EQ 均衡器

news2024/11/18 21:40:13

EQ 的全称是 Equalizer,EQ 是 Equalizer 的前两个字母,中文名字叫做“均衡器”。最早是用来提升电话信号在长距离的传输中损失的高频,由此得到一个各频带相对平衡的结果,它让各个频带的声音得到了均衡。

EQ 的主要功能是:通过多个滤波器对声音某一个或多个频段进行增益或衰减处理

滤波器的种类

EQ的种类繁多,但是基本原理都是滤波器的叠加。根据参数的种类可以分为:图示均衡器和参数均衡器。根据滤波器设计又有很多EQ的设计种类:

  • 低通滤波器(lowpass):简单的处理低频效果,允许某部分低频率经过;没有增益效果
  • 高通滤波器(highpass):简单的梳理高频效果,允许某部分高频率部分经过;没有增益效果
  • 全通滤波器(allpass):稳定系统响应,使得声音浑浊。
  • 带通滤波器(bandpass):允许一定频率内通过。
  • 带阻滤波器(bandstop):使得一定频率被压制。
  • 低切滤波器(Low Shelf):切断中心频率以下的频率:可调节增益
  • 高切滤波器(High Shelf):切断中心频率以上的频率:可调节增益
  • 峰值滤波器(Peak Filter):拉高中心频率增益和频率响应。
  • 陷波滤波器(Notch Filter):压制中心频率的增益和频率响应。

对于low Shelf和Low pass的区别可以参照网站。

图示均衡器(Graphic Equalizer)

下图是Audition设计图示均衡器,该均衡器有10个频段,每个频段增益为-20dB~20dB。利用Audition中的参数滤波器得到一组EQ参数,然后将其应用到尖峰滤波器(peaking filter)

但是图示均衡器有一个缺点,它只能改变固定频带的音量,假如我们想改变1.5kHz处的音量,就没有办法了,因为它只提供了调整1kHz和2kHz的推子。

参数均衡器

参数均衡器主要使用的是峰值滤波器,峰值滤波器在中心频率附近提供提升或削减。远离升压或削减的增益是统一的,因此可以方便地将多个这样的部分串联起来。峰值滤波器的主要参数

  • 采样率$Fs$
  • 中心频率$Fc$:进行滤波的中心点,也即提升或者衰减频段的峰点或谷点所对应的频率
  • 增益(gain/dB):中心频率处的增益。增益表示输出与输入之比,$Gain=10*log(Out/In)$
  • 品质因子Q:定义滤波器影响的频率范围,描述了某一频率点提升或衰减的频带带宽。以频点为中心,Q 值越大,受影响的频带就越窄,Q 值越小,受影响的频带就越宽。中心频率变化3dB的频率差定义为Q值对应的频带带宽。举例而言,假设信号的中心频率设置为100Hz,对其施加EQ之后,该信号从原幅度衰减了3dB的整个信号被影响的频率范围是95Hz~105Hz,则受影响的频带带宽为10Hz。$Q=\frac{100}{10}=10$

  • 上下限频率$f_1,f_2$:如果是特定的滤波器,一般指频率响应强度下降到-3DB处的频率

Audition有参数均衡器功能,这种 EQ 可以随意定义频点的频率,在写有Hz数的地方输入不同的数值,再输入更改的dB数(分贝),就能改变这个频率的音量。

滤波器的设计

数字滤波器的设计类型

无限冲激响应(Infinite Impulse Response,IIR):计算量小,实时性好。

  • IIR是一种适用于许多线性时不变系统的属性,这些系统的特征是具有一个冲激响应$h(t)$,$h(t)$不会在特定点上完全变为零,而是无限期地持续。

有限冲激响应(Finite Impulse Response,FIR):稳定性好,相位可控。

  • 在有限冲激响应(FIR)系统中,对于某个有限T,在时t>T时,冲激响应恰好变为零。

多滤波系统设计类型

  • 级联型:将多个滤波器一个接着一个连接在一起,上一个滤波器的输出作为下一个滤波器的输入,类似于串联。
  • 并联型:各个滤波器并行处理,最后才将结果合并在一起。

