TARTALOMJEGYZÉK

TARTALOMJEGYZÉK........................................................................................................11. BEVEZETÉS.................................................................................................................22. A ZAJOK TÍPUSAI.......................................................................................................33. A ZAJJAL KAPCSOLATOS ALAPFOGALMAK......................................................54. AKTÍV ZAJELNYOMÁS ELMÉLETÉNEK ISMERTETÉSE....................................7

Akusztikai zajvédelem alapjai............................................................................................7Aktív zajelnyomás..............................................................................................................8Az aktív zajvédelem általános felhasználása.....................................................................8Az aktív zajelnyomás technikáinak kifejlődése...............................................................10Adaptív elmélet................................................................................................................10Wiener algoritmus..........................................................................................................11

5. ANC RENDSZEREK TÍPUSAI..................................................................................13Széles sávú pozitív visszacsatolásos rendszer..................................................................13Keskeny sávú pozitív visszacsatolásos rendszer..............................................................15Visszacsatolt ANC rendszer.............................................................................................16Többcsatornás ANC rendszer..........................................................................................17

6. ANC RENDSZEREK ALGORITMUSAI...................................................................18Az LMS algoritmus család...............................................................................................18Az LMS algoritmus........................................................................................................19Az XLMS algoritmus.....................................................................................................20Az FXLMS algoritmus...................................................................................................22

7. JELFELDOLGOZÓ PROCESSZOROK RÖVID ISMERTETÉSE...........................26TMS320C6711 DSP és DSK...........................................................................................26A DSP jellemzői...............................................................................................................27A TMS320C6711 magja, perifériái és külső interfészei..................................................28A C6711-es DSK analóg interfésze.................................................................................28DSP programozása...........................................................................................................29DSP alkalmazásának előnyei...........................................................................................29A TMDX326040A Audio Daughter kártya.....................................................................30A kártya tulajdonságai......................................................................................................30Installálás és tesztelés.......................................................................................................31Jumper beállítások............................................................................................................32

8. AKTÍV ZAJELNYOMÓ RENDSZER KIALAKÍTÁSA............................................34IRODALOMJEGYZÉK.......................................................................................................45

1

1. BEVEZETÉS

Dolgozatom témájául az aktív zajelnyomást választottam. Mielőtt belemennék, hogy ez pontosan mit is jelent, foglaljuk össze, hogy mit jelent és mi a jelentősége a zajnak, a zajelnyomásnak mindennapi életünkben. Első megközelítésben két fajta zajt különböztethetünk meg. Beszélhetünk úgymond mikro-, és makroszintű zajokról. Ezen azt értem, hogy el kell különítenünk a makro, azaz az akusztikus zajokat, a mikro, azaz az elektromos rendszerekben fellépő zajoktól. Azért tartom fontosnak ezzel a felosztással élni, mivel a két esetben jelentősen eltérő a zavart környezet. Más módszerekkel élünk, amikor egy kábelben futó elektromos impulzussorozat zajosságáról beszélünk, és persze megint más módszerekkel, ha egy akusztikai környezetet jellemzünk. A tudományos életben két különböző irány, mégis közös a cél, a zajjal terhelt jel feldolgozása olymód, hogy ne veszítsen információ tartalmából. Az akusztikai zajt nevezhetjük környezeti zajnak. A környezeti zaj elleni védekezés a környezetvédelem többi szakágához (hulladékok kezelése, levegővédelem, víz- és talajvédelem) hasonlóan fontos területe a környezetünk állapota megőrzésének, javításának. A mindenütt jelenlévő zaj növekedése civilizációs ártalom. Lassan, többnyire észrevétlenül romlik a hallásunk, és további betegségeket is okoz, illetve stimulál a zaj. Kellemetlen, zavaró érzést kelt, károsan hat a vegetatív idegrendszerre és ezen keresztül egész sor szervünk működésére. A hallásveszteség csökkenti az élet minőségét. Az életkor előrehaladtával halmozódik az emberi szervezetben a károsodás, amelynek mértéke függ a zaj erősségétől és a zajban eltöltött időtől. A zajvédelem fontos elve, hogy a meglévő zajterhelési állapotot egy új zajforrás létesítése ne ronthassa számottevően. Sajnos, még a tervezett előírások sem védenek a zajtól olyan területet, mint a gyermek játszóhely vagy pihenőhely. Ugyanakkor a WHO részére készült javaslat szerint a játszótereken a külső zajforrások zajszintje legfeljebb Leq = 55 dB(A) lehet. Kétszáz körüli azoknak az előírásoknak, szabványoknak, mérési módszereknek a száma, amelyeket a szakemberek a zajvizsgálatnál és zajcsökkentésnél használnak. Nézzük meg, milyen zajokat ismerünk!

2

2. A ZAJOK TÍPUSAIMielőtt csoportosítanám az egyes zajokat, megpróbálom definiálni, hogy mi is a környezeti, vagy akusztikai zaj. Zajnak azokat a nemkívánt hullámformákat nevezzük, melyek interferrálnak a kommunikációval. Továbbá akusztikai zajnak tekinthetjük a fülünk számára hangos, irritáló hangokat. Tehát bármely hang, ami a normális hallást zavarhatja, környezeti zajnak tekinthető.

a. Hangos zajok

A hangos zajok abban zavarnak, hogy nem halljuk a számunkra információt jelentő hangot, tehát vagy részben, vagy teljesen elnyomja azt. Ezek a zajok megakadályoznak a koncentrációban, a gondolkodásban, s ezek azok a zajok, melyek az egészségre ártalmasak. Ilyen zaj lehet egy hangos párbeszéd, TV, rádió, vagy bármilyen hangos jármű. Egy másik példa lehet például az úgynevezett szél-zaj az autókban. Ez a fütyülő hang akkor keletkezik, ha a jármű gyorsan közlekedik, s valami megtöri az áramvonalas formát (például lehúzott ablak).

b. Finom zaj

Vannak esetek, amikor egy személy teljes csendet szeretne. A finom zaj ilyenkor tud nagyon zavaró lenni, ez egy halk zaj, de még a hallási tartományban van. Például egy óra ketyegése, vagy egy távoli hang ilyen zajnak tekinthető.

c. Fehér zaj

A fehérzaj olyan, hangtechnikában használatos véletlenszerű zaj, amire igaz az, hogy a teljes vizsgált frekvenciatartományban (emberi érzékelő esetén 20Hz - 20kHz) a hangnyomásszintje állandó. Azért hívják fehérnek, mivel tartalmazza a frekvenciák teljes spektrumát, ahogy a fehér szín is az összes látható szín keveréke. Meglepő lehet, hogy a fehér zaj képes elaltatni az embereket valamilyen finom zaj mellett, például egy televízió hang. A fehér zajt használják a zajcsökkentésben is.

1. ábra Fehár zaj

3

d. Szürke zaj

A szürke zaj esetén egy jól meghatározott, szűk frekvenciatartományban folytonos hangnyomásszint van, míg az összes többi frekvencián nem mérhető hangnyomásszint.

e. Rózsaszín zaj

Rózsaszín zajnak nevezik az olyan zajt, melynek hangnyomásszintje a frekvenciával fordítva arányosan esik, és az olyat is, melyek hangnyomásszintje a frekvencia négyzetével fordítva arányosan esik. A rózsaszín zaj a hangtechnikában használva egyértelmű jelentéssel bír: véletlenszerű zaj, ami a teljes vizsgált frekvenciatartományban (jellemzően 20Hz - 20kHz) a hangnyomásszintje oktávonként 3dB-lel csökken. Többek közt többutas, aktív hangrendszer beállítására használják. Színes zajok

Az olyan zajokat, melyek frekvenciája határozottan nem állandó értékű, de gyakorlatilag lényeges frekvenciasávba esik, színes zajoknak nevezik. A fehérzajtól eltérően nincs a különféle színes zajspektrumoknak általánosan elfogadott meghatározása. Emiatt a többértelműség miatt a tudományos cikkek az 1/f zaj fogalmat olyan folyamatokra alkalmazzák, melyek zaj-teljesítménysűrűsége fordítottan arányos a frekvenciával.

4

3. A ZAJJAL KAPCSOLATOS ALAPFOGALMAK

A következő táblázatban összefoglaltam, hogy hangosság szempontjából milyen hatása van a zajnak az emberi szervezetre.

2. ábra A zaj hatása az emberi szervezetre

Most pedig tisztázzunk pár a hangtechnikában igen fontos definíciót, hogy a továbbiakban tiszta képünk legyen ezekről a fogalmakról.

Decibel (A): A zajvizsgálaton mért zajszint értékét egy követelményértékhez (határértékhez) hasonlítjuk. A zajszint mértékegysége a decibel, dB. A dB(A) mértékegység (A)-ja egy szabványos, elektronikus zajszűrő használatára utal, amely az átlagos emberi hallást utánozza a mérőműszerben. A hallás frekvenciafüggő, a mélyebb hangok tartományában fülünk egyre érzéketlenebb, ezért alacsonyabb frekvenciákon erősebb zajszint engedhető meg. Az (A)-szűrő használatával az egyetlen adattal meghatározott mérési eredmény a határértékkel könnyen összevethető, - ez a módszer előnye.

Egyenértékű hangnyomásszint (= átlagos zajszint): Ha a megítélési időben különböző időtartamú, kis és nagy zajszintek váltakoznak, ezek hatásával egyenértékű zajszintet számolunk ki és hasonlítunk a teljesítendő határértékhez.

5

Megítélési idő: Az az időtartam, amelyre a mért zajt vonatkoztatjuk. A rövidebb megítélési idő szigorúbb követelményt jelent, mert előírás szerint a legkedvezőtlenebb, folyamatos időszakot kell kiválasztanunk a méréskor.

Zajterhelési határérték: Rendelettel előírt, megengedett egyenértékű hangnyomásszint, amelynek a zajtól védendő homlokzat előtt, vagy épületek helyiségeiben kell teljesülnie. Teljesülését a Környezetvédelmi felügyelőség, vagy a Polgármesteri hivatal jegyzője, mint zajvédelmi hatóság, továbbá - a zajtól védendő helyiségekben és a munkahelyeken az Állami Népegészségügyi és Tisztiorvosi Szolgálat (ÁNTSz) - ellenőrzi.

