KR20080067578A

KR20080067578A - 액티브 노이즈 제어 시스템

Info

Publication number: KR20080067578A
Application number: KR1020080004247A
Authority: KR
Inventors: 마르쿠스 크리스토프
Original assignee: 하만 베커 오토모티브 시스템즈 게엠베하
Priority date: 2007-01-16
Filing date: 2008-01-15
Publication date: 2008-07-21
Also published as: CN101354885B; EP1947642B1; CA2617369C; JP2012230412A; US8199923B2; JP5184896B2; KR101160159B1; CA2617369A1; US20080181422A1; CN101354885A; EP1947642A1; JP2008203828A

Abstract

사용자가 부가적인 인위적인 노이즈 소스에 의해 방해받지 않는 실시간 방식으로 시간-변동 2차 경로에 대해 적응하기 위하여 청취 위치에 존재하는 원하지 않는 노이즈 신호 및/또는 원하는 신호에 의해 청취 위치에서 청취자를 위해 마스킹되도록 하는 진폭 및/또는 주파수를 갖는 기준 신호를 이용하여, 노이즈 소스에 의해 방출되는 청취 위치의 원하지 않는 노이즈 신호를 능동 제어하는 방법이 개시된다.

Description

액티브 노이즈 제어 시스템 {ACTIVE NOISE CONTROL SYSTEM}

본 발명은 특히 자동차 및 헤드폰 애플리케이션용 액티브 모터 사운드 튜닝(moter sound tuning; MST)을 포함하는 액티브 노이즈 제어(active noise control; ANC)에 관한 것이다.

노이즈는, 수화기의 정보 내용에 기여하지 않고, 오히려 유용한 신호의 오디오 품질을 방해하는 것으로 인지되는 사운드를 나타내는 데 통상 사용되는 용어이다. 노이즈의 전개 과정은 통상적으로 세 개의 영역으로 나뉘어질 수 있다. 이들은 노이즈의 생성, 노이즈의 전파(방출) 및 노이즈의 인지이다. 초기에는 노이즈 그 자체의 소스에서, 예를 들면 감쇄 및 이어지는 노이즈 신호의 전파의 억제에 의해 노이즈를 성공적으로 줄이기 위한 시도가 이루어졌다는 것을 알 수 있다. 그럼에도 불구하고, 많은 경우에 있어서 노이즈 신호의 방출을 원하는 정도로 줄일 수 없다. 이러한 경우에, 보상 신호를 중첩함으로써 원하지 않는 사운드를 제거하려는 개념이 적용된다.

예를 들면 MST 시스템 및 방법을 통하여, 방출된 노이즈 또는 원하지 않는 간섭 신호를 상쇄하거나 줄이기 위한 공지의 방법 및 시스템(ANC 시스템 및 방법)은 원하지 않는 신호 상에 포개지는 상쇄 음파(cancellation sound wave)를 생성함으로써 원하지 않는 노이즈를 억제하는데, 상기 상쇄 음파의 진폭 및 주파수 값은 노이즈 신호의 그것들과 대부분 동일하지만, 그 위상은 상기 원하지 않는 신호에 관하여 180도 편이된다. 이상적인 상황에서, 상기 방법은 원하지 않는 노이즈를 완전히 제거한다. 노이즈 신호의 사운드 레벨에서 목표로 삼은 감소의 효과는 종종 소멸 간섭(destructive interference)이라 지칭된다.

'노이즈'라는 용어는 이 경우에 자동차의 탑승자 영역에서 인지되는 주변 노이즈(ambient noise) 또는 모션 사운드(motion sound)와 같은 외부 음향 음파와, 예를 들면 자동차의 탑승자 영역 또는 운전석의 기계적 진동에 의하여 개시되는 음향 음파 모두를 지칭한다. 사운드가 바람직하지 않은 것이라면, 그 사운드 역시 노이즈라 지칭된다. 자동차의 탑승자 공간과 같이 오디오 신호에 노출되는 영역에서 전자-음향 시스템을 통해 음악 또는 음성이 중계될 때마다, 그 신호의 청각 인지는 일반적으로 배경 노이즈에 의하여 손상된다. 배경 노이즈는 바람, 엔진, 타이어, 팬 및 차량의 다른 유닛의 효과에 의하여 초래될 수 있고, 따라서 자동차의 동작 상태, 도로 조건 및 속도에 따라 변화한다.

소위 후방 좌석 엔터테인먼트가 최신의 자동차에서 점점 더 대중적이 되고 있다. 이것은 고품질 오디오 신호 재생을 제공하고, 따라서 더 큰 고려 즉, 경험 된 노이즈 신호를 추가 감소시킬 것을 요구하는 시스템에 의하여 제공된다. 일반적으로 헤드폰 매체를 통해, 개개인을 향해 오디오 신호를 포커싱하는 옵션이 마찬가지로 요구된다. 따라서 공지의 시스템 및 방법은 자동차의 탑승자 영역 내의 음장을 위한 애플리케이션 및 헤드폰을 통한 전송을 지칭한다.

특히, 바람직하지 않은 노이즈, 예를 들어 엔진 또는 배기 시스템으로부터 방출되는 성분으로 인하여 자동차에 존재하는 음향 상태를 고려해야 한다. 엔진에서 생성되는 노이즈 신호는 일반적으로 엔진의 회전 속도와 직접 관련된 진폭 및 주파수 값을 갖는 다수의 사인 곡선 성분(sinusoidal componant)을 포함한다. 이들 주파수 성분은 하프-오더 멀티플(half-order multiple) 또는 부고조파(subharmonic) 뿐만 아니라 기본 주파수(초당 회전수)의 짝수 및 홀수 고조파 주파수를 포함한다.

낮지만 일정한 노이즈 레벨은 항상 명확하게 평가되지는 않는다는 것이 철저한 연구를 통하여 밝혀졌다. 대신, 수용가능한 엔진 노이즈는 엄격한 요건을 만족시켜야 한다. 고조파 오디오 시퀀스(harmonic audio sequence)가 특히 선호된다. 현재의 매우 정교한 기계 엔진 디자인에 대해서도 불협화음이 항상 제거될 수는 없기 때문에, 포지티브 방식으로 엔진 노이즈를 능동적으로 제어하기 위한 방법이 채용된다. 이러한 종류의 방법을 모터 사운드 튜닝이라 지칭한다. 이들 시스템에서 음의 거동을 모델링하기 위하여, 예를 들면, 음향 상쇄 신호를 위한 엔진의 흡입 덕트에 위치한 라우드스피커에 의하여 소스에서 상쇄하기 위한 원하지 않는 오디오 성분을 이용하는 절차가 채용된다. 자동차의 배기 시스템의 음의 방출을 원하지 않는 노이즈 성분의 말소에 의하여 유사한 방식으로 모델링하는 방법 역시 알려져 있다.

현대식 디지털 신호 처리 및 적응식 필터 과정(adaptive filter procedures)이 이용된다는 점에서, 노이즈 감소 또는 음의 모델링을 위한 액티브 노이즈 제어 방법 및 시스템이 최근에 더욱 대중화 되어가고 있다. 통상적인 애플리케이션에서, 입력 센서(예를 들어, 마이크로폰)가 소스에 의하여 생성된 원하지 않는 노이즈를 나타내는 신호를 유도하는데 이용된다. 이 신호는 이어서 적응식 필터의 입력으로 공급되고, 필터 특성에 의하여 출력 신호로 재성형되는데, 상기 출력 신호는 상쇄 액추에이터(cancellation actuator), 예를 들면 음향 라우드스피커 또는 전자기계적 진동 발생기(vibration generator)를 제어하는데 이용된다. 라우드스피커 또는 진동 발생기는 소스로부터 유도되는 진동 또는 원하지 않는 노이즈 신호에 포개지는 상쇄파 또는 진동을 생성한다. 원하지 않는 노이즈 상에 노이즈 제어 음파를 포갠 결과 관찰된 잔류 노이즈 레벨은 에러 센서에 의하여 측정되는데, 에러 센서는 대응하는 에러 피드백 신호(error feedback signal)를 생성한다. 이 피드백 신호는 관찰된 노이즈 또는 잔류 노이즈 신호의 전체 레벨을 적응식으로 최소화하기 위하여 적응식 필터의 파라미터와 특성을 수정하는데 사용되는 기초이다. 피드백 신호는 응답 신호용 디지털 신호 처리에 이용되는 용어이다.

디지털 신호 처리에서 흔히 이용되는 공지의 알고리듬은 에러 피드백 신호의 최소화를 위한 공지의 최소 평균 자승(least mean square; LMS) 알고리듬의 확장이다: Filtered-x LMS 알고리듬(FxLMS, cf. WIDROW, B., STEARNS, S. D. (1985): "Adaptive Signal Processing." Prentice-Hall Inc., Englewood Cliffs, NJ, USA. ISBN 0-13-004029-0)이라 지칭된다. 이 알고리듬을 구현하기 위하여, 액티브 노이즈 제어 액추에이터(여기서는 라우드스피커)와 에러 센서(본 경우에 마이크로폰) 사이에서 음향 트랜스퍼 함수(acoustic transfer function)의 모델링이 요구된다. 액티브 노이즈 제어 액추에이터와 에러 센서 사이의 전달 경로는 또한 2차 또는 에러 경로로서 알려져 있고, 시스템 식별과 같이 트랜스퍼 함수를 결정하기 위한 대응 절차가 알려져 있다. 또한, 추가의 광대역 보조 신호-예를 들면 화이트 노이즈(white noise)는 FxLMS 알고리듬을 위한 2차 경로의 관련된 트랜스퍼 함수를 결정하기 위한 최첨단 방법들을 이용하여 액티브 노이즈 제어 액추에이터에서 에러 센서로 전달된다. 2차 경로의 트랜스퍼 함수의 필터 계수는 ANC 시스템을 시작하는 경우에 규정되고 일정하게 남아 있으며, 또는 그 필터 계수는 시간에 따라 변화하는 전달 조건에 적응식으로 조정된다.

상기 접근법의 단점은 특정된 광대역 보조 신호가 만연한 주위 조건에 따라 자동차의 탑승객에게 청취될 수 있다는 것이다. 상기 신호는 침입적인 것으로 인지될 수 있다. 특히, 이런 종류의 추가 보조 신호는 고급 자동차에서 후방 좌석 엔터테인먼트를 위한 내부 음향 및 오디오 신호 전송의 품질(=최소의 가능한 노이즈)에 부여되는 높은 요구조건을 만족시키지 못한다.

일반적으로, FxLMS 알고리듬에 대해 요구되는 2차 경로의 트랜스퍼 함수를 결정하는데 이용되는 테스트 신호를 자동차 내의 승객이 알아들을 수 없도록 하는 방법 및 시스템을 제공할 것이 요구된다.

노이즈 소스에 의해 방출된 원하지 않는 노이즈를 청취 위치에서 능동 제어(active control)하기 위한 시스템이 제공되는데, 상기 노이즈 신호는 1차 경로 트랜스퍼 함수를 갖는 1차 경로를 경유하여 상기 청취 위치로 전송되는 것인 상기 시스템은, 상기 원하지 않는 노이즈 신호를 감소 또는 상쇄하는 상쇄 신호를 방출하기 위한 라우드스피커로서, 상기 상쇄 신호는 상기 라우드스피커로부터 2차 경로를 경유하여 상기 청취 위치로 전송되는 것인 상기 라우드스피커와; 에러 신호를 통하여, 이루어진 감소 레벨을 결정하기 위한 상기 청취 장소에 있는 에러 마이크로폰(E)과; 상기 에러 마이크로폰으로부터의 상기 에러 신호와 상기 원하지 않는 노이즈를 나타내는 신호를 이용하는 1차 및 2차 경로(W(z)=P(z)/S(z)) 트랜스퍼 함수의 몫(quotient)에 적합하게 된 트랜스퍼 함수로 상기 원하지 않는 노이즈 신호를 나타내는 신호를 필터링함으로써 상기 상쇄 신호를 생성하기 위한 제1 적응식 필터(adaptive filter)와; 상기 제1 적응식 필터로부터의 상기 상쇄 신호와 함께 상기 라우드스피커로 공급되는 기준 신호를 생성하기 위한 기준 발생기를 포함하고, 상기 기준 신호는 상기 청취 장소에 존재하는 상기 원하지 않는 노이즈 신호 및/또는 원하는 신호에 의하여 상기 청취 장소에서 청취자를 위하여 마스킹되는 그러한 진폭 및/또는 주파수를 갖는다.

노이즈 소스에 의해 방출된, 청취 위치에서 원하지 않는 노이즈를 능동 제어하기 위한 방법으로서, 상기 원하지 않는 노이즈는 1차 경로 트랜스퍼 함수를 갖는 1차 경로를 경유하여 상기 청취 장소로 전송되는 것인 상기 방법은, 상기 원하지 않는 노이즈 신호를 감소 또는 상쇄하는 상쇄 신호를 방출하는 단계로서, 상기 상쇄 신호는 라우드스피커로부터 2차 경로를 통하여 상기 청취 장소로 전송되는 것인, 상기 상쇄 신호를 방출하는 단계; 에러 신호를 통하여, 상기 청취 장소에서 이루어진 감소 레벨을 결정하는 단계; 상기 에러 신호와 상기 원하지 않는 노이즈를 나타내는 신호를 이용하는 1차 및 2차 경로(W(z)=P(z)/S(z)) 트랜스퍼 함수의 몫에 적합하게 된 트랜스퍼 함수로 상기 원하지 않는 노이즈 신호를 나타내는 신호를 필터링함으로써 상기 상쇄 신호를 생성하기 위한 제1 적응식 필터링 단계; 및 상기 제1 적응식 필터링 단계로부터의 상기 상쇄 신호와 함께 상기 라우드스피커로공급되는 기준 신호를 생성하는 단계를 포함하고, 상기 기준 신호는 상기 청취 장소에 존재하는 상기 원하지 않는 노이즈 신호 및/또는 원하는 신호에 의하여 상기 청취 장소에서 청취자를 위하여 마스킹되는 그러한 진폭 및/또는 주파수를 갖는다.

본 발명은 첨부 도면 및 후술하는 설명을 참조하여 더 잘 이해될 수 있다. 도면 중의 구성 요소들은 비례적으로 나타낸 것은 아니며, 대신에 본 발명의 원리 를 설명함에 있어서 강조를 하였다. 더욱이, 도면에서 동일한 참조 부호는 대응 부분을 나타낸다.

