Địa chỉ bài báo: Hệ thống truyền âm thanh qua tai nghe nhét trong dựa trên mô hình dịch chuyển thời gian.

Định dạng trích dẫn:

bản tóm tắt

　　Công nghệ Hear-through (HT) chủ động bù đắp cho tình trạng cách ly thụ động bằng cách tăng cường khả năng cảm nhận âm thanh xung quanh của người đeo tai nghe. Các vật liệu trong tai nghe làm giảm các thành phần tần số cao của âm thanh trên 500Hz. Thuật toán HT sử dụng hàm truyền tương đối (RTF) giữa micrô và tai người dùng để tạo ra âm thanh nhân tạo, do đó bù đắp cho sự mất mát của âm thanh xung quanh. Nhìn chung, hiệu suất của HT phụ thuộc vào hướng tới (DOA) của âm thanh xung quanh. Bài báo này đề xuất một lược đồ dịch chuyển thời gian để xác định RTF và một thuật toán cân bằng chủ động để tính toán chính xác âm thanh bù. Một bộ lọc định hình cũng được phát triển để ngăn chặn sự can thiệp từ âm thanh nhân tạo tần số thấp. Cuối cùng, thuật toán được tích hợp vào tai nghe nhét tai và so sánh với hiệu suất HT của sản phẩm thương mại để xác minh tính hiệu quả của thuật toán.

Từ khóa: Hệ thống thích ứng, hướng đến, độ thâm nhập, tai nghe nhét tai, cách ly thụ động, hàm truyền tương đối.

1 Giới thiệu

　　Với sự tiến bộ của công nghệ âm thanh trong những năm gần đây, thị trường thiết bị đeo thông minh đã phát triển nhanh chóng. Một số công ty đã tung ra tai nghe thông minh mang đến cho người tiêu dùng trải nghiệm nghe tốt hơn so với tai nghe truyền thống[6]. Ngoài ra, thị trường tai nghe thông minh tiếp tục tăng thị phần trên toàn thị trường tai nghe và đến năm 2026, thị trường tai nghe cao cấp toàn cầu dự kiến ​​sẽ vượt quá 22 tỷ đô la Mỹ. Thông thường, tai nghe thông minh hỗ trợ chuyển đổi giữa chức năng khử tiếng ồn chủ động (ANC) và nghe xuyên thấu (HT)[7]. ANC, công nghệ giúp loại bỏ tiếng ồn xung quanh không mong muốn, đã có nhiều tiến bộ trong thập kỷ qua. HT bù đắp cho sự mất mát âm thanh xung quanh đối với người đeo tai nghe, tạo điều kiện thuận lợi cho việc giao tiếp và tăng cường thính giác[12][18]. Vì HT trong tai nghe có chức năng tương tự như máy trợ thính[7] nên nó đã thu hút được sự chú ý rộng rãi trong những năm gần đây[19].

　　Tai nghe thông minh, bao gồm cả tai nghe nhét tai, là loại phổ biến nhất do tính nhẹ và tính di động của chúng[6],[20]. Một số công ty đã tung ra tai nghe nhét tai có chức năng ANC và HT; tuy nhiên, để đáp ứng nhu cầu của người tiêu dùng, hiệu suất của HT cũng phải được cải thiện. Để đạt được HT, một micrô ngoài được kết nối với bên ngoài tai nghe sẽ nhận âm thanh xung quanh, sau đó loa sẽ tạo ra và phát âm thanh xung quanh giả để bù cho sự cô lập âm thanh do tai nghe gây ra, do đó mang lại độ trong suốt về mặt âm thanh [23]. Âm thanh mà người đeo tai nghe nghe được bị chặn ở tần số trên 500Hz. Nhiều nhà nghiên cứu đã đề xuất cải thiện chức năng HT. Rämö và Välimäki đã đề xuất một phương pháp cân bằng dựa trên nguyên lý toàn thông để sử dụng trong các hệ thống HT dành cho tai nghe [25] và phân tích hiệu ứng lược [26]. Ranjan và Gan đã phân tích khả năng cách ly âm thanh do tai nghe gây ra và đề xuất các kỹ thuật lọc thích ứng để tái tạo khả năng nghe tự nhiên trong tai nghe hở lưng [14]. Gan và cộng sự cũng đã phát triển các ứng dụng thực tế ảo (VR) và thực tế tăng cường (AR) để tạo ra trải nghiệm nghe tự nhiên và nâng cao cho người đeo tai nghe. Hướng thay đổi của âm thanh xung quanh (DOA) được thảo luận với mục tiêu thiết kế bộ lọc HT [17]. Gupta và cộng sự đã đề xuất một sơ đồ cân bằng HT tham số để ước tính DOA của âm thanh và sau đó chọn bộ lọc HT tương ứng từ cơ sở dữ liệu được tính toán trước để cải thiện hiệu suất trong các tình huống đa nguồn [24]. Patel và cộng sự đã đề xuất một tai nghe HT định hướng tích hợp một mảng micrô định hình chùm tia cho HT theo hướng người đeo đang đối mặt [29]. Zhuang và Liu đã chỉ ra rằng trong miền tần số, vấn đề thiết kế bộ lọc HT có thể được xây dựng theo cách tương tự như thiết kế bộ lọc ANC [30]. Trên cơ sở này, phương pháp thiết kế bộ lọc HT bị ràng buộc được đề xuất. Ngoài ra, Gupta et al. [31] đã đánh giá các bộ lọc cân bằng HT được cá nhân hóa và không được cá nhân hóa dựa trên các tín hiệu ở tai. Jin và cộng sự cũng đã thiết kế một bộ lọc cân bằng HT được cá nhân hóa bằng cách ước tính áp suất âm thanh tại màng nhĩ [32]. Hầu hết các nghiên cứu HT tập trung vào việc bù đắp cho sự cô lập âm thanh do tai nghe gây ra để cải thiện độ trong suốt âm thanh [14], [17], [24], [29], [33]. Có rất ít đánh giá về tai nghe nhét tai. Nguyên nhân chính có lẽ là do tai nghe nhét tai quá nhỏ và khó điều khiển; đồng thời, loa nhỏ cũng khó đạt hiệu suất tốt ở tần số thấp[34]. Do đó, việc tính toán bộ lọc HT phải có hiệu quả để ngăn chặn sự vang vọng của âm thanh nhân tạo. Hầu hết tai nghe nhét tai đều có nút tai được thiết kế riêng giúp ngăn chặn tiếng ồn xung quanh. Nút tai giúp loại bỏ tiếng ồn vì chúng cách ly người đeo khỏi âm thanh xung quanh trong dải tần số lớn, nhưng lại khiến việc loại bỏ tiếng ồn trở nên khó khăn.

