正的陷波深度。

可以在失真消除和音色保持之间进行权衡。该步骤可以基于为了对主观音色的影响最小而检查的当前参数设置。例如，基准Q应该在仍然防失真的同时被修正为可能的最高设置(最窄带宽)。图10示出了在重新调整多陷波的参数时失真和音色之间的权衡。

诸如图4的多陷波滤波器305和图4的多陷波滤波器405的多陷波滤波器可以实现为一系列独立的IIR陷波滤波器频带。每个陷波频带可以通过使用信号与设置为该频带的截止频率和Q的全通滤波器的线性组合来实现。使用该方法，可以使用截止频率和带宽参数在初始化时静态地确定滤波器系数，并且可以高效地调整陷波的时变深度，使得陷波深度可以实时上下移动，如图10中的双向箭头所示。

图11是示出实现为输入信号1001和全通响应1013的线性组合的示例单陷波频带滤波器1005的实施例的示意图。可以向线性内插1011提供陷波深度增益，线性内插1011向乘法器1014-1提供诸如(l-增益)*.5的第一因子以乘以输入信号1001，以及向乘法器1014-2提供诸如(l+增益)*.5的第二因子以乘以全通响应1013。乘法结果提供给求和器1012用于线性组合，从求和器1012提供输出信号1008。

可以构造诸如图4的感测电路310和图5的感测电路410的用于感测失真的感测模块，以估计驱动扬声器的信号内的失真激活能量的量。因此，理想地，在感测模块的下游没有进一步处理扬声器信号。然后，可以在前馈或反馈架构中使用感测分析来通知动态增益单元最终确定与图4和图5相关联的架构中的多陷波滤波器内的独立深度。感测分析可以由多个IIR或FIR带通滤波器和/或动态频谱分析滤波器组成，该滤波器被调谐到被确定为对特定微型扬声器的摩擦和嗡嗡声或其他令人反感的失真有贡献的频率。每个频带的带宽理想地非常窄，因此每个频带的串联的两个或更多个二阶IIR或FIR分析滤波器和/或动态频谱分析滤波器可用于实现良好的信号能量测量。因为单个频带内的能量不会激活失真，所以可以将估计的失真激活能量的量计算为聚合统计量，例如所有频带上的能量的算术平均值或几何平均值。这确保了在相当多的频带内仅有多音调频带能量将导致失真激活能量的高估计。可以使用除算术或几何平均值之外的统计。感测模块还测量输入信号的总能量。

图12A是示例装置1100A的实施例的框图，其响应于设备输出信号1101A提供来自扬声器1130A的声音输出，并使用感测电路1110A来分析设备输出信号1101A。设备输出信号1101A可以通过数字-模拟转换器(DAC)1122A被引导到扬声器1130A，其中在进行数模转换之后使用功率放大器1124A进行放大。

感测电路1110A可包括带通滤波器1120-1,1120-2…1120-M，它们耦合到相应的均方根(RMS)电路1123-1,1123-2…1123-M。每个RMS电路1123-1,1123-2…1123-M的输出可以耦合到电路以计算统计量1126。可以提供统计量1126作为感测电路110A的输出的带通能量(dB)。统计量1126可以包括来自一组统计量的一个或多个统计量，该组统计量包括所计算的所有带通能量的中值、平均值、算术平均值、几何平均值、最大能量值、最小能量值以及第n大能量的能量，其中n是选定的正整数。感测电路1110还可以包括另一个RMS电路1121，以接收输出信号1101A并生成信号能量(dB)1129，其可以从感测电路1110A输出。这些RMS电路和用于计算统计量的电路可以包括各种类型的存储器设备和一个或多个处理器、数字信号处理器(DSP)、专用集成电路(ASIC)和其他计算设备。从感测电路1110A输出的带通能量(dB)1128和信号能量(dB)1129可以输入动态增益单元。

图12B是示例装置1100B的实施例的框图，其响应于设备输出信号1101B提供来自扬声器1130B的声音输出，并使用感测电路110B来分析设备输出信号1101B。设备输出信号1101B可以通过数模转换器(DAC)1122B被引导到扬声器1130B，其中在数模转换之后使用功率放大器1124B进行放大。

感测电路1110B可以包括用于生成统计特征1125-1的电路，用于生成统计特征1125-2的电路…用于生成统计特征1125-L的电路，其中每个电路都耦合到失真预测计算1127，失真预测计算1127生成预测的与来自扬声器1130B的声音输出相关联的失真可能性。失真预测计算1127可以实现为用于基于机器学习、统计学习、预测学习或AI的测量的一个或多个计算电路，其可以提供扬声器输出1130B处的失真可能性的计算。可以使用用于这样的学习和AI技术的常规电路。这些电路可以包括各种类型的存储器设备和一个或多个处理器、DSP、ASIC和其他计算设备。预测的失真可能性可以从感测电路1110B输出到动态增益单元。

动态增益单元(例如图4的动态增益单元315，图5的动态增益单元415或类似的动态增益单元)可以可变地接合多陷波滤波器，例如图4的多陷波滤波器305，图5中的多陷波滤波器405或类似的多陷波滤波器，该多陷波滤波器被应用于扬声器信号路径以减少摩擦和嗡嗡声或其他令人反感的失真，如图13所示。在各种实施例中，目标是在失真否则被激活的情况下才接合多陷波滤波器，使得在收听扬声器系统时对感知音色的影响最小。类似于动态范围压缩器，可以将失真激活能量的感测分析估计与可调谐阈值进行比较，使得当估计超过阈值时，确定初始陷波深度。然后可以基于感测分析估计相对于信号总能量的显著性来缩放初始陷波深度。

图13是示例性动态增益控制1215的实施例的框图，其可以使用由例如在图12A和12B中的感测电路确定的所测量的失真感测能量来调整陷波的深度。当失真感测能量超过阈值时，陷波被接合。动态增益控制1215包括用于接收带通能量1228的度量的输入和用于接收感测电路1210的信号能量1229的度量的输入。带通能量1228的度量可以传递到比较器1231，比较器1231可以生成阈值(dB)和带通能量1228的度量之间的差。阈值是提供失真激活能量的阈值的参数，在该失真激活能量，多陷波滤波器将开始接合。比较器1231的输出x可以输入到比较器1234，比较器1234选择x和0的最小值。比较器1234的输出被输入到乘法器1238。

带通能量1228的度量也可以传递到加法器1232，加法器1232可以将灵敏度(dB)添加到带通能量1228的度量。具有添加的灵敏度的带通能量1228的度量可以从加法器1232传递到比较器1233，其可以生成被添加了灵敏度的带通能量1228的度量与信号能量1229的度量之间的差。比较器1233的输出可以通过转换器1236从dB转换为线性度量，转换器1236的输出被提供给范围[x，0，10]1237，其向乘法器1238提供比率。范围[x，0，10]将输出x的值钳位到0到10之间的范围。它执行函数以输出x：值0，如果x小于零；值1，如果x大于10；和x的值，如果x大于或等于零且小于或等于10。灵敏度参数可被用于调整来自范围[x，0，10]1237的动态比率的灵敏度和范围。来自范围[x，0，10]1237的比率与比较器1234的输出相乘，并且被施加到分贝到线性转换器1239。平滑运算器1241可以应用于转换器1239的输出。从平滑运算器1241，可以通过动态增益控制1215提供多陷波深度增益1243。

虽然这有点类似于压缩器比率控制，但压缩器比率通常是静态的并且限于范围为从1：1到无穷大：1的增益减小比率。具有例如动态增益控制1215的动态增益单元也可以应用反比，意味着多陷波滤波器深度可以大于失真激活能量和阈值参数之间的差。动态单元还提供平滑参数以减轻多陷波滤波器深度调制伪像。可以关于动态增益控制被使用的其他参数可以包括模式、启动时间(attack time)、释放时间和启动阈值。模式涉及动态增益控制是静态地和完全地接合多陷波滤波器，还是动态地和可变地应用多陷波滤波器。启动时间是陷波将接合的速度。释放时间是陷波将脱离的速度。启动阈值是要使用的启动时间弹道所需的差分陷波深度接合的量。在感测模块中测量的组合带通能量与总通道能量的比率可用于动态调整多陷波滤波器的深度。

图14是低音增强电路1400的框图。低音增强电路1400可以由一个或多个处理器和具有用于低音增强的指令的存储器实现。一个或多个处理器可以实现为ASIC，DSP或其组合。通常，低音增强有两个主要功能：增加低音频率范围的振幅，以及插入谐波。低音增强电路1400可以包括对于接收的音频信号输入进行操作的输入增益1446。输入增益1446的输出可以输入到抖动处理1447。抖动处理1447的输出可以输入到积极谐波截止滤波器1448，如果需要，可以禁用该积极谐波截止滤波器1448。积极谐波截止滤波器1448的输出可以被引导到两个路径中。积极谐波截止滤波器1448的输出可以耦合到求和器1449。积极谐波截止滤波器1448的输出也可以耦合到预低通滤波器1451。

