1、CVC和DSP降噪：消费者在选购蓝牙耳机时，总会听到商家在宣传耳机所具备的CVC、DSP降噪功能，不管听过N多商家这样的描述，可不少消费者依然不是很明白这两者之间的区别，针对这样的一个技术问题，我们今天来科普下这两者的工作原理及区别。        DSP是英文(digital signal processing)的简写，其工作原理:麦克风收集外部环境噪音，然后通过耳机内部的降噪系统功能，复制产生一个与外界环境噪音相等的反向声波，将噪音抵消，从而达到更好的降噪效果。        CVC是英文（Clear Voice Capture）的简写，是一种软件降噪技术,其原理是通过耳机内置的消噪软件及麦克风，来抑制多种类型的混响噪音。两者的区别：1、针对对象不一样，CVC技术主要针对通话过程中产生的回声， DSP主要是针对外部环境中的高、低频噪声。2、受益对象不同，DSP技术主要使耳机使用者本人收益，而CVC主要使通话的另一方受益。归结而言采用DSP和CVC降噪技术的耳机，都能有效降低通话外部环境的噪音，显著提高耳机的通话、听歌音质。如纳音科技最新推出的 jetblue M8 磁控蓝牙耳机，就具备DSP和CVC这两种降噪功能，在音质上表现很出 {MOD}。2、ANC降噪： ANC指Active Noise Control，主动降噪。基本原理是降噪系统产生与外界噪音相等的反向声波，将噪音中和。图1是feedforward式主动降噪耳机的示意图。ANC芯片放置在耳机内。Ref mic（reference microphone）在耳机耳罩上，采集环境噪音。Error mic（Error Microphone）在耳机内，采集降噪处理后的残差噪声。Speaker播放ANC处理后的anti-noise。 

 
图1 

原理

 
图2 

　　图2是ANC系统的原理图，一共三层，用虚线分隔。最上一层primary path是从ref mic到error mic的声学通道，响应函数用P(z)P(z)表示；中间一层是模拟通道，其中secondary path是adaptive filter输出到返回残差的通路，包括DAC、reconstruction filter、power amplifier、speaker播放、再采集、pre-amplifier、anti-aliasing filter、ADC；最下一层是数字通路，其中adaptive filter不断调整滤波器权系数来削减残差，直到收敛。最常用的方案是用FIR滤波器结合LMS算法来实现adaptive filter。简化图2，得到图3。
 
图3 
　　先简要说几句adaptive filter和LMS（Least mean square）算法的原理，再说图3。如图4，给定输入xx和desired output dd，adaptive filter每次迭代会更新系数，使其输出yy与dd之差越来越小，直到残差足够接近0且收敛。LMS是adaptive filter的一种更新算法。LMS的目标函数是瞬时误差的平方e2(n)=(d(n)−y(n))2e2(n)=(d(n)−y(n))2，为了minimize目标函数，对其应用梯度下降就得到算法的更新公式。（这种利用gradient descent来最小化某个objective，从而得到待求参数的更新公式的算法思想非常常见，比如linear regression。）采用FIR滤波器的LMS算法的更新公式为：w(n+1)=w(n)+μe(n)x(n)w(n+1)=w(n)+μe(n)x(n)，其中μμ为step size。如果随着迭代进行调整μμ的大小，就是变步长的LMS算法。
 
图4 
　　再来说图3。这里adaptive filter输出后还要经过S(z)S(z)才去和desire output比较，S(z)S(z)会引起instability，用文献的话说，“the error signal is not correctly ‘aligned’ in time with the reference signal”，破坏了LMS的收敛性。（这里还没弄懂什么意思T__T）一种有效的方法是FXLMS（Filtered-X LMS），也就让x(n)经过Sˆ(z)S^(z)再输入给LMS 模块， Sˆ(z)S^(z)是S(z)S(z)的估计。FXLMS的objective：e2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,e2(n)=(d(n)−s(n)∗[wT(n)x(n)])2,
所以gradient=−2e(n)s(n)∗x(n)−2e(n)s(n)∗x(n)，其中s(n)s(n)未知，用其estimate近似，所以FXLMS的更新公式是w(n+1)=w(n)+μe(n)x′(n),w(n+1)=w(n)+μe(n)x′(n),其中x′(n)=sˆ(n)∗x(n)x′(n)=s^(n)∗x(n) 。　　当adaptive filter收敛时，E(z)=X(z)P(z)−X(z)W(z)S(z)≈0E(z)=X(z)P(z)−X(z)W(z)S(z)≈0，因此W(z