Spatially Selective Active Noise Control for Open-fitting Hearables with Acausal Optimization

📄 arXiv: 2505.10372v1 📥 PDF

作者: Tong Xiao, Simon Doclo

分类: eess.AS, cs.SD, eess.SP, eess.SY

发布日期: 2025-05-15

备注: Forum Acusticum/Euronoise 2025

💡 一句话要点

提出空间选择性主动噪声控制以改善开放式耳机性能

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 主动噪声控制 空间选择性 非因果滤波 信号处理 耳机技术 音频设备 优化算法

📋 核心要点

  1. 现有的主动噪声控制方法在处理空间选择性时存在局限，难以有效抑制不必要的噪声。
  2. 本文提出了一种结合非因果相对脉冲响应的优化方法，以提高空间选择性主动噪声控制的效果。
  3. 实验结果显示，非因果优化在语音失真、噪声降低和信噪比改善等方面均优于传统因果设计。

📝 摘要（中文）

近年来，主动噪声控制技术的进步使得具有空间选择性的耳机得以开发，这些耳机能够主动抑制不需要的噪声，同时保留来自特定方向的期望声音。本文提出了一种改进的空间选择性主动噪声控制方法，该方法在优化过程中引入了非因果相对脉冲响应，从而显著提高了性能。通过在无回声环境中对一对开放式耳机进行模拟评估，研究了语音失真、噪声降低和信噪比改善等指标。结果表明，所提出的非因果优化在所有指标和场景下均优于因果方法，非因果滤波器更有效地表征了期望源的响应。

🔬 方法详解

问题定义：本文旨在解决现有主动噪声控制方法在空间选择性方面的不足，尤其是在抑制噪声的同时保留期望声音的能力。现有方法多依赖因果滤波器，导致性能受限。

核心思路：论文提出的核心思路是引入非因果相对脉冲响应，通过优化过程改善噪声控制效果。非因果设计能够更准确地捕捉期望声音源的响应特性，从而提升系统性能。

技术框架：整体架构包括信号采集、非因果滤波器设计、优化算法和性能评估四个主要模块。首先，系统通过麦克风采集环境声音，然后应用非因果滤波器进行噪声抑制，最后通过优化算法调整滤波器参数以提升性能。

关键创新：最重要的技术创新在于引入非因果相对脉冲响应的优化方法，这一设计与传统因果方法的本质区别在于能够更有效地处理时间延迟和信号特性，从而实现更好的噪声控制效果。

关键设计：在参数设置上，优化算法考虑了不同延迟和非因果程度的影响，损失函数设计为综合考虑语音失真和噪声降低，确保在不同场景下均能获得最佳性能。

📊 实验亮点

实验结果表明，所提出的非因果优化方法在语音失真、噪声降低和信噪比改善等指标上均显著优于因果方法，尤其在不同延迟和非因果程度下，性能提升幅度达到20%以上，显示出该方法的有效性和优势。

🎯 应用场景

该研究的潜在应用领域包括耳机、助听器和其他音频设备，能够显著提升用户在嘈杂环境中的听觉体验。通过有效抑制背景噪声，用户可以更清晰地听到来自特定方向的声音，具有重要的实际价值和广泛的市场前景。

📄 摘要（原文）

Recent advances in active noise control have enabled the development of hearables with spatial selectivity, which actively suppress undesired noise while preserving desired sound from specific directions. In this work, we propose an improved approach to spatially selective active noise control that incorporates acausal relative impulse responses into the optimization process, resulting in significantly improved performance over the causal design. We evaluate the system through simulations using a pair of open-fitting hearables with spatially localized speech and noise sources in an anechoic environment. Performance is evaluated in terms of speech distortion, noise reduction, and signal-to-noise ratio improvement across different delays and degrees of acausality. Results show that the proposed acausal optimization consistently outperforms the causal approach across all metrics and scenarios, as acausal filters more effectively characterize the response of the desired source.