我们选择二阶的biquad(IIR)设计滤波器,biquad响应函数如下:

$$H(z)=\frac{b_0+b_1 z^{-1}+b_2 z^{-2}}{a_0+a_1 z^{-1}+a_2 z^{-2}}$$

上下同时除以$a_0$,对$a_0$进行归一化

$$ H(z)=\frac{Y(z)}{X(z)}=\frac{b_0+b_1 \cdot z^{-1}+b_2 \cdot z^{-2}}{1+a_1 \cdot z^{-1}+a_2 \cdot z^{-2}} $$

转换到时域上差分方程计算方法:

$$y(n)=b_0 \cdot x(n)+b_1 \cdot x(n-1)+b_2 \cdot x(n-2)-a_1 \cdot y(n-1)-a_2 \cdot y(n-2)$$

设计滤波器必要参数

  • Fs:采样频率
  • f0:中心频率或角频率或架中点频率,取决于哪种过滤器类型
  • dBgain:仅用于峰值和倾斜滤波器
  • Q:对定义进行了调整,以便在相同Q和f0/Fs的情况下提高N dB,然后减少N dB,从而产生精确平坦的单位增益滤波器
  • BW:以倍频程为单位的带宽(BPF 的 -3 dB 频率之间)和陷波或中点 (dBgain/2) 增益频率之间峰值均衡器
  • S:"搁架斜率"参数(仅适用于搁置均衡器)。 当S=1时,陆架坡度尽可能陡并保持单调随着频率的增加或减少增益。 陆架坡度,在dB/倍频程,对于 a 的所有其他值仍与 S 成比例固定 f0/Fs 和 dBgain。

然后计算几个中间变量:

$A = \sqrt{10^{dBgain/20}}= 10^{dBgain/40}$ (for peaking and shelving EQ filters only)

$w0 = 2*pi*f0/Fs$

cos(w0)
sin(w0)

alpha = sin(w0)/(2*Q) (case: Q)
    = sin(w0)*sinh( ln(2)/2 * BW * w0/sin(w0) ) (case: BW)
    = sin(w0)/2 * sqrt( (A + 1/A)*(1/S - 1) + 2 ) (case: S)

供参考: 带宽与Q的关系为

  • 带BLT的数字滤波器:$1/Q = 2*sinh(ln(2)/2*BW*w0/sin(w0))$
  • 模拟滤波器原型:$1/Q = 2*sinh(ln(2)/2*BW)$

shelf slope 与Q的关系为:$1/Q = sqrt((A + 1/A)*(1/S - 1) + 2)$

$2*sqrt(A)*alpha = sin(w0) * sqrt( (A^2 + 1)*(1/S - 1) + 2*A ) $是一个方便的中间变量,用于shelf EQ滤波器。

最后,计算每种滤波器的系数,以及对应的模拟滤波器原型 H(s):

低通滤波器

LPF:$H(s) = 1 / (s^2 + s/Q + 1)$

b0 = (1 - cos(w0))/2

b1 = 1 - cos(w0)

b2 = (1 - cos(w0))/2

a0 = 1 + alpha

a1 = -2*cos(w0)

a2 = 1 - alpha

高通滤波器(High Pass Filter)

HPF:$H(s) = s^2 / (s^2 + s/Q + 1)$

b0 = (1 + cos(w0))/2

b1 = -(1 + cos(w0))

b2 = (1 + cos(w0))/2

a0 = 1 + alpha

a1 = -2*cos(w0)

a2 = 1 - alpha

带通滤波器(增益 = Q )

BPF:$H(s) = s / (s^2 + s/Q + 1)$ (constant skirt gain, peak gain = Q)

b0 = sin(w0)/2 = Q*alpha

b1 = 0

b2 = -sin(w0)/2 = -Q*alpha

a0 = 1 + alpha

a1 = -2*cos(w0)

a2 = 1 - alpha

带通滤波器( 0 db增益)