　　Trong nghiên cứu này, kỹ thuật HT dành cho tai nghe nhét tai được phát triển. Để có được trải nghiệm nghe trong suốt, hiệu ứng cách ly thụ động của tai nghe nhét tai phải được bù đắp. Cách trực quan nhất là xác định RTF giữa micro ngoài (với tai nghe nhét tai) và micro màng nhĩ (micro trong, không có tai nghe nhét tai), như thể hiện trong Hình 1. Hình 1 cho thấy thiết lập thử nghiệm để tích hợp micrô ngoài với tai nghe nhét tai. Trong thí nghiệm này, người ta đã sử dụng một thiết bị mô phỏng tai có đầu giả. Các micro bên trong chính là tai của đầu giả. Trong các ứng dụng HT, tín hiệu micrô bên ngoài và bên trong không thể được nhận đồng thời do các điều kiện tạo ra chúng khác nhau. Do đó, trong công trình này, một phương pháp dịch chuyển thời gian được đề xuất để nhận dạng RTF ngoại tuyến nhằm đạt được HT. Vì nút tai cách ly người đeo khỏi âm thanh bên ngoài trên một dải tần số rộng nên phương pháp lọc định hình được đề xuất để tạo ra âm thanh bù ở tần số quan tâm, do đó giảm tác động của DOA và cải thiện hiệu suất HT.

Hình 1 cho thấy thiết lập của tai nghe nhét tai tích hợp với micrô ngoài.

　　Phần còn lại của bài viết này được tổ chức như sau. Phần 2 thảo luận về hệ thống HT dựa trên phương pháp mô hình dịch chuyển thời gian được đề xuất và thuật toán cân bằng truyền chủ động (AHE) của tai nghe nhét tai. Phần 3 đánh giá thuật toán được đề xuất và thảo luận về những ưu điểm của bộ lọc định hình được thiết kế. So sánh được thực hiện với tai nghe nhét tai thương mại. Phần 4 đưa ra kết luận.

2 Hệ thống nghe xuyên thấu (HT)

Hình 2 cho thấy cấu trúc hệ thống của tai nghe nhét tai sử dụng giải pháp HT.

　　Giải pháp HT được sử dụng rộng rãi trong tai nghe hiện đại. Mục đích của HT là bù đắp cho sự cô lập thụ động do tai nghe gây ra. HÌNH 2 mô tả sơ đồ HT trong tai nghe nhét tai, trong đó một hình nộm đầu đóng vai trò là người dùng tai nghe. Một micrô ngoài được kết nối với bên ngoài tai nghe nhét tai để thu âm thanh từ môi trường bên ngoài $x(t)$. Âm thanh xung quanh còn sót lại trong tai của đầu giả được ký hiệu là $x'(t)$. Âm thanh bù $y′(t)$ do hệ thống HT tạo ra được sử dụng để bù cho sự mất mát âm thanh xung quanh do sự cô lập thụ động của tai nghe. Do đó, âm thanh giả xung quanh của micrô bên trong (tai giả) là.

$$d'(t)=x'(t)+y'(t)$$ .

Trong đó $t$ biểu thị thời gian. Hơn nữa, các bộ lọc kỹ thuật số có thể thích ứng với môi trường thay đổi, do đó, các bộ chuyển đổi analog sang kỹ thuật số (ADC) và chuyển đổi kỹ thuật số sang tương tự (DAC) được sử dụng trong hệ thống HT được đề xuất.

Hình 3 Sơ đồ của tai nghe nhét tai có ống tai giả.

　　Công trình này phát triển một kỹ thuật có thể khôi phục hoàn hảo âm thanh xung quanh trên màng nhĩ của người đeo tai nghe nhét tai. Hình 3 cho thấy khái niệm về hệ thống HT được đề xuất trong bài báo này. Loa chính được sử dụng để tạo ra tín hiệu kích thích. Đường dẫn thứ cấp biểu thị chức năng truyền từ loa thứ cấp đến micrô bên trong, thường bao gồm DAC, bộ lọc tái tạo, bộ khuếch đại công suất, đường dẫn âm thanh từ loa thứ cấp đến micrô bên trong, bộ tiền khuếch đại, bộ lọc khử răng cưa và ADC. Đường dẫn phản hồi âm thanh từ loa đến micrô ngoài không được xem xét vì đầu nút tai bằng silicon của tai nghe nhét tai sẽ làm giảm âm thanh phản hồi. Trong đó $n$ biểu diễn mẫu thời gian kỹ thuật số. Giả sử tín hiệu tại micrô ngoài là $x(n)$, mục tiêu của sơ đồ đề xuất là thu được tín hiệu bù $y(n)$ sao cho tín hiệu giả xung quanh $d'(n)$ (do người đeo tai nghe nhận được) hoàn toàn khớp với tín hiệu $d(n)$ (sẽ nhận được mà không cần tai nghe).

　　Để đạt được mục tiêu này, đường dẫn mục tiêu $T(z)$ phải được xác định. Đường dẫn mục tiêu $T(z)$ đề cập đến hàm truyền giữa micrô ngoài (có tai nghe) và tai nghe của đầu giả (không có tai nghe). Vì tín hiệu bên ngoài $x(n)$ và tín hiệu môi trường $d(n)$ tồn tại trong các bối cảnh khác nhau nên $T(z)$ không thể được xác định bằng các phương pháp thích ứng truyền thống. Do đó, phương pháp mô hình dịch chuyển thời gian được sử dụng để xác định RTF giữa micrô bên ngoài và bên trong, do đó ước tính chính xác hàm truyền $T(z)$.