预低通滤波器1451的输出可以耦合到谐波生成1452。谐波生成1452的输出可以耦合到低通滤波器1453，其输出可以可选地由增益滤波器1454进行操作。低通滤波器1453或(如果实现的话)增益滤波器1454的输出可以耦合到求和器1449。求和器1449可以将积极谐波截止滤波器1448的输出(或者在禁用积极谐波截止滤波器1448的情况下抖动处理1447的输出)与低通滤波器1453的输出或(如果实现的话)增益滤波器1454的输出相加。

求和器1449的输出可以耦合到参数均衡器(PEQ)滤波器1456。PEQ滤波器1456的输出可以耦合到动态处理模块1457。动态处理模块1457可以包括搁架滤波器，其输出可以由补偿增益(make-up gain)进行操作。动态处理模块1457的输出可以耦合到高通滤波器1459。高通滤波器1459可以提供输出，该输出是沿着路径被引导到扬声器(图14中未示出)的音频信号。

谐波生成1452可以使用积极非线性。对于这样的谐波生成，可以在谐波生成1452之前插入低通滤波器1451，这可以避免从较高频率分量生成谐波。由于低通滤波器1451设置在谐波生成1452之前，因此可以将其称为预低通滤波器1451。预低通滤波器1451可以具有可调节的截止频率。预低通滤波器1451可以是八阶滤波器，其可以具有用于单个二阶部分的系数，该二阶部分可以每块重复四次以实现八阶传递函数。各个二阶部分的截止频率可以是固定的，因此该二阶部分的四个副本生成四倍于该增益的频率响应。

谐波生成1452可以采用积极非线性以便生成更丰富的谐波频谱。可以选择本领域中常见的许多不同的非线性和谐波生成方法来生成谐波。可以提供更高的增益和更宽的带宽以补偿低中频带区域中增加的能量。为了补偿由谐波生成1452中更新的非线性插入的低中频带区域中增加的谐波能量，可以增加低频带区域中的PEQ滤波器1456的高度和宽度，以提供改进的相对于增加的低中频带能量的深度的感觉。低音电平调节被应用于谐波和混音的均衡。另外，可以根据本领域常见的技术选择和调谐PEQ滤波器1456以增强低频区域，其中低频增强的幅度和带宽是可调节的。

如果启用该过程，则输入增益1446可以为被输入的音频信号提供增益。该增益可以作为用于该过程的净空(headroom)增益，其可以在两个选定增益水平之间设置。净空允许内部信号不会上冲超过或下冲低于处理模块中支持的最大值或最小值。一旦应用了输入增益，算法就会检查抖动状态，该抖动状态可以由在应用输入增益之前在算法中调用的静音检测器设置。如果检测到静音，则可以将抖动添加到信号中。抖动可以仅添加到算法的分析链中，并且它帮助稍后应用的动态处理来最小化在静音和信号段之间切换时可能注意到的提升效果。

在输入增益和抖动阶段之后，可以调用主过程进行处理。另一方面，如果该过程被绕过(图14中未示出)，则信号首先被延迟等于在启用该过程时算法引入的延迟的量，然后等于旁路增益的增益被应用于信号。旁路路径中引入的延迟导致最小化算法的开启和关闭状态之间的可显见不连续性的影响，反之亦然。

主过程的谐波生成1452监视信号并计算有多少净空可用。这可以通过逐块地找到L和R通道两者的最大值来执行。这些最大值存储在选定长度的统计历史缓冲器中，并且它们可以被平均化以给出在所选长度的缓冲器的历史中的每个通道的平均最大值。

低通滤波器1453用于限制注入的谐波内容的最高频率，并且所生成的谐波可以可选地由具有低通增益特性的附加滤波器，增益滤波器1454处理。这可以被执行以便对所生成的谐波进行整形，并且更加强调低次谐波。

一旦PEQ滤波器1456已经应用于信号，则可以应用动态处理1457，其可以包括在信号的整个频率范围上应用补偿增益。可以调用预处理函数，其计算用于L和R通道两者的增强信号的最大值。另外，预处理函数可以找到高于阈值的信号的峰值的数量。预处理函数可以管理用于在过程的下一阶段中应用于信号的受保护增益的前瞻缓冲器。可以实现本领域中常见的许多动态处理技术。该动态处理提供的补偿增益是可调节的。

可以基于先前描述的所有检查以逐步方式增加或减少可应用于信号的提升(boost)。可以应用的最大提升可以基于暴露的控制来计算。动态处理可以内部使用以用于驱动增益线方程，该方程生成给定动态设置允许的最大提升。可以将此最大值与计算的可用净空进行比较。换句话说，要应用的最大提升不超过先前计算的可用净空。此外，在各种实施例中，所应用的最大增益不大于信号的反转的、被跟踪的平均最大值，并且相应地，提升增益不大于该最大增益。动态处理可以基于信号的动态来动态调整添加到信号的增益量。换句话说，信号越强，添加的增益就越少。

在应用动态处理1457之后，信号可以通过高通滤波器1459。高通滤波器1459的阶次可以变化，例如，从1到8。高通滤波器1459的截止频率可以是用户暴露控制，并且可以被调谐以降低信号能量低于扬声器尺寸设置。如果在低音增强电路1400外部应用高通滤波器，则可以禁用高通滤波器1459。

图15是示例系统2000的实施例的框图，该系统具有用于音频信号的动态多特征失真感测和自适应多频带失真减少，其与失真察觉谐波低音增强相结合。系统2000可包括可与提供声音输出的扬声器2030一起操作的低音增强2050、多频带或多陷波动态衰减器2005、失真感测电路2010、动态增益单元2015、以及动态低音参数控制2055。扬声器2030可以实现为微型扬声器。动态低音参数控制2055可以修改可调低音增强参数中的一个或多个，可调低音增强参数可被从以下非穷举列表中获取：

1.低音增强模块的扫音(swept-tone)包络响应的峰值振幅，其可以作为PEQ滤波器1456的幅度提供，

2.PEQ滤波器1456的中心频率，

3.PEQ滤波器1456的带宽，

4.低音增强模块插入的谐波能量的量，其可以实现对于求和1449的可调增益，

5.预低通滤波器1451的截止频率，其可以提供被提供给谐波生成1452的能量的最大频率，

6.低通滤波器1453的截止频率，其可以提供通过求和1449注入低频增强信号的谐波能量的最大频率，

7.在谐波生成的非线性中采用的阈值1452,

8.由谐波生成1452插入的奇次谐波与偶次谐波的比率，

9.动态处理1457的增益，和/或

10.由谐波生成1452插入的谐波的斜率。

系统2000可以可选地包括可以对经预处理的音频输入进行操作的音频预处理2004。来自音频预处理2004的输出可以输入到低音增强2050，该低音增强2050的输出可以在输入到多频带或多陷波动态衰减器2005之前可选地由中间音频处理2009处理。来自多频带或多陷波动态衰减器2005的输出可以耦合到失真感测电路2010，并且耦合到扬声器2030的路径。可选地，在扬声器2030之前，可以通过音频放大和其他后处理来处理来自多频带或多陷波动态衰减器2005的输出。音频放大和其他后处理可包括扬声器偏移保护，低音提升，数模转换和模拟增益。

失真感测电路2010可被以多种方式布置。如本文所教导的，感测电路2010可操作以生成统计量，该统计量测量在扬声器2030的输出处的失真可能性或可感知的、令人反感的或可测量的失真的程度。失真感测电路2010可以从信号串行链中的各种点获取其单个输入信号，或者从信号串行链中的各种点获取多个输入信号。对于失真感测电路2010的多个输入信号，失真感测电路2010可以包括多变量统计或多变量机器学习回归机制，以确定失真感测电路2010的输出。

失真感测电路2010可以被构造为可操作以使用从包括机器学习、统计学习、预测学习和人工智能(AI)的组中选择的技术来计算在扬声器输出处的失真可能性或可感知的、令人反感的或可测量的失真的程度的度量。该技术可以使用从包括分类和回归树(又名决策树)、普通最小二乘回归、加权最小二乘回归、支持向量回归、人工神经网络、分段线性回归、岭回归、套索回归、弹性网络回归和非线性回归的组中选择的一个或多个过程。人工神经网络可以包括但不限于感知器、多层感知器，深度信念网络和深度神经网络。非线性回归可以包括但不限于多项式回归。

失真感测电路2010可以被构造成可操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。该技术可以使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。支持向量机可以包括支持向量分类。人工神经网络可以包括但不限于感知器、多层感知器、深度信念网络和深度神经网络。