Zajkibocsátási határérték: A Környezetvédelmi felügyelőség, vagy a Polgármesteri hivatal jegyzője által kiadott egyedi határérték, amely a környezeti zajterhelési határérték teljesülését biztosítja. Ez az a határérték, amelyet a zajforrás üzemeltetőjének be kell tartania, különben környezetvédelmi bírság fenyegeti. Bizonyos esetekben szigorúbb a zajterhelési határértéknél.

Zajtól védendő homlokzat: Lakószobák, hivatali helyiségek vagy étkezőkonyhák ablakait magába foglaló homlokzatot jelent. A környezeti zajt a védendő homlokzat előtt kell mérni (és nem a helyiségekben), elsősorban méréstechnikai okokból.

6

4. AKTÍV ZAJELNYOMÁS ELMÉLETÉNEK ISMERTETÉSE

Akusztikai zajvédelem alapjai

Kétfajta akusztikai zaj van jelen a környezetben. Az egyiket a turbulencia okozza, és teljesen véletlenszerű. A turbulens zaj egyenlően megosztja az energiáját a frekvencia sávokon keresztül. Ezt szélessávú zajnak nevezik, és példa rá a repülőgépek kisfrekvenciás hangjai és egy robbanás impulzuszaja. A másik fajta zajt keskenysávú zajnak hívják, amely az energiája nagy részét meghatározott frekvenciákra összpontosítja. Ez a típusú zaj összefüggésben áll a forgó és ismétlő gépekkel, tehát ezek periodikusak, vagy kvázi periodikusak. A keskenysávú zajra példa a belső égésű motorok zaja a szállításban, kompresszorok, mint segédenergia források, hűtőszekrényekben, vákuumszivattyúkban használják, hogy nagy mennyiségű anyagokat szállítsanak vele az ipar sok területén.Kétfajta megközelítése lehet az akusztikai zajok védelmének: passzív és aktív. A hagyományos akusztikai zajvédelem megközelítése a passzív technikákat használ, mint a burkolások, terelőfalak és hangtompítók, hogy csillapítsa a nem kívánatos zajt. A passzív hangtompítók vagy a terelőlemezek és csövek kombinációja által okozott impedancia változást használják, hogy eltompítsák a nem kívánatos hangokat (reaktív hangtompítók) vagy az energia csökkenés elvét, amit a hang terjedése idéz elő egy hangelnyelő anyaggal kábelcsatornázott szerkezetben, hogy gondoskodjon a zajelnyomásról (rezisztív hangtompítók). A reaktív hangtompítók általában, mint kipufogódobok jelennek meg a belső égésű motoroknál, míg a rezisztív hangtompítókat többnyire csatornás ventilátor zajoknál használják. Ezeknek a passzív hangtompítóknak nagy a csillapításuk egy széles frekvenciasávban, ezért is kedvelik őket. Azonban viszonylag nagyok, költségesek és hatástalanok alacsony frekvenciákon, mindezek a passzív szemléletet a zajcsökkentésre sokszor használhatatlanná teszik. Továbbá ezek a hangtompítók sokszor nem kívánatos ellennyomást hoznak létre, ha légáramlás van a csatornában.Megpróbálták leküzdeni ezeket a problémákat, számottevő érdeklődés mutatkozott az aktív zajvédelemmel kapcsolatban. Az aktív zajvédelmi rendszer tartalmaz egy elektroakusztikai berendezést, amely megszünteti a nem kívánatos hangokat, létrehozva egy ellenhangot (ellenzajt), azonos amplitúdóval és ellentétes fázissal. Az eredeti nem kívánt hang és az ellenzaj akusztikailag egyesül, mindkét hang kiegyenlítését eredményezve ezzel. Az 3. ábra tartalma a nem kívánt zaj hullámformája (kezdeti zaj), a kioltó zaj (ellenzaj) és a megmaradó zaj, ami az eredmény lesz, ha az első kettőt összegezzük. A kezdeti zaj kiegyenlítésének hatásossága a generált ellenzaj amplitúdójának és fázisának pontosságától függ. [1]

7

3. ábra Az aktív zajelnyomás fizikai koncepciója

Aktív zajelnyomásA beszédfelismerésnek számos alkalmazási területe van. A beszédünk az elsődleges módszer a kommunikációra, ha a fogadó nem érti az üzenetet, akkor használunk testbeszédet, vagy gesztusokat. Mindennapi életünkben számos olyan szituáció akad, amikor fontos a beszéd tiszta érthetősége, például a beszédvezérelt berendezéseknél. Persze probléma adódik abból, hogy maga a beszédfelismerő rendszer a beszédhez hozzáteszi a saját üzemi hangját is. Ez zajként értelmezhető, s nehezíti az üzenet megértését. Ha autóban adunk ki verbális parancsokat a magnó vezérlésére, nem jelenthet problémát, ha a külső zajok – a zene, a motor hangja, a levegő áramlás hangja – elég halk. Az emberi fül talán az egyik legjobb berendezés, amely alkalmas arra, hogy zajos környezetben felismerje az üzenetet. Erre a mai beszédfelismerő berendezések csak kevésbé alkalmasak, és ez jelenti a problémát. Egy magnó verbális vezérlése egy igen jó példa erre, melyet főleg azok az emberek vesznek észre, akik sokat utaznak autóval, s figyelmük valami másra fókuszálódik, például magára az autóvezetésre. Hogy alkalmasak legyünk megoldani ezt a problémát, el kell nyomnunk a háttérben megjelenő különféle zajokat, amik hozzáadódnak a hangunkhoz. A megoldás egyszerűen annyi, hogy vonjuk ki a tiszta zenét az adott térben felvett hangokból. A cél az, hogy vezérlejünk egy számítógépet például, amíg az lejátsza a zenét. Matematikailag modellezni egy olyan összetett rendszert, mint egy időben változó zajos környezet elég nagy kihívást jelent. Számos változót igényel, amikkel nagyon bonyolult, olykor lehetetlen pontos leírást adni. Mivel az esemény időben változik, statikus modellel a probléma megoldhatatlan, ilyenkor használunk úgynevezett adaptív algoritmusokat.

Az aktív zajvédelem általános felhasználása

Az aktív szabályozás felhasználásának eredményességét a hatékonysága alapozza meg, szemben a passzív csillapítási technikákkal. Az aktív csillapítás egy szimpatikus útja hogy nagy mennyiségű zajcsökkentést érjünk el egy kis tokban, különösen alacsony frekvenciákon (500 Hz alatt). Alacsony

8

frekvenciákon, ahol az alacsonyabb mintavételezési frekvencia elegendő, és csak síkhullám terjedés engedélyezett, aktív szabályozás valódi előnyöket kínál.

Mértani szempontból az aktív zajvédelemi alkalmazások a következő négy csoportba sorolhatók:

- Csatorna zaj: egy dimenziós csövek, mint például a szellőző járatok, kipufogó csövek, légkondicionáló csatornák, csővezetékek, stb.- Belső zaj: zaj egy zárt téren belül- Személy hallásvédelme: egy nagyon masszív esete a belső zajnak- Szabad téri zaj: szabad térbe kibocsátott zaj

A most fejlesztés alatt álló aktív zajvédelem különleges alkalmazásai magukban foglalják a nem elkerülhető zajforrások csillapítását a következő végberendezésekben:

Gépjármű (autó, teherautó, földmunkagép, katonai jármű)- Egycsatornás (egy dimenziós) rendszerek: elektronikus kipufogódob

kipufogó rendszerekhez, töltési rendszer, stb.- Többcsatornás (három dimenziós) rendszerek: zajcsillapítás az utastérben

és erőgépek kezelő fülkéjében, aktív motorfelfüggesztés, hangvezérelt rádiótelefon, stb.

Készülék- Egycsatornás rendszerek: légkondicionáló csatorna, légkondicionáló,

hűtőgép, mosógép, kazán, szárítóberendezés, stb.- Többcsatornás rendszerek: fűnyíró gép, porszívó, szoba szigetelés (helyi

csendes zóna), stb.

Ipari: ventillátor, szellőzőcsatorna, kémény, transzformátor, légfúvó, kompresszor, szivattyú, láncfűrész, szélcsatorna, zajos szabályozókör (zajforrásoknál vagy sok helyi csendes zónánál), nyilvános telefonfülke, iroda fülkékre osztása, fülvédő, fejhallgató, stb.

Szállítás: repülőgép, hajó, csónak, helikopter, légcsavaros szán, motorkerékpár, dízelmozdony, stb.

Az aktív zajvédelemhez kifejlesztett algoritmusokat az aktív rezgésvédelemben is alkalmazzák. Az aktív rezgésvédelem felhasználható, hogy leválasszuk a rezgést a gépek bő választékától, és hogy stabilizáljuk a különböző aljzatokat a zavaró rezgés jelenlétében. Ahogy a teljesítmény és a megbízhatóság egyre jobban tökéletesedik és a beruházási költség egyre csökken az aktív rendszerek előnyben részesített megoldássá válhatnak a rezgés elnyomás problémájának nagy választékára. [1]

9

Az aktív zajelnyomás technikáinak kifejlődése

Az aktív zajelnyomás gyorsan fejlődik, mivel jelentős javulást tesz lehetővé a zajvédelemben, sokszor helyzeti előnnyel a rendszer méretben, súlyában, térfogatában, és árában. Az Active Control of Sound című könyv részletes információkat ad az aktív zajvédelemről különösen akusztikai szempontból.

