1 Parametrisk equalizer Fremlæggelse af gruppe juni 2004

2 Fremlæggelsesplan  Kim Ngo Indledning  Kim Nørmark Lydtryksmåler  Mikkel Purup Filteralgoritme  Andreas Gregersen Frekvensanalyse  Thomas Thorsen Talrepræsentation  Casper Bonde Afslutning

3 Indledning Kim Ngo

4 Parametrisk equalizer  Grafisk equalizer Fast inddeling af frekvensbånd Fastdefineret bredde  Parametrisk equalizer Variabelt inddeling af frekvenbånd Varierende bredde Filtertype Antal af filtere

5 Eksterne tilslutninger

6 Opbygning af systemet

7 Analog hardware

8 Digital equalizer filter  Peakfilter og shelffilter  Implementeres på DSP  Indstillingsparametre Centerfrekvens Bredde (Peakfilter) Gain Mastergain

9 DSP-firmware  Equalizer Modtage samples Filtrering af samples Afspilning af samples  Lydtryksmåling Måle lydtrykket  Frekvensanalyse Måle frekvenskarakteristik  Kommunikation med pc

10 Grafisk Brugerflade

11 Lydtryksmåler Kim Nørmark

12 Lydtryksmåler

13 A-vægtningsfilter

14 Realisation af a-vægtning  Sallen-key (2. orden) Højpas, nulpunkt i 0 Hz, pol i 20,6 Hz. Lavpas, pol i Hz.  RC-led (1. orden) Højpas, nulpunkt i 0 Hz, pol i 107,7 Hz. Højpas, nulpunkt i 0 Hz, pol i 737,9 Hz.

15 Root mean square (rms)

16 Direkte beregning  Dyrt og kompliceret design. 2 multipliere + integrator.  Kræver stort dynamikområde. Input:40 dB(0,1 – 10 V). Output:80 dB(0,01 – 100 V).

17 Tilbagekobling (log-antilog)

18 Filteralgoritme Mikkel

19 Implementering af differensligning y[n] = b 0 x[n] + b 1 x[n-1] + b 2 x[n-2] + (a 1 /2)y[n-1] + (a 1 /2)y[n-1] + a 2 y[n-2]  På grund af filtreringsinstruktioner ændres fortegn på a- koefficienterne.  a 1 er halveret og akkumuleres to gange på grund af skalering.

20 Illustrering af filtreringsalgoritme ZALRNUL LTx 1 [n-2] MPY*+ LTD x 1 [n-1] MPY *+ LTD x 1 [n] MPY *+ LTA y 1 [n-2] MPY *+ LTD Y 1 [n-1] MPY *+ LTA x 2 [n-2] MPYA *+ SACH y 1 [n-1] SACH x 2 [n] ACC = 0 + ½LSB ACC = b 2 x[n-1] + ½LSB ACC = b 2 x[n-1] + b 1 x[n-1] + b 0 x[n] + ½LSB ACC = b 2 x[n-1] + b 1 x[n-1] + b 0 x[n] + a 2 y[n-2] + (a 1 /2)y[n-1] + ½LSB ACC = b 2 x[n-1] + b 1 x[n-1] + b 0 x[n] + a 2 y[n-2] + 2(a 1 /2)y[n-1] + ½LSB

21 Nuværende instruktionstid Handling Instruktioner Interruptbranch6+3 Sæt continuos mode 1 Gem kontekst 13 Indlæsning af sample 6/7 Filtrering af og Filtrering af sidste sektion 12 Output til codec 5 Genskab kontekst 13 Return 4 I alt 104/105  Det vil sige at antallet af instruktioner for en stereosample er 209 ud af 232.

22 Optimering af filteralgoritme Handling Instruktioner Interruptbranch6+3 Sæt continuos mode 1 Gem kontekst 13 Indlæsning af sample 6/7 Filtrering af og Filtrering af sidste sektion 12 Output til codec 5 Genskab kontekst 13 Return 4 I alt 104/105  Det vil sige at antallet af instruktioner for en stereosample er 209 ud af 232. Handling Instruktioner Interruptbranch6+3/0 Sæt continuos mode 1/0 Gem kontekst 13/0 Indlæsning af sample 4/4 Filtrering af og Filtrering af sidste sektion 12 Output til codec 5 Genskab kontekst 0/13 Return 0/4 I alt 85/79  I alt 164 instruktioner for en stereosample.  Fjernes D/M systemet reduceres dette til 158, svarende til 74 ledige instruktioner – eller 2 ekstra filtersektioner per kanal.

23 Frekvensanalyse Andreas

24  At kunne måle frekvenskarakteristikken for equalizeren, højttalerne samt lytterummet. Resultatet udlæses på brugerfladen. Dermed bliver det lettere for brugeren at tilpasse audiosystemmet til højttalerne og rummet. Formål

25 Frekvensanalyse metoder  Udsende støj (hvidt eller lyserødt). Foretage en DFT-analyse af signalet.  Kræver komplicerede regneoperationer på DSP’en.  Har et lineært spring mellem frekvenserne og kræver derfor en høj opløsning  Udsende et sinussweep. Sammenligne styrken af det optagede signal med en reference.  Her kan eksisterende hardware i form af lydtryksmåleren genbruges til at finde energien i signalet med.