感测电路2010可以被构造成可操作以通过使用阈值或比较器设备从软指示符推导来计算二进制指示符。作为替代，可以通过使用阈值从软指示符导出半二进制或半硬指示符，从而生成高于/低于特定阈值的输入值的离散指示，以及低于/高于某个阈值的输入值的可变指示。在以这种方式导出二进制或半二进制指示符的情况下，可以采用滞后来避免对于软指示符超过阈值的仅短暂偏移发出离散指示。

动态增益单元2015可以耦合以接收失真感测电路2010的输出，并且耦合到多频带或多陷波动态衰减器2005以操作地提供参数或控制信号以修改多频带或多陷波动态衰减器2005造成的衰减。失真感测电路2010的输出可以输入到动态低音参数控制2055，其可以向低音增强2050提供输入以调整或修改低音增强2050中的低音增强参数。

动态低音参数控制2055可以动态地修改多个低音增强参数。可以从一组参数中选择该多个低音增强参数，该组参数可以包括低音增强2050的扫音包络响应的峰值振幅(其可以通过被放大的低音频率区域周围的“隆起”来表现)，被放大的低音频率区域的中心频率，被放大的低音频率区域的频率宽度，由低音增强2050插入的谐波能量的量，由低音增强2050插入的最大谐波阶次，由低音增强2050插入的谐波能量的最大频率，由低音增强2050插入的连续谐波的形状，包括由低音增强2050插入的连续谐波的斜率，由低音增强2050插入的偶数阶与奇数次谐波的比率，或者任何线性或非线性交叉衰落特性曲线，该曲线可将所有上述参数从相对“低低音”设置调整为“高低音”设置。

可以实现用于失真感测和失真减少的架构以及用于失真察觉谐波低音增强的架构的多种变型。图16是自适应和动态的示例感测和多陷波模块2100的实施例的框图。感测和多陷波模块2100可以包括多频带分析滤波器组2116，其接收音频信号并向动态处理2118-1、动态处理2118-2和动态处理2118-3中的每一个提供输出。像多频带分析滤波器组2116一样，多频带分析滤波器组可以将输入信号分解成不同的频谱范围，例如，低频带、中频带、高频带。动态模块基本上是一种可以在选定的频率范围上执行的动态压缩处理的形式。动态处理2118-1、动态处理2118-2、动态处理2118-3中的每一个可以输入到多频带合成滤波器组2119。多频带合成滤波器组2119可以向自适应陷波模块2105提供输入，该自适应陷波模块2105将经滤波处理的音频信号提供给限制器2107以提供用于声音输出的信号。

多频带合成滤波器组2119还可以向失真感测模块2110提供输入。失真感测模块2110还可以从限制器2107接收反馈。来自限制器2107和多频带合成滤波器组2119的信号可以由失真感测模块2110使用，以确定用于输入到自适应陷波模块2105以减少失真的失真和生成参数。失真感测模块2110和自适应陷波模块2105可以包括执行与和图3-14相关联的陷波滤波器和感测电路的功能和/或特征类似或相同的操作的功能。

图17是自适应和动态的示例感测和多陷波模块2200的实施例的框图。感测和多陷波模块2200可以包括多频带分析滤波器组2216，其接收音频信号并向动态处理2218-1、动态处理2218-2和动态处理2218-3中的每一个提供输出。动态处理2218-1、动态处理2218-2和动态处理2218-3中的每一个的输出可以输入到多频带合成滤波器组2119。多频带合成滤波器组2219可以向自适应陷波模块2205提供输入，该自适应陷波模块2205将经滤波处理的音频信号提供给限制器2207，以提供用于声音输出的信号。

多频带合成滤波器组2219还可以向多频带水平管理和失真感测模块2210提供输入。多频带水平管理和失真感测模块2210还可以从多频带分析滤波器组2216接收被引导至动态处理2218-1、动态处理2218-2和动态处理2218-3中的每一个的输出。另外，多频带水平管理和失真感测模块2210可以从限制器2207接收反馈。来自限制器2207、多频带合成滤波器组2219的信号和来自多频带分析滤波器组2216的输出可以由多频带水平管理和失真感测模块2210使用，以确定用于输入到自适应陷波模块2205以减少失真的失真和生成参数。另外，多频带水平管理和失真感测模块2210可以使用这些输入来为动态处理2218-1、动态处理2218-2和动态处理2218-3提供参数。多频带水平管理和失真感测模块2210以及自适应陷波模块2205可以包括执行与和图3-16相关联的陷波滤波器和感测电路的功能和/或特征类似或相同的操作的功能。

图18是自适应和动态的示例感测和多陷波模块2400的实施例的框图。感测和多陷波模块2400可以包括多频带分析滤波器组2416，其接收音频信号并向动态处理2418-1、动态处理2418-2和动态处理2418-3中的每一个提供输出。动态处理2418-1、动态处理2418-2和动态处理2418-3中的每一个的输出为多频带合成滤波器组2419的输入。多频带合成滤波器组2419可以向自适应陷波模块2405提供输入，该自适应陷波模块2405将经滤波处理的音频信号提供给限制器2407以提供用于声音输出的信号。

多频带合成滤波器组2419还可以向失真感测模块2410提供输入。来自多频带合成滤波器组2419的信号可以由失真感测模块2410使用，以确定用于输入到自适应陷波模块2405以减少失真的失真和生成参数。在该架构中，来自限制器2407的信号不反馈到失真感测模块2410。失真感测模块2410和自适应陷波模块2405可以包括执行与和图3-17相关联的陷波滤波器和感测电路的功能和/或特征类似或相同的操作的功能。

图19是自适应和动态的示例感测和多陷波模块2500的实施例的框图。感测和多陷波模块2500可以包括多频带分析滤波器组2516，其接收音频信号并向动态处理2518-1、动态处理2518-2和动态处理2518-3中的每一个提供输出。动态处理2518-1、动态处理2518-2和动态处理2518-3中的每一个的输出为多频带合成滤波器组2519的输入。多频带合成滤波器组2519可以向自适应陷波模块2505提供输入，而陷波模块2505将经滤波处理的音频信号提供给限制器2507以提供用于声音输出的信号。

限制器2507的输出也可以反馈到失真感测模块2510。来自限制器2507的反馈信号可以由失真感测模块2510使用，以确定用于输入到自适应陷波模块2505以减少失真的失真和生成参数。失真感测模块2510和自适应陷波模块2505可以包括执行与和图3-18相关联的陷波滤波器和感测电路的功能和/或特征类似或相同的操作的功能。

图20是自适应和动态的示例感测和多陷波模块2600的实施例的框图。感测和多陷波模块2600可以包括多频带分析滤波器组2616，其接收音频信号并向动态处理2618-1、动态处理2618-2和动态处理2618-3中的每一个提供输出。动态处理2618-1、动态处理2618-2和动态处理2618-3中的每一个的输出为用于多频带合成滤波器组2619的输入。多频带合成滤波器组2619可以向自适应陷波模块2605提供输入，该自适应陷波模块2605将经滤波处理的音频信号提供给限制器2607。限制器2607的输出可以输入到放大器2669，放大器2669的输出提供用于声音输出的信号。

多频带合成滤波器组2619还可以向失真感测模块2610提供输入。失真感测模块2610还可以接收来自限制器2607的反馈和来自放大器2669的反馈。来自放大器2669、限制器2607和多频带合成滤波器组2619的信号可以由失真感测模块2610使用，以确定用于输入到自适应陷波模块2605以减少失真的失真和生成参数。失真感测模块2610和自适应陷波模块2605可以包括执行与和图3-19相关的陷波滤波器和感测电路的功能和/或特征类似或相同的操作的功能。

图21是对于从扬声器生成的声音输出感测失真并减少失真的示例方法2101的实施例的特征的流程图。在2102处，在扬声器处接收来自音频信号源的信号。在2103处，在感测电路处接收信号。在2104处，在感测电路中生成关于信号的统计量。感测电路中的信号的统计量的生成可以在数字信号处理器中实现。生成统计量可以包括生成如下这样的统计量，该统计量测量扬声器输出处的失真可能性，或者测量扬声器输出处的令人反感的、可感知的或可测量的失真的程度。

在2106处，基于所生成的统计量来修改信号，并将经修改的信号引导到扬声器。在2108处，基于所接收的经修改的信号从扬声器生成声音输出。

方法2101的变型或类似于方法2101的方法可以包括许多不同的实施例，这些实施例可以根据这些方法的应用和/或可以实现这些方法的系统的架构进行组合。这些方法可以包括使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术在感测电路中计算扬声器输出处的失真的二进制指示符。使用该技术包括使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。方法2101的变型或类似于方法2101的方法可以包括使用从包括机器学习、统计学习、预测学习和人工智能的组选择的技术在感测电路中计算与扬声器输出处的失真可能性或令人反感的、可感知的或可测量的失真的程度相对应的软指示符。