Először Lueg javasolta és szabadalmaztatta 1936-ban az aktív zajelnyomó tervét, amely egy mikrofont és egy elektronikusan hajtott hangszórót használ, hogy előállítson egy kioltó hangot. Míg a szabadalom felvázolta az ANC1

alapötletét, a fogalomnak nem voltak valós alkalmazásai akkoriban. Mivel az akusztikai zajforrás és a környezet karakterisztikája nem volt állandó, a nem kívánatos zaj frekvencia összetétel, amplitúdója, fázisa és sebessége pedig időben változó volt. Egy aktív zajvédelmi rendszernek illeszthetőnek kell lennie, azért hogy megbirkózzon ezekkel a változó karakterisztikákkal.

A digitális jelfeldolgozás területén van az adaptív rendszerek osztálya, ahol a digitális szűrő koefficiensei szabályozottak, hogy minimalizálja az error jelet (a kívánt jel mínusz az aktuális jel, a kívánt jelet tipikusan nullának definiáljuk). A csatorna zaj kiegyenlítő rendszer az adaptív szűrő elvén alapszik, amelyet Burgess fejlesztett ki 1981-ben. Később az 1980as években az aktív zajvédelemmel foglalkozó kutatásokat drámaian érintette a nagy teljesítményű DSP-k és az adaptív jelfeldolgozó algoritmusok kifejlesztése. Specializált DSP-ket terveztek a digitalizált jelek valós idejű numerikus feldolgozására. Ezek a berendezések képessé tették a nagy teljesítményű adaptív algoritmusok olcsó implementációját és serkentették a széles körű fejlesztést és a digitális adaptív jelfeldolgozási technológián alapuló aktív zajvédelmi rendszerek alkalmazását.

Számos modern aktív zajsemlegesítő erősen épít az adaptív jelfeldolgozásra, az akusztikai alapismeretek megfelelő mérlegelése nélkül. Ha a rendszer akusztikai terve nem optimalizált, akkor a digitális szabályozó lehet hogy nem lesz képes megfelelően csillapítani a nem kívánatos zajt. Ezért fontos, hogy megértsük a berendezés akusztikáját és hogy úgy tervezzük meg a rendszert, hogy segítse az adaptív aktív zajszabályozót a feladata végrehajtásában.

Adaptív elméletAz adaptív rendszerek kitalálója Norbert Wiener (1894-1964) volt, a 40es években mutatta be a szakmai közönség előtt. Az ő elmélete szolgál alapjául számos mai adaptív működésű rendszernek. Az adaptív szűrőket gyakran használják nemstacionárius rendszerekben, például időben változó rendszerek esetében, ahol magának a szűrőnek is időben változnia kell. Magának a szűrőnek a változása, vagy adaptálása egy új feltétel lett, amit adaptációs sebességnek nevezünk. Ez egy nagyon fontos paraméter, amikor kiválasztjuk, milyen algoritmust használunk, hogy kiszámoljuk a Wiener-szűrő koefficiensét.

1 Active Noise Control

10

A koefficiensek számításának vagy becslésének módszere határozza meg a rendszer komplexitását, hatékonyságát, és az adaptáció sebességét. Az egyik legismertebb ilyen algoritmus az LMS (Least Mean Square). Egyszerű implementálni, és kicsi a számítási igénye, ezért kiválóan alkalmazható valósidejű alkalmazásokhoz.

Wiener algoritmusSzámos különböző alkalmazásai léteznek az adaptív zárt hurkú rendszereknek, az egyik rendszer identifikáció megvalósítása a lenti ábrán található. A terem rezgése maga a rendszer, amit az adaptív lineáris szűrőnek meg kell közelítenie. A szűrő fő paraméterei a súlyok ami a következő módon van definiálva:

A bemenő jel x(k).

4. ábra A Wiener-féle adaptív szűrő blokksémája

A hiba jel, ami vezérli a szűrőt:

Ez az a hiba, amit a működés során minimalizálni kell. jelöli az MSE-t (Mean Square Error) amit a következő képen adunk meg:

Ezt behelyettesítve a (2)-es egyenletbe, kapjuk eredményül a következő összefüggést:

11

A várható érték:

Ahol és korrelációs mátrixok:

A MSE mostmár a következő alakban írható fel:

Ennek a tál alakú felületnek a minimumát nézzük a W szűrő függvényében, megkaphatjuk a legkisebb hibát. A MSE függvény gradiens vektora a súlyok figyelembe vételével:

A felület minimuma ott van, ahol a gradiens nulla.

A (10)-es egyenletet megoldva és feltételezve, hogy nemszinguláris, az optimális szűrő az alábbi egyenlettel adható meg:

12

5. ANC RENDSZEREK TÍPUSAI

A szélessávú zajelnyomáshoz szükségünk van a zajforrásra (kezdeti zaj), azért hogy elő tudjuk állítani az ellenzaj jelét. A kezdeti zaj nagyságát, mint referencia bemenetet használjuk a zajelnyomóhoz. A kezdeti zajt, amely összefügg a referencia bemenő jellel elnyomjuk a zaj generátorral (egy hangszóró) áramlás irányban, amikor a fázis és a nagyság helyesen modellezett a digitális szabályozóban.

A keskeny sávú zajelnyomáshoz (forgó gépek által keltett periodikus zajok csökkentése) aktív technikákat fejlesztettek ki, amelyek nagyon hatékonyak és nem támaszkodnak az okozati összefüggésre (korábbi zaj jelek ismerete). Ahelyett hogy bemenő (input) mikrofont használnánk, egy sebességmérő jel szolgáltatja az információkat a zaj generátor kezdeti frekvenciájáról. Mivel minden ismétlődő zaj előfordul a gép alap forgási frekvenciájának harmonikus összetevőiben, a szabályozó rendszer letudja modellezni ezeket az ismert zaj frekvenciákat, és ellenjelet tud generálni. Ez a típusú szabályozó rendszer jármű kabinban előnyös, mert nem lesz hatással a jármű figyelmeztető jelzéseire, a rádió működésére vagy a beszédre, amely normális körülmények között nincsen szinkronizálva a motor forgásával.

Az aktív zaj szabályozó rendszerek a két eljárás valamelyikére épülnek. A pozitív visszacsatolásos (feedforward) szabályozás az, ahol egy koherens referencia zaj bemenetet érzékelünk, mielőtt az továbbít az elnyomó hangszórón keresztül. A visszacsatolt (feedback) szabályozás lényege, hogy egy aktív zajszabályozó megpróbálja megszüntetni a zajt szembenálló referencia bemenet használata nélkül.Manapság főleg a pozitív visszacsatolásos ANC rendszereket alkalmazzák. A pozitív visszacsatolásos rendszerek további két kategóriába sorolhatók:

Adaptív széles sávú pozitív visszacsatolásos szabályozás akusztikus bemenő szenzorral

Adaptív keskeny sávú pozitív visszacsatolásos szabályozás nem akusztikus bemenő szenzorral [1]

Széles sávú pozitív visszacsatolásos rendszer2

Számottevő mennyiségű széles sávú zaj keletkezik olyan csövekben, mint a kipufogócsövek és a szellőző rendszerek. Egy viszonylag egyszerű pozitív visszacsatolásos szabályozó rendszert ábrázol a 5. ábra, hosszú és keskeny csatornára. Egy referencia jelet x(n) érzékelünk egy input mikrofonnal közel a zajforráshoz, mielőtt az túllépi a hangszórót. A zaj elnyomó a referencia input jelet használja, hogy generáljon egy jelet y(n), megegyező amplitúdóval, de 180º-os 2 Broadband Feedforward System

13

fáziseltolással. Az ellenzaj jelel hajtjuk meg a hangszórót, hogy létrehozzunk egy kioltó jelet, amely csillapítja a kezdeti akusztikai zajt a vezetékben.

5. ábra Egycsatornás széles sávú pozitív visszacsatolásos ANC rendszer egy vezetékben

A széles sávú pozitív visszacsatolású megközelítés alapelve az, hogy terjedési időkésés a hátrafelé haladó zajszenzor (input mikrofon) és az aktív szabályozó forrás (hangszóró) között felkínálja a lehetőséget, hogy elektronikusan újra generáljuk a zajt, a tér azon helyén, ahol csillapítást fog okozni. A távolságnak a mikrofon és a hangszóró között eleget kell hogy tegyen a kauzalitási és a magas koherencia elveinek, ezzel azt mondva, hogy a referenciát elég korán meg kell mérni ahhoz, hogy az ellenzaj jelét elő tudjuk állítani, mire a zajjel eléri a hangszórót. Ezenfelül a hangszórónál a zajjelnek nagyon hasonlónak kell lennie az input mikrofonnál mérthez, azalatt azt értve, hogy az akusztikai csatorna nem tudja jelentősen megváltoztatni a zajt. A zajelnyomó az input jelet használja, hogy létrehozzon egy jelet y(n), amelynek az amplitúdója változatlan és 180º-os fáziseltolása van x(n)-hez képest. A zajt kisugározzuk a hangszóróval, hogy megszüntessük a nem kívánatos zajt.A hiba mikrofon megméri a hiba (vagy a visszamaradó) jelet e(n), amit arra használunk, hogy adaptáljuk a szűrő koefficienseihez, hogy minimalizáljuk a hibát. Egy áramlás irányú hibajel használata arra hogy beállítsuk az adaptív szűrő koefficienseket nem alkot visszacsatolást, mert a hibajelet nem hasonlítottuk össze a referencia inputtal.A valódi megvalósítások további meggondolásokat feltételeznek, hogy kezelni tudjuk az akusztikus hatásokat a vezetékben. [1][3][4]

Keskeny sávú pozitív visszacsatolásos rendszer3

3 Narrowband Feedforward System

14

Olyan felhasználásnál, ahol a kezdeti zaj periodikus (vagy kvázi periodikus), és forgó vagy dugattyús gép hozza létre, akkor az input mikrofont helyettesíthetjük egy nem akusztikus szenzorral, mint például egy sebességmérővel, egy gyorsulásmérővel, vagy egy optikai érzékelővel.A 6. ábra egy keskeny sávú pozitív visszacsatolású aktív zajszabályozó rendszer blokkvázlatát tartalmazza. A nem akusztikus érzékelő jel szinkronizált a zajforrással és arra használjuk, hogy szimuláljunk egy bemenő jelet, amely tartalmazza az alap harmonikust és a kezdeti zaj minden harmonikusát. Ez a típusú rendszer szabályozza a harmonikus zajokat, azzal hogy adaptívan szűri a szintetizált referencia jelet, hogy létrehozzon egy kioltó jelet. Sok autóban, teherautóban, földi mozgó járműben, stb., a percenkénti fordulatszám (RPM) jel elérhető, és felhasználható mint referencia jel. Egy error mikrofonra azonban még mindig szükségünk van, hogy megmérhessük a megmaradt akusztikai zajt. A hiba jelet ezek után arra használjuk, hogy beállítsuk az adaptív szűrő koefficienseit.

