Die Audiosignaltrennung ist ein Eckpfeiler der modernen digitalen Signalverarbeitung, die alles von der Geräuschunterdrückung in Ohrhörern bis zur Transkription polyphoner Musik antreibt. Die Fähigkeit, einen komplexen Audiostrom in seine Bestandteile zu zerlegen – wie die Trennung der Stimme eines Sprechers vom Hintergrundverkehr oder die Isolierung einzelner Instrumente in einem Mix – ermöglicht eine Vielzahl praktischer Technologien. Zu den effizientesten und am weitesten verbreiteten Techniken für diese Aufgabe gehört die Kombination von Filterbänken mit IIR-Filtern. Dieser Artikel bietet eine umfassende Untersuchung, wie diese beiden Werkzeuge zusammenarbeiten, um eine qualitativ hochwertige Signaltrennung mit minimalem Rechenaufwand zu erreichen. Wir werden die Theorie hinter Filterbänken und IIR-Filtern untersuchen, ihre praktische Integration, Design-Kompromisse und reale Anwendungen, die auf etablierten Prinzipien der digitalen Signalverarbeitung und Audiotechnik aufbauen.

Filterbanken verstehen

Eine Filterbank ist ein Satz von Bandpassfiltern, die ein Eingangssignal in mehrere Teilfrequenzbänder aufteilen. Jedes Teilband enthält einen bestimmten Bereich des Frequenzspektrums, so dass die nachfolgende Verarbeitung bestimmte Frequenzkomponenten anvisieren kann, ohne den Rest zu beeinträchtigen. Diese Zerlegung ist für viele Audio- und Kommunikationssysteme von grundlegender Bedeutung, einschließlich Subbandcodierung, Grafikentzerrern und Multiratensignalverarbeitung.

Analyse- und Synthesephasen

Ein vollständiges Filterbanksystem arbeitet typischerweise in zwei Phasen: Analyse und Synthese. Während der Phase der Analyse wird das Eingangssignal in ein paralleles Array von Bandpassfiltern eingespeist. Jedes Filter isoliert einen Frequenzbereich, wodurch ein entsprechendes Subbandsignal erzeugt wird. Diese Subbänder werden oft dezimiert (unterabgetastet), um die Datenrate zu reduzieren und die reduzierte Bandbreite jedes Kanals auszunutzen. Während der Phase der Synthese werden die verarbeiteten (oder nicht verarbeiteten) Subbandsignale hochabgetastet und durch einen komplementären Filtersatz geleitet, bevor sie summiert werden, um das Vollbandsignal zu rekonstruieren. Für eine perfekte Rekonstruktion - wobei der Ausgang dem Eingang mit nur einer bekannten Verzögerung entspricht - müssen die Analyse- und Synthesefilter bestimmte Einschränkungen erfüllen.

Arten von Filterbanken

  • Einheitsfilterbänke: Alle Subbänder haben die gleiche Bandbreite (z. B. eine 32-Band-Bank mit gleich beabstandeten Mittenfrequenzen).
  • Nicht einheitliche Filterbänke: Unterbänder variieren in der Bandbreite und passen oft zur Frequenzauflösung des Ohrs (schmaler bei niedrigen Frequenzen, breiter bei hohen Frequenzen).
  • Kritisch abgetastete Filterbänke: Die gesamte Abtastrate nach der Dezimation entspricht der ursprünglichen Abtastrate, wodurch die Effizienz maximiert wird.
  • Übergetastete Filterbänke: Die Summe der Subband-Samplingraten übersteigt die Eingangsrate und bietet eine Robustheit für Aliasing und ein einfacheres Filterdesign.

Wichtige Designüberlegungen

Die Filterbank muss durchgängig flach sein, die Stoppbanddämpfung, die Übergangsbreite und den Rekonstruktionsfehler ausgleichen. Für kritische Anwendungen kann eine perfekte Rekonstruktion mit linearer Phase erforderlich sein, was oft zur Verwendung von FIR-Filtern führt. Wenn jedoch die Effizienz an erster Stelle steht und eine Phasenverzerrung akzeptabel ist, bieten IIR-Filter eine überzeugende Alternative, wie wir sehen werden. Die FLT:0-Polyphasenzerlegung ist eine leistungsstarke Technik, um Filterbanken effizient zu implementieren, indem die Beziehung zwischen Downsampling und Filterung ausgenutzt wird. Diese Methode reduziert die Rechenlast, indem Filterkoeffizienten verschachtelt werden und nur die erforderlichen Proben verarbeitet werden.