A. Mô hình hóa ngoại tuyến dịch chuyển thời gian

　　Bởi vì tín hiệu từ micro bên ngoài và bên trong không thể được nhận cùng một lúc. Để đạt được mục đích này, một phương pháp dựa trên dịch chuyển thời gian được đề xuất để nhận dạng RTF ở trạng thái ngoại tuyến nhằm đạt được HT. Công việc hai giai đoạn được hoàn thành bằng cách tính toán sự dịch chuyển thời gian dựa trên hàm thống nhất của micrô ngoài và micrô trong và ước tính đường dẫn mục tiêu bằng thuật toán LMS. Đầu tiên, loa chính phát ra tiếng ồn trắng như tín hiệu kích thích và tín hiệu $d(n)$ được thu tại tai của cái đầu giả. Sau đó, tín hiệu $x(n)$ được thu bởi một micrô ngoài như thể hiện trong HÌNH 3. RTF của đường dẫn mục tiêu $T(z)$ là hàm truyền mong đợi giữa $d(n)$ và $x(n)$.

$$Công thức 2: T(z) \triangleq Z\left[\frac{d(n)}{x(n)}\right]$$ .

trong đó $Z[·]$ biểu diễn phép biến đổi Z. Tuy nhiên, các tín hiệu $d(n)$ và $x(n)$ không thể được đo đồng thời và tính nhất quán giữa chúng gần như bằng không, do đó không có phương pháp thích ứng nào để xác định trực tiếp đường dẫn mục tiêu $T(z)$. Do đó, mô hình dịch chuyển thời gian được áp dụng trong nghiên cứu này để ước tính đường dẫn mục tiêu $T(z)$. Vì việc nhận dạng hệ thống hiệu quả đòi hỏi sự nhất quán cao giữa micrô bên ngoài và bên trong, để cải thiện tính nhất quán, hằng số dịch chuyển thời gian giữa các tín hiệu $d(n)$ và $x(n)$ được tính toán trước tiên, như thể hiện trong Hình 4(a). Sự dịch chuyển thời gian $\Delta _1$ làm độ trễ được áp dụng cho $d(n)$ để thỏa mãn mối quan hệ nhân quả.

Hình 4. Sơ đồ khối của mô hình dịch chuyển thời gian, (a) tính toán dịch chuyển thời gian, (b) ước tính đường dẫn mục tiêu T(z).

　　Hàm thống nhất giữa tín hiệu môi trường bên ngoài $x(n)$ và tín hiệu môi trường thực $d(n)$ được định nghĩa là [35]:

$$Công thức 3: \gamma_{dx}(\omega) \equiv \frac{S_{dx}(\omega)}{\sqrt{S_{dd}(\omega) S_{xx}(\omega)}}$$ .

Trong đó $S_{dd}(w)$ và $S_{xx}(w)$ lần lượt là phổ công suất tự động của tín hiệu môi trường $d(n)$ và tín hiệu bên ngoài $x(n)$; $S_{dx}(w)$ là phổ công suất chéo phức hợp và $\omega $ là tần số. Độ kết hợp $C_{dx}(w)$ là hàm mật độ phổ chéo được chuẩn hóa đáp ứng các ràng buộc sau ở mọi tần số.

$$Công thức 4: 0 \leq C_{dx}(\omega) \equiv\left|\gamma_{dx}(\omega)\right|^2=\frac{\left|S_{dx}(\omega)\right|^2}{S_{dd}(\omega) S_{xx}(\omega)} \leq 1$$ .

Để xác định độ dịch chuyển thời gian tối ưu, thước đo hiệu suất của độ kết hợp bình phương trung bình $C_{avg}$ được sử dụng; thước đo này được đưa ra bởi .

$$Công thức 5: C_{avg}=\frac{1}{N} \sum_{k=1}^N C_{dx}\left(\omega_k\right)$$ .

trong đó $w_k$ là tần suất quan tâm. Tham số dịch chuyển khung hình tối ưu $\bigtriangleup _1$ được đặt để tối đa hóa giá trị $C_{avg}$. Khi đạt được độ kết hợp trung bình cao nhất, đường dẫn mục tiêu $T(z)$ có thể được xác định một cách thích ứng bằng cách sử dụng $d(n-\bigtriangleup _1)$, như thể hiện trong Hình 4(b).

　　Do đó, tín hiệu lỗi được biểu thị như sau.

$$Công thức 6: e_a(n)=d\left(n-\Delta_1\right)-y_a(n)$$ .

$y_a(n)=\hat{t}^T(n)x(n)$, $T$ biểu diễn phép chuyển vị, $x(n)\equiv [x(n)x(n-1)...x(n-L+1)]^T$, $\hat{t}(n)\equiv [\hat{t}_0\hat{t}_1...\hat{t}_{L-1}]^T$, $\hat{t}_l(n)(l=0,...,L-1)$ là hệ số thứ $l$ của mô hình đường dẫn mục tiêu $T(z)$ với độ dài bộ lọc là $L$ và thuật toán bình phương trung bình nhỏ nhất (LMS) được sử dụng để cập nhật các hệ số của mô hình đường dẫn mục tiêu $T(z)$ như sau:

$$Công thức 7：\hat{t}(n+1)=\hat{t}(n)+\mu x(n)e_a(n)$$ .

Trong đó $\mu$ là kích thước bước. Khi kích thước bước đủ nhỏ, thuật toán LMS có thể điều chỉnh vectơ trọng số $\hat{t}(n)$ để giảm thiểu tín hiệu lỗi $e_a(n)$.

B. Thuật toán cân bằng truyền dẫn trong suốt chủ động

  Để có được bộ lọc cân bằng cần thiết, tín hiệu xung quanh còn lại $x(n)$ được coi là bằng không. Về cơ bản, tín hiệu xung quanh còn lại $x(n)$ chỉ chứa các thành phần tần số thấp của âm thanh xung quanh $x(n)$ dưới 500 Hz, nằm ngoài dải tần số quan tâm. Do đó, tín hiệu môi trường còn lại $x(n)$ có thể bị bỏ qua trong giai đoạn thiết kế. Bộ lọc cân bằng tối ưu là.

$$Công thức 8: W^{\circ}(z)=\frac{T(z)}{S(z)}$$ .