감소될 원하지 않는 노이즈와 상관된 신호가 액티브 노이즈 제어 액추에이터(이 경우 라우드스피커)를 구동하는데 이용된다면, 피드포워드 제어 시스템 (feedforward control system)이 보통 적용된다. 반대로, 시스템 응답이 측정되고 루프 백 된다면(looped back), 피드백 프로세스가 보통 적용된다. 피드포워드 시스템은, 특히 광대역에서 노이즈를 감소시키는 능력으로 인하여, 통상적으로 피드백 시스템보다 노이즈를 억제하거나 감소시키는데 더욱 효과적이다. 이는 피드포워드 시스템은 노이즈 신호의 발달을 평가함으로써 노이즈 전개에 대한 반작용을 일으킴으로써 노이즈가 방지되도록 할 수 있기 때문이다. 피드백 시스템은 행동을 취하기 전에 우선 노이즈의 효과가 명백하게 되는 것을 기다린다. 센서가 노이즈 효과를 결정할 때까지 액티브 노이즈 제어는 일어나지 않는다. 피드백 시스템의 장점은 ANC 시스템의 제어에 이용될 수 있는 노이즈와 상관된 신호가 없는 경우에도 효과적으로 동작할 수 있다는 점이다. 예를 들어, 이는 노이즈 거동이 이전에 알려지지 않은 공간에서 헤드폰이 착용되는 헤드폰용 ANC 시스템의 이용에 적용된다. 최고 수준의 노이즈 감소를 얻기 위하여 가능한 실제 애플리케이션에서 피드포워드 시스템과 피드백 시스템의 조합 또한 이용된다. 이러한 종류의 시스템은 이하에서 하이브리드 시스템이라 지칭된다.

액티브 노이즈 제어를 위한 피드포워드 제어 시스템의 실제 애플리케이션은 그 성질상 적응식인데, 왜냐하면 감소될 노이즈는 통상적으로 변화하는 주위 조건으로 인하여 스펙트럼 구성과 사운드 레벨의 타이밍 변경(timing alterations)에 놓여지게 된다. 자동차에 관련된 본 실시예에서, 주위 조건의 이러한 변화는 상이한 운전 속도(바람 노이즈, 회전하는 타이어 노이즈), 엔진의 상이한 부하 상태, 창문 열림 등으로 인한 것일 수 있다.

알려지지 않은 시스템의 원하는 임펄스 응답 또는 트랜스퍼 함수는 재귀적 방법(recursive method)으로 적응식 필터를 이용하여 적절하게 근사화될 수 있다. 적응식 필터는, 디지털 신호 프로세서 내의 알고리듬의 도움으로 구현된 디지털 필터를 의미하는 것인데, 상기 프로세서는 그 필터 계수를 적용 가능한 알고리듬에 따라 입력 신호에 적합하게 한다. 이 경우, 알려지지 않은 시스템은 트랜스퍼 함수가 결정되어야 하는 선형의 왜곡 시스템(linear distorting system)인 것으로 간주된다. 이 트랜스퍼 함수를 찾기 위하여, 상기 알려지지 않은 시스템에 적응식 시스템이 병렬 접속된다.

소위 filtered-x LMS(FxLMS) 알고리듬이 이러한 경우 또는 그 변형예에 매우 자주 이용된다. filtered-x LMS 알고리듬의 구조가 도 1에 도시되어 있는데, 도 1은 filtered-x LMS(FxLMS) 알고리듬을 채용하는 통상적인 디지털 ANC 시스템의 블록도이다. 단순화를 위하여, 증폭기와 아날로그-대-디지털 또는 디지털-대-아날로 그 변환기와 같이, 이러한 시스템을 실제로 구현하는데 필요한 다른 구성요소는 도시하지 않는다.

도 1의 시스템은 노이즈 소스(QS), 에러 마이크로폰(E), 및 트랜스퍼 함수(P(z))를 사용하여 노이즈 소스(S)로부터 에러 마이크로폰(E)으로의 음 전달의 1차 경로(P)를 포함한다. 도 1의 시스템은 또한 트랜스퍼 함수(W(z))를 갖는 적응식 필터(W), 노이즈 제어 음파를 생성하기 위한 라우드스피커(LS), 및 트랜스퍼 함수(S(z))를 사용하여 라우드스피커(LS)로부터 에러 마이크로폰(E)으로의 음 전달의 2차 경로(S)를 포함한다. 또한, 도 1의 시스템에서 필터(S^)는 시스템 식별 방법을 이용하여 S(z)로부터 추정된 트랜스퍼 함수(S^(z))를 갖는다. 필터(S^)는 필터(W)의 필터 계수를 적응식으로 조정하기 위하여 최소 평균 자승 알고리듬을 위한함수 블록(LMS)의 하류측에 연결되어 있다. LMS 알고리듬은 알려진 최소 평균 자승 문제의 해를 근사화하기 위한 알고리듬이다. 상기 알고리듬은 재귀적으로 작동한다. 즉, 각각의 새로운 데이터 세트를 사용하여, 알고리듬은 재실행되고 해가 업데이트된다. LMS 알고리듬은 낮은 정도의 복합성 및 관련된 계산 능력 조건, 수적 안정성과 낮은 메모리 조건을 제공한다.

filtered-x LMS 알고리듬은 또한 예를 들어 비교적 낮은 계산 능력을 갖는 디지털 신호 프로세서에서 실행될 수 있다는 이점을 갖고 있다. FxLMS 알고리듬의 구현을 위한 입력 변수로서 두 개의 테스트 신호, 즉 예를 들어, 시스템에 영향을 주는 외부 노이즈와 직접 상관된 기준 신호 x(n)와, 예를 들어 트랜스퍼 함수(P(z))를 갖는 1차 경로(P)를 따른 노이즈(x(n))에 의하여 유도되는 신호(d(n))와 에러 센서의 위치에서 트랜스퍼 함수(S(z))를 이용하여 라우드스피커(LS)와 2차 경로(S)를 통해 동작 신호(actuating signal; y(n))로부터 얻어지는 신호(y'(n))의 중첩(superimposition)으로 구성된 에러 신호(e(n))가 필요하다. 동작 신호(y(n))는 트랜스퍼 함수(W(z))를 갖는 필터를 이용하여 노이즈 신호(x(n))를 필터링하여 유도된다. "filtered-x LMS" 알고리듬이라는 이름은 에러 신호(e(n))와 직접 조합된 노이즈(x(n))가 LMS 제어의 적합화를 위해 이용되는 것이 아니라, 특히 광대역 에러 신호(x(n))와 에러 신호(e(n)) 사이에서, 라우드스피커(LS)로부터 에러 센서(E; 예를 들어 마이크로폰)까지의 1차 경로(P) 상에서 일어나는 디코릴레이션(decorrelation)을 보상하기 위하여, 필터(S^)의 트랜스퍼 함수(S^(z))를 사용하여 필터링된 신호(x(n))가 이용된다는 사실에 근거한다.

IIR(Infinite Impulse Response; 무한 임펄스 응답) 또는 FIR(Finite Impulse Response; 유한 임펄스 응답) 필터가 트랜스퍼 함수(W(z) 및 S^(z))용 필터로서 이용된다. FIR 필터는 유한 임펄스 응답을 갖고, 일반적으로 아날로그 신호의 샘플링 주파수에 의하여 결정되는 이산적 시간 단계로 동작한다. n차 FIR 필터는 다음의 차등 방정식(differential equation)에 의하여 정의된다.

상기 식에서, y(n)은 시간(n)에서 출력값이고, 마지막 N개의 샘플링된 입력값들(x(n-N))에서 x(n))의 합으로부터 계산되고, 상기 합에 대하여 필터 계수(b_i)가 가중된다. 바람직한 트랜스퍼 함수는 필터 계수(b_i(i=0, 1...N))를 명기함으로써 실현된다.

FIR 필터와 달리, 이미 계산된 출력값은 무한 임펄스 응답을 갖는 IIR 필터(재귀식 필터)에 대한 분석에 포함된다. 그러나, 상기 계산된 값은 무한 시간 후에는 매우 작을 수 있으므로, 계산은 유한한 수의 샘플 값(n) 이후에는 실제로는 중단될 수 있다. IIR 필터에 대한 계산 도식은 다음과 같다.

상기 식에서, y(n)은 시간(n)에서 출력값이고, 필터 계수(a_i)로 가중된 출력 값(y(n))의 합에 추가된 필터 계수(b_i)로 가중된 샘플링된 입력 값(x(n))의 합으로부터 계산된다. 바람직한 트랜스퍼 함수는 필터 계수(a_i와 b_i)를 명기함으로써 실현된다.

FIR 필터와 달리, IIR 필터는 본 실시예에서는 불안정할 수 있지만, 그의 구 현을 위한 동일한 수준에 대하여 더 큰 선택성을 갖고 있다. 실제 애플리케이션에서, 요구 조건 및 관련된 계산을 고려하여 관련 조건을 가장 잘 만족시키는 필터가 선택된다.

도 1에 도시된 filtered-x LMS 알고리듬의 단순한 설계의 단점은 2차 경로의 시스템 식별의 품질이 오디오 특성, 예를 들어 사운드 레벨, 대역폭 및 실제 노이즈 신호(x(n))의 스펙트럼 분포에 의존한다는 것이다. 이것은 2차 경로의 시스템 식별이 협대역에서만 수행되고, 노이즈(x(n))를 결정하는 위치에 따라 노이즈(x(n))에 포함되지 않는, 원하는 노이즈 상쇄 위치에서 추가의 노이즈 성분이 filtered-x LMS 알고리듬에 의하여 고려되지 않는 효과를 미친다. 인과율 조건에 따르기 위하여, 노이즈 신호(x(n))를 결정하기 위한 위치는, 결과적으로 이루어지는 음의 전파 시간이 적어도 라우드스피터(LS)를 위한 노이즈 제어 시간을 계산하는데 필요한 시간과 대응되도록 위치된다. 실제로, 노이즈 신호(x(n))에 독립적인 기준 신호는 일반적으로 시스템 식별에 이용된다. 이 기준 신호는 적절한 위치에서 filtered-x LMS 알고리듬에 추가된다. 이것은 도 1에서 기준 신호(z(n))에 의하여 개략적으로 설명되어 있는데, 상기 기준 신호는 라우드스피커(LS) 앞에서, 노이즈 제어를 위한 작동 신호(y(n))에 추가되고, 2차 경로(S)의 시스템 식별에 이용된다. 이 경우, 에러 마이크로폰(E)에서 신호(y'(n))는 노이즈 제어를 위한 작동 신호(y(n))와 기준 신호(z(n))의 합을 2차 경로(S)의 트랜스퍼 함수(S(z))를 이용한 트랜스퍼로부터 얻어진다. 여기서, 시스템 식별, 즉 2차 경로(S)의 트랜스퍼 함수(S(z))의 결정은 가장 큰 가능한 대역폭을 갖는 신호로 수행되는 것이 바람직하다. 상기한 바와 같이, 이러한 접근법의 단점은 상기 특정된 기준 신호(z(n))가 만연한 주위 조건에 따라서 자동차 내의 승객에 대하여 침입적인 것으로 인식될 수 있다는 것이다.

본 발명은 2차 경로(S)의 시스템 식별을 위하여 필요한 기준 신호(z(n))가 자동차 내부에서 또는 헤드폰용으로 적용가능한 노이즈 레벨 및 그의 타이밍 특성과 스펙트럼 성질을 고려하여 차량 탑승객에게 들리지 않는 방식으로 생성되는 것을 추구한다. 이것을 달성하기 위하여, 물리적인 변수는 더 이상 배타적으로 이용되지 않는다. 대신, 인간의 귀의 심리 음향 특성(psychoacoustic properties)이 고려된다.

음향 심리학은 음파가 인간의 귀에 부닥칠 때 발생하는 오디오 인지를 처리한다. 인간의 청취가능한 인지, 내이(內耳)에서의 주파수 그룹 생성, 인간의 내이에서의 신호 처리 및 시간 및 주파수 도메인에서의 동시적이고도 일시적인 마스킹 효과에 기초하여, 음향 신호가 어떠한 것인지, 또는 노이즈의 존재 시 일반적인 청력으로 어떠한 상이한 음향 신호 조합이 사람에게 청취가능하고 청취가능하지 않은 지를 나타내는 모델이 생성될 수 있다. 노이즈(마스커(masker)라고도 알려짐)의 존재시 테스트 톤이 단지 들릴 수 있는 임계치는 마스킹된 임계치(masked threshold)라 지칭된다. 반대로, 최소의 가청 임계치(minimum audible threshold) 는 완벽하게 조용한 환경에서 테스트 톤이 들릴 수 있는 임계치를 설명하는데 이용되는 용어이다. 최소 가청 임계치와 마스킹된 임계치 사이의 영역은 마스킹 영역이라 알려져 있다.

이하에서 설명하는 방법은 본 발명에 의해 의도되는 바와 같이 탑승자 영역의 기존 조건에 따라 차량 내부의 탑승자가 들을 수 없는, 특히 기준 신호(Z(n))의 생성을 위한 능동식 노이즈 제어 방법의 기초인 심리 음향 마스킹 효과(psychoacoustic masking effects)를 이용한다. 상기 심리 음향 마스킹 모델은 상기 기준 신호(Z(n))를 생성하는 데 이용된다. 이 방식으로, 본 발명에 의해 청구되는 바와 같이 2차 경로(P)의 시스템 식별이 적응식으로 수행되고 노이즈 신호의 변화로 실시간 조정된다. 본 발명에 따라 마스킹, 즉 기준 신호(Z(n))의 불가청(inaudibility)을 야기하는 차량 내 노이즈 신호는 그 스펙트럼 구성 및 그 타이밍 특성의 양자의 항목과 관련하여 동적 변화에 놓여짐에 따라, 심리 음향 모델은 음성 레벨의 마스킹, 스펙트럼 구성 및 타이밍의 의존성을 고려한다.

심리 음향 마스킹의 모델링을 위한 기초는 인간의 귀, 특히 내이의 기본적 특성이다. 상기 내이는 소위 추체골(petrous bone) 내에 위치되며, 비압축성 림프액으로 채워져 있다. 상기 내이는 대략

회전의 달팽이(달팽이 관) 형상이다. 상기 달팽이관은 평행 도관을 구비하는데, 그 상하 도관은 기저막(basilar membrane)으로 분리되어 있다. 코르티 기관(organ of Corti)은 상기 막에 위치하며, 사람의 귀의 감각 세포를 포함한다. 상기 기저막이 음파에 의해 진동하게 되면, 신경 임펄스가 생성, 즉 어떤 노드(node) 또는 안티노드(antinode)도 일어나지 않는다. 이 결과, 청취-소위 기저막 상에서의 주파수/위치 변환-에 중요한 효과가 얻어지며, 이로부터 심리 음향 마스킹 효과 및 사람의 귀의 정교한 주파수 선택성이 설명될 수 있다.