6. ábra Keskeny sávú pozitív visszacsatolásos ANC rendszer

Általában a keskeny sávú ANC rendszerek előnye az, hogy a nem akusztikus szenzor érzéketlen a kioltó hangra, ezzel egy nagyon robosztus szabályzó rendszert hoz létre.

Speciálisan ennek a technikának a következő előnyei vannak:

- Az input mikrofon környezeti és öregedési problémái automatikusan kiküszöbölődnek. Ez különösen fontos műszaki szempontból, mert nehéz érzékelni a referencia zajt magas hőmérsékleten és turbulens gázvezetékekben, mint egy motor kipufogó rendszere.

- A zaj periodicitása lehetővé teszi az okozati viszony korlátozás eltüntetését. A zaj hullámformájának frekvencia összetétele állandó. Csak fázis és amplitúdó beállításra van szükség. Ez a csillapító hangszórók sokkal jobb rugalmasabb elhelyezéséhez vezet, és nagyobb késleltetést hagy a szabályzónak.

15

- A szabályzó generált referencia jelének a felhasználása magában hordozza a szelektív kiegyenlítés előnyét, azaz hogy megvan a lehetőség, hogy minden harmonikust önállóan szabályozzunk.

- Az akusztikus szabályozókör átviteli függvényének csak azt a részét szükséges modellezni, amelyik a harmonikus hangokkal kapcsolatban áll. Egy kis fokú FIR szűrőt használhatunk, hogy az aktív periodikus zajszabályozó rendszerünket számításilag hatékonyabbá tegyük.

- A nem kívánatos akusztikai visszacsatolás a csillapító hangszórótól az input mikrofonba kiküszöbölt. [1][3][4]

Visszacsatolt ANC rendszer4

A visszacsatolt aktív zajelnyomást Olson és May javasolta 1953-ban. Ebben a tervben egy mikrofont használtak, mint hibaérzékelőt, hogy észleljék a nem kívánatos zajt. Az error szenzor jele visszatér egy erősítőn keresztül (elektronikus szűrő), olyan nagysággal és fázis jelleggörbével, amilyenre megterveztük, hogy csillapítást okozzon a szenzor közelében egy hangszórón keresztül, amelyet a mikrofon közelében helyeztünk el. Ez a kialakítás csak korlátozott csillapítást biztosít a periodikus vagy sávhatárolt zajok szűkített frekvenciatartományában. Instabilitásban is szenved a rendszer a magas frekvenciák pozitív visszacsatolásának lehetősége miatt. Azonban a keskeny sávú jelek kiszámítható természetének köszönhetően egy sokkal robosztusabb rendszert fejlesztettek ki, amely a hiba érzékelők kimenetét használja, hogy előre megmondja a referencia bemenetet (lásd 7. ábra). A helyreállított referencia bemenetet kombinálják egy keskeny sávú pozitív visszacsatolásos aktív zajszabályozó rendszerrel.

7. ábra Visszacsatolásos ANC rendszer

A visszacsatolt ANC egyik alkalmazási lehetőségét Olson ismerte fel, mégpedig a fejhallgatók és hallásvédők hangterének szabályozását. Ennél az alkalmazásnál a rendszer lecsökkenti a nyomásingadozást az üreges részben, közel a hallgató

4 Feedback ANC System

16

füléhez. Ezt az alkalmazást kifejlesztették, és kereskedelmileg elérhetővé tették. [1][3][4]

Többcsatornás ANC rendszer5

Számos alkalmazás komplex alakú viselkedést mutat. Ezek az alkalmazások a következőket tartalmazzák:

- Széles csövek vagy zárt terek aktív zajvédelme- Rugalmatlan testek vagy több szabadsági fokkal rendelkező szerkezetek

aktív rezgés védelme- Repülőgépek vagy autók utasterének aktív zajvédelme

Amikor a hangtér geometriai felépítése bonyolult, már nem elegendő egyetlen másodlagos forrás, hogy kioltsuk az eredeti zajt, egyetlen error mikrofont használva. A bonyolultabb akusztikai mezők szabályozása mind az optimális stratégiák kutatását és fejlesztését és egy megfelelő többcsatornás szabályozó tervezését igénylik. Ezen feladatok többszörös bemenetű és többszörös kimenetű adaptív algoritmus felhasználását követelik meg. Az általános többcsatornás ANC rendszer tartalmaz egy sor szenzort és szabályozót. Egy háromdimenziós alkalmazás többcsatornás rendszerrel való megvalósításának blokk diagrammját szemlélteti a 8. ábra. [1][3][4]

8. ábra Többcsatornás ANC rendszer 3-D -s zárt térre

5 Multiple-Channel ANC System

17

6. ANC RENDSZEREK ALGORITMUSAI

A legelterjedtebb algoritmus, amelyet adaptív szűrőkhöz alkalmaznak, az LMS6

algoritmus, melyet transzverzális szűrővel (FIR) használnak. A maradék zaj felhasználható, mint bemenő hiba jel az adaptív algoritmus számára, amely beállítja a szűrő koefficienseit.

Széles sávú pozitív visszacsatolásos rendszer algoritmusai:- FXLMS algoritmus (Filtered-X Least-Mean-Square)- FBFXLMS algoritmus - RLMS algoritmus (Recursive LMS)

Keskeny sávú pozitív visszacsatolásos rendszer algoritmusai:- Assex algoritmus- Adaptív fésűs szűrő

Az LMS algoritmus család

Az adaptív szabályzók számtalan típusát kifejlesztették az évek során, de máig klasszikusnak számítanak az LMS, illetve a belőlük továbbfejlesztett algoritmusok. Az eljárás célja az, hogy a hibajel teljesítményét a legkisebbre csökkentse (Least Mean Square). Az LMS alapú megoldások elterjedtségének az az oka, hogy néhány igen jó jellemzőjük kiemeli a másfajta megvalósítások közül:

- Robusztusság: a paraméterek kismértékű változására stabilak maradnak- Egyszerűség: számításigényük a többi megbízhatóságában,

pontosságában az LMS algoritmushoz mérhető eredményt produkáló eljárásokhoz képest alacsony, így egyszerűbb, ezért olcsóbb processzorral is implementálhatók

- Maradó hiba: megfelelő paraméterválasztással alacsony értéken tartható- Konvergencia sebesség: viszonylag nagy, gondot jelenthet, hogy a

sebesség növelése a maradó hiba növekedése és a stabilitás csökkenésének irányába hat

Az emellett matematikailag is igen jól leírt, könnyen kezelhető eljárások további előnyös tulajdonsága, hogy az iteratív modellillesztés elméleti levezetésében előírt, de a gyakorlatban nehezen kezelhető statisztikai paramétereket pillanatnyi értékekkel helyettesítik, ezáltal a bonyolult számítások, illetve az információhiány megkerülhető [2]

6 Least Mean Square

18

Az LMS algoritmus

Az LMS algoritmus (9. ábra) a beavatkozó jelet a referenciajel adott számú késleltetett mintájának súlyozásával állítja elő. Így központi eleme egy N együtthatós transzverzális FIR szűrő, amelynek együtthatóit úgy adaptáljuk, hogy a négyzetes hiba minimális legyen. Az u(n) beavatkozó jel ezért a következő formában áll elő:

ahol w a szűrő impulzusválaszát tartalmazó vektor. Az algoritmus másik bemenőjele a rendszerben jelenlévő zavarjel, amelyet az eljárással csökkenteni szándékozunk, oly módon, hogy a két jelet különbségképzőbe vezetve megvizsgáljuk, hogy az algoritmus az adott ütemben mekkora hibával közelítette a d(n) jelet az u(n) beavatkozó jellel, majd az ábrán LMS címkével jelölt blokk az x(n) referenciajel és az e(n) hibajel segítségével számolt mértékű korrekciót végez az adaptív szűrő együtthatóin, és a követező ütemben ezzel az új készlettel számolja a beavatkozó jelet. Az algoritmus helyes működése esetén a hiba csökken, a rendszer egyre jobban követi a d(n) jelet. A hibajel a d(n) zavar és az u(n) beavatkozó jel összegeként írható fel:

Mivel a hibajel teljesítményét szeretnénk a lehető legkisebbre csökkenteni, ezért a minimalizálandó költségfüggvény a hibajel négyzetének várható értéke:

Mivel e kifejezés paramétereinek értéke a legtöbb esetben nem ismert, a minimumot meg kell keresni, amelyre adaptív algoritmust alkalmaznak. A négyzetes hibát minimalizáló w értékét egy N+1 dimenziós parabolafelületen keressük (ennek oka, hogy a hibajel négyzetének kifejezésébe e(n) fenti definícióját megfelelően behelyettesítve w együtthatóban N négyzetes kifejezéshez jutunk), így a minimumot egy egyszerű, a legmeredekebb úton leereszkedő algoritmus megtalálja:

19

ahol α a lépés mérete az N+1 dimenziós parabolafelületen. A fenti egyenletbe J, illetve e(n) definícióját behelyettesítve a rekurzív algoritmus

alakúra változik, ahol a konvergencia-együttható. Ez az algoritmus az LMS algoritmus.