Như thể hiện trong Hình 3. Hơn nữa, để triển khai HT cho tai nghe nhét tai, độ trễ vốn có do đường dẫn thứ cấp gây ra phải được bù đắp. Do đó, chúng tôi thêm $\bigtriangleup_2$ mẫu bị trì hoãn để khắc phục ràng buộc nhân quả loại trừ [36]. Do đó, bộ lọc cân bằng thực tế [23] được suy ra như sau.

$$Công thức 9: W(z)=\frac{\hat{T}(z) z^{-\Delta_2}}{\hat{S}(z)}$$ .

trong đó $\hat{S}(z)$ là mô hình ước tính của đường dẫn thứ cấp $S(z)$. Độ trễ $\Delta _2$ có thể được tính toán từ số không đầu tiên của phản ứng xung của $\hat{S}(z)$. Hiệu suất cách ly thụ động của tai nghe phụ thuộc vào DOA của âm thanh xung quanh, như thể hiện trong Hình 5. Trong Hình 7, một chiếc loa được đặt cách tai phải của hình nộm 30 cm và tiếng ồn hồng (20 Hz đến 20 kHz) được phát như âm thanh xung quanh; một tai nghe nhét trong được đặt vào tai phải của hình nộm để đo tiếng ồn. Đường màu xám trong Hình 5 cho thấy sự giảm biên độ ở tai phải của đầu giả khi góc tới của âm thanh thay đổi từ 0 đến $315^{o} $ (với bước nhảy là $45_{o}$); đường màu xanh cho thấy sự giảm biên độ trung bình và đường màu đỏ cho thấy tai đang mở.

Hình 5 cho thấy hiệu ứng cách ly thụ động của tai nghe nhét tai.

　　Trong trường hợp này, biên độ của các thành phần khác nhau của âm thanh xung quanh dưới 4kHz bị suy giảm gần như đều nhau. Đầu tai nghe bằng silicon của tai nghe nhét tai bị suy giảm nhiều hơn ở tần số cao hơn, do đó tín hiệu xung quanh còn lại $x(n)$ chứa các thành phần tần số thấp của âm thanh xung quanh. Như thể hiện trong Hình 5, sự suy giảm xảy ra ở tần số trên 500 Hz. Do đó, tần số cắt của bộ lọc định hình thông dải $C(z)$ là $f_L$ = 500 Hz và $f_H$ = 4 kHz, do đó hệ thống HT chỉ bù cho dải tần quan tâm. Do đó, bộ lọc cân bằng được đề xuất bao gồm bộ lọc định hình có thể được suy ra như sau.

$$Công thức 10: W_c(z)=\frac{\hat{T}(z) C(z) z^{-\Delta_2}}{\hat{S}(z)}$$ .

Hình 6 cho thấy sơ đồ khối của thuật toán AHE.

Hình 6 cho thấy sơ đồ khối của thuật toán AHE để tạo ra bộ lọc cân bằng $W_c(z)$. Trong thuật toán AHE, tín hiệu lỗi được biểu thị là .

$$Công thức 11: e_b(n)=d_b^{\prime}\left(n-\Delta_2\right)-y_b^{\prime}(n)$$ .

Trong đó $d'b(n)$ là tín hiệu mục tiêu mong muốn; $y'_b(n)$ là tín hiệu bù và $\Delta _2$ là số mẫu bị trễ. Tín hiệu đầu ra $y_b(n)$ của bộ lọc cân bằng $W_c(z)$ được biểu thị như sau.

$$Công thức 12：y_b(n)=\hat{w}^Tx(n)$$ .

Trong đó $w(n)=[w_0(n)w_1(n)...w_{L-1}(n)]^T$ là vectơ trọng số; $w_l(n)(l=0,...,L-1)$ là hệ số thứ $l$ của $W_c(z)$ với độ dài bộ lọc là $L$, và $x(n)=[x(n)x(n-1)...,x(n-L+1)]^T$ là tín hiệu nhận được bởi micrô ngoài. Dựa trên thuật toán LMS được lọc (FXLMS), bộ lọc cân bằng $W_c(z)$ được cập nhật.

$$Công thức 13：\mathbf{w}(n+1)=\mathbf{w}(n)+\mu[\hat{\mathbf{s}}(n) * \mathbf{x}(n)] e_b(n)$$ .

Trong đó $*$ là tích chập tuyến tính, $\hat{s}(n)$ là vectơ đáp ứng xung của mô hình đường dẫn phụ $\hat{S}(z)$. $w(n)$ hội tụ đến giá trị tối ưu với bước nhảy đủ nhỏ.

3 Phân tích và Thí nghiệm

A. Quy trình thực nghiệm

　　Các thí nghiệm được tiến hành trong phòng cách âm tuân thủ các tiêu chuẩn ISO 3745 (2003) và ASTM E336 (2009). Một chiếc loa được đặt cách tai phải của hình nộm 30 cm để phát ra tín hiệu kích thích. Mức âm thanh ở tai là khoảng 80 dBA. Micrô MEMS được gắn vào vỏ tai nghe nhét tai như một micrô ngoài. Một đĩa quay được đặt dưới đầu giả để đánh giá DOA khác nhau ($0^o,45^o,...,315^o$). Thí nghiệm sử dụng bộ xử lý tín hiệu số (DSP) làm lõi tính toán, với tần số lấy mẫu là 48 kHz và tần số cắt của bộ lọc thông thấp là 20 kHz. Một tai nghe nhét tai thương mại có chức năng HT cũng được sử dụng để so sánh một cách công bằng. Hình 7(a) và Hình 7(b) hiển thị thiết lập.

Như thể hiện trong Hình 7. (a) Thiết lập thử nghiệm, (b) Thiết lập để thử nghiệm HT với DOA.

B. Kết quả thực nghiệm

Như thể hiện trong Hình 8. (a) Tính toán tính nhất quán, (b) phản ứng xung của mô hình đường dẫn mục tiêu T(z).

　　Đầu tiên, bằng cách xác định độ mạch lạc $C_{avg}$ của tín hiệu và tính toán $\Delta _1$, chúng ta có thể thu được độ trễ giữa $x(n)$ và $d(n)$, như thể hiện trong Hình 8(a). Các mẫu trễ từ 0 đến 500 đã được thử nghiệm và thấy rằng $\Delta _1=220$ tạo ra tính kết hợp cao nhất. Do đó, mô hình đường dẫn mục tiêu $\hat{T}(z)$ có thể được ước tính bằng cách tham chiếu đến Hình 4(b). Hình 8(b) cho thấy phản ứng xung thu được của $\hat{T}(z)$. Nó cũng gợi ý rằng nên sử dụng độ dài bộ lọc khoảng 300 cho chương trình mô hình dịch chuyển thời gian được đề xuất.

  Dải tần số của giọng nói con người bình thường là dưới 4khz. Để làm cho hiệu suất HT nhất quán với DOA; do đó, bộ lọc định hình $C(z)$ đã được thiết kế dựa trên sự cô lập thụ động do tai nghe gây ra như thể hiện trong Hình 5 bằng cách kết hợp bộ lọc thông cao IIR bậc hai (tần số cắt 500Hz) và bộ lọc thông thấp IIR bậc ba (tần số cắt 4kHz). Hình 9 cho thấy đáp ứng tần số của bộ lọc định hình. Để đào tạo bộ lọc cân bằng $W_c(z)$, cần có độ trễ $\Delta _2$ để bù cho độ trễ do đường dẫn thứ cấp ước tính gây ra.