사람의 귀는 제한된 주파수 대역에서 일어나는 상이한 음파들을 그룹화한다. 이들 주파수 대역은 임계 주파수 그룹 또는 임계 대역폭(CB)으로서 알려져 있다. CB의 기초는 사람의 귀가 음파로부터 생기는 심리 음향 청취 인상(hearing impression)과 관련하여 통상적인 청취 가능한 인상으로서 특히 주파수 대역에서의 음성을 모으는 것이다. 주파수 그룹 내에서 생기는 음의 활동들은 상이한 주파수 그룹에서 생기는 음파에 비해 서로 다르게 영향을 미친다. 예컨대, 하나의 주파수 그룹 내에서 동일한 레벨을 갖는 2가지 톤(tones)은 이들이 다른 주파수 그룹에 있을 때보다 조용한 것으로 인지된다.

에너지가 동일하고 마스커(masker)가 테스트 톤의 주파수인 중심 주파수를 갖고 있는 주파수 대역에 있을 때 마스커 내에서 테스트 톤이 청취 가능하면, 그 주파수 그룹의 목표 대역폭을 결정할 수 있다. 저 주파수의 경우, 상기 주파수 그룹은 100Hz의 대역폭을 갖는다. 500Hz 이상의 주파수의 경우, 상기 주파수 그룹은 대응하는 주파수 그룹의 중심 주파수의 약 20%의 대역폭을 갖는다.

모든 임계 주파수 그룹이 전체 가청 범위에 걸쳐 나란히 놓여지면, 음조(tonality)로 알려지고 "bark" 단위를 갖는 청취-지향적(hearing-oriented) 비선형 주파수 스케일이 얻어진다. 상기 주파수 스케일은 주파수 그룹이 위치마다 정확하게 1 bark의 동일한 폭을 갖도록 주파수 축의 스케일이 왜곡됨을 나타낸다. 주파수와 음조 간의 비선형 관계는 기저막에 있어서의 주파수/위치 변환에 근거한다. 음조 함수(tonality function)는 마스킹된 임계치 및 소리 세기(loudness) 검사에 기초하여 Zwicker(Zwicker, E. Fastl, H. Psychoacoustics - Facts and Models, 2nd edition, Springer-Verlag, Berlin/Heidelberg/New York, 1999 참조)에 의한 표 및 방정식 형식(tubular and equation form)에서 정의되고 있다. 0-16kHz의 가청 주파수 범위에서 정확히 24개의 주파수 그룹이 나란히 배치되어 관련 음조 범위가 0-24 barks가 됨을 알 수 있다.

더욱이, 소리 세기(loudness) 및 사운드 강도(sound intensity)라고 하는 용어는 동일한 느낌의 양을 지칭하며, 단지 그 단위만 상이하다. 이들은 사람의 귀의 주파수 의존적 인지(perception)를 고려한다. 심리 음향 차원인 "소리 세기"는 특정 레벨, 특정 스펙트럼 구성 및 특정 지속 시간(duration)을 갖는 사운드가 주관적으로 얼마나 크게 인지되는지를 나타낸다. 상기 소리 세기는 어떤 사운드가 2배인 것으로 인지되면 그 크기가 2배가 되며, 이는 상이한 음파들이 상기 인지된 소리 세기를 참조로 서로 비교될 수 있도록 해준다. 소리 세기를 평가하고 측정하는 단위는 손(sone)이다. 1 손은 40 폰(phons)의 소리 세기 레벨을 갖는 톤의 인지된 소리 세기, 즉 40dB의 음압 레벨의 1kHz 주파수에서 시너스 톤(sinus tone)과 동일한 소리 세기를 갖는 것으로 인지된 음의 인지된 소리 세기로서 정의된다.

중간 및 높은 값의 강도 값의 경우, 10 폰 만큼의 강도 증가는 소리 세기의 두 배 증가를 가져온다. 낮은 사운드 강도의 경우, 미소한 강도 증가는 인지된 소리 세기를 2배가 되도록 한다. 사람에 의해 인지된 소리 세기는 사운드의 음압 레벨, 주파수 스펙트럼 및 타이밍 특성에 의존하며, 마스킹 효과를 모델링하는데 사용되기도 한다. 예를 들면, DIN 45631 및 ISO 532 B에 따라 소리 세기 측정을 위한 표준화된 측정법이 존재한다.

도 2는 사운드 레벨과 관련하여, 즉 인지된 소리 세기에 대해 시간적 영향이 없는 신호에 대하여 고정 균일 여기 노이즈(stationary uniform excitation noise)의 소리 세기(N_GAR)와 1kHz의 주파수의 고정 시너스 톤의 소리 세기(N1_kHz)의 예를 도시한다. 균일 여기 노이즈(GAR)는 각 주파수 대역폭에서 동일한 사운드 강도와 그에 따라 동일한 여기 정도를 갖는 노이즈로서 정의된다. 도 2는 음압 레벨에 대한 로그 스케일의 손 단위의 사운드 강도를 보여준다. 낮은 음압 레벨의 경우, 즉 최소 가청 임계치에 근접하는 경우, 톤의 인지된 소리 세기(N)는 급격하게 떨어진다. 높은 음압 레벨에 대하여 음압 레벨과 소리 세기 사이의 관계가 존재하는데, 이 관계는 도면에 도시된 방정식에 의해 정의된다. "I"는 watts/m² 단위의 방출된 톤의 사운드 강도를 나타내며, I₀는 10^-12 watts/m² 단위의 기준 사운드 강도를 말하는데, 이는 중심 주파수에서 대략 최소 가청 임계치(하기 참조)에 대응한다. 연속된 거동으로부터, 소리 세기(N)는 복합 노이즈 신호들에 의한 마스킹을 결정하는 유용한 수단이고, 따라서 스펙트럼적으로 복잡하고 시간 의존적인 음파를 통한 심리 음향 마스킹 모델을 위해 필요한 요건이라는 것이 분명해졌다.

주파수의 함수로서 톤를 인지하는데 필요한 음압 레벨 1이 측정되면, 소위 최소 가청 임계치가 얻어진다. 음압 레벨이 상기 최소 가청 임계치 미만인 음향 신호는 동시에 노이즈 신호가 존재하지 않는 경우에도 사람의 귀에 의해 인지될 수 없다.

소위 마스킹된 임계치는 노이즈 신호의 존재 중 테스트 사운드에 대한 인지 임계치로서 정의된다. 테스트 사운드가 상기 심리 음향 임계치보다 작은 경우, 상기 테스트 사운드는 완전히 마스킹된다. 이것은 마스킹의 심리 음향 범위 내의 모든 정보가 인지될 수 없다는 것, 즉 소정의 오디오 신호, 심지어 노이즈 신호에도 불가청 정보가 부가될 수 있음을 의미한다. 마스킹된 임계치와 최소 가청 임계치 사이의 영역은 소위 마스킹 영역이며, 그 영역 내에 삽입된 신호는 사람의 귀에 의 해 인지될 수 없다. 이러한 측면은 본 발명에 의해 활용되어, 1차 신호(본원에 제시된 경우로서는 노이즈 신호(x(n))에, 또는 상기 노이즈 신호(x(n))를 포함하는 전체 신호에, 그리고 적용 가능하다면 음악 신호에 부가적인 신호 성분(본원에 제시된 경우로서는 2차 경로(P)의 시스템 식별을 위한 기준 신호(z(n))을 상기 기준 신호(z(n))가 수신기(본원에 제시된 경우로서는 에러 마이크로폰(E))에 의해 검출되어 후속 처리를 위해 분석될 수 있으면서도 사람의 귀에는 들리지 않는 방식으로 부가한다.

많은 연구를 통해 마스킹 효과는 모든 종류의 사람의 청각에 대해 측정될 수 있음이 밝혀졌다. 기타의 많은 심리 음향 인상과 달리, 개인적 차이는 드물어서 무시될 수 있으며, 이는 사운드에 의한 마스킹의 일반적 심리 음향 모델을 만들 수 있음을 의미한다. 마스킹의 심리 음향 측면은 본 발명에 채용되어, 현재 존재하는 노이즈 레벨, 그 스펙트럼적 구성 및 타이밍 거동에 무관하게, 음향적으로 전달된 기준 신호(z(n))가 들릴 수 없는 그러한 방식으로 기준 신호(z(n))를 오디오 특성에 실시간으로 적합하게 한다. 노이즈 레벨은 주변 노이즈, 간섭, 음악 또는 이들의 조합으로부터 형성될 수 있다.

여기서, 마스킹의 2가지 주요한 형태 간에 구분이 이루어지는데, 그 각각은 마스킹된 임계치의 상이한 거동을 야기한다. 이들은 시간 축을 따른 마스커의 타이밍 효과에 의한 시간 도메인의 마스킹과 주파수 도메인의 동시 마스킹이다. 더 욱이, 이들 2가지 마스킹 형태의 조합은 주변 노이즈 또는 일반적인 노이즈와 같은 신호에서 발견된다.

동시 마스킹(simultaneous masking)은 마스킹 사운드와 유용한 신호가 동시에 발생한다는 것을 의미한다. 마스커의 형태, 대역폭, 진폭, 및/또는 주파수가 빈번한 사인파 형태의(frequently sinus-shaped) 테스트 신호가 가청적이 되는 그러한 방식으로 변화되면, 마스킹된 임계치가 가청 범위의 전체 대역폭에 걸친, 즉 주로 20Hz-20kHz의 주파수에 대한 동시 마스킹을 위해 결정될 수 있다. 이 주파수 범위는 일반적으로 자동차 내의 후방 시트의 엔터테인먼트 시스템에 사용되는 오디오 장비의 이용 가능한 대역폭과 그에 따라 2차 경로(P)의 시스템 식별을 위한 기준 신호(z(n))의 유용한 주파수 범위를 나타낸다.

도 3은 화이트 노이즈에 의한 사인파 형상의 테스트 톤의 마스킹을 보여준다. 사운드 강도가 1_WN인 화이트 노이즈에 의해 마스킹된 테스트 톤의 사운드 강도는 그 주파수와 관련하여 표시되는데, 이때 그 최소 가청 임계치는 점선으로 표시되어 있다. 화이트 노이즈에 의한 마스킹을 위한 시너스 톤의 최소 가청 임계치는 다음과 같이 얻어진다: 500Hz 미만에서, 시너스 톤의 최소 가청 임계치는 화이트 노이즈의 사운드 강도보다 큰 약 17dB이다. 500Hz 이상에서, 최소 가청 임계치는 10 단위(decade)당 약 10dB 또는 옥타브(octave)당 약 3dB로 증가하며, 이는 주파 수의 배에 해당한다. 최소 가청 임계치의 주파수 의존성은 상이한 중심 주파수들에서 사람의 귀의 상이한 임계 대역폭(CB)으로부터 연유된다.

주파수 그룹에서 생기는 사운드 강도는 인지된 청취 인상에서 집계되기 때문에, 주파수에 독립적인 레벨을 갖는 화이트 노이즈에 대한 고 주파수의 보다 넓은 주파수 그룹에서 보다 큰 전체 강도가 얻어진다. 사운드의 소리 세기도 역시 그에 따라 높아지며(즉, 인지된 소리 세기), 마스킹된 임계치의 증가를 야기한다. 이것은 순수하게 물리적인 차원들(예컨대, 음압 레벨)이 마스킹의 심리 음향 효과의 모델링에, 즉 음압 레벨 및 강도와 같은 차원으로부터 마스킹된 임계치를 유도하는 데에 부적합하다는 것을 의미한다. 그 대신, 소리 세기(N)와 같은 심리 음향 차원이 본 발명에 이용된다. 마스킹 사운드의 스펙트럼적 분포 및 타이밍 특성은 중요한 역할을 수행하는데, 이는 다음의 도면들로부터 분명하다.

시너스 톤, 협대역 노이즈 또는 임계 대역폭 노이즈과 같은 협대역 마스커에 대해, 마스킹된 임계치가 결정되면, 그로부터 얻어지는 스펙트럼적 마스킹된 임계치는 마스커 자체가 스펙트럼 성분을 갖지 않는 영역에서도 최소 가청 임계치보다 큰 값을 가짐을 알 수 있다. 임계 대역폭 노이즈는 이 경우 그 레벨이 L_CB로 지정된 협대역 노이즈으로서 사용된다.

도 4는 L_T 레벨의 테스트 톤의 주파수(f_T)와 관련하여 상이한 음압 레벨들 뿐만 아니라, 1kHz의 중심 주파수(f_c)의 임계 대역폭 노이즈에 기인하여 마스커로서 측정된 시너스 톤의 마스킹된 임계치를 보여준다. 최소 가청 임계치는 도 3에서 쇄선으로 표시되어 있다. 도 4로부터, 마스킹된 임계치의 피크값은 마스커의 레벨 역시 20dB 만큼 상승하면 20dB 만큼 상승하며, 그에 따라 상기 피크값은 마스킹 임계 대역폭 노이즈의 레벨(L_CB)에 따라 선형으로 변화함을 알 수 있다. 측정된 마스킹된 임계치의 하부 엣지(lower edge), 즉 중심 주파수(f_c)보다 낮은 저 주파수 방향의 마스킹은 마스킹된 임계치의 레벨(L_CB)에 독립적인 약 -100dB/옥타브의 기울기를 갖고 있다. 이렇게 큰 값의 기울기는 40dB보다 낮은 마스커의 레벨(L_CB)에 대한 마스킹된 임계치의 상부 엣지에만 도달된다. 마스커의 레벨(L_CB)의 증가에 따라, 마스킹된 임계치의 상부 엣지는 점차 편평해지며, 기울기는 100dB의 L_CB에 대해 약 25dB/옥타브가 된다. 이것은 마스커의 중심 주파수(f_c)에 비해 더 높은 주파수의 방향의 마스킹은 마스킹 사운드가 존재하는 주파수 범위를 멀리 벗어나 연장함을 의미한다. 청취는 협대역의 임계 대역폭 노이즈에 대해 1kHz가 아닌 중심 주파수에 대해 유사하게 응답한다. 마스킹된 임계치의 상부 및 하부 엣지의 기울기는 도 5에 도시된 바와 같이 마스커의 중심 주파수에 실제 독립적이다.