Rolle von IIR Filtern in der Audioverarbeitung

Unendliche Impulsantwortfilter (IIR) sind eine Klasse digitaler Filter, die durch ihre rekursive Struktur definiert sind: Die Ausgabe hängt sowohl von den aktuellen als auch von den vergangenen Eingängen sowie von den vergangenen Ausgängen ab. Diese Rückkopplung gibt IIR-Filtern die Möglichkeit, Antworten mit weitaus weniger Koeffizienten als ein gleichwertiges FIR-Design zu erzielen. Sie sind daher sehr attraktiv für Echtzeit-Audioanwendungen, bei denen Prozessorzyklen und Speicher eingeschränkt sind.

IIR vs. FIR Filter

Die Wahl zwischen IIR- und FIR-Filtern konzentriert sich auf einige wenige wichtige Kompromisse. FIR-Filter sind inhärent stabil und können leicht lineare Phasen (konstante Gruppenverzögerung) erreichen, was für die Erhaltung der Wellenform in Anwendungen wie Audio-Crossovern wünschenswert ist. Um jedoch eine steile Abschaltung zu erreichen, sind Hunderte oder sogar Tausende von Abgriffen erforderlich, was zu hohen Rechenkosten und Latenzzeiten führt. IIR-Filter können dagegen ein sehr scharfes Übergangsband mit einer Handvoll Koeffizienten erzeugen. Ihre Hauptnachteile sind potenzielle Instabilität (aufgrund von Polen innerhalb des Einheitskreises) und nichtlineares Phasenverhalten, das in bestimmten Anwendungsfällen hörbare Phasenverzerrungen verursachen kann. Moderne IIR-Filter-Design-Techniken, wie kaskadierte Abschnitte zweiter Ordnung (Biquads), verringern Stabilitätsrisiken und machen die Implementierung robust.

IIR Filtertypen

  • Butterworth: Maximal flaches Durchlassband, glattes Roll-off. Gut für Anwendungen, die keine Ripple erfordern, wie z. B. Anti-Aliasing-Filter.
  • Chebyshev Typ I und II: Steiger Roll-off als Butterworth, aber mit Ripple im Durchlassband (Typ I) oder Stopband (Typ II).
  • Elliptisch (Cauer): Der schärfste Roll-off für eine gegebene Bestellung, mit Wellen sowohl im Durchlass- als auch im Stoppband. Wird verwendet, wenn maximale Effizienz erforderlich ist, aber ein sorgfältiges Design erforderlich ist, um hörbare Artefakte zu minimieren.
  • Bessel: Maximal flache Gruppenverzögerung, Beibehaltung der Wellenformform auf Kosten eines langsameren Roll-offs. Nützlich in zeitkritischen Anwendungen, in denen die Phasenlinearität wichtiger ist als die Amplitude.

Für die Audiosignaltrennung werden elliptische Filter bei Filterbankimplementierungen häufig bevorzugt, weil sie eine ausgezeichnete Kanalisolation mit minimalen Rechenressourcen bieten.

Kombination von Filterbanken und IIR-Filtern

Die Verbindung von Filterbänken und IIR-Filtern schafft ein leistungsfähiges, aber leichtgewichtiges Framework für die Audiosignaltrennung. Die Kernidee ist es, die rechenintensiven FIR-Filter in einer herkömmlichen Filterbank durch hocheffiziente IIR-Filter zu ersetzen. Dies reduziert sowohl die Anzahl der Koeffizienten als auch die arithmetischen Operationen pro Sample und ermöglicht einen Echtzeitbetrieb auf Geräten mit geringem Stromverbrauch wie Hörgeräten, intelligenten Lautsprechern und Mobiltelefonen.

Allgemeine Architektur

In einer typischen IIR-basierten Analyse-Synthese-Filterbank:

  1. Das Eingangssignal wird in N Frequenzbänder unter Verwendung einer Analysefilterbank aufgeteilt, die aus IIR-Bandpass- oder Tiefpass-/Hochpasspaaren besteht.
  2. Jedes Teilbandsignal wird wahlweise dezimiert (unterabgetastet), um die Abtastrate auf die Nyquistrate für diese Bandbreite zu reduzieren.
  3. Es wird eine individuelle Subbandverarbeitung angewendet, wie z. B. Gain-Anpassung, Rauschen-Gating, adaptive Filterung oder spektrale Subtraktion.
  4. Die verarbeiteten Subbänder werden auf die ursprüngliche Abtastrate zurückgetastet und durch eine Synthesefilterbank, ebenfalls mit IIR-Filtern implementiert, geleitet, um das Ausgangssignal zu rekonstruieren.