Hình 9 cho thấy phản ứng về độ lớn của bộ lọc định hình C(z).

Hình 10 cho thấy phản ứng xung của mô hình đường dẫn bậc hai S(z).

　　Hình 10 cho thấy phản ứng xung của mô hình đường dẫn phụ $\hat{S}(z)$ với độ dài bộ lọc là 150. Khi tốc độ lấy mẫu là 48 kHz, sử dụng 7 mẫu sẽ dẫn đến độ trễ S(z); do đó, $\Delta _2=7$ được chọn. Bằng cách thử nghiệm các mẫu có độ dài bộ lọc khác nhau và độ trễ 50 giây, Hình 11 cho thấy lỗi bình phương trung bình (MSE) của $e_b(n)$ trong quá trình suy ra bộ lọc cân bằng $W_c(z)$. Rõ ràng, độ trễ $\Delta _2$ phải lớn hơn 7 để giảm thiểu MSE và độ dài bộ lọc của bộ lọc cân bằng $W_c(z)$ phải vượt quá 150.

Hình 11 cho thấy MSE của $W_c(z)$ trong các điều kiện lấy mẫu trễ và độ dài bộ lọc khác nhau.

　　Thí nghiệm tiếp theo kiểm tra tầm quan trọng của bộ lọc định hình, như thể hiện trong Hình 12. Trục ngang biểu thị tần số âm thanh mà tai phải của đầu giả nhận được, còn trục dọc biểu thị độ suy giảm. Các đường màu xanh lam, xanh lá cây và tím hiển thị kết quả thu được khi đeo tai nghe nhét tai vào tai hình nộm. Mục tiêu bù chủ động của sơ đồ HT được đề xuất trong bài báo này là đường dây ở mức 0 dB. Rõ ràng, phần lớn khả năng cách ly thụ động của tai nghe nhét tai đến từ tần số 500hz, như thể hiện bằng đường màu xanh. Các đường màu xanh lá cây và màu tím tương ứng với kết quả khi bù âm thanh xung quanh bị suy yếu của phương pháp HT được đề xuất có và không có bộ lọc định hình. Do đó, sơ đồ đề xuất có bộ lọc định hình (đường màu xanh lá cây) hoạt động tốt hơn sơ đồ không có bộ lọc định hình (đường màu tím), đặc biệt đối với các thành phần dưới 1 kHz.

Như thể hiện trong Hình 12. Hiệu suất của hệ thống HT được đề xuất.

　　Tiếp theo, hiệu suất HT của phương pháp được đề xuất được so sánh với phương pháp của Gupta et al. [23] và tai nghe nhét tai thương mại. Tiếng ồn hồng ở mức $270^o$ (20 Hz đến 20 kHz) được phát làm tiếng ồn chính. Sử dụng tai phải của cái đầu giả. Thiết lập thử nghiệm được thể hiện ở Hình 7. HÌNH 13 cho thấy kết quả thu được theo cách này. Đường màu đen và đường màu xanh biểu thị âm thanh mà tai phải của hình nộm nghe được khi không đeo tai nghe nhét tai và khi đeo tai nghe nhét tai. Rõ ràng, sự khác biệt giữa các đường màu đen và màu xanh lam trong Hình 13(a) và Hình 13(b) là do sự cô lập thụ động. Trong Hình 13(a), các đường màu xanh lá cây và màu đỏ biểu thị kết quả HT của bài báo này và Gupta et al. [23]. Rõ ràng, HT được đề xuất gần giống với đường màu đen từ 50 Hz đến 4 kHz được hiển thị trong Hình 13(a). Sơ đồ HT được đề xuất cũng vượt trội hơn sơ đồ HT của Gupta et al. [23], đặc biệt là trong dải tần số thấp dưới 1 kHz. Phương pháp đề xuất chỉ tập trung vào dải tần số lên đến 4 kHz để giải quyết vấn đề DOA.

　　Đường màu xanh lá cây trong Hình 13(b) cho thấy hiệu suất của tai nghe nhét tai thương mại sau khi kích hoạt chức năng HT. Trong dải tần quan tâm (100 Hz đến 2 kHz), hiệu suất của HT được đề xuất (đường màu xanh lá cây trong Hình 13(a)) và HT thương mại (đường màu xanh lá cây trong Hình 13(b)) gần như giống nhau; tuy nhiên, HT được đề xuất (Hình 13(a)) hoạt động tốt hơn HT thương mại (Hình 13(b)), đặc biệt là trong dải tần từ 2 kHz đến 4 kHz.

Như thể hiện trong Hình 13. So sánh khả năng HT khi sử dụng (a) tai nghe nhét tai được đề xuất và (b) tai nghe nhét tai thương mại.

　　Tai nghe thương mại sử dụng bộ lọc cân bằng có hệ số cố định để thực hiện chức năng HT. Do đó, đối với vấn đề phụ thuộc DOA, trọng tâm nên là bù tần số thấp, vì hiệu suất tần số thấp không phụ thuộc vào DOA âm thanh. Ngoài ra, phương pháp đề xuất sử dụng bộ lọc định hình để tránh khuếch đại các tín hiệu tần số cao không mong muốn, đảm bảo tính nhất quán dưới các DOA khác nhau và ngăn ngừa nhiễu từ âm thanh nhân tạo tần số thấp. Để xác thực tuyên bố này, chúng tôi đánh giá hiệu suất của HT được đề xuất và so sánh nó với sơ đồ của Gupta et al. [23] và một tai nghe nhét tai thương mại.

Như thể hiện trong Hình 14. Sự phụ thuộc DOA của tai nghe nhét tai sử dụng các kỹ thuật HT, (a) HT được đề xuất, (b) phương pháp HT của Gupta et al. [23] và (c) HT thương mại.