도 5는 250Hz, 1kHz 및 4kHz의 상이한 3개의 중심 주파수와 60dB의 L_CB 레벨의 협대역에서 임계 대역폭 노이즈로부터의 마스커의 마스킹된 임계치를 도시한다. 250Hz의 중심 주파수를 갖는 마스커에 대한 하부 엣지의 기울기가 외견상 더 편평한 흐름으로 보이는 것은 더 높은 레벨에서도 이러한 낮은 주파수에 인가되는 최소 가청 임계치에 기인한다. 도시된 바와 같은 효과는 마스킹을 위한 심리 음향 모델의 실시에도 포함된다. 최소 가청 임계치는 도 5에 쇄선으로 표시되어 있다.

시너스 형태의 테스트 톤가 1kHz의 주파수를 갖는 다른 시너스 톤로 마스킹되면, 도 6에 도시된 바와 같은 마스킹된 임계치가 상기 테스트 톤의 주파수와 마스커의 레벨(L_M)에 따라 얻어진다. 앞서 이미 언급한 바와 같이, 마스커의 레벨에 대한 상부 엣지의 패닝-아웃(fanning-out)을 분명하게 볼 수 있는 반면, 마스킹된 임계치의 하부 엣지는 실제 주파수 및 레벨에 독립적이다. 상부의 기울기는 마스커의 레벨에 대해 약 -100 내지 -25dB/옥타브이고, 하부의 기울기는 약 -100dB/옥타브로 측정된다. 마스킹 톤의 레벨(L_M)과 마스킹된 임계치(Lr)의 최대값 사이에는 약 12dB의 차이가 존재한다. 이 차이는 마스커로서 임계 대역폭 노이즈에 대해 얻어진 값보다 상당히 큰 것이다. 이것은 마스커와 테스트 톤의 2개의 시너스 톤의 강도가 노이즈와 테스트 톤로서 시너스 톤를 사용하는 경우와 달리 동일 주파수에서 함께 추가되기 때문이다. 결국, 상기 톤는 훨씬 조기에, 즉 테스트 톤의 낮은 레벨에서 인지된다. 더욱이, 2개의 시너스 톤가 동시에 방출되면, (비트와 같은) 다른 효과가 생기며, 이는 마찬가지로 인지를 증가키기고 또는 마스킹 감소를 야기한다.

전술한 동시 마스킹 이외에, 다른 심리 음향 마스킹의 효과는 소위 시간 마스킹이다. 시간 마스킹은 2가지 상이한 종류로 구분된다. 즉 프리-마스킹(pre-masking)은 마스킹 효과가 이미 마스커의 레벨의 갑작스런 상승 이전에 생기는 경우를 말하며, 포스트-마스킹(post-masking)은 마스커의 레벨이 급격하게 떨어진 이후의 시기에 마스킹된 임계치가 최소 가청 임계치로 즉시 하락하지 않을 때 생기는 효과를 말한다. 도 7은 프리-마스킹 및 포스트-마스킹을 개략적으로 도시하고 있는데, 이들 마스킹에 대해서는 톤 임펄스에 대한 마스킹 효과와 관련하여 이하에서 더 상세히 설명한다.

시간의 프리-마스킹 및 포스트-마스킹의 효과를 결정하기 위해, 마스킹 효과의 대응하는 시간 해법을 얻는데 단기 지속 시간(short duration)의 테스트 톤 임펄스를 사용하여야 한다. 여기서, 최소 가청 임계치와 마스킹된 임계치는 모두 테스트 톤의 지속 시간에 의존한다. 이와 관련하여 2가지 다른 효과가 알려져 있다. 이들은 테스트 임펄스의 지속 시간에 대한 소리 세기 인상의 의존성(도 8 참조)과 단기 톤 임펄스의 반복률과 소리 세기 인상 간의 관계(도 9 참조)를 말한다.

동일한 소리 세기 인상을 얻기 위해 20-ms 임펄스의 음압 레벨은 200-ms 임 펄스의 음압 레벨에 비해 10 dB 만큼 증가되어야 한다. 200ms의 임펄스 지속 시간을 넘어서면, 톤 임펄스의 소리 세기는 그 지속 시간과 독립적이다. 사람의 귀의 경우 약 200ms 이상의 지속 시간의 처리가 고정적 처리(stationary process)를 나타내는 것으로 알려진다. 사운드의 타이밍 특성에 있어서 음향 심리학적으로 보증할 수 있는 효과는 상기 사운드가 약 200ms보다 짧다면 존재한다.

도 8은 테스트 톤 임펄스의 그 지속 시간에 대한 의존성을 도시한다. 점선은 지속 시간과 관련하여 200Hz, 1kHz, 및 4kHz의 주파수(f_T)에 대한 테스트 톤 임펄스의 최소 가청 임계치(TQ)를 나타내는데, 그 최소 가청 임계치는 200ms 미만의 테스트 톤의 지속 시간에 대해 10 단위(decade)당 약 10dB로 증가한다. 이러한 거동은 테스트 톤의 주파수에 독립적이며, 테스트 톤의 상이한 주파수(f_T)에 대한 라인의 절대 위치는 이들 상이한 주파수에서 상이한 최소 가청 임계치를 반영한다.

연속 라인은 40dB과 60dB의 레벨(L_UMN)의 균일한 마스킹 노이즈(UMN)에 의해 테스트 톤을 마스킹하기 위한 마스킹된 임계치를 나타낸다. 균일한 마스킹 노이즈는 전 가청 범위에 걸쳐, 즉 0-24 bark의 모든 주파수 그룹에 대해 일정한 마스킹된 임계치를 갖도록 정의된다. 다시 말해, 마스킹된 임계치의 표시된 특성은 테스트 톤의 주파수(f_T)에 독립적이다. 최소 가청 임계치(TQ)와 마찬가지로, 마스킹된 임계치 역시 200ms 미만의 테스트 톤의 지속 시간 동안 10 단위(decade)당 약 10dB 로 상승한다.

도 9는 3kHz의 주파수와 3ms의 지속 시간을 갖는 테스트 톤 임펄스의 반복률에 대한 마스킹된 임계치의 의존성을 보여준다. 균일한 마스킹 노이즈는 다시 마스커이다. 이는 사각형으로 변조되어, 즉 주기적으로 온-오프 스위칭된다. 균일한 마스킹 노이즈에서 검토된 변조 주파수는 5Hz, 20Hz 및 100Hz이다. 테스트 톤은 균일한 마스킹 노이즈의 변조 주파수와 동일한 후속 주파수로 방출된다. 이러한 시도 중에, 테스트 톤 임펄스의 타이밍은 변조된 노이즈의 시간-관련 마스킹된 임계치를 얻도록 대응하여 변화된다.

도 9는 마스커의 시간 지속(T_M)에 대해 표준화된 횡좌표를 따른 테스트 톤 임펄스의 시간 이동(shift)을 보여준다. 종좌표는 계산된 마스킹된 임계치에서 테스트 톤 임펄스의 레벨을 나타낸다. 쇄선은 기준점으로서 변조되지 않은 마스커(즉, 다른 경우 동일한 특성을 갖는 연속으로 존재하는 마스커)의 테스트 톤 임펄스의 마스킹된 임계치를 나타낸다.

프리-마스킹의 기울기에 비해 도 9의 포스트-마스킹의 더 편평한 기울기를 분명히 볼 수 있다. 사각 변조된 마스커를 활성화한 후, 마스킹된 임계치는 단 기간 동안 초과된다. 이 효과는 오버슈트(overshoot)라고 알려져 있다. 마스커의 휴지부(pauses)에서 변형된 균일 마스킹 노이즈에 대한 마스킹된 임계치의 레벨에 있어서의 최대 강하(ΔL)는 상기 균일한 마스킹 노이즈의 변조 주파수의 증가에 응답하여 고정된 균일한 마스킹 노이즈에 대한 마스킹된 임계치에 비해 예상되는 바와 같이 감소되는데, 다시 말하면, 테스트 톤 임펄스의 마스킹된 임계치는 그 수명 중에 점차 최소 가청 임계치에 의해 특정되는 최소값으로 떨어질 수 있다.

도 9는 또한 마스커가 조금이라도 스위치 온 되기 이전에 마스커가 테스트 톤 임펄스를 이미 마스킹한 것을 보여준다. 이 효과는 전술한 바 있지만 프리-마스킹으로 알려져 있으며, 시끄러운 톤과 노이즈(즉, 높은 음압 레벨을 갖는다)가 조용한 톤보다 더 빨리 청각에 의해 처리될 수 있다는 사실에 기초한다. 상기 프리-마스킹 효과는 포스트-마스킹의 효과에 비해 매우 덜 두드러지며, 따라서 대응하는 알고리듬의 단순화를 위한 심리 음향 모델의 사용시 배제되기도 한다. 마스커의 분리 이후에, 가청 임계치는 최소 가청 임계치로 즉시 떨어지지 않고 오히려 약 200ms의 지속 기간 이후에 그 값에 접근한다. 상기 효과는 내이의 기저막 상에 일시적인 파(transient wave)가 천천히 머무는 현상에 의해 설명될 수 있다.

더욱이, 마스커의 대역폭 역시 상기 포스트-마스킹의 지속 시간에 직접적인 영향을 미친다. 각각의 개별 주파수 그룹과 관련된 마스커의 특정 성분은 도 10 및 도 11에 도시한 것과 같은 포스트-마스킹을 야기한다.

도 10은 화이트 노이즈의 음압 레벨(L_WR)이 40dB, 60dB, 80dB을 취하고, 500ms의 지속 시간을 갖는 화이트 노이즈로 이루어진 사각형 마스커의 종단 이후의 시간(t_v)에 존재하는 테스트 톤으로서 20μs의 지속 시간을 갖는 가우스 임펄스(Gaussian impulse)의 마스킹된 임계치의 레벨 특성(L_T)을 나타낸다. 화이트 노이즈를 포함하는 마스커의 포스트-마스킹은, 사람의 귀가 인지 가능한 주파수 범위와 관련된 20μs의 짧은 지속 시간을 갖는 가우스형 테스트 톤이 화이트 노이즈의 것과 유사한 광대역 스펙트럼 분포를 나타내기 때문에, 스펙트럼 효과 없이 측정될 수 있다. 도 10의 연속 곡선은 측정에 의해 결정된 포스트-처리의 특성을 도시한다. 이들 곡선은 마스커의 레벨(L_WR)과 독립적으로, 약 200ms 이후에 테스트 톤의 최소 가청 임계치에 대한 값(이 경우 사용된 짧은 테스트 톤의 경우 약 40dB)에 도달한다. 도 10은 10ms의 시간 상수를 갖는 포스트-마스킹에 있어 떨어지는 지수 함수값에 대응하는 점선 곡선을 나타낸다. 이러한 종류의 단순한 근사화는 큰 레벨의 마스커에서만 진정 유지되고, 최소 가청 임계치 근처에서의 포스트-마스킹의 특성은 결코 반영하지 않음을 알 수 있다.

마스커의 포스트-마스킹과 지속 시간 간의 관계 역시 존재한다. 도 11의 점선은 60dB의 레벨(L_UMN)과 5ms의 지속 시간(T_M)의 균일한 마스킹 노이즈를 포함하는 사각형의 변조된 마스커를 비활성화한 후, 지연 시간(t_d)의 함수로서 2kHz의 주파 수(f_T)와 5ms의 지속 시간을 갖는 가우스형 테스트 톤 임펄스의 마스킹된 임계치를 나타낸다. 연속 라인은 이외의 경우 테스트 톤 임펄스와 균일한 마스킹 노이즈에 대해 동일한 파라미터와 200ms의 지속 시간(T_M)을 갖는 마스커에 대한 마스킹된 임계치를 도시한다.

200ms의 지속 시간(T_M)을 갖는 마스커에 대한 측정된 포스트-마스킹은, 200ms보다 긴 지속 시간(T_M)을 갖지만 이외의 경우 동일한 파라미터를 갖는 모든 마스커에 대해서도 볼 수 있는 포스트-마스킹과 매치된다. 더 짧은 지속 시간을 갖지만 이외의 경우 동일한 파라미터(스펙트럼적 구성 및 레벨 등)를 갖는 마스커의 경우, 마스커의 지속 시간(T_M)(=5ms) 동안 마스킹된 임계치의 특성으로부터 분명한 바와 같이, 포스트-마스킹의 효과는 떨어진다. 심리 음향 마스킹 모델과 같은 알고리듬 및 방법에서 심리 음향 마스킹 효과를 이용하기 위해, 그룹화되거나 복합적이거나 또는 중첩된 개별 마스커에 대해 어떤 결과적인 마스킹이 얻어지는지도 고려된다. 상이한 마스커들이 동시에 생기면 동시 마스킹이 존재한다. 시너스 톤과 같은 순수 사운드와 비교 가능한 실제 사운드는 극히 일부만 존재한다. 일반적으로, 악기에 의해 방출되는 톤과 자동차 엔진과 같은 회전체로부터 생기는 사운드는 많은 고조파를 갖는다. 부분적인 톤의 레벨의 조합에 따라, 얻어지는 마스킹된 임계치는 크게 변할 수 있다.

도 12는 복합 사운드에 대한 동시 마스킹을 보여준다. 시너스형 테스트 톤의 동시 마스킹을 위한 마스킹된 임계치는 여기 레벨과 주파수와 관련하여 200Hz의 시너스 톤의 10개의 고조파로 표현된다. 모든 고조파는 동일한 음압을 갖지만, 그 위상 위치는 통계적으로 분포된다. 도 12는 부분 톤의 모든 레벨이 40dB 또는 60dB인 2가지 경우에 대해 얻어지는 마스킹된 임계치를 나타낸다. 기본 톤과 처음 4개의 고조파는 각기 별개의 주파수 그룹에 자리한다. 이것은 마스킹된 임계치의 최대치에 대하여 이들 복합 사운드 성분의 마스킹 부분들의 가산 중첩이 없음을 의미한다.

그러나, 마스킹 효과들의 추가로부터 얻어지는 디프레션(depression)과 상부 및 하부 엣지의 중첩(그 최대 깊이 점에서 최소 가청 임계치보다 여전히 상당히 크다)을 확실하게 볼 수 있다. 이에 비해, 대부분의 상부 고조파는 사람의 청각의 임계 대역폭 내에 존재한다. 이러한 임계 대역폭에서는 개별 마스킹된 임계치들의 강력한 가산 중첩이 일어난다. 그 결과, 동시 마스커들의 가산은 그 강도를 함께 가산하는 것에 의해 계산될 수 없으며, 그 대신 마스킹의 심리 음향 모델을 규정하기 위해 개별적인 비 소리 세기(specific loudness)가 함께 가산되어야 한다.