9. ábra Az LMS algoritmus blokkvázlata

Az ezzel az algoritmussal megvalósított rendszer stabilitása függ nagyságától, annak 0 értékénél természetesen nincs konvergencia. Növekvő -t választva a konvergencia sebessége eleinte nő, azonban egy adott optimális értéket meghaladva a rendszer sebessége fokozatosan csökken, majd egy maximális értéknél nagyobb -t alkalmazva a rendszer instabillá válik.Léteznek olyan alkalmazások, amelyekben az LMS algoritmus nem használható, ugyanis a rendszer hiányossága, hogy a jelek különböző úton terjednek, így feldolgozásuk, például összegzésük esetén a fázisuk az adott alkalmazásban a megengedhetőnél jobban eltér, amely hibás eredményre, a rendszer instabilitásához vezethet. [5]

Az XLMS algoritmus

Az LMS algoritmus hátránya, hogy nem alkalmazható olyan esetekben, amikor nem közvetlenül használható (esetleg nem hozzáférhető) a kimenete, például, ha egy mikrofont alkalmazunk két akusztikus jel különbségének képzésére (ellentétes fázisú jelek összegzésére), akkor a különbségképzőbe nem a hangszórót meghajtó jel kerül, hanem annak az elektromos-akusztikus átalakítás, illetve az akusztikus átvitel során módosult változata. Ezt a problémát oldja meg az XLMS algoritmus (10. ábra), amely az LMS algoritmushoz hasonlóan az x(n) referenciajelből a W

20

adaptív szűrő segítségével számítja az u(n) beavatkozó jelet. Az ily módon előállított beavatkozó jelet ezután D/A átalakítóval villamos jellé alakítják, majd aluláteresztő szűrővel simítják. A kapott jelet felerősítik, majd a megfelelő beavatkozó szerven keresztül a szabályozni kívánt A rendszert hajtják meg vele. A hibaérzékelő által mért jelet is erősíteni kell, majd D/A átalakítóban az átlapolást kerülendő aluláteresztő szűrővel szűrik. Az így kapott jelet mintavételezik és kvantálják. A rendszer tehát számos késleltetéssel és egyéni átvitellel rendelkező elemből épül fel, amely összességében lineárisnak tekinthető, ha az elemek teljesítenek bizonyos feltételeket: az erősítők torzítása és zaja legyen kicsi, mind az erősítők mind az analóg-digitális és a digitális-analóg átalakítók esetében kerülni kell a túlvezérlést, mivel az jelentős nemlinearitást vinne a rendszerbe. A minél magasabb jel-zaj viszony érdekében az átalakítók felbontása legyen elegendően nagy, és a bemenő jelek minél jobban közelítsék a maximális kivezérlést, ellenkező esetben a felső bitek a felhasználás szempontjából értéktelenek lesznek. Amennyiben a rendszer bemenetén nem szigma-delta A/D átalakítót alkalmazunk, a vezérlő jel spektrumát a Nyquist-frekvencia alatti tartományra kell korlátoznunk. Most is a d(n) jel hordozza a környezetből származó zavarjelet, ezt a referenciajellel összegezve áll elő az e(n) hibajel, ennek négyzetét minimalizálja az eljárás úgy, hogy az LMS algoritmus a hibajel mellett most az A rendszert modellező szűrővel szűrt r(n) jelet használja. Ekkor az algoritmus rekurzív formulája az alábbi alakúra változik:

ahol r(n) a referenciajelből az

egyenlettel számítható.Ezen a szűrőegyütthatók az XLMS végrehajtása előtt alkalmazott, az A rendszeren végzett identifikáció eredményeként állnak elő.

10. ábra Az XLMS algoritmus blokkvázlata

21

Az identifikáció során olyan gerjesztő jelet kell alkalmazni, amely a rendszert minden olyan frekvenciapontban gerjeszti, ahol azt későbbiekben az XLMS algoritmussal használni kívánjuk, legelterjedtebb esetben ez lehet kellően egyenletes spektrumú zaj vagy multiszinuszos jel.

Az identifikáció történhet például LMS algoritmus segítségével (11. ábra). Ekkor az LMS a W adaptív szűrővel modellezi az A rendszert, oly módon, hogy ütemenként úgy frissíti a szűrő paramétereit, hogy azok egyre pontosabban közelítik rendszer impulzusválaszának együtthatóit.Az XLMS algoritmus előnye az LMS algoritmussal szemben, hogy a referenciajelet hozzákéslelteti, illetve fázisban is illeszti az akusztikai/mechanikus rendszer átvitelével módosult hibajelhez, így az algoritmus stabilitása biztosítható. [6]

11. ábra Rendszeridentifikáció LMS algoritmussal

Az FXLMS algoritmus

Ahhoz, hogy a szekunder akusztikai csatorna hatását is figyelembe lehessen venni, a konvencionális LMS algoritmust módosítani kellett. Az FXLMS ( Filtered–X Least Mean-Square) algoritmusban a konvergencia biztosítására az input jelet egy C(z) szűrővel módosítják. Az algoritmus blokkvázlatát a 12. ábra mutatja be.

22

12. ábra Az FXLMS algoritmus blokkvázlata

A szűrő kimenő jele:

az egyenletben a a W(z) együttható vektora, az n-ik időpillanatban, és a referencia input jel az n-ik időpillanatban.

A szűrő megvalósítása DSP segítségével a következő formában lehetséges:

Az FXLMS algoritmust leíró egyenlet:

az algoritmus lépésköze, mely meghatározza az algoritmus stabilitását és konvergenciáját, h(n) pedig a H(z) átviteli függvény impulzus válasza. A gyakorlatban azonban H(z) ismeretlen, és C(z)-vel közelítik:

és

23

ahol a referencia bemenet szűrt verziójának a vektora.

és a c(z) becsült szekunder csatorna együttható vektora. A H(z) átviteli függvény időben változik, a hangszóró elöregedése, a hőmérsékletváltozás, légáramlás stb. miatt. Emiatt különféle on-line módszereket dolgoztak ki H(z) becslésére. Ha H(z) ismeretlen, de idő-invariáns, off-line modellezés lehetséges. A betanítási procedúra eredményeképpen ekkor C(z) fix értékű lesz. A 13. ábra az akusztikai közeg átviteli függvényének off-line módszerét mutatja be. A korrelálatlan fehér zajt a DSP állítja elő.

13. ábra H(z) meghatározása off-line módon

Zaj érzékelése a hiba mikrofon segítségével történik. Az input mikrofon és a hiba mikrofon jelei ADC áramkörökre kerülnek. Az ellenzajt előállító hangszórót teljesítményerősítő hajtja meg. [5]

14. ábra A zajelnyomás blokksémája

24

7. JELFELDOLGOZÓ PROCESSZOROK RÖVID ISMERTETÉSE

A jelfeldolgozó processzorok utasításkészletének és architektúrájának kialakítása alapvetően eltér az általános célú mikroprocesszorokétól. A DSP processzorokat különböző algoritmusok real-time megvalósítására használják, ezrét egy adott időrésben el kell férnie a végrehajtandó utasításoknak. Egy átlagos teljesítményű és árú jelfeldolgozó processzor ciklusideje kb. 40 ns, így 8 kHz-es mintavételezési frekvencia esetén kb. 3000 gépi ciklus áll rendelkezésre a feladat megvalósítására. A jelenlegi leggyorsabb DSP processzorok ciklusideje kb. 6 ns. A DSP-k teljesítményét a másodpercenként elvégzett műveletek számával (Mips) jellemezhetjük. A real-time feldolgozás a feladat típusa szerint két kategóriába sorolható:

- Adatfolyam alapú feldolgozás: ide tartozik a digitális szűrés feladata, mivel itt mindig csak egy új bemeneti minta szükséges a kimeneti minta érékének meghatározásához

- Adatblokk alapú feldolgozás: ilyen az adattömörítés (pl. hang, kép), az FFT és a korreláció

Léteznek speciális célú DSP processzorok is, mivel a megoldandó feladatok különbözőek, egyesek a processzor csak pár egységét használják, még mások mindet. Ezek lehetnek feladatorientáltak (algoritmus specifikusak), vagy alkalmazás orientáltak (pl. távközlés, digitális audio). Az általános célú DSP-k általában nem tartalmaznak A/D és D/A átalakítót, ezeket külön lehet megvásárolni, és perifériaként illeszteni hozzájuk. [7][8]

TMS320C6711 DSP és DSK

A Texas Instruments által gyártott TMS320C6711 típusú DSP alkalmas az aktív zajelnyomás megvalósítására, mindemellett ez a típus áll a rendelkezésünkre a későbbi megvalósításokhoz.Ez a rész ezen DSP és az ezzel a processzorral szerelt DSK általános áttekintését tartalmazza. A 15. ábra egy C6711 típusú DSK-t ábrázol, közepén egy TMS320C6711–es DSP processzorral.

25

15. ábra A TMS320C6711 típusú DSK kártya

A DSP jellemzői

16. ábra A TMS320C6711DSK funkcionális részei

- Kiváló ár/teljesítmény arányú lebegőpontos DSP: Nyolc 32 bites utasítás/ciklus 100 MHz-es órafrekvencia 10 ns-os utasítás ciklusidő 600 MFLOPS (lebegőpontos utasítás másodpercenként)

- Korszerű nagyon nagy utasításszó (VLIW – Very Long Instruction Word): Nyolc erősen különálló funkcionális egység:

o Négy ALU (lebegő- és fix pontos)o Két ALU (fix pontos)

26

o Két szorzógép (lebegő- és fix pontos) 32 db 32bit-es általános célú regiszter Utasítás csomagolás a kód méretének csökkentésére Feltételes utasítások a gyorsabb végrehajtás érdekében

- Utasításkészlet jellemzői: Hardveres támogatás az egyszeres- és dupla pontosságú utasításokhoz Bájt címezhető (8-,16-,32-Bit adat) 8-bites túlcsordulás védelem

- L1/L2 memória felépítés: 32K-Bit (4K-Bájt) L1P program cache-memória (közvetlen leképezhető) 32K-Bit (4K-Bájt) L1D adat cache-memória 512K-Bit (64K-Bájt) L2 egyben leképezhető RAM/cache-memória

(rugalmas adat/program allokáció)- Növelt direkt memória hozzáférés (EDMA) vezérlő- 32-Bit-es külső memória interfész:

Aszinkron memóriákhoz: SRAM és EPROM Szinkron memóriákhoz: SDRAM és SBSRAM 256M Bájt teljes címezhető külső memória terület

- 16-Bit host-port interfész (HPI)- Két többcsatornás bufferelt soros port (McBSP)- Két 32-Bit-es általános célú timer- Rugalmas fáziszárt hurok (PLL - Phase-Locked-Loop) órajel-generátor- IEEE-1149.1 (JTAG) Boundary Scan kompatibilitás- CMOS technológia: 0.18 µm/5 szintű fém feldolgozás [9]

A TMS320C6711 DSK blokk diagrammja az 1. sz. mellékletben, míg a DSP blokk diagrammja a 2. sz. mellékletben található meg.