方法2101的变型或类似于方法2101的方法可包括在感测电路中生成关于信号的统计量，包括使用如下的感测电路，该感测电路具有多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器，它们被调谐到被确定为对扬声器的失真有贡献的频率。这样的方法可以包括在感测电路中估计来自多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的经滤波信号中的失真激活能量的量，作为从多个带通和/或动态频谱分析滤波器的所有频带上的能量计算的一个或多个统计量，并且测量经滤波信号的总能量。一个或多个统计量可以包括来自一组统计量的一个或多个统计量，该一组统计量包括所计算的所有带通能量的中值、平均值、算术平均值、几何平均值、最大能量值、最小能量值、第n大能量的能量，其中n是选择的正整数。方法2101的变型或类似于方法2101的方法可以包括在感测电路中将能量计算作时变能量，或计算全频带音频信号的包络。

图22是对于从扬声器生成的声音输出感测失真并减少失真的示例方法2201的实施例的特征的流程图。在2202处，将多陷波滤波器应用于信号，其中信号被提供以用于生成声音输出。在2204，在感测电路处接收对应于由多陷波滤波器接收和处理的信号的经滤波信号，并且使用感测电路生成关于经滤波信号的统计量。生成统计量可以包括生成用于测量扬声器输出处的失真可能性的统计量。使用感测电路可以包括使用多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器，它们被调谐到被确定为对扬声器的失真有贡献的频率。使用感测电路可以包括估计经滤波信号中的失真激活能量的量，作为多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的所有频带上的能量的平均值，并且测量经滤波信号的总能量。

在2206处，使用被耦合以从感测电路接收统计量的动态增益单元基于统计量来修改多陷波滤波器的深度。使用动态增益单元包括基于一个或多个统计量提供增益以调整多陷波滤波器的深度。使用动态增益单元修改多陷波滤波器的深度可以包括基于平均值与测量的总能量的比率来调整多陷波滤波器的深度。在2208处，在扬声器处接收经滤波的信号，并且从扬声器生成声学输出。接收由多陷波滤波器处理的经滤波信号，生成关于经滤波信号的统计量，以及修改多陷波滤波器的深度可以在数字信号处理器中实现。

方法2201的变型或类似于方法2201的方法可以包括在感测电路中使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算扬声器输出处的失真可能性的度量。这样的变型可以包括在感测电路中使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术计算扬声器输出处的失真的二进制指示符。

方法2201的变型或类似于方法2201的方法可以包括将多陷波滤波器应用于信号，包括将信号作为由低音增强电路的处理得到的经低音处理的信号提供给多陷波滤波器。低音增强电路的处理可以包括使用感测电路生成关于经低音处理信号的统计量；基于关于经低音处理的信号的统计量生成参数；并使用这些参数为应用于多陷波滤波器的信号提供低音增强。

图23是实现音频信号的失真察觉谐波低音增强的示例方法2301的实施例的特征的流程图。在2302处，在低音增强电路处接收信号，其中该信号被提供以用于生成声学输出。在2304，在感测电路处接收对应于由低音增强电路接收和处理的信号的经低音增强的信号，并且使用感测电路生成关于经低音增强的信号的统计量。低音增强电路的处理可以包括执行从包括基于线性滤波的低音增强和基于承载音频内容的信号的附加谐波的插入和/或生成的低音增强的组中选择的一个或多个低音增强。低音增强电路的处理可以包括使用自适应谐波低音增强电路以改变添加到所接收信号的谐波能量的量，该自适应谐波低音增强电路采用可调谐非对称非线性以及预截止滤波和后截止滤波。生成统计量可以包括生成如下这样的统计量，该统计量测量扬声器输出处的失真可能性，或者扬声器输出处的令人反感的、可感知的或可测量的失真的程度。

在2306处，基于关于经低音处理的信号的统计量生成参数，并且该参数被用于向应用于低音增强电路的信号提供低音增强。使用该参数提供低音增强可以包括提供用于控制低音振幅和低音谐波水平的参数。在2308处，在扬声器处接收经低音增强的信号，并且从扬声器生成声学输出。

方法2301的变型或类似于方法2301的方法可以包括可以根据这些方法的应用和/或实现这些方法的系统的体系结构进行组合的许多不同的实施例。方法2301的变型或类似于方法2301的方法可以包括在感测电路中使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术计算扬声器输出处的失真的二进制指示符。使用该技术可以包括使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。

方法2301的变型或类似于方法2301的方法可以包括在感测中使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的失真可能性或令人反感的、可感知的或可测量的失真的程度相对应的软指示符。使用该技术可以包括使用从包括分类和回归树、普通最小二乘回归、加权最小二乘回归、支持向量回归、人工神经网络、分段线性回归、岭回归、套索回归、弹性网络回归和非线性回归的组中选择的一个或多个过程。这些方法可以包括通过使用阈值设备或比较器设备从软指示符导出二进制指示符。

方法2301的变型或类似于方法2301的方法可包括使用如下的感测电路，该感测电路具有多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器，它们被调谐到被确定为对扬声器的失真有贡献的频率。这样的方法可以包括在感测电路中估计来自多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的经滤波信号中的失真激活能量的量，作为从多个带通滤波器和/或动态频谱分析滤波器的所有频带上的能量计算的一个或多个统计量，并且测量经滤波信号的总能量。一个或多个统计量可以包括来自一组统计量的一个或多个统计量，该一组统计量包括所计算的所有带通能量的中值、平均值、算术平均值、几何平均值、最大能量值、最小能量值、第n大能量的能量，其中n是选择的正整数。

图24是实现音频信号的失真感测、失真减少和失真察觉谐波低音增强的示例方法2401的实施例的特征的流程图。在2402处，在低音增强电路处接收信号并且生成经低音增强的信号，该信号被提供用于生成声音输出。在2403处，在多陷波滤波器中接收经低音增强的信号或经低音增强的信号的已处理形式，多陷波滤波器被布置为提供经滤波经低音增强的信号。在2404，在感测电路处接收对应于由低音增强电路和多陷波滤波器接收和处理的信号或对应于声音输出的经滤波经低音增强的信号，并且使用感测电路生成关于经滤波经低音增强的信号的统计量。在2406处，在低音参数控制器中，生成基于关于经滤波的经低音处理的信号的统计量的参数，并且该参数被用于向应用于低音增强电路的信号提供低音增强。可以在动态增益单元中接收来自感测电路的统计量，并且可以基于所接收的统计量使用动态增益单元来修改多陷波滤波器的深度。可以从具有修改的深度的多陷波滤波器生成经滤波经低音增强的信号。在2408处，在扬声器处接收经滤波经低音增强的信号，并且从扬声器生成声学输出。

方法2401的变型或类似于方法2401的方法可以包括可以根据这些方法的应用和/或可以实现这些方法的系统的体系结构进行组合的许多不同的实施例。这些方法可以包括在数字信号处理器中操作低音增强电路、感测电路、低音参数控制器、多陷波滤波器和动态增益单元。这些方法可以包括放大和/或后处理多陷波滤波器的输出，并将经放大和/或后处理的多陷波滤波器的输出提供给扬声器。这些方法还可以包括对经低音增强的信号进行音频处理，并将经音频处理的经低音增强的信号提供给多陷波滤波器。方法2401的特征可以与方法2101,2201或2301的特征组合。另外，如本文所教导的特征可以与方法2101，方法2201，方法2301，方法2401，方法2101、方法2201、方法2301和方法2401的组合，及其变型进行组合。

图25是被布置成根据本文教导的技术关于失真感测、防止和失真察觉低音增强进行操作的示例音频系统2900的实施例的框图。音频系统2900可以包括输入设备2901和处理设备2912，处理设备2912可操作地耦合到输入设备2901以接收输入音频信号并且对输入音频信号进行操作以控制声音输出信号的生成。输入设备2901可以包括一个或多个音频源，诸如DVD播放器，蓝光设备，TV调谐器，CD播放器，手持播放器，互联网音频/视频，游戏控制台或提供用于音频制作的信号的其他设备。输入设备2901可以是对于处理设备2912提供一个或多个信号的输入源的节点或一组节点。输出音频信号可以被发送到诸如扬声器的音频输出设备2925。扬声器可以是立体声扬声器，环绕声扬声器，耳麦扬声器，微型扬声器或其他类似的音频输出设备。

处理设备2912可以通过各种机器工具来实现，以执行和/或控制与如本文所教导的对信号进行操作以用于音频制作相关联的功能。这样的机器工具可以包括被设计用于执行本文所述的功能的一个或多个设备，例如但不限于通用处理器，具有一个或多个处理设备的计算设备，DSP，ASIC，现场可编程门阵列(FPGA)或其他可编程逻辑设备，离散门或晶体管逻辑，分立硬件组件或其任何组合。通用处理器和处理设备可以是微处理器，但是在替代方案中，处理器可以是控制器，微控制器或状态机，它们的组合等。处理器还可以实现为计算设备的组合，诸如DSP和微处理器的组合，多个微处理器，一个或多个微处理器结合DSP内核，或任何其他这样的配置。处理设备2912可以由一组处理设备实现，其中一组处理设备具有一个或多个处理设备。该组处理设备可以包括一组集成电路。处理设备2912可以可操作地耦合到存储用于如本文所教导的处理的指令和数据的一个或多个存储设备2517。存储设备2517可以由多个机器可读存储设备实现。