시간-변동 신호(time-varying signals)의 오디오 신호 스펙트럼으로부터 여기 분포(excitation distribution)를 얻기 위하여, 협대역 노이즈에 의한 마스킹을 위한 시너스 톤(sinus tones)의 상기 마스킹된 임계치의 알려진 특성이 분석의 기초로서 이용된다. (임계 대역폭 내의) 코어 여기와 (임계 대역폭 외부의) 엣지 여기를 구별한다. 이것의 한 가지 예는 물리적 사운드 강도(physical sound intensity)와 매치되는 임계 대역폭보다 작은 대역폭을 갖는 협대역 노이즈 또는 시너스 톤의 심리 음향 코어 여기(psycoacoustic core excitation)이다. 그렇지 않다면, 상기 신호들은 오디오 스펙트럼에 의해 마스킹된 임계 대역폭 사이에 대응하여 분포된다. 이러한 방식으로, 상기 수신된 시간-변동 사운드의 물리적 강도 스펙트럼으로부터 상기 심리 음향 여기의 분포가 얻어진다. 상기 심리 음향 여기의 분포는 비 소리 세기(specific loudness)라고 지칭한다. 복합 오디오 신호의 경우에 결과적으로 얻어지는 전체 소리 세기는 음색 스케일을 따른 가청 범위, 즉 0~24 barks의 범위에서 모든 심리 음향 여기의 비 소리 세기에 걸친 적분치(integral)인 것으로 밝혀졌으며, 또한 대응하는 시간 관계를 나타낸다. 이러한 전체 소리 세기에 기초하여, 소리 세기와 마스킹 사이의 알려진 관계에 기초하여 마스킹된 임계치가 생성되어, 상기 마스킹된 임계치는 관련 임계 대역폭 내의 사운드의 종료 후 시간 효과의 고려하에 약 200 ms 지나서 최소의 가청 임계치로 떨어진다(도 10 참조, 포스트-마스킹).

이러한 방식으로, 상기 심리 음향 마스킹 모델은 상기한 모든 마스킹 효과의 고려하에 구현된다. 상기 도면 및 설명으로부터, 음압 레벨, 배경 노이즈와 같은 노이즈의 스펙트럼 구성(compositions) 및 타이밍 특성에 의해 어떤 마스킹 효과가 야기되는지, 또 원하는 테스트 신호를 상기한 환경에서 청취자가 인지할 수 없는 방식으로 상기 2차 경로(S)의 시스템 식별을 위해 실시간으로 그리고 적응식으로 조작하기 위하여 상기 마스킹 효과가 어떻게 이용될 수 있는지를 알 수 있다.

도 13 내지 도 15는 본 발명을 이용하여 심리 음향 마스킹 모델을 적용하는 세 개의 예, 특히 상기 2차 경로(S)의 심리 음향 시스템 식별을 위한 세 가지 예를 보여준다. 도 13의 신호 흐름도는 헤드폰과 함께 노이즈 제어를 위한 ANC 시스템에 사용하기 위한 심리 음향 마스킹 모델(PMM)을 채용하는 본 발명에 따른 초기 회로를 보여준다. 이러한 애플리케이션에 있어서 예상된 노이즈 신호와 상관된 적절한 기준 신호는 이용되지 않으며, 따라서 상기한 피드백 ANC 시스템이 사용된다. 피드포워드(feedforward) ANC 시스템은 상기 예상된 노이즈 신호와 상관된 기준 신호 x(n)의 존재를 필요로 하며, 상기 기준 신호를 수신하기 위한 센서가 항상 에러 마이크로폰(E)(도 1 참조)보다, 감소될 노이즈 신호의 소스에 더 가까이 있는 방식으로 인과율 조건(causality condition)이 만족된다. 이러한 인과율 조건은 알려지지 않은 공간에서 이동 자유도를 갖는 헤드폰에 대해서는 만족될 수 없다.

도 13에 도시한 본 발명에 따른 시스템의 한 가지 예는 노이즈 신호(예컨대, 주기적 노이즈 신호)를 생성하는 소스(QS), 에러 마이크로폰(E), 노이즈 소스(QS)로부터 에러 마이크로폰(E)까지의 소닉 전송(sonic transmission)을 위한 트랜스퍼 함수 P(z)를 갖는 1차 경로(P)를 포함한다. 도 13의 시스템은 또한, 트랜스퍼 함 수 W(z)를 갖는 적응식 필터(W), 상쇄 음파(cancellation soundwaves)를 생성하기 위해 적응식 필터(W)의 상류측에 연결된 라우드스피커(LS), 라우드스피커(LS)로부터 에러 마이크로폰(E)까지의 소닉 전송을 위한 트랜스퍼 함수 S(z)를 갖는 2차 경로(S)를 포함한다.

도 13의 시스템은 또한, 트랜스퍼 함수 S^(z)를 갖는 제1 필터(S^₁), 트랜스퍼 함수 S^(z)를 갖는 제2 필터(S^₂), 트랜스퍼 함수 S^(z)를 갖는 제3 필터(S^₃),를 포함하는데, 이들 트랜스퍼 함수는 S. Mitra, J. S. Kaiser(Handbook For Digital Signal Processing, Wiley and Sons, 1993, pages 1085-1092)가 언급한 시스템 식별 방법을 이용하여 S(z)로부터 추정되었다. 또한, 상기 시스템은 최소 평균 자승법 알고리듬을 이용하여 필터(W)의 필터 계수를 적합하게 하기 위한 제1 컨트롤 블록(LMS₁), 최소 평균 자승법 알고리듬을 이용하여 제1, 제2 및 제3 필터(S^₁, S^₂, S^₃)의 필터 계수를 적합하게 하기 위한 제2 컨트롤 블록(LMS₂)을 포함한다. 상기 필터(S^₁, S^₂)의 동일한 트랜스퍼 함수(S^(z))는 각각의 경우에, 실시간으로 실행되는 2차 경로(S)의 적응식 시스템 식별 중에 결정된 필터(S^₃)의 필터 계수를 단순히 복사함으로써 얻어진다.

도 13의 시스템은 또한, 시간 도메인으로부터 주파수 도메인으로 신호를 고 속 푸리에 변환하기 위한 제1 유닛(FFT₁) 및 제2 유닛(FFT₂), 주파수 도메인으로부터 시간 도메인으로 신호를 역 고속 푸리에 변환하기 위한 제1 유닛(IFFT₁) 및 제2 유닛(IFFT₂)을 포함한다. 또한, 심리 음향 마스킹 모델 유닛(PMM), 원형 콘볼루션 생성물을 피하기 위한 구속 유닛(C), 필터(P), 화이트 노이즈 소스(NG) 및 음악 신호 소스(MS)를 포함한다.

에러 마이크로폰(E)에서의 에러 신호(e(n))는 한편으로는, 트랜스퍼 함수(P(z))를 갖는 1차 경로(P)에 걸쳐 전송된 노이즈 소스(QS)로부터의 노이즈 신호(x(n))로부터 얻어지는 신호(d(n))로 구성되고, 다른 한편으로는 라우드스피커(LS)에 공급된 다음에 트랜스퍼 함수(S(z))를 갖는 2차 경로(S)에 걸쳐 에러 마이크로폰(E)에 전송된 상쇄 신호(y_sum(m))로부터 얻어지는 신호(y'(n))로 구성된다. 음악 소스(MS)로부터의 신호(Music(n))를 필터(F)를 거쳐 화이트 노이즈 소스(NG)에 의해 제공된 신호(FilteredWhiteNoise(n))에 추가함으로써 기준 신호(z(n))가 얻어진다. 상기 기준 신호(z(n))는 필터(W)의 출력 신호(y(n))에 추가되고, 두 신호의 합은 신호(y_sum(n))를 형성한다.

상기 기준 신호(z(n))는 또한, 고속 푸리에 변환 유닛(FFT₂)에 공급되어, 신호(Z(ω)_r)로 변환되며, 이 신호는 트랜스퍼 함수(S^(z))를 갖는 적응식 필터(S^₃) 를 통한 필터링 및 후속하여 유닛(IFFT₁)을 통한 역 고속 푸리에 변환 후에 에러 신호(e(n))로부터 차감되어, 신호(e'(n))를 생성한다. 상기 고속 푸리에 변환 유닛(FFT₁)은 상기 신호(e'(n))를 신호(E'(ω))로 변환하며, 이 신호는 상기 신호(Z(ω))와 함께, 최소 평균 자승법 알고리듬을 이용하는 필터(S^₁, S^₂, S^₃)의 필터 계수를 적응식으로 제어하기 위한 유닛(LMS₂)에 공급된다. 상기 신호(E'(ω))는 또한 심리 음향 마스킹 모델 유닛(PMM)용의 입력 신호로서 사용되는데, 상기 유닛은 에러 마이크로폰의 위치(즉, 헤드폰의 위치)에서 노이즈를 통한 현재의 마스킹의 고려하에, 신호(GAIN(ω))를 생성하고, 이 신호는 상기 기준 신호(z(n))를 결정하는데 사용된다. 이를 위해, 상기 신호(GAIN(ω))는 역 고속 푸리에 변환 유닛(IFFT₂)에 의해 시간 신호(Gain(n))로 변환되고, 원형 콘볼루션 생성물을 피하기 위한 구속 유닛(C)에 의해 셋팅되며, 여기서 상기 필터(F)의 계수는 상기 설정된 새로운 필터 계수에 대응하는 신호(Gain(n))에 의해 제어된다. 상기 FilteredWhiteNoise(n) 신호는 상기 2차 경로(P)의 시스템 식별을 위한 알아들을 수 없는 기준 신호와 매치된다(상기 기준 신호는 현재의 노이즈 신호의 가청 임계치 미만으로 설정되어 있어서 알아들을 수 없다)

상기 기준 신호(z(n))는 또한 유용한 신호(Music(n))를 포함할 수도 있지만, 상기 신호는 본 시스템의 기능을 위해 반드시 필요한 것은 아니다. 상기 신 호(e'(n))는 신호(x^(n))를 얻기 위하여 상기 필터(S^₂)의 트랜스퍼 함수(S(z))를 통해 상기 신호(y(n))로부터 유도된 신호(y'(n))에 추가된다. 상기 신호(x^(n))는 적응식 필터(W)용 입력 신호를 나타내고, 또한 트랜스퍼 함수(S(z))를 갖는 필터(S^₁)에 의한 처리 후에, 필터(W)의 필터 계수를 적응식으로 제어하기 위한 최소 평균 자승법 알고리듬을 이용하는 유닛(LMS₁)에의 신호(e'(n))뿐만 아니라 신호(x'^(n))로서 사용된다.

도 14는 심리 음향 마스킹 모델 유닛(PMM)을 이용하여 자동차 내부에서 노이즈를 제어하는 ANC/MST 시스템을 보여준다. 도 13에 도시한 헤드폰 애플리케이션과는 대조적으로, 본 애플리케이션은 예상된 노이즈 신호와 상관된 기준 신호(f_n(n))를 갖고 있는데, 피드포워드 ANC/MST 시스템이 채용된다. 상기 기준 신호(f_n(n))는 노이스 소스 위치에 배열된 비-음향 센서, 예컨대 압전 변환기(piezoelectric transducer) 또는 전자-음향 변환기, Hall 요소, rpm 미터를 통해 생성된다. 도 14에 도시한 회로는 공간적 특성(예컨대, 자동차 내부)이 알려진 환경에서 사용되므로, 피드포워드 시스템에 대해 요구되는 인과율 조건(이에 따라 상기 기준 신호(f_n(n))용 센서는 항상 에러 마이크로폰(E)보다, 감소될 노이즈 신호의 소스에 더 가깝게 있어야 한다)은 이들 구성 요소의 적절한 위치 배치에 의해 만족될 수 있다.

도 14의 시스템은 도 13의 시스템과, 추가로 시간 도메인으로부터 주파수 도메인으로 신호를 고속 푸리에 변환하기 위한 제3 유닛(FFT₃), 제1 계산 회로(CALC₁) 및 제2 계산 회로(CALC₂)를 포함한다. 도 14의 시스템은 또한 도 13의 시스템 외에도, 적응식 대역 통과 필터(BP)와, 상기한 것과 같은 비-음향 센서(NAS)를 특징으로 한다.

도 14의 시스템에서, 에러 마이크로폰(E)에서의 에러 신호(e(n))는 도 13의 시스템에서와 같이, 신호(d(n) 및 y_sum(n))로 구성된다. 기준 신호(z(n))는 음악 소스(MS)로부터의 신호(Music(n))와, 신호(FilteredWhiteNoise(n))로 구성된다. 상기 기준 신호(z(n))는 1-β로 가중된 필터(W)의 출력 신호(y(n))에 추가되어, 신호(y_sum(n))를 생성한다. 상기 신호(z(n))는 다시 고속 푸리에 변환 유닛(FFT₂)을 통해 공급되어, 신호(Z(ω))를 얻는데, 이 신호는 적응식 필터(S^₃)를 통한 필터링 및 후속되는 유닛(IFFT₁)을 통한 역 고속 푸리에 변환 후에, 에러 신호(e(n))로부터 차감되어, 도 13과 비교하여, 신호(e"(n))를 생성한다. 상기 신호(e"((n))는 고속 푸리에 변환 유닛(FFT₁)에 의해 신호(E"(ω))로 변환된다. 상기 신호(E"(ω))는 심리 음향 마스킹 모델 유닛(PMM)용 입력 신호로서 사용되는데, 상기 유닛은 에러 마이크로폰의 위치에서 노이즈를 통한 현재의 마스킹의 고려하에, 신호(GAIN(ω))를 생성하고, 이 신호는 기준 신호(z(n))를 결정하는데 사용된다. 이를 위해, 주파수 도메인 내의 신호(GAIN(ω))는 역 고속 푸리에 변환 유닛(IFFT₂)에 의해 시간 도메인 내의 신호(Gain(ω))로 변환되고, 세팅된 새로운 필터 계수(Gain(n))가 로드되는 필터(F)를 이용하여, 상기 소스(NG)로부터 생성된 신호(WhiteNoise(n))가 신호(FilteredWhiteNoise(n))로 변환되는 그러한 방식으로 구속 유닛(C)에 의해 구속된다. 상기 FilteredWhiteNoise(n) 신호는 상기 2차 경로(P)의 시스템 식별을 위한 알아들을 수 없는 기준 신호와 매치된다(상기 기준 신호는 현재의 노이즈 신호의 가청 임계치 미만으로 설정되어 있어서 알아들을 수 없다). 더욱이, 상기 기준 신호(z(n))는 유용한 신호(Music(n))를 포함할 수도 있는데, 이는 본 시스템의 기능을 위해 반드시 필요한 것은 아니다. 신호(e^(n))는 입력에서 β·y(n)이 공급된 필터(S^₂)에 의해 출력된 신호(e"(n))로부터 차감된다. 상기 신호(e^(n))는 고속 푸리에 변환 유닛(FFT₃)에 의해 신호(E'(ω))로 변환되고, 상기 필터(S^₁, S^₂, S^₃)의 필터 계수를 적응식으로 제어하기 위한 유닛(LMS₂)에서 Z(ω)와 함께 사용된다.

