Spatially Selective Active Noise Control for Open-fitting Hearables with Acausal Optimization
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
针对开放式耳机，提出基于非因果优化的空间选择性主动降噪方法
🎯 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 非因果优化 开放式耳机 相对脉冲响应
📋 核心要点
- 现有主动降噪技术在空间选择性方面存在不足，难以同时抑制噪声并保留特定方向的期望声音。
- 该论文的核心思想是将非因果相对脉冲响应引入优化过程，从而更准确地建模期望声源的响应。
- 仿真结果表明，该方法在语音失真、噪声降低和信噪比提升方面均优于传统的因果方法。
📝 摘要（中文）
本文提出了一种改进的空间选择性主动噪声控制方法，用于开放式耳机。该方法将非因果相对脉冲响应纳入优化过程，与因果设计相比，性能显著提升。通过仿真，在消声环境中，使用一对开放式耳机，对空间定位的语音和噪声源进行评估。性能指标包括语音失真、噪声降低和信噪比提升，考察了不同延迟和非因果程度的影响。结果表明，在所有指标和场景中，所提出的非因果优化始终优于因果方法，因为非因果滤波器能更有效地表征期望声源的响应。
🔬 方法详解
问题定义：开放式耳机在主动降噪方面面临挑战，尤其是在需要空间选择性的场景下。传统的因果主动降噪方法难以有效地区分和处理来自不同方向的声音，导致期望信号失真或噪声抑制效果不佳。现有方法无法充分利用未来时刻的信息来优化降噪性能。
核心思路：该论文的核心思路是利用非因果滤波器来更好地表征期望声源的响应。非因果滤波器可以利用未来时刻的信息，从而更准确地建模声源的传递函数，提高空间选择性降噪的性能。通过优化非因果滤波器的系数，可以更有效地抑制噪声，同时保留期望信号。
技术框架：该方法主要包含以下几个阶段：首先，采集耳机麦克风接收到的声音信号；然后，估计期望声源和噪声源的相对脉冲响应（RIRs），关键在于使用非因果滤波器建模RIRs；接着，基于估计的RIRs，设计主动降噪滤波器，目标是最小化误差信号，同时约束语音失真；最后，将设计的滤波器应用于耳机，实现空间选择性主动降噪。
关键创新：该方法最重要的创新点在于将非因果滤波器引入到空间选择性主动降噪的设计中。与传统的因果滤波器相比，非因果滤波器能够更好地表征期望声源的响应，从而提高降噪性能和空间选择性。这种方法允许系统利用未来时刻的信息来优化滤波器的设计，从而实现更精确的噪声抑制和信号保留。
关键设计：关键设计包括：1) 使用最小均方误差（LMS）算法或其他自适应算法来估计非因果RIRs；2) 设计目标函数，同时考虑噪声抑制和语音失真，例如，最小化误差信号的能量，同时约束语音失真；3) 选择合适的非因果滤波器的长度和延迟，以平衡性能和计算复杂度。延迟参数控制了非因果性的程度，需要根据实际应用场景进行调整。
🖼️ 关键图片
📊 实验亮点
仿真结果表明，与传统的因果方法相比，该方法在语音失真、噪声降低和信噪比提升方面均有显著改善。具体而言，在不同的延迟和非因果程度下，该方法始终优于因果方法。这表明非因果滤波器能够更有效地表征期望声源的响应，从而提高空间选择性主动降噪的性能。
🎯 应用场景
该研究成果可应用于开放式耳机、助听器等可穿戴音频设备，提升在复杂声学环境下的语音通信质量和听觉舒适度。例如，在嘈杂的办公室或交通环境中，用户可以清晰地听到对话，同时有效抑制背景噪声。该技术还可用于增强现实（AR）和虚拟现实（VR）应用中的沉浸式音频体验。
📄 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.