A TMS320C6711 magja, perifériái és külső interfészei

A JTAG teszt/emulációs interfészt arra használják, hogy biztosítsa mind a beágyazott és a külső emulációt a forráskód hibakereséséhez. A vezérlő interfészt a DSP resetelésére használják, gondoskodik a külső megszakításokról. A külső memória interfész (EMIF) biztosítja a szinkron és aszinkron memóriák hozzáférését a Flash ROM-hoz, az I/O porthoz és a kiterjesztett memóriához. Az EMIF kihangsúlyozható, mint kiterjesztett memória interfész csatlakozó is a bővítőkártyás használathoz. A host port interfészt (HPI) kétirányú adatátvitelre használják a PC és a DPS között. A többcsatornás bufferelt soros portok interfészt nyújtanak a kártyán lévő analóg interfész áramkör számára, és a kiterjesztett perifériális interfészre csatlakoztatott bővítőkártyának. [9]A TMS320C6711 magját, perifériáit és külső interfészeit bemutató ábra a 3. sz. mellékletben található meg.

A C6711-es DSK analóg interfésze

27

A C6711-es DSK tartalmaz egy kétcsatornás hang/adat kodeket. Ennek az analóg interfész áramkörnek (AIC) a következő a karakterisztikája:

- 16-bit jelfeldolgozás- Független hang és adat csatornák – csak a hangcsatornát használják a

DSK-n- 8 kHz-es mintavételezési gyakoriság- Különálló szoftveres power-down mód a hang- és adatcsatornákhoz- Programozható teljesítményerősítők- 60 Ω-os fejhallgató driver teljesítményerősítővel- Sztereo elektret mikrofonok támogatása- Egy 3.5-mm-es mono bemeneti csatlakozó- Egy 3.5-mm-es sztereo kimeneti csatlakozó

DSP programozása

A DSP programozására több fejlesztői környezet áll a rendelkezésünkre. Nézzünk meg belőlük néhányat.

- Gépi kódú programozás: nehézkes, a hardver teljes ismeretét igényli, viszont nagyon jól optimalizált kódot lehet létrehozni

- Code Composer Studio: a Texas Instruments C alapú teljesen integrált fejlesztői környezete, valós idejű monitorozás képességével

- MATLAB: sok esetben előre megírt programrészleteket felhasználhatunk a programunkban, rendelkezik szűrőtervezővel

- VAB (Visual Application Builder): a Hiperception cég vizuális fejlesztői környezete, előre megírt elemekből építkezhetünk, de saját elemeket is illeszthetünk a programunkba

DSP alkalmazásának előnyei

A fentiekben említett, a feladat implementálásában használni kívánt LMS algoritmus, valamint a digitális FIR szűrő nagy számítási sebességet igénylő feladatok, és mivel egy dinamikus visszacsatolt rendszerről van szó megfelelő rugalmasságot is igényelnek. Ezen kritériumokat szinte lehetetlen analóg eszközökkel teljesíteni. A paraméterek dinamikus megváltoztatása pedig teljesen lehetetlen. DSP-nél ebben az esetben csak a software megváltoztatása szükséges.

Egy LMS algoritmus megoldása analóg módszerrel pedig teljesen lehetetlen. Az algoritmus megvalósítható lenne kapuáramkörökkel, de ezek nagyon elbonyolítanák a tervezést, és tesztelésük is nehézkes a sok hibalehetőség miatt. Emellett nyáktervezési problémákkal is szembe kell néznünk. Lehetőség lenne FPGA vagy PLA (és sok más egyéb) programozható kapuáramkör használatára, ám ezeknek tervezése elég bonyolult, és nem is elég rugalmasak a feladat megvalósításához. Számítógép használatával is megoldható a feladat, de ennek két hátránya van. Az első, hogy az utasítás végrehajtása nem jelfeldolgozó algoritmusok megoldására lett

28

optimalizálva, és nem alkalmazható mobil eszközökben, mert nagy a fogyasztása, és sok járulékos elemet igényel, ezért a méretei is korlátot szabhatnak. Egyedüli hatékony megoldásként a DSP maradt. Ezen processzorok digitális jelfeldolgozásra lettek kifejlesztve, ezért hatékonyan oldják meg az általunk használandó algoritmusokat. Emellett kis fogyasztású eszközök, így jól alkalmazhatók mobil eszközökben. Eléggé rugalmas, a hardware megváltozatása nélkül lehet a paramétereken változtatni. A DSP kártyák magukban foglalják az ADC DAC átalakítókat, így ezeket nem kell külön megtervezni. Amennyiben más speciális kiegészítő kártyára van szükségünk, (pl. több bemenet kell) a piacon szétnézve könnyen találhatunk számunkra megfelelőt. Mivel ezek illesztése (azonos márkájú DSP esetén) szabványos, a kiegészítő kártyák installálása a rendszerbe nem okoz gondot.

A TMDX326040A Audio Daughter kártya

Az audio kártyát a 17. ábra szemlélteti. Erre a kiegészítő kártyára azért volt szükségünk, mert a DSP alaplapi átalakítói csak 8 kHz-es mintavételi frekvenciával dolgoznak, ez pedig ha ténylegesen akusztikailag is akarjuk használni a rendszert kevés. A másik ok pedig, hogy ha az error mikrofon jelét is fel szeretnénk használni, akkor a DSP-n ehhez nincs elegendő bemenet, viszont ezen kártya segítségével máris megoldhatunk. Nézzük meg közelebbről a kártyát, mit is tud valójában.

17. ábra TMDX326040A Audio Daughter Card

A kártya tulajdonságai

- Kártyaméret: 3.5” x 3” Inches- PCM3003 – Burr Brown® 16-/20-Bit Single-Ended Analog Input/Output Stereo

Audio Codec- Kompatibilis a TI C31 és C6711 DSK-val (az információs csatlakozón

keresztül)- Vonali-bemeneti/kimenteti sztereó mini audio jack csatlakozó- 2 elektret mikrofon

29

- A mintavételezési frekvencia vezérelhető a 12.288 MHz-es Oszcillátorral vagy a DSP időzítőjének kimeneti lábával.

- Különálló Analóg/Digitális tápellátás szabályzók és földcsatlakozás a nagyfelbontású audiójelek érdekében.

- 20/16-bit codec választási lehetőség- Választható bemeneti forrás (Jack/Mikrofon)- Vonali/Mikrofon bemeneti erősítés beállítási lehetőség- A vezérlés típusánál kiválaszthatjuk, hogy azt az Oszcillátor vagy a DSP

időzítője végezze.- Jumper-ekkel beállítható mintavételi sebesség.

Installálás és tesztelés

1. A DSK kártya áramtalanítása2. Csatlakoztassuk az ADC csatlakozóját a DSK konnektorába3. Ellenőrizzük a jumper beállításokat4. Csatlakoztassuk a párhuzamos portot és a tápellátást a DSK-hoz a DSK leírása

szerint5. Futtassuk a C6711 DSK teszt programot

a. Csatlakoztassunk audio bemenetet és erősített hangszórókat a kártyáhozb. Futtassuk a ..\6711 DSK\codec_poll1.out fájltc. Hallanunk kell az audio bemenetet a hangszórókon

18. ábra A C6711 DSK installálása

30

Jumper beállítások

19. ábra A TMDX326040A jumper beállítása

Az alapbeállítást a képen a jelzi.

- JP1 – Jobb Mikrofon jele a bemeneti jel (alapértelmezett: pin 1-2)- JP2 – Bal Mikrofon jele a bemeneti jel (alapértelmezett: pin 1-2)- JP3 – csatlakozó a C31 DSK számára (a kártya alján)- JP4– PCM3003 Pin beállító (alapértelmezett: nincs csatlakoztatva)

Pin 1-2 nincs összekötve: 16-bit adatformátum, összekötve 32-bit adatformátum (20 bit adat)Pin 3-4 összekötve – de-emphasize 1 Pin 5-6 összekötve – de-emphasize 2

- JP5 – Főórajel forrás (MCLK)Pin 1-2 összekötve – MCLK a DSK-bólPin 3-4 összekötve – MCLK a 12.288 MHz-es az ADC saját Oszcillátorával (alapértelmezett)* Egyszerre csak az egyik beállítást használja (Pin 1-2 vagy Pin 3-4)

- JP6 – Frame szinkronizálási időzítés (alapértelmezett: összekötve a pin 3-4)Pin 3-4: Alap bal/jobb frame szinkron. (alapértelmezett: pin 3-4). Pin 1-2, 5-6: Habár a C31 DSK tudja használni a 16/32 bit frame szinkront, a legkisebb komplikációt úgy érhetjük el, ha 1.5clk-s magas frame szinkront használunk. Ezt úgy teheti meg, ha a pin 1-2 és 5-6-ot összeköti.