상기 비-음향 센서(NAS)는 음향 노이즈 신호(x(n))와 상관된 전기적 신호를 생성하는데, 상기 전기적 신호는 상기 신호(f_n(n))가 얻어지는 계산 회로(CALC₁)에 공급된다. 다음에, 신호 발생기(SG)는 노이즈 신호에 대응하는 필터(W)용 입력 신 호(x_c(n))를 생성한다(여기서, x_c(n)~x(n)). 상기 계산 유닛(CALC₂)은 상기 적응식 대역통과 필터(BP)용 필터 계수(K(n))를 결정한다. 트랜스퍼 함수(S^(z))를 갖는 필터(S^₁)를 이용하여, 상기 신호(x_c(n))는 신호(x'(n))로 변환된 다음에, 최소 평균 자승법 알고리듬을 이용하는 필터(F)의 필터 계수의 적응식 제어를 위한 회로(LMS₁)의 제어를 위해 대역통과 필터(BP)를 통해 필터링된 신호(e'(n))와 함께 이용된다.

도 15의 시스템은 심리 음향 마스킹 모델 유닛(PMM)을 이용하여 자동차의 내부에서 노이즈를 제어하기 위한 ANC/MST 시스템이다. 도 14에 도시한 피드포워드 시스템 외에, 도 15의 시스템은 또한 하이브리드 ANC/MST 시스템을 생성하는 피드백 시스템을 포함하는데, 이는 피드포워드 시스템 및 피드백 시스템의 특정 이점들을 조합한다. 특히, 상기 피드백 경로는, 외부로부터 확산식으로 그리고 랜덤하게 침입하고, 이전에 알려진 노이즈 소스(QS)에서 결정된 기준 신호(x(n))와 상관되지 않는 자동차 내부의 노이즈 신호를 성공적으로 감소시킬 수 있다.

도 14의 트랜스퍼 함수(W(z))를 갖는 필터(W)는 도 15의 시스템에서, 트랜스퍼 함수(W_FF(z))를 갖는 균등의 필터(W₁)로 대체되는데, 이는 도 14에 도시한 시스템과 균등한 피드포워드 시스템의 일부이다. 또한, 도 15의 시스템은 피드백 경로 용 트랜스퍼 함수(W_FB(z))를 갖는 제2 필터(W₂)와, 최소 평균 자승법 알고리듬을 이용하여 필터(W₂)의 필터 계수를 적응식으로 제어하기 위한 제3 유닛(LMS₃)을 포함한다. 도 15의 시스템은 또한, 트랜스퍼 함수(S^(z))를 갖는 제4 필터(S^₄)와, 트랜스퍼 함수(S^(z))를 갖는 제5 필터(S^₅)를 포함하는데, 이들 트랜스퍼 함수는 2차 경로(S)의 트랜스퍼 함수(S(z))로부터 시스템을 식별하는 상기 방법을 이용하여 추정된다.

도 14의 시스템에서처럼, 에러 마이크로폰(E)에서의 에러 신호(e(n))는 노이즈 소스(QS)에 의해 생성되고 노이즈(x(n))로부터 트랜스퍼 함수(P(z))로 1차 경로(P) 상에서 필터링되는 신호(x(n))와 신호(y'(n))로 구성되는데, 이 신호는 라우드스피커(LS)와 2차 경로(S)의 트랜스퍼 함수에 의해 필터링된 상쇄 신호(y_sum(n))이다. 기준 신호(z(n))는 음악 소스(MS)로부터의 신호(Music(n))와, 필터(F)에 의해 심리 음향 마스킹 모델로 평가한 화이트 노이즈 소스(NG)로부터의 신호(FilteredWhiteNoise(n))의 합으로부터 유도된다. 기준 신호(z(n))는 1-β로 가중된 필터(W₁)의 출력 신호(y(n)), 트랜스퍼 함수(W_FB(z))를 갖는 필터(W₂)의 출력 신호(y_FB(n))에 추가되어, 신호(y_sum(n))를 생성한다.

상기 신호(z(n))는 또한 고속 푸리에 변환 유닛(FFT₂)을 경유하여 신호 (Z(ω))로 변환되는데, 이 신호는 트랜스퍼 함수(S^(z))를 갖는 적응식 필터(S^₃)를 통한 필터링 및 후속되는 유닛(IFFT₁)을 통한 역 고속 푸리에 변환 후에, 에러 신호(e(n))로부터 차감되어, 도 13의 시스템과 비교하여, 신호(e"(n))를 생성한다. 시간 도메인 내의 상기 신호(e"(n))는 고속 푸리에 변환 유닛(FFT₁)에 의해 주파수 도메인 내의 신호(E"(ω))로 변환된다. 상기 신호(E"(ω))는 심리 음향 마스킹 모델 유닛(PMM)용 입력 신호로서 사용되는데, 상기 유닛은 에러 마이크로폰(E)의 위치에서의 노이즈를 통한 현재의 마스킹의 고려하에 신호(GAIN(ω))를 생성하며, 이 신호는 필터(F)를 통해 기준 신호(z(n))를 결정하는데 사용된다. 이를 위해, 신호(GAIN(ω))는 역 고속 푸리에 변환 유닛(IFFT₂)에 의해 시간 신호(Gain(n))로 변환되고, 세팅된 새로운 필터 계수(Gain(n))가 로드되는 필터(F)를 이용하여, 상기 소스(NG)로부터 생성된 신호(WhiteNoise(n))가 신호(FilteredWhiteNoise(n))로 변환되는 그러한 방식으로 구속 유닛(C)에 의해 구속된다.

상기 FilteredWhiteNoise(n) 신호는 상기 2차 경로(P)의 시스템 식별을 위한 알아들을 수 없는 기준 신호와 매치된다(상기 기준 신호는 현재의 노이즈 신호의 가청 임계치 미만으로 설정되어 있어서 알아들을 수 없다). 더욱이, 상기 기준 신호(z(n))는 또한 유용한 신호(Music(n))를 포함할 수 있지만, 이 신호는 본 시스템의 기능을 위해 반드시 필요한 것은 아니다. 신호(e^(n))는 필터(S^₂)의 트랜스퍼 함수(S^(z))를 갖는 β*y(n)로부터 차감되어, 신호(e'(n))를 얻는다. 이 신호(e'(n))는 고속 푸리에 변환 유닛(FFT₃)에 의해 신호(E'(ω))로 변환되고, 최소 평균 자승법 알고리듬을 갖는 필터(S^₁, S^₂, S^₃, S^₄, S^₅)의 필터 계수를 적응식으로 제어하기 위한 유닛(LMS₂) 내에서 Z(ω)와 함께 사용된다.

상기 비-음향 센서(NAS)는 다시, 노이즈 신호와 상관되어 있는 전기적 신호를 생성하는데, 이를 이용하여 신호(f_n(n))가 계산 유닛(CALC₁)으로부터 얻어진다. 신호 생성기(SG)는 상기 노이즈 신호에 대응하는 필터(W)용 입력 신호(x(n))를 생성한다. 계산 유닛(CALC₂)은 적응식 대역통과 필터(BP)용 필터 계수(K(n))를 결정한다. 트랜스퍼 함수(S^(z))를 갖고 있는 필터(S^₁)를 이용하여, 신호(x(n))는 신호(x'(n))로 변환된 다음에, 최소 평균 자승법 알고리듬을 이용하는 필터(W)의 필터 계수를 적응식으로 제어하기 위한 유닛(LMS₁)의 제어를 위해 대역통과 필터(BP)를 통해 필터링된 신호(e'(n))와 함께 사용된다. 상기 신호(e'(n))는 필터(S^₅)의 트랜스퍼 함수(S(z))로 필터링된 신호(y_FB(n))로부터 유도된 신호에 추가되어, 신호(x_FB(n))를 얻는다. 상기 신호(x_FB(n))는 적응식 필터(W2)용 입력 신호를 나타내고, 또한 최소 평균 자승법 알고리듬을 이용하는 트랜스퍼 함수(W_FB(z))를 갖는 필터(W₂)의 필터 계수를 적응식으로 제어하기 위한 회로(LMS₂)를 액세스하기 위한 신 호(e'(n))와 함께, 트랜스퍼 함수(S(z))를 갖는 필터(S^₄)를 통한 신호(x'_FB(n))로의 변환 후에 사용된다.

도 13 내지 도 15의 심리 음향 마스킹 모델 유닛(PMM)에 의해 실행되는 심리 음향 마스크 생성 프로세스는 인간 청력의 마스킹 효과를 시뮬레이션하는 심리 음향 모델을 구현한다. 사용된 마스킹 모델은 예컨대, ISO MPEG1 표준에 기재된 바와 같은 MPEG 모델 또는 소위 Johnston 모델에 기초할 수 있다. 도 16 및 도 17에 도시한 예시적인 구현예는 MPEG 모델을 이용한다. 본 명세서에서 설명한 심리 음향 마스크 모델링 프로세스는 신호 프로세서에서 또는 이러한 프로세스를 구동하는 공지의 임의의 다른 유닛 내에서 구현될 수 있다.

도 16 및 도 17에 도시한 심리 음향 마스크 모델링 프로세스는 단계(204)에서 512-샘플 시간-도메인 입력 오디오 데이터 프레임(110)을 윈도우잉하는 Hann 윈도우잉으로 시작한다. Hann 윈도우잉은 평탄한 테이퍼(smooth taper)를 제공하는 Hann 윈도우를 이용하여, 이전의 샘플과 후속 샘플 사이에 512개의 샘플을 효과적으로 센터링한다. 이는 링 엣지 인공물(ringing edge artifacts)을 감소시키는데, 상기 인공물은 그렇지 않을 경우, 시간-도메인 오디오 데이터(110)가 1024-포인트 고속 푸리에 변환(FFT)을 이용하여 주파수 도메인으로 변환되는 경우 단계(206)에서 생성될 것이다. 단계(208)에서, 각각의 주파수 서브-대역에 대한 512개의 에너 지 값의 어레이가 다음에 따라 1024개의 FFT 출력 값들의 대칭 어레이로부터 생성된다. 즉,

E(n) = |X(n)|² = X_R ²(n)+X_I ²(n),

상기 식에서 X(n)=X_R(n)+iX_I(n)은 n번째 스펙트럼 라인의 FFT 출력이다.

이하에서, 소정의 값 또는 엔터티를 로그 함수로서(logarithmic) 또는 로그 함수를 평가한 결과로서 생성되었다면 로그 도메인에 있는 것으로서 설명한다. 로그 값 또는 엔터티가 역동작에 의해 멱지수화되면(exponentiated), 그것은 선형인 것으로서 또는 선형-도메인 내에 있는 것으로서 설명된다.

도 16에 도시한 프로세스에서, 선형 에너지 값(E(n))은 단계(210)에서, P(n)=10log₁₀E(N)에 따라서, 로그 파워 스펙트럼 밀도(PSD) 값(P(n))으로 변환되고, 선형 에너지 값(E(n))은 다시 사용되지 않는다. 상기 PSD 값은 단계(212)에서 96 dB로 정규화된다. 단계(210, 212)는 도 17의 마스크 생성 프로세스(300)에서 생략된다.

두 프로세스의 다음 단계는 각각의 서브-대역에 대한 음압 레벨(SPL) 값을 생성하는 것이다. 도 16의 프로세스에서, SPL 값(L_sb(n))은 다음 식에 따라서, 단 계(214)에서 각각의 서브-대역에 대하여 생성된다.

L_sn(n) = MAX[X_spl(n), 20·log(scf_max(n)·2768)-10]dB

및

상기 식에서, scf_max(n)는 1152개의 샘플을 포함하는 MPEG1 L2 오디오 프레임 내에서 서브-대역(n)의 3개의 스케일 팩터 중 최대치이고, X(k)는 지수(k)의 PSD 값이며, k에 걸친 합은 서브-대역(n) 내의 k 값으로 제한된다. "-10dB"이라는 용어는 피크 레벨과 RMS 레벨 사이의 차이를 보정한다.

도 17의 마스크 모델링 프로세스(300)에서, L_sb(n)은 다음 식에 따라서 단계(302)에서 계산된다.

상기 식에서, X(k)는 지수(k)의 선형 에너지 값이다. "96dB" 용어는 L_sb(n)을 정규화하기 위해 사용된다. 이는 멱지수화를 피함으로써 도 16의 프로세스(200)를 개선한다는 것은 명백하다. 더욱이, SPL 값을 생성하는 효율은 2차 Taylor 확장에 의해 상기 로그를 근사화함으로서 현저히 개선된다. 구체적으로, 로그의 독립 변수(argument)를 Ipt로서 표현하면, 이는 먼저 다음과 같이 x를 결정 함으로써 정규화된다.

I_pt=(I-x)2^m, 0.5<1-x≤1

2차 Taylor 확장을 이용하면

In(1-x) ~ -x-x²/2

이고, 로그는 다음과 같이 근사화될 수 있다.

따라서, 상기 로그는 4번의 곱과 두 번의 합에 의해 근사화되어, 계산 효율을 현저히 개선한다.

다음 단계는 마스킹을 위한 주파수 성분을 식별하는 것이다. 마스킹 성분의 음조(tonality)가 마스킹 임계치에 영향을 미침에 따라, 음조 및 비-음조(노이즈) 마스킹 성분이 별도로 결정된다.

먼저, 로컬 맥시마(local maxima)가 식별된다. 스펙트럼 라인(X(k))은, 다음과 같다면 로컬 맥시멈인 것으로 여겨진다.

X(k) > X(k-1) and X(k) ≥ X(k+1).

도 16의 프로세스(200)에서, 이와 같이 식별된 로컬 맥시멈(X(k))은, 다음과 같다면 단계(216)에서 로그 톤 마스킹 성분인 것으로서 선택된다.

X(k)-X(k+j) ≥ 7dB,

상기 식에서, j는 k에 따라 변동하는 서치 범위이다. X(k)가 톤 성분인 것으로 밝혀지면, 그 값은 다음에 의해 치환된다.

X_tonal(k)= 10log₁₀(10^x(k-1)/10+10^x(k)/10+10^x(k+1)/10)

다음에, 검사된 주파수 범위 내의 모든 스펙트럼 라인은 -∞dB로 설정된다.