处理装置2912可以被构造成将信号施加到多陷波滤波器，其中信号被提供以用于生成声音输出；在感测电路处接收对应于由多陷波滤波器接收和处理的信号的经滤波信号，并使用感测电路生成关于经滤波信号的统计量；使用被耦合以接收来自感测电路的统计量的动态增益单元基于统计量修改多陷波滤波器的深度；并且在扬声器接收经滤波信号，并从扬声器生成声音输出。统计量的生成可以包括生成用于测量扬声器输出处的失真可能性的统计量。感测电路的使用可以包括使用多个无限脉冲响应(IIR)或有限脉冲响应带通滤波器和/或动态频谱分析滤波器，它们被调谐到被确定为对扬声器的失真有贡献的频率。感测电路的使用可包括估计经滤波信号中的失真激活能量的量，作为多个IIR或FIR滤波器和/或动态频谱分析滤波器的所有频带上的能量的平均值，并且测量经滤波信号的总能量。

在各种实施例中，处理设备2912可以被构造成将信号作为从低音增强电路的处理得到的经低音处理的信号应用于多陷波滤波器。低音增强电路的处理可以包括以下操作：使用感测电路生成关于经低音处理的信号的统计量；基于关于经低音处理的信号的统计量生成参数；并使用这些参数为应用于多陷波滤波器的信号提供低音增强。

在各种实施例中，处理设备2912可以被构造成在低音增强电路处接收信号，其中信号被提供以用于生成声音输出；在感测电路处接收对应于由低音增强电路接收和处理的信号的经低音增强的信号，并使用感测电路生成关于经低音增强的信号的统计量；基于经低音处理的信号的统计量生成参数，并使用这些参数为应用于低音增强电路的信号提供低音增强；并在扬声器接收经低音增强的信号并从扬声器生成声音输出。用于提供低音增强的一组参数可以包括用于控制低音振幅和低音谐波水平的参数。统计量的生成可以包括生成测量扬声器输出处的失真可能性统计量。

低音增强电路的处理可以包括执行从包括基于线性滤波的低音增强和基于承载音频内容的信号的附加谐波的插入和/或生成的低音增强的组中选择的一个或多个低音增强。低音增强电路的处理可以包括使用自适应谐波低音增强电路以改变添加到所接收信号的谐波能量的量，该自适应谐波低音增强电路采用可调谐非对称非线性以及预截止滤波和后截止滤波。

处理设备2912可以被构造成提供失真感测、防止和/或失真察觉低音增强。处理设备2912可以包括如本文所教导的特征以及这些特征的变型，以提供用于感测失真和减少失真的功能。处理设备2912可以包括如本文所教导的特征以及这些特征的变型，以提供用于失真察觉低音增强的功能。特征的组合可以结合在处理设备2912中。

根据各种实施例，第一示例系统可以包括：扬声器，被配置为接收来自音频信号源的信号并基于所接收的信号生成声音输出；以及感测电路，被耦合以接收信号并生成关于信号的统计量以修改由扬声器接收的信号。

可选地，根据前述第一示例系统，另一实施方式提供了感测电路在数字信号处理器中实现。

可选地，在根据第一示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以生成测量扬声器输出处的失真可能性的或测量扬声器输出处的令人反感的、可感知的或可测量的失真的程度的统计量。

可选地，在根据第一示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。

可选地，在根据第一示例系统的任何前述示例中，进一步的实现提供了该技术可使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。

可选地，在根据第一示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的失真可能性或令人反感的、可感知的或可测量的失真的程度相对应的软指示符。

可选地，在根据第一示例系统的任何前述示例中，进一步的实施方式提供了感测电路可包括被调谐到被确定为对扬声器的失真有贡献的频率的多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器。

可选地，在根据第一示例系统的任何前述示例中，进一步的实施方式提供了感测电路可包括如下电路，该电路用于估计来自多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的经滤波信号中的失真激活能量的量，作为从跨该多个带通滤波器的所有频带的能量计算的一个或多个统计量，并且所述感测电路包括测量经滤波信号的总能量的电路。

可选地，在根据第一示例系统的任何前述示例中，进一步的实现提供了一个或多个统计量可包括来自一组统计量的一个或多个统计量，该组统计量包括所计算的所有带通能量中的中值、平均值、算术平均值、几何平均值、最大能量值、最小能量值，以及第n大能量的能量，其中n是所选的正整数。

可选地，在根据第一示例系统的任何前述示例中，进一步的实施方式提供了感测电路可以被布置为将能量计算为时变能量或计算全频带音频信号的包络。

根据各种实施例，第一示例方法可以包括：在扬声器处接收来自音频信号源的信号；在感测电路处接收所述信号；在感测电路中生成关于所述信号的统计量；根据生成的统计量修改所述信号并将经修改的信号引导至扬声器；以及从扬声器生成基于接收到的经修改的信号的声音输出。

可选地，根据前述第一示例方法，其他实现可以提供与执行根据第一示例系统的任何前述示例相关联的操作。

根据各种实施例，提供了存储计算机指令的第一示例非暂时性计算机可读介质，所述计算机指令在由一个或多个处理器执行时使系统执行以下操作：在扬声器处接收来自音频信号源的信号；在感测电路处接收所述信号；在感测电路中生成关于所述信号的统计量；根据生成的统计量修改所述信号并将经修改的信号引导至扬声器；以及从扬声器生成基于接收到的经修改的信号的声音输出。

可选地，根据存储计算机指令的前述第一示例非暂时性计算机可读介质，其他实现可以提供与执行根据第一示例方法和/或第一示例系统的任何前述示例相关联的操作。

根据各种实施例，第二示例系统可以包括：多陷波滤波器，被配置为接收用于生成声音输出的信号；感测电路，被耦合以接收经滤波信号并生成关于经滤波信号的统计量，所述经滤波信号对应于由多陷波滤波器接收并处理的信号或对应于扬声器输出的信号；动态增益单元，被耦合以接收来自感测电路的统计量，并耦合到多陷波滤波器以操作地修改多陷波滤波器的深度；以及扬声器，用于接收经滤波信号以生成声音输出。

可选地，根据前述第二示例系统，另一实施方式提供了可以在DSP上实现感测电路和其他模块。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以生成测量扬声器输出处的失真可能性的或测量扬声器输出处的令人反感的、可感知的或可测量的失真的程度的统计量。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现方式提供了可以向二进制指示符提供可变拖尾(hangover)时间，以避免出现丢失失真音频段的尾部的状况。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了可以向二进制指示符提供可变挂起(hang-before)时间(具有被结合用于多陷波处理的相应的前瞻或处理延迟)以避免出现丢失失真音频片段的前导部分的情况。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了该技术可以使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的失真可能性或令人反感的、可感知的或可测量的失真的程度相对应的软指示符。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了该技术可以使用从包括分类和回归树、普通最小二乘回归，加权最小二乘回归、支持向量回归，人工神经网络、分段线性回归、脊回归、套索回归、弹性网络回归和非线性回归的组中选择的一个或多个过程。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了可以通过使用阈值或比较器设备从所述软指示符导出二进制指示符。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了可以通过使用阈值从软指示符导出半二进制或半硬指示符，从而生成用于高于/低于特定阈值的输入指示符值的恒定指示，以及用于低于/高于某个阈值的输入指示符值的可变指示。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了滞后可以被结合到二进制或半二进制指示符的硬值的推导中，以避免对于软指示符超过阈值的仅短暂偏移发出二进制指示。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了感测电路包括被调谐到被确定为对扬声器的失真有贡献的频率的多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了感测电路可以包括如下电路，该电路用于估计经滤波信号中的失真激活能量的量作为从跨多个带通滤波器的所有频带的能量计算的统计量，并且感测电路包括测量经滤波信号的总能量的电路。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了统计量可以是中值。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了统计量可以是平均值，

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了平均值可以是算术平均值。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了平均值可以是几何平均值。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了统计值可以是最大值。

可选地，在根据第二示例系统的任何前述示例中，进一步的实现提供了统计值可以是最小值。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式规定，统计量可以是所计算的所有带通能量中的第n大能量的能量。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了感测电路可以计算全频带音频信号的时变能量或包络。

可选地，在根据第二示例系统的任何前述示例中，进一步的实施方式提供了动态增益单元可以被布置为基于根据全频带音频信号的时变能量或包络和统计量计算的后续统计量提供增益以调整所述多陷波滤波器的深度。