　　Kết quả so sánh được thể hiện ở Hình 14. Trục ngang biểu thị tần số từ 20hz đến 20khz, còn trục dọc biểu thị sự suy giảm khả năng cách ly thụ động của tai nghe. Độ bù hoàn hảo của chức năng HT tương ứng với hiệu suất ở mức 0 dB, tức là không có suy giảm. Các đường màu xanh lam trong Hình 14 cho thấy các tín hiệu nhận được từ tai phải của đầu giả khi sử dụng tai nghe nhét trong từ các hướng khác nhau (0, 45, ..., 315). Hiệu suất HT được biểu thị bằng các đường màu xám, được tính trung bình để có được đường màu đen. Có thể thấy từ Hình 14(a) rằng đối với những âm thanh có DOA khác nhau, hiệu suất của lược đồ HT được đề xuất về cơ bản là nhất quán dưới 4 kHz. Hình 14(b) cho thấy hiệu suất của phương pháp của Gupta et al. [23], trong đó âm thanh được bù gây ra nhiễu âm thanh đối với âm thanh còn lại dưới 500 Hz. Ngoài ra, các âm thanh DOA khác nhau sẽ gây ra sự khuếch đại âm thanh không cần thiết ở tần số cao trên 4 kHz, như thể hiện ở các vùng màu xanh và đỏ trong Hình 14(b). Hình 14(c) cho thấy hiệu suất của tai nghe nhét tai thương mại. Rõ ràng, HT thương mại có thể bù đắp hiệu quả cho khả năng cách âm lên đến 10 kHz, nhưng nó sẽ dẫn đến khuếch đại âm thanh không mong muốn cao hơn so với HT được đề xuất trong khoảng từ 3 kHz đến 10 kHz. Điều này có nghĩa là tai nghe nhét tai thương mại không thể duy trì hiệu suất nhất quán với các âm thanh có DOA khác nhau. Giải pháp này không chỉ làm giảm nhiễu âm thanh tần số thấp mà còn ngăn chặn hiệu quả sự khuếch đại không cần thiết của âm thanh tần số cao.

4 Kết luận

　　Công nghệ HT được phát triển cho tai nghe nhét tai nhằm mang đến cho người dùng âm thanh giả lập xung quanh. Sử dụng mô hình ngoại tuyến dịch chuyển thời gian được đề xuất và thuật toán AHE, bộ lọc cân bằng được cung cấp có hiệu quả bù đắp cho tình trạng cô lập thụ động của tai nghe nhét tai. Bộ lọc định hình được thiết kế đảm bảo hiệu suất của công nghệ HT luôn nhất quán trên toàn bộ dải tần quan tâm và không bị nhiễu âm ở tần số thấp cũng như không bị khuếch đại âm thanh không mong muốn ở tần số cao. Kết quả thực nghiệm xác minh hiệu suất của phương pháp này. Âm thanh xung quanh bên ngoài trong dải tần số quan tâm có thể được tái tạo hoàn hảo cho người đeo tai nghe nhét tai bằng kỹ thuật HT được đề xuất.

Tài liệu tham khảo

[1] Quỹ đạo và phân tích thị trường toàn cầu của thiết bị đeo, Global Ind. Anal. Inc., San Jose, CA, Hoa Kỳ, Đại diện 5302556, tháng 4 năm 2021.

[2] R. Miyahara, K. Oosugi và A. Sugiyama, Thiết bị trợ thính có bộ khử tiếng ồn thích ứng cho đầu vào giọng nói mạnh mẽ, IEEE Trans. Consum. Electron., tập 65, số 4, trang 444 453, tháng 11 năm 2019, doi: 10.1109/TCE.2019.2941708.

[3] T. Kawase, M. Okamoto, T. Fukutomi và Y. Takahashi, Điều chỉnh tham số tăng cường giọng nói để tối đa hóa độ chính xác của nhận dạng giọng nói tự động, IEEE Trans. Consum. Electron., tập 66, số 2, trang 125 133, tháng 5 năm 2020, doi: 10.1109/TCE.2020.2986003.

[4] S. Itani, S. Kita và Y. Kajikawa, Xác thực tai cá nhân đa phương thức sử dụng tính năng tai âm thanh để bảo mật điện thoại thông minh, IEEE Trans. Consum. Electron., tập 68, số 1, trang 77 84, tháng 2 năm 2022, doi: 10.1109/TCE.2021.3137474.

[5] J.-M. Yang, GW Lee, S. Kim và H.-G. Moon, Tăng cường giọng nói đa cảm biến bằng cách sử dụng tổng hợp tín hiệu trong tai và định hình chùm tia trong giao tiếp giọng nói TWS, trong Proc. IEEE Int. Consum. Electron. (ICCE), Las Vegas, NV, Hoa Kỳ, tháng 1 năm 2022, trang 1 6.

[6] Thị trường tai nghe và tai nghe nhét tai Triển vọng và dự báo toàn cầu 2021-2026, Arizton Advisory Intell., Chicago, IL, Hoa Kỳ, Đại diện 5311280, tháng 4 năm 2021.

[7] V. Valimaki, A. Franck, J. Ramo, H. Gamper và L. Savioja, Nghe có hỗ trợ bằng tai nghe: Tăng cường nhận thức âm thanh trong môi trường thực, tăng cường và ảo, IEEE Signal Process. Tạp chí, tập 32, số 2, trang 92-99, tháng 3 năm 2015, doi: 10.1109/MSP.2014.2369191.

[8] C.-Y. Chang, A. Siswanto, C.-Y. Ho, T.-K. Yeh, Y.-R. Chen, và SM Kuo, Nghe trong môi trường ồn ào: Tích hợp kiểm soát tiếng ồn chủ động trong các sản phẩm âm thanh, IEEE Consum. Electron. Mag., tập 5, số 4, trang 34-43, tháng 10 năm 2016, doi: 10.1109/MCE.2016.2590159.

[9] MT Khan và RA Shaik, Thiết kế phần cứng hiệu suất cao của bộ khử tiếng ồn thích ứng LMS khối cho tai nghe nhét tai, IEEE Consum. Electron. Mag., tập 9, số 3, trang 105 113, tháng 5 năm 2020, doi: 10.1109/MCE.2020.2976418.

[10] L. Lu et al., Khảo sát về kiểm soát tiếng ồn chủ động trong thập kỷ qua Phần I: Hệ thống tuyến tính, Quy trình tín hiệu., tập 183, tháng 6 năm 2021, Số bài báo 108039, doi: 10.1016/j.sigpro.2021.108039.

[11] L. Lu et al., Khảo sát về kiểm soát tiếng ồn chủ động trong thập kỷ qua Phần II: Hệ thống phi tuyến tính, Quy trình tín hiệu., tập 181, tháng 4 năm 2021, Số bài báo 107929, doi: 10.1016/j.sigpro.2020.107929.