도 17의 마스크 모델링 프로세스(300)에서, 로컬 맥시멈(X(k))은, 다음과 같다면 단계(304)에서 선형 음조 마스킹 성분인 것으로 선택된다.

if X(k)·10^-0.7 ≥ X(k+j).

만약 X(k)가 음조 성분인 것으로 밝혀지면, 그 값은 다음에 의해 치환된다.

X_tonal(k) = X(k-1) + X(k) + X(k+1).

다음에, 상기 검사된 주파수 범위 내의 모든 스펙트럼 라인은 0으로 설정된다.

어느 프로세스에서든지 다음 단계는 임계 서브-대역의 대역폭 내의 비-톤 마 스킹 성분들의 강도(intensity)를 식별하고 정하는 것이다. 주어진 주파수에 대하여, 인간 귀의 기저막(basilar membrane)의 동일한 부분을 활성화시키는, 상기 주파수 주변의 주파수 중 최저 대역을 임계 대역(critical band)이라 부른다. 임계 대역폭은 동시 톤(simultaneous tones)에 대한 귀의 분해능(resolving power)을 나타낸다. 서브-대역의 대역폭은 특정 임계 대역의 중심 주파수와 함께 변한다. MPEG-1 표준에 기술되어 있는 바와 같이, 48 kHz 샘플링 레이트에 대하여 26개의 임계 대역이 사용된다. 비-톤(노이즈) 성분은, 상기한 바와 같이 톤 성분이 제거된 후에 남아 있는 스펙트럼 라인으로부터 식별된다.

도 16의 프로세스(200)의 단계(218)에서, 각 임계 대역 내의 남아 있는 스펙트럼 라인의 로그 파워(logarithmic powers)는 선형 에너지 값들로 변환되고, 합해지고, 이어서 다시 로그 파워 값으로 변환되어, 임계 대역에 대응하는 새로운 비-톤 성분(X_noise(k))의 SPL을 제공한다. 숫자 k는 임계 대역의 기하학적 평균에 가장 가까운 스펙트럼 라인의 지수이다.

도 17의 마스크 모델링 프로세스(300)에서, 각 임계 대역 내의 남아 있는 스펙트럼 라인들의 에너지는 단계(306)에서 합해져서, 상기 임계 대역에 대응하는 새로운 비-톤 성분(X_noise(k))을 제공한다. 즉,

서브-대역(n) 내의 k에 대하여

덧셈 동작만이 이용되고, 지수 함수적 또는 로그함수적 평가는 필요하지 않아, 효율을 상당히 개선한다.

다음 단계는 톤 및 비-톤 마스킹 성분을 1/10 제거하는 것이다. 10분의 1을 제거하는 것(decimation; 데시메이션)은 글로벌 마스킹 임계치(global masking threshold)를 생성하는 데 사용되는 마스킹 성분의 수를 줄이는데 이용되는 과정이다.

도 16의 프로세스(200)에서, 로그 성분(X_tonal(k))과 비-톤 성분(X_noise(k))이 다음과 같은 경우에만 마스킹 임계치를 생성할 때 후속 사용을 위해 단계(220)에서 선택된다.

X_tonal(k) ≥ LT_q(k) or X_noise(k) ≥ LT_q(k)

상기 식에서, LT_q(k)는 지수(k)의 주파수에서 절대 임계치(또는 threshold in quiet; TQ)이고, 로그 도메인에서의 TQ 값은 MPEG-1 표준에서 제공된다.

데시메이션은 0.5 Bark 미만의 거리 내에 있는 2개 이상의 음조 성분 상에서 수행되는데, 상기 Bark 스케일은 상기한 바와 같이, 귀의 주파수 분해능이 대략 일정한 주파수 스케일이다(또한 다음 참조: E. Zwicker, Subdivision of the Audible Frequency Range into Critical Bands, J. Acoustical Society of America, vol. 33, p. 248, February 1961). 가장 큰 파워를 갖는 음조 성분은 유지되고, 더 작은 성분은 선택된 음조 성분들의 리스트로부터 제거된다. 이러한 동작을 위해, 임계 대역 도메인 내의 슬라이딩 윈도우가 0.5 Bark의 폭으로 사용된다.

도 17의 마스크 모델링 프로세스(300)에서, 다음과 같은 경우에만 단계(308)에서 선형 성분이 선택된다.

X_tonal(k) ≥ LT_qE(k) or X_noise(k) ≥ LT_qE(k)

상기 식에서, LT_qE(k)는 다음 식에 따라서 로그 도메인 절대 임계치 테이블 LT_q(k)로부터 미리 생성된 선형-도메인 절대 임계치 테이블로부터 취해진다.

LT_qE(k) = 10^log ₁₀ ^[ ^LTq ^(k)-96]/10

상기 식에서, "-96"은 비정규화(denormalization)를 나타낸다.

비정규화 후에, 선형 에너지 도메인 내의 스펙트럼 데이터는 단계(310)에서 로그 파워 도메인으로 변환된다. 종래 프로세스의 단계(206)와는 대조적으로, 로그함수 평가는 상기 효과적인 2차 근사화 방법을 이용하여 수행된다. 이 변환에 이어 단계(212)에서 96dB의 기준 레벨로의 정규화가 이어진다.

마스킹 성분을 선택하고 데시메이션한 후, 다음 단계는 개개의 마스킹 성분 을 생성하는 것이다. k로 표지한 원래의 512개 스펙트럼 데이터 값 중, i로 표지한 서브셋만이 후속하여 이용되어 글로벌 마스킹 임계치를 생성하고, 본 단계는 ISO MPEG1에 기술된 바와 같이, 서브샘플링에 의해 그 서브셋을 결정한다.

서브샘플링된 주파수 도메인 내의 라인의 수(n)는 샘플링 레이트에 의존한다. 48 kHz의 샘플링 레이트에 대하여, n=126이다. 모든 톤 및 비-톤 성분에는 지수 i가 할당되는데, 이 지수는 원래의(즉, 서브-샘플링 전에) 스펙트럼 데이터 내의 대응 스펙트럼 라인의 주파수에 가장 가깝게 대응한다.

다음에, 음조 및 비-음조 성분(LT_tonal, LT_noise)의 개개의 마스킹 성분들에는 다음의 표현이 주어진다.

LT_tonal[z(j),z(i)] = X_tonal[z(j)]+av_tonal[z(j)]+vf[z(j),z(i)]dB

LT_noise[z(j),z(i)] = X_noise[z(j)]+av_noise[z(j)]=vf[z(j),z(i)]dB

상기 식에서, i는 스펙트럼 라인에 대응하는 지수로서, 상기 스펙트럼 라인에서 마스킹 임계치가 생성되고, j는 마스킹 성분의 지수이다. 즉 z(i)는 i번째 스펙트럼 라인의 Bark 스케일 값이고, z(j)는 j번째 라인의 Bark 스케일 값이며, 폼 X[z(j)]는 (음조 및 비-음조) 마스킹 성분의 SPL이다. 마스킹 지수라고 지칭되는 av라는 용어는 다음과 같이 주어진다.

av_tonal = [-1.525-0.275·z(j)-4.5]dB

av_noise = [-1.525-0.175·z(j)-0.5]dB

vf는 마스킹 성분의 마스킹 함수이고, Bark 스케일(dz, dz=z(i)-z(i))의 거리에 따라서 상이한 하위 및 상위 기울기(lower and upper slopes)를 포함한다.

도 16의 프로세스(200)에서, 개개의 마스킹 임계치는 다음과 같이 주어진 마스킹 함수(vf)를 이용하여 단계(222)에서 계산된다.

vf = 17·(dz+1)-0.4·X[z(j)]-6dB, for -3 ≤ dz < -1 Bark

vf = {0.4·X[z(j)]+6}·dz dB, for -1 ≤ dz < 0 Bark

vf = -17·dz dB, for 0 ≤ dz < 1 Bark

vf = -17·dz+0.15·X[z(j)]v (dz-1) dB, for 1≤dz<8 Bark

상기 식에서, X[z(j)]는 지수 j를 갖는 마스킹 성분의 SPL이다. dz가 -3Bark보다 작거나 dz이 8 Bark보다 크다면 어떠한 마스킹 임계치도 생성되지 않는다.

마스킹 함수(vf)의 평가는 이 단계에서 계산적으로(computationally) 가장 집중적인 부분이다. 상기 마스킹 함수는 두 가지 종류, 즉 하향 마스킹(dz<0 인 경우)과 상향 마스킹(dz≥0인 경우)으로 분류될 수 있으며, 하향 마스킹은 상향 마 스킹보다 꽤 덜 현저하다. 그 결과, 도 17의 마스크 생성 프로세스에서 상향 마스킹만이 이용된다. 추가의 분석에 따르면, 1≤dz<8 Bark에 대하여 마스킹 함수에서 두 번째 항목은 통상 제1 항목, -17·dz의 약 1/10이다. 그 결과, 두 번째 항목은 폐기될 수 있다.

따라서, 도 17의 마스크 생성 프로세스(300)는 다음과 같은 마스킹 함수(vf)에 대한 단일 표현을 이용하여 단계(312)에서 개개의 마스킹 임계치들을 생성한다.

vf=-17·dz, 0≤dz<8

상기 마스킹 지수(av)는 도 16의 프로세스(200)에서 사용된 것으로부터 수정되지 않는데, 왜냐하면 상기 마스킹 지수는 개별 마스킹 임계치(LT)에 상당한 기여를 하고, 계산적으로 지나치게 요구되는 것이 아니기 때문이다. 상기 개별 마스킹 임계치들이 생성된 후에, 글로벌 마스킹 임계치가 생성된다.

도 16의 프로세스(200)에서, i번째 주파수 샘플에서의 글로벌 마스킹 임계치(LTg(i))는, 다음 식에 따라서, 개별 마스킹 임계치들에 대응하는 파워와 TQ를 합함으로써, 단계(224)에서 생성된다.

상기 식에서, m은 음조 마스킹 성분의 총수이고, n은 비-음조 마스킹 성분의 총수이다. TQ(LT_q)는 채널 당 96 kbps 이상의 비트 레이트에 대하여 -12dB 만큼 옵셋된다. 이 단계는 평가되는 지수함수와 로그함수의 수로 인해 계산적으로 많은 것을 요구한다는 것은 명백하다.

도 17의 마스크 생성 프로세스(300)에서, 이들 평가는 피해지고 보다 적은 항목들은 사용되지 않는다. i번째 주파수 샘플에서의 글로벌 마스킹 임계치(LT_g(i))는 단계(314)에서, 다음식에 따라 개별 마스킹 임계치들에 대응하는 파워와 TQ를 비교함으로써 생성된다.

비-음조 마스킹 성분(LT_noise)과 가장 큰 음조 마스킹 성분(LT_tonal)은 구별된다. 다음에 이들은 LT_qx(i))와 비교된다. 이들 세 개의 값 중 최대값은 i번째 주파수 샘플에서의 글로벌 마스킹 임계치로서 선택된다. 이는 경우에 따라 할당에서의 계산적 요구를 감소시킨다. 상기한 바와 같이, TQ(LT_q)는 채널당 96 kbps 이상의 비트 레이트에 대하여 -12dB 만큼 옵셋된다.

마지막으로, 두 프로세스의 단계(226)에서 신호-대-마스크 비율 값이 계산된다. 먼저, 서브-대역(n) 내의 최소 마스킹 레벨(LT_min(n))이 다음 식에 따라 결정된다.

LT_min(n) = Min[LTg(i)]dB; f or f(i) in subband n,

상기 식에서, f(i)는 서브-대역(n) 내의 i번째 주파수 라인이다. 서브-대역마다 최소 마스킹 임계치(LT_min(n))가 결정된다. 서브-대역(n)마다의 신호-대-마스크 비율은 그 서브-대역의 최소 마스킹 임계치를 대응 SPL 값에서 차감함으로써 생성된다. 즉,

SM_ab = L_ab(n) - LT_min(n)

상기 마스크 모델은 각각의 서브-대역(n)에 대한 신호-대-마스크 비율 데이터(SMRsb)(n))를 양자화기(quantizer)에 보내는데, 상기 양자화기는 그 데이터를 이용하여, MPEG-1 표준에 기술되어 있는 바와 같이, 어떻게 가장 효율적으로 이용 가능한 데이터 비트를 할당할지 또 스펙트럼 데이터를 양자화할지를 결정한다.

상기 예에서 유용한 효과는 현재 이용 가능한 노이즈 레벨과 자동차의 탑승자 영역 내에서의 노이즈 레벨의 스펙트럼 속성을 고려하여 유도되는데, 상기 자동차에 대하여 상기 2차 경로의 트랜스퍼 함수의 결정을 위한 테스트 신호가 선택되며, 이때 그 신호가 탑승자가 알아들을 수 없는 방식으로 선택된다. 현재의 노이 즈 레벨은 풍란(wind disturbances)과 같은 원하지 않는 장애 신호(obstructive signals), 바퀴 구르는 소리(wheel-rolling sound), 음향적으로 모델링된 엔진 노이즈와 같은 바람직하지 않은 노이즈 및 몇몇 경우에 동시에 릴레이된 음악 신호 등을 포함할 수 있다. 관련 심리 음향 요구 사항이 충족된다면 임의의 주어진 오디오 신호에 알아들을 수 없는 정보를 추가할 수 있는 효과가 이용된다. 본 명세서에 제시된 경우는 특히 마스킹의 심리 음향 효과를 참조한다.

상기 심리 음향 마스킹 방법은 현재의 노이즈 레벨에 적응식으로 응답하고, 동시에 (음악과 같은) 오디오 신호는 원하는 마스킹 효과를 얻기 위해 반드시 필요한 것은 아니다라는 양태로부터 추가의 이점을 유도할 수 있다.

본 발명을 구현하는 여러 실시예를 설명하였지만, 당업자에게는 본 발명의 사상 및 범위를 벗어나지 않으면서 여러 가지 변형 및 수정이 가능하다는 것이 명백하다. 당업자에게는 동일한 기능을 수행하는 다른 구성 요소들이 적절히 치환될 수 있다는 것이 명백하다. 본 발명에 대한 이러한 수정은 모두 첨부한 특허청구범위에 의해 포함된다.

도 1은 본 발명에 따른 시스템의 블록도이다.

도 2는 사인곡선 톤와 광대역 노이즈 신호의 레벨의 함수로서 소리의 세기를 표시한 도면이다.

도 3은 화이트 노이즈에 의한 톤의 마스킹을 보여주는 도면이다.