根据各种实施例，第二示例方法可以包括：将多陷波滤波器应用于信号，所述信号被提供以用于生成声音输出；在感测电路接收对应于由多陷波滤波器接收和处理的信号或对应于声音输出的经滤波信号，并使用感测电路生成关于经滤波信号的统计量；使用被耦合以接收来自感测电路的统计量的动态增益单元基于统计量修改多陷波滤波器的深度；并且在扬声器接收经滤波信号并从扬声器生成声音输出。

可选地，根据前述第二示例方法，其他实现可以提供与执行根据第二示例系统的任何前述示例相关联的操作。

根据各种实施例，提供了存储计算机指令的第二示例非暂时性计算机可读介质，所述计算机指令在由一个或多个处理器执行时使得系统执行以下操作：将多陷波滤波器应用于信号，所述信号被提供以用于生成声音输出；在感测电路接收对应于由多陷波滤波器接收和处理的信号或对应于声音输出的经滤波信号，并使用感测电路生成关于经滤波信号的统计量；使用被耦合以接收来自感测电路的统计量的动态增益单元基于统计量修改多陷波滤波器的深度；并且在扬声器接收经滤波信号并从扬声器生成声音输出。

可选地，根据存储计算机指令的前述第二示例非暂时性计算机可读介质，其他实现可以提供与执行根据第二示例方法和/或第二示例系统的任何前述示例相关联的操作。

根据各种实施例，第三示例系统可以包括：多陷波滤波器，被配置为接收用于生成声音输出的信号；感测电路，被耦合以接收经滤波信号并生成关于经滤波信号的统计量，所述经滤波信号对应于由多陷波滤波器接收并处理的信号或对应于扬声器输出的信号；动态增益单元，被耦合以接收来自感测电路的统计量，并耦合到多陷波滤波器以操作地修改多陷波滤波器的深度；以及扬声器，用于接收经滤波信号以生成声音输出；低音增强电路，被布置为将信号作为经低音处理的信号提供给多陷波滤波器，该感测电路被耦合以接收经低音处理的信号并生成关于经低音处理的信号的统计量；低音参数控制器，被耦合以接收来自感测电路的统计量，并耦合到低音增强电路以操作地向低音增强电路提供参数。

可选地，在根据第三示例系统的前述示例中，另一实施方式提供了可以在DSP中实现感测电路和其他模块。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以生成测量扬声器输出处的失真可能性的或测量扬声器输出处的令人反感的、可感知的或可测量的失真的程度的统计量。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现方式提供了可以向二进制指示符提供可变拖尾(hangover)时间，以避免出现丢失失真音频段的尾部的状况。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了可以向二进制指示符提供可变挂起(hang-before)时间(具有被结合用于多陷波处理的相应的前瞻或处理延迟)以避免出现丢失失真音频片段的前导部分的情况。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了该技术可以使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的令人反感的、可感知的或可测量的失真的程度相对应的软指示符。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了该技术可以使用从包括分类和回归树、普通最小二乘回归，加权最小二乘回归、支持向量回归，人工神经网络、分段线性回归、脊回归、套索回归、弹性网络回归和非线性回归的组中选择的一个或多个过程。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了可以通过使用阈值或比较器设备从软指示符导出二进制指示符。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了可以通过使用阈值从软指示符导出半二进制或半硬指示符，从而生成用于高于/低于特定阈值的输入指示符值的恒定指示，以及用于低于/高于某个阈值的输入指示符值的可变指示。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了滞后可以被结合到二进制或半二进制指示符的硬值的推导中，以避免对于软指示符超过阈值的仅短暂偏移发出二进制指示。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了感测电路可包括被调谐到被确定为对扬声器的失真有贡献的频率的多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了感测电路可以包括如下电路，该电路用于估计经滤波信号中的失真激活能量的量作为从跨多个带通滤波器的所有频带的能量计算的统计量，并且感测电路包括测量经滤波信号的总能量的电路。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了统计量可以是中值。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了统计量可以是平均值，

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了平均值可以是算术平均值。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了平均值可以是几何平均值。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了统计值可以是最大值。

可选地，在根据第三示例系统的任何前述示例中，进一步的实现提供了统计值可以是最小值。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式规定，统计量可以是所计算的所有带通能量中的第n大能量的能量。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了感测电路可以计算全频带音频信号的时变能量或包络。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了低音增强电路可操作以执行从包含基于线性滤波的低音增强以及基于承载音频内容的信号的附加谐波的插入和/或生成的低音增强的组中选择的一个或多个低音增强。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了低音增强电路可以是自适应谐波低音增强电路，其采用可调谐非对称非线性以及预截止滤波和后截止滤波，以改变添加到所接收信号的谐波能量的量。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了低音参数控制器可以被布置为操作地提供参数以控制低音振幅和低音谐波水平。

可选地，在根据第三示例系统的任何前述示例中，进一步的实施方式提供了信号是数字信号。

根据各种实施例，第三示例方法可以包括：将多陷波滤波器应用于信号，该信号被提供以用于生成声音输出；在感测电路接收经滤波信号并使用感测电路生成关于经滤波信号的统计量，所述经滤波信号对应于由多陷波滤波器接收并处理的信号；使用被耦合以接收来自感测电路的统计量的动态增益单元基于所述统计量修改多陷波滤波器的深度；以及在扬声器接收经滤波信号并从扬声器生成声音输出，其中，将信号应用于多陷波滤波器可以包括将信号作为通过低音增强电路的处理而得到的经低音处理的信号提供给多陷波滤波器，低音增强电路的处理可以包括使用感测电路生成关于经低音处理的信号的统计量；基于关于经低音处理的信号的统计量生成参数，并且使用该参数向应用于多陷波滤波器的信号提供低音增强。

可选地，根据前述第三示例方法，其他实现可以提供与执行根据第三示例系统的任何前述示例相关联的操作。

根据各种实施例，提供了存储计算机指令的第三示例非暂时性计算机可读介质，所述计算机指令在由一个或多个处理器执行时使系统执行以下操作：将多陷波滤波器应用于信号，该信号被提供以用于生成声音输出；在感测电路接收对应于由多陷波滤波器接收并处理的信号的经滤波信号并使用感测电路生成关于经滤波信号的统计量；使用被耦合以接收来自感测电路的统计量的动态增益单元基于所述统计量修改多陷波滤波器的深度；以及在扬声器接收经滤波信号并从扬声器生成声音输出，其中，将信号应用于多陷波滤波器可以包括将信号作为通过低音增强电路的处理而得到的经低音处理的信号提供给多陷波滤波器，低音增强电路的处理可以包括使用感测电路生成关于经低音处理的信号的统计量；基于关于经低音处理的信号的统计量生成参数，并且使用该参数向应用于多陷波滤波器的信号提供低音增强。

可选地，根据存储计算机指令的前述第三示例非暂时性计算机可读介质，其他实现可以提供与执行根据第三示例方法和/或第三示例系统的任何前述示例相关联的操作。

根据各种实施例，第四示例系统可以包括：低音增强电路，被配置为接收用于生成声音输出的信号；感测电路，被耦合以接收与由低音增强电路接收和处理的信号相对应的或与声音输出对应的经低音增强的信号，并生成关于经低音增强的信号或扬声器输出信号的统计量；低音参数控制器，被耦合以接收来自感测电路的统计量，并耦合到低音增强电路以操作地向低音增强电路提供参数；以及扬声器，接收经低音增强的信号以生成声音输出。

可选地，在根据第四示例系统的前述示例中，另一实施方式提供了感测电路和其他模块可以在DSP中实现。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以生成测量扬声器输出处的失真可能性的或测量扬声器输出处的令人反感的、可感知的或可测量的失真的程度的统计量。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了感测电路可操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现方式提供了可以向二进制指示符提供可变拖尾(hangover)时间，以避免出现丢失失真音频段的尾部的状况。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了可以向二进制指示符提供可变挂起(hang-before)时间(具有被结合用于多陷波处理的相应的前瞻或处理延迟)以避免出现丢失失真音频片段的前导部分的情况。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了该技术可以使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式规定，感测电路可操作以使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的失真可能性或令人反感的、可感知的或可测量的失真的程度相对应的软指示符。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了该技术可以使用从包括分类和回归树、普通最小二乘回归，加权最小二乘回归、支持向量回归，人工神经网络、分段线性回归、脊回归、套索回归、弹性网络回归和非线性回归的组中选择的一个或多个过程。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了可以通过使用阈值或比较器设备从软指示符导出二进制指示符。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了可以通过使用阈值从软指示符导出半二进制或半硬指示符，从而生成用于高于/低于特定阈值的输入指示符值的恒定指示，以及用于低于/高于某个阈值的输入指示符值的可变指示。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了滞后可以被结合到二进制或半二进制指示符的硬值的推导中，以避免对于软指示符超过阈值的仅短暂偏移发出二进制指示。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了感测电路可包括被调谐到被确定为对扬声器的失真有贡献的频率的多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了感测电路可以包括如下电路，该电路用于估计经滤波信号中的失真激活能量的量作为从跨多个带通滤波器的所有频带的能量计算的统计量，并且感测电路包括测量经滤波信号的总能量的电路。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了统计量可以是中值。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了统计量可以是平均值，