- JP7 – nincs összekötve, Digitális föld- JP8 – nincs összekötve, Digitális Vdd (3.3V)

31

- JP9 – nincs összekötve, Analóg föld- JP10 – nincs összekötve, Analóg Vdd (3.3V)- JP11/12- Bit sebesség/Adat sebesség állító Jumper-ek (alapértelmezett: JP11:

pin 5-6, JP12: pin 3-4)

fclk = 12.288 MHz vagyfclk = DSP TCLK

JP12 Mintavételezési sebességPins 1-2 Pins 3-4

JP11 Bit sebesség

Pins 1-2 32BIT, 48ksps = fclk/256 Nem használhatóPins 3-4 16BIT, 48ksps = fclk/256 32BIT, 48ksps = fclk/512Pins 5-6 Nem használható 16BIT, 48ksps = fclk/512

- U8 – C6711 DSK csatlakozása (a kártya alján)

32

8. AKTÍV ZAJELNYOMÓ RENDSZER KIALAKÍTÁSA

Az aktív zajelnyomó rendszer kialakításának első lépése egy olyan modell kialakítása volt, amelyen keresztül vizsgálni lehetett a rendszer működését, és prognosztizálni azt. Erre a megfelelő modellező program a MATLAB Simulink programja volt. Mielőtt digitális jelprocesszorra implementáltam az algoritmust, több modellt is elkészítettem, melyek segítségével tapasztalatokat szereztem.Az első modell egy egyszerűsített akusztikus rendszernek felel meg. A tiszta jelünk, amit majd visszanyerni kívánunk, egy szinusz jel, a jobb vizsgálhatóság kedvéért 0,5 Hz-es, amplitúdóját pedig egységnyinek választottam. A zavar egy véletlenjel generátor blokk, ami gaussos jelet állít elő, tehát normális eloszlású. Fontos, hogy a későbbi összeadás érdekében a jelek adattípusa, dimenziója, és mintavételi ideje megegyezzen. Ez esetben mindkettő double típusú, diszkrét mintavételezésű, 0.05s mintavételezési idővel.

20. ábra LMS modell Simulinkben

Nézzük a modell működését! A rendszer bemenete tehát a szinusz jel, illetve a véletlenjel. A kimeneten található oszcilloszkópon négy különböző jelet láthatunk. Első, ahogy a fenti ábra is mutatja a tiszta jel, a szinusz. A következő jel a szinusz, és a véletlen jel összege, tehát a folyamatosan zajjal terhelt jel. Mint azt láthatjuk, itt nem csupán a véletlen jelet adjuk hozzá a szinusz jelhez, hanem annak egy szűrt változatát, így tudjuk elérni azt, hogy a normális eloszlású véletlen jelből ténylegesen akusztikusnak tekinthető zajt kapjunk. A szűrő egy 31-ed rendű stabil aluláteresztő FIR típusú szűrő, amit a MATLAB program Filter Design Application eszközével hoztam létre. A szűrő karakterisztikája, és pontos paraméterei a következő ábrán láthatók.

33

21. ábra A szűrő karakterisztikája

Mivel a véletlenjelet nem SI egységben definiáltam, hanem egységnyinek vettem az amplitúdóját, ezért a szűrőnél sem konkrét frekvencia értékeket adok meg, hanem csak egységre vonatkoztatott értékeket. A rendszer „lelke” az LMS algoritmussal működő adaptív szűrő. Ez fogja kioltani a hasznos jelből a zajunkat. Az LMS blokknak 5 paramétere – 2 bemenet és 3 kimenet – van. Az Input bemenet szolgáltatja majd a hasznos jelet, a Desired bemenet pedig az elérni kívánt jelet. Ez a modell esetében megtévesztő lehet első látásra, mivel most az Input jelünk a tiszta véletlen jel, a Desired jelünk pedig a szűrt véletlen jel. Ennek magyarázata előtt felhívnám ismét a figyelmet arra, hogy ez a modell az LMS algoritmus működésének vizsgálatára szolgál, és csak másodsorba zajelnyomó rendszerként. Azért alkalmazzuk ezeket a bemeneteket, mivel ha egy kicsit tovább tekintjük a rendszert, láthatjuk, hogy az oszcilloszkóp harmadik bemenetére kerül majd a szűrt zajjal terhelt szinuszos jel, és az LMS blokk különbsége. Az LMS blokk kimenetén pedig az a jel jelenik meg, amely egyre inkább megközelíti az Input jelből a Desired jelet, tehát a szűrt zajt. Így az oszcilloszkóp kimenetén a szűrt zajjal terhelt szinuszos jel, és a szűrt zaj fokozatos közelítésének a különbsége kerül, amely fokozatosan megközelíti a szinusz jelet. Az oszcilloszkóp negyedik mért jele az LMS blokk egyik kimenete, az Error kimenet. Ez a hiba jel a két bemenet, tehát a véletlen jelnek, és a szűrt véletlen jelhez való közelítéskor fellépő különbség. Tehát a helyes működés szerint ennek a jelnek fokozatosan csökkennie kell. A következő ábra mutatja az oszcilloszkóp képét, rajta a négy jellel.

34

22. ábra A modell kimenete

A másik kimenet egy úgynevezett vektorszkóp ábra. A vektorszkóp egy idő tartomány, frekvencia tartomány, vagy felhasználó által definiált adat vektorát vagy mátrixát jeleníti meg. A 2 dimenziós bemeneti mátrix minden egyes oszlopa külön adat csatornaként van kirajzolva. A mi esetünkben a vektorszkóp bemeneti vektora az LMS blokk harmadik kimenete, a Wts, azaz a súlyvektor. A vektorszkóp ábrája az idő függvénye, az alábbi két ábra a rendszer bekapcsolása után kis idővel, majd a működés leálltakor a következő:

23. ábra Vektorszkóp t1 időpontban és t2 időpontban

35

A függőleges tengelyen a szűrő súlyai láthatók. Megfigyelhető, hogy az idő elteltével kialakulnak a görbén a „hegyek” és „völgyek”, míg a bekapcsolás után pár pillanattal még szinte vízszintes egyenes a függvény.

A másik modellnél, amit a Simulinkben készítettem, törekedtem arra, hogy több paraméter változtatásával, és egy konkrétabb virtuális akusztikus környezet kialakításával jobban megközelítsem a zajelnyomás életszerűségét. A több paraméter bevitele lehetővé tette további vizsgálatok elvégzését, a rendszer optimalizálásának lehetőségét.

24. ábra Normalizált LMS modell

Az alapvető blokkok itt is megtalálhatóak, ezek jelenléte persze kötelező, úgy mint a bemenetek – mind a tiszta jel, mind a zaj – az LMS blokk, ami elvégzi majd a zajszűrést, illetve a kimenetek. A változás, ahogy az ábrán látható, hogy a bemeneteknek kapcsolókkal lehet egy-egy előre beállított konstans értéket adni, az LMS blokknak most már 5 bemenetét használjuk, és kimenetként nem oszcilloszkópot, hanem hangszórókat használunk fel. Itt is van egy új kimenet, a

36

Waterfall-scope, azaz vízesésszkóp, ez az előző modellben használt vektorszkóp kiterjesztett 3 dimenziós változata, amin megjelenik a harmadik paraméterként az idő. Hogy életszerűvé tegyem ezt a modellt, elképzeltem egy akusztikus környezetet, például egy repülőgép pilótafülkéjét. Ezt takarja az Acoustic Environment blokk. Az aktív zajelnyomást számos helyen, többek között a pilóták fejhallgató rendszerében is használják, ahol kioltják a pilóta beszédéhez adódott motorzajt. Ennek egyik megvalósítását a képen láthatjuk.

25. ábra Egy repülőgép fedélzetének ANC megvalósítása

Az én modellem is hasonló módon működik, leszámítva azt, hogy nem több referencia és hiba jelet használ, hanem csak egyet-egyet. A virtuális pilótafülke Simulinkben készült blokkvázlata a következő:

26. ábra A repülőgép modellje

37

Az ábra jól szemlélteti, hogy tulajdonképpen ez egy kicsit bonyolított változata az előző modell input egységének. Látható egy zajforrás, ez valósítja meg a képzeletbeli külső mikrofonunkat, ami a motor zaját veszi fel. Ezt megszűrjük egy szintén FIR típusú szűrővel, annyi különbséggel az előző modellel szemben, hogy itt változtathatjuk a szűrő karakterisztikáját a Constant és a Constant1 kapcsolókkal, miszerint aluláteresztő, vagy sáváteresztő szűrőt kívánunk használni. Ezzel változtathatjuk a zaj karakterisztikáját, vizsgálhatjuk, hogy az egyes frekvenciatartományokban hogyan változik a zajszűrési mechanizmus. A szűrt zajhoz adjuk hosszá a tiszta jelet, azaz azt a jelet, ami a pilóta száját elhagyja, és ezek összege adja majd a pilóta mikrofonjára érkező jelet. Ebben az esetben egy egyszerű 8kHz frekvenciával mintavételezett wav formátumú hangfájlt használtam beszédnek, de természetesen itt használhatunk mikrofon által bevitt hangot is, az egyetlen, amire oda kell figyelni itt is az adattípusok, dimenziók, mintavételezési idők szinkronizálása az egyes jelek között. Mivel itt a hangszórót használjuk kimenetként, nem oszcilloszkópot, ezért a másik kimenet, a vízesésszkóp ábrái mutatják majd meg a futási eredményeket. Ám még mielőtt ezekre rátérnénk, vegyük végig az egyes kapcsolók szerepét. Mint azt már említettem, a Constant és a Constant1 értékek határozzák meg, hogy a zaj aluláteresztő, vagy sáváteresztő szűrőn menjen keresztül. A Constant2 és Constant3 értékek határozzák meg a lépésköz nagyságét, azt a bizonyos mü értéket, amely az adaptáció sebességéért felel. A nagyobb lépésköz hamarabb visz el a kvázioptimális állapotba, de meg van a veszélye, hogy a függvény, aminek az optimumát keressük, olyan tulajdonságú, hogy a nagy lépésközzel csak egy lokális optimumot érünk el, vagy átugorjuk az optimumot, esetleg oszcillál egy adott helyen. Így ennek megválasztása fontos, bár csak heurisztikus módszerekkel lehet. A Constant4 és Constant5 értékekkel indíthatjuk el az adaptációt, vagy állíthatjuk le, és a Constant6 és Constant7 értékek pedig a Reset bemenetre vannak kötve, tehát ezzel indíthatjuk újra a rendszert. A kimeneten a szűrők és az adaptáció sebességének figyelembevételével más-más képet ad a szkóp.