[12] T. Lee, Y. Baek, Y.-C. Park, và DH Youn, Stereo upmixbased binaural auralization cho các thiết bị di động, IEEE Trans. Consum. Electron., tập 60, số 3, trang 411 419, tháng 8 năm 2014, doi: 10.1109/TCE.2014.6937325.

[13] N. Lezzoum, G. Gagnon, và J. Voix, Hệ thống phát hiện hoạt động giọng nói cho tai nghe thông minh, IEEE Trans. Consum. Electron., tập 60, số 4, trang 737 744, tháng 11 năm 2014, doi: 10.1109/TCE.2014.7027350.

[14] R. Ranjan và W.-S. Gan, Nghe tự nhiên qua tai nghe trong thực tế tăng cường sử dụng các kỹ thuật lọc thích ứng, IEEE/ACM Trans. Audio, Speech, Language Process., tập 23, số 11, trang 1988-2002, tháng 11 năm 2015, doi: 10.1109/TASLP.2015.2460459.

[15] S.-N. Yao, Âm thanh đắm chìm dựa trên tai nghe cho tai nghe thực tế ảo, IEEE Trans. Consum. Electron., tập 63, số 3, trang 300 308, tháng 8 năm 2017, doi: 10.1109/TCE.2017.014951.

[16] J. Harth et al., Các loại người dùng khác nhau, các loại đắm chìm khác nhau: Nghiên cứu người dùng về thiết kế tương tác và đắm chìm trong thực tế ảo của người tiêu dùng, IEEE Consum. Electron. Mag., tập 7, số 4, trang 36-43, tháng 7 năm 2018, doi: 10.1109/MCE.2018.2816218.

[17] W.-S. Gan, J. He, R. Ranjan, và R. Gupta, Nghe tự nhiên và tăng cường cho VR và AR/MR, trong Proc. ICASSP Tutorial, Calgary, AB, Canada, tháng 4 năm 2018. [Trực tuyến]. Có sẵn: https://sigport.org/documents/icassp-2018-tutorial-t11-natual-and-augmented-listeningvrarmr (Truy cập: ngày 14 tháng 7 năm 2022).

[18] R. Gupta et al., Âm thanh thực tế tăng cường/hỗn hợp cho thiết bị đeo: Cảm biến, điều khiển và kết xuất, IEEE Signal Process. Tạp chí, tập 39, số 3, trang 63-89, tháng 5 năm 2022, doi: 10.1109/MSP.2021.3110108.

[19] Thị trường tai nghe chống ồn chủ động (ANC) Triển vọng và dự báo toàn cầu 2019-2024, Arizton Advisory Intell., Chicago, IL, Hoa Kỳ, Đại diện 4825751, tháng 8 năm 2019.

[20] S. M. Kuo, Y.-R. Chen, C.-Y. Chang, và C.-W. Lai, Phát triển và đánh giá tai nghe khử tiếng ồn chủ động nhẹ, Appl. Sci., tập 8, số 7, trang 1178, tháng 7 năm 2018, doi: 10.3390/app8071178.

[21] H. Schepker, F. Denk, B. Kollmeier và S. Doclo, Độ trong suốt âm thanh trong các thiết bị đeo tai Đánh giá chất lượng âm thanh cảm nhận, J. Audio Eng. Soc., tập 68, số 7-8, trang 495-507, tháng 7 năm 2020, doi: 10.17743/jaes.2020.0045.

[22] F. Denk, H. Schepker, S. Doclo, và B. Kollmeier, Đánh giá kỹ thuật về độ trong suốt của âm thanh trong thiết bị nghe, Tạp chí Kỹ thuật âm thanh, tập 68, số 7-8, trang 508-521, tháng 7 năm 2020, doi: 10.17743/jaes.2020.0042.

[23] R. Gupta, R. Ranjan, J. He, W.-S. Gan và S. Peksi, Độ trong suốt âm thanh trong thiết bị đeo dành cho âm thanh thực tế tăng cường: Đánh giá và thách thức về kỹ thuật nghe xuyên thấu, trong Proc. AES Int. Conf. AVAR, tháng 8 năm 2020, trang 3-7.

[24] R. Gupta, R. Ranjan, J. He và W.-S. Gan, Nghe tham số thông qua cân bằng cho âm thanh thực tế tăng cường, trong Proc. IEEE 44th Int. Conf. Acoust. Speech Signal Process. (ICASSP), Brighton, Vương quốc Anh, tháng 5 năm 2019, trang 1587 1591.

[25] J. Rämö và V. Välimäki, Tai nghe nghe xuyên thấu allpass, trong Proc. 22nd Eur. Signal Process. Conf. (EUSIPCO), Lisbon, Bồ Đào Nha, tháng 9 năm 2014, trang 1123 1127.

[26] J. Rämö và V. Välimäki, Tai nghe âm thanh thực tế tăng cường kỹ thuật số, J. Electr. Comput. Eng., tập 2012, trang 1 13, tháng 10 năm 2012, doi: 10.1155/2012/457374.

[27] S. Liebich, J.-G. Richter, J. Fabry, C. Durand, J. Fels và P. Jax, Sự phụ thuộc vào hướng đến của tai nghe chống ồn chủ động, trong Proc. 47th Int. Congr. Expo. Noise Control Eng. (INTERNOISE), Chicago, IL, Hoa Kỳ, tháng 8 năm 2018, trang 1 10.

[28] S. Liebich và P. Vary, Khử hiệu ứng che khuất trong tai nghe và thiết bị trợ thính Chị em của khử tiếng ồn chủ động, IEEE/ACM Trans. Audio, Speech, Language Process., tập 30, trang 35 48, 2022, doi: 10.1109/TASLP.2021.3130966.

[29] V. Patel, J. Cheer và S. Fontana, Thiết kế và triển khai tai nghe kiểm soát tiếng ồn chủ động có khả năng nghe xuyên định hướng, IEEE Trans. Consum. Electron., tập 66, số 1, trang 32 40, tháng 2 năm 2020, doi: 10.1109/TCE.2019.2956634.

[30] Y. Zhuang và Y. Liu, Một phương pháp thiết kế bộ lọc nghe xuyên tối ưu bị hạn chế cho tai nghe, trong Proc. 50th Int. Congr. Expo. Noise Control Eng. (INTERNOISE), Washington, DC, Hoa Kỳ, tháng 8 năm 2021, trang 1329 1337.