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了平均值可以是算术平均值。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了平均值可以是几何平均值。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了统计值可以是最大值。

可选地，在根据第四示例系统的任何前述示例中，进一步的实现提供了统计值可以是最小值。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式规定，统计量可以是所计算的所有带通能量中的第n大能量的能量。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了低音增强电路可操作以执行从包含基于线性滤波的低音增强以及基于承载音频内容的信号的附加谐波的插入和/或生成的低音增强的组中选择的一个或多个低音增强。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了低音增强电路可以是自适应谐波低音增强电路，其采用可调谐非对称非线性以及预截止滤波和后截止滤波，以改变添加到所接收信号的谐波能量的量。

可选地，在根据第四示例系统的任何前述示例中，进一步的实施方式提供了低音参数控制器可以被布置为操作地提供参数以控制低音振幅和低音谐波水平。

根据各种实施例，第四示例方法可以包括：在低音增强电路处接收信号，该信号被提供用于生成声音输出；在感测电路接收对应于由低音增强电路接收并处理的信号或对应于声音输出的经低音增强的信号，并使用感测电路生成关于经低音增强的信号的统计量；在低音参数控制器中基于关于经低音处理的信号的统计量生成参数，并使用参数为应用于低音增强电路的信号提供低音增强；以及在扬声器处接收经低音增强的信号并从扬声器生成声音输出。

可选地，根据前述第四示例方法，其他实现可以提供与执行根据第四示例系统的任何前述示例相关联的操作。

根据各种实施例，提供了存储计算机指令的第四示例非暂时性计算机可读介质，所述计算机指令在由一个或多个处理器执行时使系统执行以下操作：在低音增强电路处接收信号，该信号被提供用于生成声音输出；在感测电路接收对应于由低音增强电路接收并处理的信号或对应于声音输出的经低音增强的信号，并使用感测电路生成关于经低音增强的信号的统计量；在低音参数控制器中基于关于经低音处理的信号的统计量生成参数，并使用参数为应用于低音增强电路的信号提供低音增强；以及在扬声器处接收经低音增强的信号并从扬声器生成声音输出。

可选地，根据存储计算机指令的前述第四示例非暂时性计算机可读介质，其他实现可以提供与执行根据第四示例方法和/或第四示例系统的任何前述示例相关联的操作。

根据各种实施例，第五示例系统可以包括：低音增强电路，被配置为接收用于生成声音输出的信号；多陷波滤波器，被配置为接收经低音增强的信号或经低音增强的信号的已处理形式，并被配置为提供经滤波经低音增强的信号；感测电路，被耦合以接收多陷波滤波器的输出，以接收与由低音增强电路和多陷波滤波器接收并处理的信号相对应的或与声音输出相对应的经滤波经低音增强的信号，并生成关于经滤波经低音增强的信号的统计量；低音参数控制器，被耦合以接收来自感测电路的统计量，并耦合到低音增强电路以操作地向低音增强电路提供参数以增强信号；动态增益单元，被耦合以接收来自感测电路的统计量，并耦合到多陷波滤波器以操作地修改多陷波滤波器的深度；以及扬声器，接收经滤波经低音增强的信号以生成声音输出。

可选地，在根据第五示例系统的前述示例中，另一实施方式提供了感测电路和其他模块可以在DSP中实现。

可选地，在根据第五示例系统的任何前述示例中，进一步的实施方式提供了放大器和/或后处理器可以耦合在多陷波滤波器和扬声器之间。

可选地，在根据第五示例系统的任何前述示例中，进一步的实施方式提供了音频处理器可以耦合在低音增强电路和多陷波滤波器之间。

根据各种实施例，第五示例方法可以包括：在低音增强电路处接收信号并生成经低音增强的信号，该信号被提供用于生成声音输出；在多陷波滤波器中接收经低音增强的信号或经低音增强的信号的已处理形式，多陷波滤波器被配置用于提供经滤波经低音增强的信号；在感测电路处接收对应于由低音增强电路和多陷波滤波器接收并处理的信号或对应于声音输出的经滤波经低音增强的信号，并使用感测电路生成关于经滤波经低音增强的信号的统计量；在低音参数控制器中基于经滤波经低音处理信号的统计量生成参数，并使用参数以向应用于低音增强电路的信号提供低音增强；在动态增益单元中接收来自感测电路的统计量，并基于所接收的统计量使用动态增益单元修改多陷波滤波器的深度；从具有修改的深度的多陷波滤波器生成经滤波经低音增强的信号；以及在扬声器处接收经滤波经低音增强的信号并从扬声器生成声音输出。

可选地，根据前述第五示例方法，其他实现可以提供与执行根据第五示例系统的任何前述示例相关联的操作。

根据各种实施例，提供了存储计算机指令的第五示例非暂时性计算机可读介质，所述计算机指令在由一个或多个处理器执行时使系统执行以下操作：在低音增强电路处接收信号并生成经低音增强的信号，该信号被提供用于生成声音输出；在多陷波滤波器中接收经低音增强的信号或经低音增强的信号的已处理形式，多陷波滤波器被配置用于提供经滤波经低音增强的信号；在感测电路处接收对应于由低音增强电路和多陷波滤波器接收并处理的信号或对应于声音输出的经滤波经低音增强的信号，并使用感测电路生成关于经滤波经低音增强的信号的统计量；在低音参数控制器中基于关于经滤波经低音处理信号的统计量生成参数，并使用参数以向应用于低音增强电路的信号提供低音增强；在动态增益单元中接收来自感测电路的统计量，并基于所接收的统计量使用动态增益单元修改多陷波滤波器的深度；从具有修改的深度的多陷波滤波器生成经滤波经低音增强的信号；以及在扬声器处接收经滤波经低音增强的信号并从扬声器生成声音输出。

可选地，根据存储计算机指令的前述第五示例非暂时性计算机可读介质，其他实现可以提供与执行根据第五示例方法和/或第五示例系统的任何前述示例相关联的操作。

通过研究本文档，本文所述内容的许多其他变型将显而易见。例如，取决于实施例，本文描述的任何方法和算法的某些动作、事件或功能可以以不同的顺序执行，可以被添加、合并或一起省略(不是所有描述的动作或事件都是方法和算法实现所必需的)。此外，在某些实施例中，动作或事件可以同时执行，例如通过多线程处理，中断处理，或多个处理器或处理器核或在其他并行架构上，而不是顺序执行。此外，不同的任务或过程可以由可以一起工作的不同机器和计算系统执行。

结合本文公开的实施例描述的各种说明性逻辑块、模块、方法和算法过程和序列可以实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，上面已经在功能方面对各种说明性组件、块、模块和过程动作进行了总体描述。将此功能性实施为硬件还是软件取决于特定应用和对于整个系统的设计约束。所描述的功能可以针对每个特定应用以不同方式实现，但是这种实现决策不应被解释为导致偏离本文档的范围。

这里描述的系统和方法的实施例可在多种类型的通用或专用计算系统环境或配置中操作。通常，计算环境可以包括任何类型的计算机系统，包括但不限于基于以下的计算机系统：一个或多个微处理器、大型计算机，数字信号处理器，便携式计算设备，个人组织器，设备控制器，设施内的计算引擎，移动电话，台式计算机，移动计算机，平板计算机，智能电话，和具有嵌入式计算机的设施，仅举几例。

这种计算设备通常可以在具有至少一些最小计算能力的设备中找到，包括但不限于个人计算机，服务器计算机，手持计算设备，膝上型或移动计算机，诸如蜂窝电话和PDA之类的通信设备，多处理器系统，基于微处理器的系统，机顶盒，可编程消费电子产品，网络PC，小型计算机，大型计算机，音频或视频媒体播放器等等。在一些实施例中，计算设备将包括一个或多个处理器。每个处理器可以是专用微处理器，例如DSP，超长指令字(VUW)或其他微控制器，或者可以是具有一个或多个处理核(包括多核CPU中的基于专用图形处理单元(GPU)的核)的传统中央处理单元(CPU)。

结合本文中所公开的实施例而描述的方法、过程或算法的过程动作可直接体现于硬件中，在由处理器执行的软件模块中或两者的任何组合中。软件模块可以包含在可以由计算设备访问的计算机可读介质中。计算机可读介质可包括易失性和非易失性介质，其可拆装，不可拆装或其某种组合。计算机可读介质用于存储诸如计算机可读或计算机可执行指令，数据结构，程序模块或其他数据之类的信息。作为示例而非限制，计算机可读介质可包括计算机存储介质和通信介质。