27. ábra Alulátersztő és Sáváteresztő szűrő t1 időpontban

38

28. ábra Aluláteresztő és sávátersztő szűrő t2 időpontban

Látható, hogy a sáváteresztő szűrő, illetve az aluláteresztő szűrő más-más karakterisztikát ad a vektor ábrának.A harmadik modellt, amit elkészítettem már úgy implementáltam, hogy a DSP-n futtatható legyen. Ez úgy oldható meg, hogy a Simulinkben található egy olyan funkció, amely lefordítja a modellt futtatható programmá, és áttölti a DSP-re. Ehhez a megfelelő DSP library blokkjait kell felhasználni.

29. ábra A DSP-re tervezett modell

A modell felépítése hasonló az előző kettőjéhez, azzal a különbéggel, hogy a bemenet a DSP analóg bemenete, míg a kimenet a DSP kimenetére van kapcsolva közvetlenül. Az egyes kapcsolók, miket az előző modellben arra használtam, hogy különböző szűrő karakterisztikákat állítsak be, valamint elindítsam, leállítsam és reseteljem az adaptációt, most a DSP-n található nyomógombok segítségével van helyettesítve, így a DSP-ről tudom vezérelni a teljes műveletet. A modell tartalmaz egy általam készített zajos csatorna blokkot, ami egy szélessávú fehér zajt produkál. Ahogy az előző modellben is, itt is normalizált LMS blokkot alkalmaztam. Az a különbség a normalizált és az általános LMS blokk között, hogy a normalizált LMS algoritmusnál minden iteráció alatt változtatható a mü értéke, tehát nem konstans. Így lehetővé téve az adaptáció rugalmasságát. A DSP bementére bármilyen

39

hangforrást tehetünk, így akár egy mikrofont, akár bármilyen hanghordozót. Én egy CD lejátszót kötöttem rá, és arra kevertem a zajt. A DSP-n található első kapcsolóval indíthatom az adaptációt, és állíthatom le, a második kapcsolóval hajtom végre a resetelést, míg a harmadik kapcsoló 0 állásában felüláteresztő szűrőtípust alkalmazok, 1 állásban pedig aluláteresztőt. Az tesztelés során kipróbáltam mindkét szűrőt, természetesen ezek változtatták a zaj karakterisztikáját, így hangzása is más volt, de észrevehető, ahogy a zaj fokozatosan kioltódik az eredeti hangból. Ahhoz, hogy az LMS algoritmust megérthessük, készítettem egy MATLAB programot is, amely ugyanezt a modellt szemlélteti, csak nem blokkokból összerakva, hanem forráskódban megírva. Ezt a forráskódot a mellékletben helyeztem el, ennek segítségével és minimális MATLAB programozói tudással jól megérthető az LMS algoritmus használata. A következő ábra mutatja a program futási eredményét. Ez a program úgy lett kialakítva, hogy nem egy zajt ad hozzá a tiszta jelhez, hanem önmagának egy torzított változatát, tehát a jel zaja a saját visszhangja. Bár ez már egy másik tudományterület, véleményem szerint most mindegy, hogy mit tekintünk zajnak, a lényeg, hogy kioltsuk a jelből. Az ábrán a kívánt jelet (desired signal), az adaptált kimeneti jelet (adaptive output signal), a közelítés hibáját (estimation error), és a költség függvényt (cost function (MSE)) mutatja. A futtatásnál egy wav file volt a tiszta jel, ami egy emberi beszéd felvétele, a szűrő rangja 1000, a lépésköz 0,007. A költségfüggvény (MSE) mutatja meg azt, ahogy az algoritmus számítja a közelítő értékeket, a kölcség függvény átlagértéke csökken. Ezzel ellenőrizhatjük, ahogy az LMS szűrő impulzus válasz függvénye közeledik az aktuális impulzus válsz függvényhez.

30. ábra A MATLAB program eredménye

40

Miután a modellekkel elkészültem, és pontos képet kaptam arról, hogy milyen eredményre számíthatok, egy másik fejlesztő eszközzel, a Code Composer Studio-val elkészítettem azt az algoritmust, ami a digitális jelprocesszoron futni fog. A Code Composer Studio egy olyan fejlesztő környezet, amely lehetőséget ad DSP-k, FPGA-k programozására, szimulációkra, illetve megjelenítésre, bár megjegyezném, hogy nem olyan gazdagon, mint a MATLAB. A Code Composer Studio nyelve a C illetve az assembly. Az algoritmus implementálásakor először kizárólag C nyelvet használtam, de tervezem az assembly nyelvre való részleges vagy teljes áttérést, a kód futásának hatékonysága, és a jobb optimalizálhatóság miatt.Az algoritmushoz definiálni kell a lépésközt, a súlyok számát, azaz a koefficiensek számát, kell egy változó a súlyoknak, az inputnak és az outputnak. Bár a DSP-n is van beépített bemenet és kimenet, én a DSP egy bővítőkártyáját, az előzőekben már említett hangkártyát használtam. Ehhez a szükséges változók a jobb csatorna és a bal csatorna.

#define beta 1E-12 //konvergencia mértéke #define N 30 //# súlyok száma #define LEFT 1 //bal castorna#define RIGHT 0 //jobb csatornafloat w[N]; //a szűrő súlyai float delay[N]; //input bufferfloat Fs = 8000.0; //mintavételezési rátashort output; //kimenet short out_type = 1; //csúszka segédváltozó

A DSP-re tervezett programoknak az alapköve egy végtelen ciklus, amelyet minden mintavételezéskor megszakít a program, elvégzi a mintavételezést, az adott mintán végrehajtja az adott műveleteket, majd visszaadja a vezérlést a végtelen ciklusnak. Ehhez definiálni kell az interruptot is, ennek magjában van elhelyezve az algoritmus. A programot úgy írtam meg, hogy a bal csatornán vesszük fel a kívánt (desired) jelet, a jobb csatornán pedig a zajt. Ez a két jel összeadódik, ez lesz a zajjal terhelt jelt.

desired = (float) CODECData.channel[LEFT]; //input left channel noise = (float) CODECData.channel[RIGHT]; //input right channel dplusn = desired + noise; //desired+noise Ez után következik az LMS algoritmus implemetálása, amely tulajdonképpen két for ciklusból áll.

for (i = 0; i < N; i++) yn += (w[i] * delay[i]);

E = (desired + noise) - yn; //"error" signal=(d+n)-yn for (i = N-1; i >= 0; i--) {

w[i] = w[i] + beta*E*delay[i]; //súlyok frissítése delay[i] = delay[i-1]; }

41

A programban elhelyeztem egy csúszkát is, aminek a segítségével tidom szabályozni, hogy a kimeneten mi jelenjen meg. Ha a csúszka pozíziója 1, a kimeneten a hiba jelentkezik, ha kettő, akkor pedig a zajjal terhelt jel. Ez nyilván közelíteni fog az eredeti jelhez.

if (out_type == 1) output = ((short)E);

else if (out_type == 2) output=((short)dplusn);

Ezután jön a program main függvénye, ami az inicializálásért felelős, majd a végén a végtelen ciklus. A program kész, csatolni kell hozzá a megfelelő header fileokat, amik a hangkártya és a DSP inicializálásához szükségesek. A Code Composer Studio elvégzi a fordítást, külön opcióként meg lehet adni neki, hogy a fordítás optimális legyen, ezzel is csökkentve a program méretét. A fordítással egyszerre a program átkerül a DSP memóriájába, ahonnan futtatható. A hangkártya rendelkezik audió bemenettel és kimenettel, beépített hangszóróval, illetve mikrofonnal, így a teszteléshez nem szükséges ilyen eszközöket használni. A tesztelés során a zajt zajgenerátorból vettem, és azt kötöttem rá a jobb oldali csatornára. A bal oldali csatornán mikrofon szolgáltatja a bemeneti jelet. Többszöri futtatás után meggyőződtem arról, hogy az általam készített modellek és a digitális jelprocesszoron futtatott program ugyanazt az eredményt adták, természetesen a hardver kiépítésből adódóan a DSP gyorsabban dolgozott ugyanolyan lépésköz megadása mellett. Az eredményt a Code Composer Studio beépített oszcilloszópja segítségével ábrázoltam.

31. ábra A Code Composer Studio eredménye

42

Az ábra egy frekvencia spektrum, amely mutatja, hogy az egyes frekvenciákon mennyire közelíti meg a zajjal terhelt jel a tiszta jelet. Leolvasható az is, hogy a magasabb frekvenciákon hatékonyabban működik a közelítés, kevesebb hibával dolgozik az algoritmus.

43

IRODALOMJEGYZÉK

[1] Texas Instruments

www.ti.com

[2] Kollár I., Németh J., Sujbert L. „Digitális jelfeldolgozás (Hallgatói segédlet)”

Budapesti Műszaki és Gazdaságtudományi Egyetem, Méréstechnika és

Információsrendszerek Tanszék, 2001

[3] Vadakkan Ranjit Raphael: Study of algorithms and their C implementations

http://education.vsnl.com/active_noise_control/

[4] Bharath M Siravara, B.E.: Subband Feedback Active Noise Cancellation

[5] Bogár István, Faragó Ákos, Molnár Károly: Nyolccsatornás jelfeldolgozó rendszer

fejlesztése, TDK dolgozat

[6] Dr. Philip C. Loizou, Dr. Louis R. Hunt, Dr. Nasser Kehtarnavaz: Subband

Feedback Active Noise Cancellation

The Univerity of Texas at Dallas 2002

[7] Gyimesi László: Digitális Jelfeldolgozás

[8] Steven W. Smith: The Scientist and Engineer's Guide to Digital Signal Processing

[9] TMS320C64x Technical Overview, Texas Instruments

[10] Kary Viktor: Aktív zajelnyomás lebegőpontos DSP-vel

44