Die Synthesefilter sind so konzipiert, dass sie die durch Dezimation und Interpolation eingeführte Aliasierung ausschalten. Für ein perfektes Rekonstruktionssystem müssen die Analyse- und Synthesefilterfrequenzantworten die Aliasauslöschungsbedingung erfüllen. Für IIR-Filter ist dies aufgrund ihrer nichtlinearen Phase schwieriger, kann jedoch durch sorgfältiges Design allpassbasierter Strukturen oder durch Verwendung von annähernd linearphasigen IIR-Filtern erreicht werden.

Zweikanalfilterbank Beispiel

Man denke an eine einfache Zweikanal-Filterbank, die das Audiospektrum in niedrige und hohe Hälften aufteilt, einen Tiefpass-IR-Filter (z. B. Butterworth vierter Ordnung) und einen komplementären Hochpass-IR-Filter.

  • Lowpass: Extrahiert Frequenzen unterhalb des Kreuzungspunktes (z.B. 1 kHz).
  • Highpass: Extrahiert Frequenzen über dem Crossover.

Nach der Dezimierung um 2 wird jedes Teilband unabhängig voneinander verarbeitet. Beispielsweise kann das niedrige Band zur Regelung des Dynamikbereichs komprimiert werden, während das hohe Band Rauschunterdrückung erhält. Die Synthesefilter müssen mit den Analysefiltern identisch sein (in einer kritisch abgetasteten QMF-Bank), um Aliasing zu annullieren. IIR-Filter führen jedoch Phasenfehlanpassungen ein, die eine perfekte Aufhebung verhindern. Um dies zu mildern, kann ein zusätzliches Allpassentzerrungsfilter hinzugefügt werden, oder das System kann in einer überabgetasteten Weise arbeiten, wo Aliasing von Natur aus reduziert ist.

Praktische IIR Filter Bankstrukturen

Es wurden mehrere spezialisierte Strukturen entwickelt, um IIR-Filter effizient in Filterbänke einzubetten:

  • Allpass-basierte Filterbanken: Verwenden Sie Allpassfilter, um komplementäre Größenantworten mit geringer Komplexität zu erzielen.
  • Wave Digital Filters (WDFs): Modell analoge Filternetzwerke mit hervorragenden Stabilitätseigenschaften und Modularität, geeignet für den Bau großer Filterbanken.
  • IIR-Polyphasenfilter: Polyphasenzersetzung kann auch auf IIR-Filter angewendet werden, obwohl die rekursive Natur die effiziente Implementierung erschwert.

Vorteile und Trade-offs

Die Verwendung von IIR-Filtern in Filterbanken bietet deutliche Vorteile, führt aber auch zu Kompromissen, die beim Systemdesign sorgfältig berücksichtigt werden müssen.

Vorteile

  • Recheneffizienz: IIR-Filter erreichen steile Roll-offs mit 5-10 Koeffizienten pro Band, während FIR-Äquivalente 100 oder mehr erfordern können.
  • Leichter Speicher-Fußabdruck: Weniger Filterkoeffizienten bedeuten weniger RAM und ROM, entscheidend für kleine DSP-Chips.
  • Hochfrequenzselektivität: IIR-Filter können sehr schmale Bänder isolieren, was eine feinkörnige Trennung ermöglicht (z. B. das Extrahieren einzelner Harmonischer Musiknoten).
  • Flexibilität: Die einfache Biquad-Struktur ermöglicht die dynamische Rekonfiguration von Filterparametern (Mittefrequenz, Q-Faktor) als Reaktion auf sich ändernde Audioinhalte und ermöglicht adaptive Filterbanken.

Trade-offs

  • Phasenverzerrung: Nichtlineare Phasenreaktion kann vorübergehende Verschmierungen und hörbare Artefakte verursachen, insbesondere in Systemen mit niedriger Latenz, die für Hörgeräte oder Live-Sound verwendet werden.
  • Stabilitätsbedenken: IIR-Filter können schwingen, wenn Koeffizienten schlecht quantisiert werden oder wenn die Filterreihenfolge zu hoch ist. Cascaded Biquads helfen, aber eine sorgfältige Koeffizientenskalierung ist erforderlich.
  • Perfekte Rekonstruktion erreichen: Aufgrund der Phasen-Nichtlinearität erreichen IIR-basierte Filterbanken selten eine perfekte Rekonstruktion, es sei denn, es werden ausschließlich Allpassfilter verwendet.
  • Koeffizientenempfindlichkeit: IIR-Filter sind empfindlicher auf Koeffizientenquantisierung als FIR-Filter, insbesondere für schmalbandige Designs. Dies erfordert eine höhere Bittiefe oder sorgfältige Filterstrukturauswahl (z. B. unter Verwendung von Gitterrealisierungen).