26 Flowdiagram over frekvensanalysen

27 Hardware-blokdiagram over virkemåde  A-vægtet frekvensrespons. Vanskelig at tolke.

28 Forskellig opløsning  Frekvensanalysen kan foretages med forskellig opløsning. Fra 1 til 30 punkter per oktav. Dvs. 1 til 30 forskellige frekvenser per oktav, afhængig af den valgte opløsning. F.eks. vil 2 punkter/oktav bevirke at 2 frekvenser logaritmisk fordelt mellem 20 Hz og 40 Hz udsendes.

29 Frekvenskarakteristik med forskellig opløsning  Frekvenskarak- teristik med 5, 10 og 30 punkter/oktav  Tydelig A- vægtning på frekvenskarak- teristikken.

30  Frekvensanalyse med 10 punkter/oktav. Med alle filtre nulstillet. Forsøg på at equalizere audiosystemet. Equalisering ud fra frekvensanalyse

31 Blokdiagram over forbedret virkemåde  Ikke A-vægtet frekvensrespons. Lettere at tolke korrekt.

32 Talrepræsentation Thomas

33 Talrepræsentation DSP Processors Fixed-PointFloating-Point 16-bit 20-bit 24-bit32-bit IEEE 754 Other Kilde: DSP Processor Fundamentals: Architectures and Features TMS320C26

34 Koefficientkvantisering  Kun et endeligt antal diskrete nulpunkt- og polplaceringer er realiserbare.  Kvantisering af koefficienter giver ændringer i filterkarakteristik. Mulige placeringer (6bit)

35 Koefficientkvantisering  Brugerfladen viser det realiserede og det ideelle filter.  Skalering er baseret på ideelle filtere. Realiseret Ideel Koefficientkvantisering (16bit)

36 Filterberegninger Beregn ideelle koefficienter Beregn Skalerings- faktorer Kvantiser filter- koefficienter Ideelt filter Ideelt skaleret filter Kvantiseret approximation af ideelt skaleret filter

37 Beregning af skaleringsfaktorer  Ændres skaleringsfaktoren, Påvirkes hele filterbanken. 5,00 4,00 1,00 0,80 0,20 0,10 0,30 0,50 0,25 0,    11 1 KS     KS KS Endeligt gain: 2 22  KS +6dB - 6dB 0dB

38 Koefficientkvantisering  Det er ikke trivielt at udvikle en algoritme der forhindrer overflow som følge af koefficientkvantisering.  Ved at anvende en større ordlængde kan problemet minimeres.  20bit mindsker problemet.  24bit eliminerer problemet.

39 Kvantiseringsstøj 16bit 32bit  16bit

40 Kvantiseringsstøj  Kvantiseringsstøj akkumuleres gennem filtere: e = e 1 + e 2 + e 3 + e 4  e 1 til e 3 kan minimeres ved at anvende en større ordlængde. e1e1 e2e2 e3e3 e4e4 y[n] + ex[n]

41 Talrepræsentation  Repræsentation af filterkoefficienter i 16bit giver problemer ved koefficientkvantisering.  Med 24bit repræsentation elimineres problemet med koefficientkvantisering.  Med 24bit repræsentation formindskes kvantiseringsstøjen betydeligt.

42 Afslutning Casper

43 Accepttest  Test områder: Filter frekvenskarakteristik:  Overensstemmelse mellem teoretiske filtre og de implementerede? Lydtryksmåling:  Er systemet i stand til at måle korrekt lydtryk inden for dB? Frekvenskarakteristikanalyse:  Er det muligt at måle frekvenskarakteristikken for det equalizerede audiosystem?

44 Filter frekvenskarakteristik

45 Filter frekvenskarakteristik

46 Lydtryksmåling  Lydtryksområde: dB.  Test lyd: Pink noise.  Midlet over 100 målinger.  Maksimal afvigelse: 0,6 dB

47 Frekvenskarakteristikanalyse

48 Konklusion  4 brugerdefinerede filtere.  Live opdatering af koefficienter.  Lydtryksmåling (max. afvigelse 0,6 dB).  Frekvenskarakteristik vha. sinussweep.  Accepttest godkendt. Indstille filtere. Måle a-vægtet lydtryk. Måle audiosystemets frekvenskarakteristik.

49 Perspektivering  Tiltag fra fremlæggelsen. Optimering af filtreringsalgoritmen  Flere filtere. Frekvensanalyse uden a-vægtningsfilter. 24 bit koefficienter og signalbehandling.  Andre perspektiver. Studie projekt. Moderne DSP. Nyere Kommunikationsinterface. Stand alone enhed til hi-fi anlæg.  Ingen PC tilsluttet ved normal drift  Gemmer koefficienter mv. Fjerne overflødig HW til udvikling

50 Demonstration