[31] R. Gupta, R. Ranjan, J. He và W.-S. Gan, Nghiên cứu về sự khác biệt giữa cân bằng nghe xuyên thấu cá nhân hóa và không cá nhân hóa để nghe tăng cường tự nhiên, trong Proc. AES Int. Conf. Headphone Technol., San Francisco, CA, Hoa Kỳ, tháng 8 năm 2019, trang 12.

[32] W. Jin, T. Schoof và H. Schepker, Nghe xuyên âm cá nhân hóa để có độ trong suốt âm thanh bằng cách sử dụng ước tính áp suất âm thanh dựa trên PCA tại màng nhĩ, trong Proc. IEEE 47th Int. Conf. Acoust. Speech Signal Process (ICASSP), Singapore, tháng 5 năm 2022, trang 341 345.

[33] R. Gupta, R. Ranjan, J. He và W.-S. Gan, Về việc sử dụng tai nghe đóng để cân bằng âm thanh chủ động trong các ứng dụng thực tế tăng cường, trong Proc. AES Int. Conf. AVAR, Redmond, WA, Hoa Kỳ, tháng 8 năm 2018, trang P8-2.

[34] S. Liebich, J. Fabry, P. Jax và P. Vary, Thách thức xử lý tín hiệu cho tai nghe chống ồn chủ động, trong Proc. 13th ITG-Symp. Speech Comm., Oldenburg, Đức, tháng 10 năm 2018, trang 1 5.

[35] SM Kuo và DR Morgan, Hệ thống kiểm soát tiếng ồn chủ động: Thuật toán và triển khai DSP. New York, NY, Hoa Kỳ: Wiley, 1996, trang 56-58.

[36] SM Kuo và DR Morgan, Kiểm soát tiếng ồn chủ động: Đánh giá hướng dẫn, Proc. IEEE, tập 87, số 6, trang 943-973, tháng 6 năm 1999, doi: 10.1109/5.763310.

Hoàng Trọng Thụy sinh năm 1993 tại Đài Loan. Anh nhận bằng cử nhân chuyên ngành kỹ thuật điện tử tại Đại học Khoa học và Công nghệ Chiến Tân ở Đào Viên, Đài Loan vào năm 2017 và bằng thạc sĩ chuyên ngành kỹ thuật điện tại Đại học Cơ đốc giáo Trung Nguyên ở Đào Viên, Đài Loan vào năm 2019. Hiện anh đang theo học tiến sĩ chuyên ngành kỹ thuật điện. Các lĩnh vực nghiên cứu chính của ông bao gồm kiểm soát tiếng ồn chủ động, xử lý tín hiệu âm thanh, xử lý tín hiệu thích ứng, hệ thống nhúng, v.v.

Trương Thành Nguyên sinh năm 1968 tại Đài Loan. Ông nhận bằng cử nhân và thạc sĩ chuyên ngành kỹ thuật điều khiển từ Đại học Quốc gia Giao thông, Tân Trúc, Đài Loan vào năm 1990 và 1994, và bằng tiến sĩ chuyên ngành kỹ thuật điện từ Đại học Quốc gia Trung ương, Đào Viên, Đài Loan vào năm 2000. Năm 2007, ông gia nhập Khoa Kỹ thuật Điện tại Đại học Cơ đốc giáo Trung Nguyên ở Đài Loan, nơi ông hiện là giáo sư danh dự. Ông giữ chức vụ trưởng khoa từ năm 2009 đến năm 2011 và từ năm 2013 đến năm 2019. Năm 2012, ông là giáo sư thỉnh giảng tại Đại học Bắc Illinois ở Hoa Kỳ. Các mối quan tâm nghiên cứu chính của ông là các ứng dụng xử lý tín hiệu và thiết kế hệ thống kiểm soát tiếng ồn chủ động. Ông giữ chức Thư ký TASSE từ năm 2007 đến năm 2011 và Thư ký Chi nhánh IEEE Đài Bắc từ năm 2013 đến năm 2015.

Ông Kuo Ming-Ming tốt nghiệp Đại học Sư phạm Quốc gia Đài Loan tại Đài Bắc với bằng Cử nhân Khoa học năm 1976 và nhận bằng Thạc sĩ và Tiến sĩ từ Đại học New Mexico (Albuquerque, NM) vào năm 1983 và 1985. Từ năm 1985 đến năm 2014, ông làm việc tại Đại học Bắc Illinois-DeKalb, nơi ông giữ chức trưởng khoa từ năm 2002 đến năm 2008. Từ năm 2014 đến năm 2021, ông giữ chức vụ giáo sư danh dự của Khoa Kỹ thuật Điện, Đại học Cơ đốc giáo Trung Nguyên. Năm 1993, ông làm việc tại Texas Instruments ở Houston, Texas, và năm 2008 tại Đại học Central. Ông là tác giả chính của ba cuốn sách: Active Noise Control Systems (Wiley, 1996), Real-Time Digital Signal Processing (Wiley, 2001, 2007 và 2013) và Digital Signal Processors (Prentice-Hall, 2005), và là đồng tác giả của ba cuốn sách: Embedded Signal Processing for Microcontroller Architectures (Wiley, 2007), Subband Adaptive Filtering (Wiley, 2009) và Quadratic Path Modeling Techniques for Active Noise Control Systems (Springer). Ông nắm giữ 10 bằng sáng chế của Hoa Kỳ. Nghiên cứu của ông tập trung vào kiểm soát tiếng ồn và rung động chủ động, ứng dụng DSP thời gian thực, ứng dụng âm thanh kỹ thuật số và xử lý tín hiệu y sinh. Ông là người nhận Giải thưởng Chester Thaler của IEEE năm 1993 cho bài báo giao dịch đầu tiên trong lĩnh vực giao dịch của IEEE về Điện tử Tiêu dùng và Giải thưởng Khoa của năm năm 2001 cho những thành tựu trong nghiên cứu và học bổng.

  .

Cuối cùng, bài viết này về dịch thuật giấy: 2022_Time-ShiftModeling-BasedHear-ThroughSystemforIn-EarHeadphones đã có ở đây. Nếu bạn muốn biết thêm về dịch thuật giấy: 2022_Time-ShiftModeling-BasedHear-ThroughSystemforIn-EarHeadphones, vui lòng tìm kiếm các bài viết của CFSDN hoặc tiếp tục duyệt các bài viết liên quan. Tôi hy vọng bạn sẽ ủng hộ blog của tôi trong tương lai! .