Praktische Umsetzungsüberlegungen

Die Bereitstellung einer IIR-basierten Filterbank für die Audiotrennung auf realer Hardware umfasst mehrere praktische Schritte.

Filterdesign und Tuning

Tools wie die Signal Processing Toolbox von MATLAB, SciPy oder spezielle DSP-Entwicklungsumgebungen ermöglichen eine schnelle Prototypenentwicklung von IIR-Filtern. Für das Filterbankdesign ist es oft einfacher, mit einem Prototyp eines analogen Filters (z. B. Chebyshev Typ II) zu beginnen und dann die bilineare Transformation anzuwenden, um digitale Koeffizienten zu erhalten. Die Grenzfrequenzen müssen vorgewarnt sein, um die Frequenzverwerfung zu berücksichtigen, die der bilinearen Transformation innewohnt. Nach dem Design sollten die Filter mit repräsentativen Audiosignalen simuliert werden, um zu überprüfen, dass die Stoppbanddämpfung und die Durchlasswelligkeit innerhalb der Toleranz bleiben und dass keine hörbaren Artefakte aus Phasenverschiebungen entstehen.

Echtzeit-Einschränkungen

Bei Live-Audioanwendungen muss die Latenz minimiert werden. IIR-Filter führen von Natur aus eine Gruppenverzögerung ein, die mit der Frequenz variiert. Bei einer Filterbank mit vielen schmalen Bändern kann die Gruppenverzögerung spürbar werden (z. B. > 10 ms). Techniken zur Verringerung der Verzögerung umfassen die Verwendung von minimal-phasigen IIR-Designs (die die Verzögerung für eine gegebene Größenantwort so gering wie möglich halten) oder die Verwendung von Multirate-Techniken, die stark dezimierte Teilbänder verarbeiten, wodurch die effektive Abtastrate und Verzögerung pro Berechnung reduziert wird. Darüber hinaus kann blockbasierte Verarbeitung (frame-by-frame) eine Algorithmusverzögerung einführen; Überlappungs-Add-Methoden können dies mildern, aber die Speicherauslastung erhöhen.

Fixpunkt-Arithmetik

Eingebettete DSPs verwenden häufig Fixpunktarithmetik, um Kosten und Leistung zu sparen. IIR-Filter sind empfindlicher auf Quantisierung als FIR-Filter. Eine gängige Praxis ist es, jeden Abschnitt zweiter Ordnung (Biquad) mit internen Akkumulatoren doppelter Präzision zu implementieren (z. B. 32-Bit für 16-Bit-Audio), um Grenzzyklen und Überlauf zu vermeiden. Koeffiziente Quantisierung kann dazu führen, dass sich die Polpositionen verschieben; daher ist es ratsam, den Filter in der quantisierten Domäne zu entwerfen und zu simulieren, um Stabilität zu gewährleisten. Die Strukturen der und transponierten direkten Form II bieten unterschiedliche Kompromisse in der Rauschleistung und werden beide in der Praxis verwendet.

Test und Validierung

Vor dem Einsatz sollte das komplette Filterbanksystem mit einer Vielzahl von Audiosignalen getestet werden: Reintöne zur Überprüfung der Kanalisolation, Sprache im Rauschen zur Beurteilung der Trennungsqualität und Vollbandmusik zur Überprüfung auf akustische Aliasing- oder Phasenanomalien. Objektive Maßnahmen wie Signal-zu-Verzerrungs-Verhältnis (SDR) und Wahrnehmungsbewertung der Audioqualität (PEAQ) können subjektive Hörtests ergänzen. Es ist auch wichtig, Latenz und CPU-Auslastung unter Worst-Case-Bedingungen zu messen.

Anträge

Die Kombination von Filterbanken und IIR-Filtern wurde in zahlreichen Audiotrennungsaufgaben branchenübergreifend erfolgreich eingesetzt.