도 4는 주파수 도메인에서 마스킹 효과를 보여주는 도면이다.

도 5는 250Hz, 1kHz, 및 4kHz의 중심 주파수에서 임계 주파수 협대역 노이즈에 대한 마스킹된 임계치(masked threshold)를 보여주는 도면이다.

도 6은 사인 곡선의 톤에 의한 마스킹 효과를 보여주는 도면이다.

도 7은 동시의 프리- 및 포스트-마스킹을 보여주는 도면이다.

도 8은 소리 세기 인지와 테스트 톤 펄스의 지속 시간의 관계를 보여주는 도면이다.

도 9는 마스킹된 임계치와 테스트 톤 펄스의 반복률의 관계를 보여주는 도면이다.

도 10은 포스트-마스킹 효과를 전체적으로 보여주는 도면이다.

도 11은 마스커의 지속 시간과 관련하여 포스트-마스킹 효과를 보여주는 도면이다.

도 12는 복합 톤에 의한 동시 마스킹을 보여주는 도면이다.

도 13은 심리 음향 시스템 식별을 위한 예시적인 시스템을 보여주는 블록도이다.

도 14는 심리 음향 시스템 식별을 위한 다른 실시예의 시스템을 보여주는 블록도이다.

도 15는 심리 음향 시스템 식별을 위한 또 다른 실시예의 시스템을 보여주는 블록도이다.

도 16은 선형 함수를 평가하는 마스킹 모델을 구현하는 절차의 흐름도이다.

도 17은 대수 함수를 평가하는 마스킹 모델을 구현하는 절차의 흐름도이다.

Claims

노이즈 소스에 의해 방출되는 청취 위치에서의 원하지 않는 노이즈 신호를 능동 제어하기 위한 시스템으로서, 상기 원하지 않는 신호는 1차 경로 트랜스퍼 함수를 갖는 일차 경로를 통하여 상기 청취 위치에 전달되는 것인, 상기 시스템은,

상기 원하지 않는 노이즈 신호를 감소 또는 상쇄하는 상쇄 신호를 방출하기 위한 라우드스피커로서, 상기 상쇄 신호는 상기 라우드스피커로부터 2차 경로를 경유하여 상기 청취 위치로 전송되는 것인 상기 라우드스피커와;

에러 신호를 통하여, 이루어진 감소 레벨을 결정하기 위한 상기 청취 장소에 있는 에러 마이크로폰(E)과;

상기 에러 마이크로폰으로부터의 상기 에러 신호와 상기 원하지 않는 노이즈를 나타내는 신호를 이용하여 상기 1차 경로 트랜스퍼 함수에 적합하게 된 트랜스퍼 함수로 상기 원하지 않는 노이즈 신호를 나타내는 신호를 필터링함으로써 상기 상쇄 신호를 생성하기 위한 제1 적응식 필터와;

상기 제1 적응식 필터로부터의 상기 상쇄 신호와 함께 상기 라우드스피커로 공급되는 기준 신호를 생성하기 위한 기준 발생기

를 포함하고,

상기 기준 신호는 상기 청취 장소에 존재하는 상기 원하지 않는 노이즈 신호 및/또는 원하는 신호에 의하여 상기 청취 장소에서 청취자를 위하여 마스킹되는 그러한 진폭 및/또는 주파수를 갖는 것인 시스템.
제1항에 있어서, 상기 기준 신호의 진폭 및/또는 주파수는 에러 마이크로폰으로부터의 에러 신호에서 사람 청취의 마스킹을 모델링하는 심리 음향 마스킹 모델 유닛에 의해 결정되는 것인 시스템.
제2항에 있어서, 상기 심리 음향 마스킹 모델 유닛은 일시적 마스킹을 모델링하는 것인 시스템.
제2항 또는 제3항에 있어서, 상기 심리 음향 마스킹 모델 유닛은 스펙트럼 마스킹을 모델링하는 것인 시스템.
제2항 내지 제4항 중 어느 한 항에 있어서, 상기 심리 음향 마스킹 모델 유닛은 주파수 도메인에서 작동되는 것인 시스템.
제1항 내지 제5항 중 어느 한 항에 있어서, 상기 제1 적응식 필터는 최소 평균 자승(LMS) 알고리듬에 따라 적응하는 것인 시스템.
제7항 또는 제8항에 있어서, 상기 제1 필터는 filtered X 최소 평균 자승(filtered x-LMS) 알고리듬에 따라 적응하는 것인 시스템.
제7항에 있어서, 2차 경로의 트랜스퍼 함수를 모델링하는 트랜스퍼 함수를 갖는 제2 적응식 필터를 더 포함하며, 상기 제2 적응식 필터는 상기 제1 적응식 필터의 적응을 위해 이용되는 상기 원하지 않는 노이즈를 나타내는 신호를 필터링하기 위해 상기 제1 적응식 필터에 연결되어 있는 것인 시스템.
제8항에 있어서, 상기 제2 적응식 필터는 최소 평균 자승(LMS) 알고리듬에 따라 적응하는 것인 시스템.
제1항 내지 제9항 중 어느 한 항에 있어서, 상기 제1 적응식 필터에 공급되는 원하지 않는 노이즈 신호를 나타내는 상기 신호는 상기 제1 적응식 필터에 의해 출력되는 신호 및 상기 에러 신호로부터 유도되고, 상기 2차 경로의 전달 함수를 모델링하는 트랜스퍼 함수를 갖는 제3 적응식 필터에 의해 필터링되는 것인 시스템.
제10항에 있어서, 상기 제1 적응식 필터에 공급되는 원하지 않는 노이즈 신호를 나타내는 신호는 상기 2차 경로의 트랜스퍼 함수를 모델링하는 트랜스퍼 함수를 갖는 제4 적응식 필터로 필터링된 기준 신호로부터 추가로 유도되는 것인 시스템.
제11항에 있어서, 상기 제4 필터는 주파수 도메인에서 작동하며, 상기 제4 필터는 상류측에 연결된 시간-대-주파수 변환기 및 하류측에 연결된 주파수-대-시간 변환기를 갖는 것인 시스템.
제1항 내지 제12항 중 어느 한 항에 있어서, 상기 제1 적응식 필터에 공급되는 상기 원하지 않는 노이즈 신호를 나타내는 상기 신호는 비-음향 센서로부터 유도되며, 상기 비-음향 센서는 센서 신호를 제공하고, 상기 원하지 않는 노이즈 소스 부근에 배치되는 것인 시스템.
제13항에 있어서, 상기 비-음향 센서의 하류측에 연결되어 상기 센서 신호로부터 기본 신호를 계산하는 기본 계산 유닛 및 상기 기본 계산 유닛의 하류측에 연결되어 상기 기본 신호로부터 상기 원하지 않는 노이즈 신호를 나타내는 신호를 생성하는 신호 생성기를 더 포함하는 시스템.
제14항에 있어서, 상기 제1 적응식 필터에 공급되는 에러 신호를 필터링하기 위한 필터 계수를 갖는 대역 통과 필터를 더 포함하며, 상기 필터 계수는 상기 기본 계산 유닛의 하류측에 연결된 계수 계산 유닛에 의해 제어되는 것인 시스템.
제1항 내지 제15항 중 어느 한 항에 있어서, 상기 기준 신호는 원하는 신호 소스에 의해 제공된 원하는 신호를 포함하는 것인 시스템.
제1항 내지 제16항 중 어느 한 항에 있어서, 상기 제1 적응식 필터에 의해 출력되는 신호는 가중 인자로 곱해지는 두 개의 부분 신호로 분할되며; 상기 부분 신호 중 하나는 상기 라우드스피커에 공급되고 다른 하나는 상기 에러 신호에 추가되는 출력 신호를 갖는 2차 경로를 모델링하는 제5 적응식 필터에 공급되는 것인 시스템.
제17항에 있어서, 상기 가중치의 합은 1인 시스템.
제1항 내지 제18항 중 어느 한 항에 있어서, 상기 1차 경로를 모델링하기 위한 제6 적응식 필터를 더 포함하며, 상기 제6 적응식 필터는 상기 라우드스피커에 공급되는 출력 신호를 제공하며 그 출력 시그널과 상기 기준 신호의 합이 공급되는 것인 시스템.
노이즈 소스에 의해 방출된, 청취 위치에서의 원하지 않는 노이즈를 능동 제어하기 위한 방법으로서, 상기 원하지 않는 노이즈는 1차 경로 트랜스퍼 함수를 갖는 1차 경로를 경유하여 상기 청취 장소로 전송되는 것인 상기 방법은,

상기 원하지 않는 노이즈 신호를 감소 또는 상쇄하는 상쇄 신호를 방출하는 단계로서, 상기 상쇄 신호는 라우드스피커로부터 2차 경로를 통하여 상기 청취 장소로 전송되는 것인, 상기 상쇄 신호를 방출하는 단계;

에러 신호를 통하여, 상기 청취 장소에서 이루어진 감소 레벨을 결정하는 단 계;

상기 에러 신호와 상기 원하지 않는 노이즈를 나타내는 신호를 이용하는 1차 경로 트랜스퍼 함수에 적합하게 된 트랜스퍼 함수로 상기 원하지 않는 노이즈 신호를 나타내는 신호를 필터링함으로써 상기 상쇄 신호를 생성하기 위한 제1 적응식 필터링 단계; 및

상기 제1 적응식 필터링 단계로부터의 상기 상쇄 신호와 함께 상기 라우드스피커로 공급되는 기준 신호를 생성하는 단계

를 포함하고,

상기 기준 신호는 상기 청취 장소에 존재하는 상기 원하지 않는 노이즈 신호 및/또는 원하는 신호에 의하여 상기 청취 장소에서 청취자를 위하여 마스킹되는 그러한 진폭 및/또는 주파수를 갖는 것인 방법.
제20항에 있어서, 상기 기준 신호의 진폭 및/또는 주파수는 상기 에러 신호에서 사람 청취의 마스킹을 모델링하는 심리 음향 마스킹 모델 유닛에 의해 결정되는 것인 방법.
제21항에 있어서, 상기 심리 음향 마스킹 모델링 단계는 일시적 마스킹을 모델링하는 것인 방법.
제20항 또는 제21항에 있어서, 상기 심리 음향 마스킹 모델링 단계는 스펙트 럼 마스킹을 모델링하는 것인 방법.
제21항 내지 제23항 중 어느 한 항에 있어서, 상기 심리 음향 마스킹 모델링 단계는 주파수 도메인에서 실행되는 것인 방법.
제20항 내지 제24항 중 어느 한 항에 있어서, 상기 제1 적응식 필터링 단계는 최소 평균 자승(LMS) 알고리듬에 따라 적응하는 것인 방법.
제25항에 있어서, 상기 제1 단계는 필터링된 X 최소 평균 자승(filtered x-LMS) 알고리듬에 따라 적응하는 것인 방법.
제26항에 있어서, 상기 2차 경로의 전달 함수를 모델링하는 전달 함수를 이용하는 제2 적응식 필터링 단계를 더 포함하며, 상기 제2 적응식 필터는 상기 제1 적응식 필터의 적응을 위해 이용되는 상기 원하지 않는 노이즈 신호를 나타내는 신호를 필터링하기 위해 상기 제1 적응식 필터에 연결되어 있는 것인 방법.
제27항에 있어서, 상기 제2 적응식 필터는 최소 평균 자승(LMS) 알고리듬에 따라 적응하는 것인 방법.
제20항 내지 제28항 중 어느 한 항에 있어서, 상기 제 1 적응식 필터링 단계 에 이용되는 상기 원하지 않는 노이즈 신호를 나타내는 상기 신호는 상기 제1 적응식 필터링 단계에 의해 출력되는 신호 및 상기 에러 신호로부터 유도되고 2차 경로의 전달 함수를 모델링하는 전달 함수를 갖는 제3 적응식 필터링 단계에서 필터링되는 것인 방법.
제29항에 있어서, 상기 제1 적응식 필터링 단계에서 이용되는 상기 원하지 않는 노이즈 신호를 나타내는 신호는 2차 경로의 전달 함수를 모델링하는 전달 함수를 갖는 제4 적응식 필터링 단계에서 필터링된 기준 신호로부터 추가로 유도되는 것인 방법.
제30항에 있어서, 상기 제4 필터링 단계는 주파수 도메인에서 실행되며, 상기 제4 필터링 단계는 상기 제4 필터링 단계에 앞서는 시간-대-주파수 변환 단계 및 상기 제4 필터링 단계에 후속하는 주파수-대-시간 변환 단계를 포함하는 것인 방법.
제20항 내지 제31항 중 어느 한 항에 있어서, 상기 제1 적응식 필터링 단계에서 이용되는 상기 원하지 않는 노이즈 신호를 나타내는 상기 신호는 비-음향 센서로부터 유도되며, 상기 비-음향 센서는 센서 신호를 공급하고 상기 원하지 않는 노이즈 소스 근처에 배치되는 것인 방법.
제32항에 있어서, 상기 센서 신호로부터 기본 신호를 계산하기 위한 기본 계산 단계 및 상기 기본 시그널로부터 상기 원하지 않는 노이즈 신호를 나타내는 상기 신호를 생성하기 위한 신호 생성 단계를 더 포함하는 방법.
제33항에 있어서, 상기 제 1 적응식 필터링 단계에서 이용되는 에러 신호를 필터링하기 위한 필터 계수를 이용하는 대역 통과 필터링 단계를 더 포함하며, 상기 필터 계수는 상기 기본 신호를 이용하는 계수 계산 단계에 의해 제어되는 것인 방법.
제20항 내지 제34항 중 어느 한 항에 있어서, 상기 기준 신호는 원하는 신호 소스에 의해 제공되는 원하는 신호를 포함하는 것인 방법.
제20항 내지 제35항 중 어느 한 항에 있어서, 상기 제 1 적응식 필터링 단계에 의해 출력되는 신호는 가중 인자로 곱해지는 두 개의 부분 신호로 분할되며; 상기 부분 신호 중 하나는 라우드스피커에 공급되고 다른 하나는 상기 에러 신호에 추가되는 출력 신호를 갖는 2차 경로를 모델링하는 제5 적응식 필터링 단계에 의해 이용되는 것인 방법.
제36항에 있어서, 상기 가중치의 합은 1인 방법.
제20항 내지 제37항 중 어느 한 항에 있어서, 상기 1차 경로를 모델링하기 위한 제6 적응식 필터링 단계를 더 포함하며, 상기 제6 적응식 필터링 단계는 라우드스피커에 공급되는 출력 신호를 제공하며 그 출력 신호와 기준 신호의 합이 입력되는 것인 방법.