计算机存储介质包括但不限于计算机或机器可读介质或存储设备，诸如蓝光盘(BD)，数字通用盘(DVD)，压缩盘(CD)，软盘，磁带驱动器，硬盘驱动器，光学驱动器，固态存储器设备，RAM存储器，ROM存储器，EPROM存储器，EEPROM存储器，闪存或其他存储器技术，磁带盒，磁带，磁盘存储器或其他磁存储设备，或可被用于存储所需信息并且可以由一个或多个计算设备访问的任何其他设备。

软件模块可以驻留在RAM存储器，闪存，ROM存储器，EPROM存储器，EEPROM存储器，寄存器，硬盘，可拆装盘，CD-ROM或本领域已知的任何其他形式的非暂时性计算机可读存储介质，媒介，或物理计算机存储器中。示例性存储介质可以耦合到处理器，使得处理器可以从存储介质读取信息和向存储介质写入信息。在替代方案中，存储介质可以集成到处理器。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。作为替代，处理器和存储介质可以作为分立组件驻留在用户终端中。

本文件中使用的短语“非暂时性”是指“持久或长久”。短语“非暂时性计算机可读介质”包括任何和所有计算机可读介质，唯一的例外是暂时性传播信号。作为示例而非限制，这包括非暂时性计算机可读介质，诸如寄存器存储器，处理器高速缓存和随机存取存储器(RAM)。

诸如计算机可读或计算机可执行指令、数据结构、程序模块等信息的保持也可以通过使用各种通信介质编码一个或多个调制数据信号、电磁波(例如载波)或其他传输机制或通信协议来完成，包括任何有线或无线信息传递机制。通常，这些通信介质指的是如下信号，该信号的一个或多个特性被设置或改变以便将信息或指令编码于该信号中。例如，通信介质包括有线介质，诸如有线网络或承载一个或多个调制数据信号的直接有线连接，以及无线介质，诸如声学、射频(RF)、红外、激光和用于一个或多个调制数据信号或电磁波的发送、接收或这两者的其他无线介质。任何上述内容的组合也应包括在通信介质的范围内。

此外，体现文中所述的失真感测/失真减少系统和/或低音管理系统和方法或其部分的各种实施例中的一些或全部的软件、程序、计算机程序产品中的一个或任何组合可被以计算机可执行指令或其他数据结构的形式被存储、接收、发送或从计算机或机器可读介质或存储设备和通信介质的任何期望组合读取。

可以在由计算设备执行的计算机可执行指令(例如程序模块)的一般上下文中进一步描述本文描述的系统和方法的实施例。通常，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。这里描述的实施例还可以在分布式计算环境中实现，其中任务由一个或多个远程处理设备执行，或者在通过一个或多个通信网络链接的一个或多个设备的云内执行。在分布式计算环境中，程序模块可以位于包括媒介存储设备的本地和远程计算机存储介质两者中。更进一步地，上述指令可以部分或全部地实现为硬件逻辑电路，其可以包括处理器。

除非另有说明，或者在所使用的上下文中以其他方式理解，否则本文使用的条件语言，尤其例如“可以”，“可能”，“可”，“例如”等，通常旨在表明某些实施例包括某些特征、元素和/或状态。因此，这种条件语言通常不旨在暗示一个或多个实施例无论如何都需要特征，元素和/或状态，或者一个或多个实施例必须包括用于判定这些特征、元素和/或状态是否被包括或者要在任何特定实施例中执行的逻辑。术语“包括”，“包含”，“具有”等是同义的并且以开放方式被包含地使用，并且不排除其他元件、特征、动作、操作等。此外，术语“或”在其包含意义上(而不是在其排他意义上)使用，因此当例如被使用以连接元素列表时，术语“或”指的是列表中的元素中的一个、一些或全部。虽然以上详细描述已经示出、描述并指出了应用于各种实施例的新颖特征，但是应当理解，可以在不脱离本公开的范围的情况下，在所说明的设备或算法的形式和细节中做出各种省略、替换和改变。

如将认识到的，本文描述的本发明的某些实施例可以体现为不提供本文所阐述的所有特征和益处的形式，因为一些特征可以与其他特征分开使用或实现。此外，尽管用特定于结构特征和方法动作的语言描述了主题，但应理解，所附权利要求书中定义的主题不必限于上述具体特征或动作。相反，上文公开的具体特征和动作作为实现权利要求的示例形式被公开。

Claims (18)

1.一种用于处理音频信号的系统，包括：

扬声器，被配置为接收来自音频信号源的电输入信号并基于所接收的电输入信号生成声音输出；以及

多陷波滤波器，被配置为接收所述电输入信号以生成滤波信号；

感测电路，被耦合以接收所述滤波信号并生成关于所述滤波信号的统计量以基于所生成的统计量修改由所述扬声器接收的所述电输入信号；

其中所述感测电路包括被调谐到确定为对所述扬声器的失真有贡献的频率的多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器；并且

其中所述多陷波滤波器被接合以防止所述扬声器的失真被激活，使得在收听所述声音输出时对感知音色的影响最小。

2.根据权利要求1所述的系统，其中所述感测电路在数字信号处理器中实现。

3.根据权利要求1所述的系统，其中所述感测电路能够操作以生成测量扬声器输出处的失真可能性的或测量扬声器输出处的令人反感的、可感知的或可测量的失真的程度的统计量。

4.根据权利要求1所述的系统，其中所述感测电路能够操作以使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。

5.根据权利要求4所述的系统，其中所述技术使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。

6.根据权利要求1所述的系统，其中所述感测电路能够操作以使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的失真可能性或令人反感的、可感知的或可测量的失真的程度相对应的软指示符。

7.根据权利要求1所述的系统，其中所述感测电路包括如下电路，该电路用于估计来自所述多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的经滤波的信号中的失真激活能量的量，作为从跨所述多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的所有频带的能量计算的一个或多个统计量，并且所述感测电路包括测量经滤波的信号的总能量的电路。

8.根据权利要求7所述的系统，其中，所述一个或多个统计量包括来自一组统计量的一个或多个统计量，该组统计量包括所计算的所有带通和/或动态频谱分析能量中的中值、平均值、算术平均值、几何平均值、最大能量值、最小能量值，以及第n大能量的能量，其中n是所选的正整数。

9.根据权利要求7所述的系统，其中所述感测电路被配置为计算全频带音频信号的包络。

10.一种用于处理音频信号的方法，包括：

在扬声器处接收来自音频信号源的电输入信号；

配置多陷波滤波器以接收所述电输入信号来生成滤波信号；

在感测电路处接收所述滤波信号；

在感测电路中生成关于所述滤波信号的统计量；

基于生成的统计量修改所述电输入信号并将经修改的电输入信号引导至扬声器；以及

从扬声器生成基于接收到的经修改的电输入信号的声音输出；

其中在感测电路中生成关于所述信号的统计量包括使用如下的感测电路，该感测电路具有被调谐到确定为对所述扬声器的失真有贡献的频率的多个无限脉冲响应(IIR)或有限脉冲响应(FIR)带通滤波器和/或动态频谱分析滤波器；并且

其中所述多陷波滤波器被接合以防止所述扬声器的失真被激活，使得在收听所述声音输出时对感知音色的影响最小。

11.根据权利要求10所述的方法，其中，在感测电路中生成关于所述信号的统计量是在数字信号处理器中实现的。

12.根据权利要求10所述的方法，其中，生成统计量包括生成测量扬声器输出处的失真可能性的或测量扬声器输出处的令人反感的、可感知的或可测量的失真的程度的统计量。

13.根据权利要求10所述的方法，其中，所述方法包括：在所述感测电路中使用从包括机器学习、统计学习、预测学习或人工智能的组中选择的技术来计算扬声器输出处的失真的二进制指示符。

14.根据权利要求13所述的方法，其中使用该技术包括使用从包括分类和回归树、支持向量机、人工神经网络、逻辑回归、朴素贝叶斯分类、线性判别分析和随机森林的组中选择的一个或多个过程。

15.根据权利要求10所述的方法，其中，所述方法包括：在所述感测电路中使用从包括机器学习、统计学习、预测学习和人工智能的组中选择的技术来计算与扬声器输出处的失真可能性或令人反感的、可感知的或可测量的失真的程度相对应的软指示符。

16.根据权利要求10所述的方法，其中所述方法包括在所述感测电路中估计来自所述多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的经滤波的信号中的失真激活能量的量，作为从跨所述多个IIR或FIR带通滤波器和/或动态频谱分析滤波器的所有频带的能量计算的一个或多个统计量，并测量经滤波的信号的总能量。

17.根据权利要求16所述的方法，其中，所述一个或多个统计量包括来自一组统计量的一个或多个统计量，该组统计量包括所计算的所有带通能量和/或动态频谱分析值中的中值、平均值、算术平均值、几何平均值、最大能量值、最小能量值，以及第n大能量的能量，其中n是所选的正整数。

18.根据权利要求10所述的方法，其中，所述方法包括在所述感测电路中计算全频带音频信号的包络。

Images