Sprachverbesserung und Lärmreduzierung

In der Telekommunikation, bei Headsets und Hörgeräten zerlegt eine Filterbank das Mikrofonsignal in Frequenzbänder. IIR-Bandpassfilter isolieren das Sprachspektrum (normalerweise 300 Hz – 3,4 kHz) und wenden in anderen Bändern eine Rauschunterdrückung durch spektrale Subtraktion oder durch Verstärkungen auf der Grundlage geschätzter Rauschböden an. Da die Filterbank in Echtzeit auf einem Low-Power-Chip läuft, erfahren die Benutzer eine klare Sprache ohne den Rechenaufwand von Vollbandalgorithmen. Einige moderne Hörgeräte verwenden bis zu 32 IIR-basierte Subbänder, die jeweils unabhängig voneinander komprimiert werden, um dem Audiogramm eines Benutzers zu entsprechen.

Musikquelle Trennung

Die Trennung von Instrumenten aus einer gemischten Aufnahme (z. B. das Extrahieren von Gesang oder Schlagzeug) kann mit ungleichmäßigen Filterbänken durchgeführt werden, die die kritischen Bänder des menschlichen Ohrs nachahmen. IIR-Filter ermöglichen die Echtzeittrennung für Live-Soundverstärkungs- oder Karaoke-Systeme. Während Deep-Learning-Ansätze dominant geworden sind, werden IIR-basierte Filterbänke immer noch für Vorverarbeitungen zur Verringerung der Dimensionalität oder für Anwendungen mit niedriger Latenz wie In-Ear-Monitore verwendet, bei denen neuronale Netze zu viel Verzögerung verursachen.

Akustische Echo-Absage

Bei der Freisprechtelefonie wird ein adaptives Filter zur Modellierung des akustischen Echopfades ausgebildet. Die Platzierung der Anpassung in der Subband-Domäne mit einer IIR-Filterbank reduziert die Konvergenzzeit und den Rechenaufwand. Jedes Subband verarbeitet eine schmalere Bandbreite, wodurch längere Filterlängen mit insgesamt weniger Koeffizienten ermöglicht werden. Der Subband-Ansatz macht das System auch widerstandsfähig gegenüber Lautsprecherbewegungen und Hintergrundgeräuschen.

Biomedizinische Signalverarbeitung

Neben Audio werden IIR-Filterbänke zur Trennung von EEG- oder EKG-Signalen in Frequenzrhythmen (Delta, Theta, Alpha, Beta) verwendet. Die Effizienz von IIR-Filtern ermöglicht es tragbaren tragbaren Geräten, Echtzeitanalysen für die Schlafüberwachung oder die Anfallserkennung durchzuführen.

Schlussfolgerung

Filterbänke in Kombination mit IIR-Filtern bieten einen effizienten, praktischen Ansatz für die Audiosignaltrennung, der die Rechenkosten mit der Trennungsqualität in Einklang bringt. Durch die Nutzung der rekursiven Natur von IIR-Filtern können Ingenieure Systeme mit steilen Filterflanken, geringer Speicherauslastung und Echtzeitleistung auf ressourcenbeschränkter Hardware bauen. Die Kompromisse bei der Phasenreaktion und der perfekten Rekonstruktion sind durch sorgfältige Designentscheidungen wie Überabtastung, Allpass-Dekomposition und adaptive Nachbearbeitung handhabbar. Da die Audioverarbeitung weiterhin alltägliche Geräte - von Sprachassistenten bis hin zu Hörgeräten - infiltriert, ist die Rolle von IIR-basierten Filterbänken nach wie vor von entscheidender Bedeutung. Zukünftige Entwicklungen in Co-Prozessor-Architekturen und adaptives Filterdesign werden diese Techniken wahrscheinlich weiter verfeinern und High-Fidelity-Audiotrennung auch in kleinster Form zugänglich machen Faktoren.

Für weitere Informationen über das Design und die Implementierung digitaler Filter siehe das maßgebliche Lehrbuch ]Der Leitfaden für Wissenschaftler und Ingenieure zur digitalen Signalverarbeitung von Steven W. Smith. Praktische Designbeispiele für IIR-Filter finden Sie in ]MathWorks' IIR Filter Design Dokumentation Eine detaillierte Umfrage zu perfekten Rekonstruktionsfilterbanken einschließlich IIR-basierter Strukturen ist in verfügbar Dieses IEEE-Papier von Vaidyanathan . Für einen Überblick über Filterbanken in der Audiokodierung siehe die AES-Publikation von Bosi und Goldberg .