BPF: $H(s) = (s/Q) / (s^2 + s/Q + 1)$ (constant 0 dB peak gain)

b0 = alpha

b1 = 0

b2 = -alpha

a0 = 1 + alpha

a1 = -2*cos(w0)

a2 = 1 - alpha

Notch滤波器

notch: $H(s) = (s^2 + 1) / (s^2 + s/Q + 1)$

b0 = 1

b1 = -2*cos(w0)

b2 = 1

a0 = 1 + alpha

a1 = -2*cos(w0)

a2 = 1 - alpha

全通滤波器

APF: $H(s) = (s^2 - s/Q + 1) / (s^2 + s/Q + 1)$

b0 = 1 - alpha

b1 = -2*cos(w0)

b2 = 1 + alpha

a0 = 1 + alpha

a1 = -2*cos(w0)

a2 = 1 - alpha

峰值滤波器

peakingEQ: H(s) = (s^2 + s*(A/Q) + 1) / (s^2 + s/(A*Q) + 1)

b0 = 1 + alpha*A

b1 = -2*cos(w0)

b2 = 1 - alpha*A

a0 = 1 + alpha/A

a1 = -2*cos(w0)

a2 = 1 - alpha/A

低切滤波器

lowShelf: $H(s) = A * (s^2 + (sqrt(A)/Q)*s + A)/(A*s^2 + (sqrt(A)/Q)*s + 1)$

b0 = A*( (A+1) - (A-1)*cos(w0) + 2*sqrt(A)*alpha )

b1 = 2*A*( (A-1) - (A+1)*cos(w0) )

b2 = A*( (A+1) - (A-1)*cos(w0) - 2*sqrt(A)*alpha )

a0 = (A+1) + (A-1)*cos(w0) + 2*sqrt(A)*alpha

a1 = -2*( (A-1) + (A+1)*cos(w0) )

a2 = (A+1) + (A-1)*cos(w0) - 2*sqrt(A)*alpha

高通滤波器

highShelf: $H(s) = A * (A*s^2 + (sqrt(A)/Q)*s + 1)/(s^2 + (sqrt(A)/Q)*s + A)$

b0 = A*( (A+1) + (A-1)*cos(w0) + 2*sqrt(A)*alpha )

b1 = -2*A*( (A-1) + (A+1)*cos(w0) )

b2 = A*( (A+1) + (A-1)*cos(w0) - 2*sqrt(A)*alpha )

a0 = (A+1) - (A-1)*cos(w0) + 2*sqrt(A)*alpha

a1 = 2*( (A-1) - (A+1)*cos(w0) )

a2 = (A+1) - (A-1)*cos(w0) - 2*sqrt(A)*alpha

参见本文代码:PyEqualizer: 用python画出各种类型的EQ频响曲线,并且进行串联滤波。用python画出各种类型的EQ频响曲线,并且进行串联滤波(顺便帮忙点个赞呗)

上述代码需要人工设置中心频率fc,Q值和dBgain,这些参数的调节需要一定的经验,并可借助一些软件如Audition快速方便地获取合适的值。

点击Audition菜单栏的【效果】——【滤波与均衡】——【参数均衡器】,调出参数滤波器。在界面中,可见“频率”(也即中心频率),“增益”和“Q/宽度”,在新版的Audition中还有一栏“频段”,是滤波器标识符。其中【HP】和【LP】,即高通和低通,高通指允许高频通过,滤掉低频信号;低通指允许低频通过,滤掉高频信号。可任意修改【HP】对应的频率,比如设置高通【HP】频率为100Hz,即允许100Hz以上的频率通过,去除100Hz以下噪声;同时可以修改【HP】和【LP】的增益斜率,比如修改增益斜率为24dB/Oct,即低频的曲线斜率为24dB/Oct(分贝/倍频程)。Au中的EQ处理方法——图形均衡器和参数均衡器

音频频率知识

HF(高频):6kHz-16kHz,影响音色的表现力、解析力。像音乐盒那种尖锐的声音.

MID HF(中高频):600Hz-6kHz,影响音色的明亮度、清晰度。 像大提琴那种中规中矩的声音.

MID LF(中低频):200Hz-600Hz,影响音色和力茺和结实度。像大提琴那种中规中矩的声音.

LF(低频):20Hz-200Hz,影响音色的混厚度和丰满度。像低音炮那种低沉的声音.

人耳可分辨的声音频率大约是在20Hz~20kHz,因此调音台中的四段均衡器把其分为的4个频段,根据德国柏林音乐研究所资料介绍,它们是:

31Hz——这个频段需要播放器材有比较好的低频下潜能力,如果没有,当然就不容易听见,这个频段主要影响底鼓的延续音(sustain),就是踩下底鼓之后嗡嗡的声音,增强这个频段可以让音乐浑厚。

63Hz——这个频段是底鼓所在的主要频段,如果单纯把这个频点增强10dB,最明显的感受就是底鼓声变得很大,甚至破了,所以增强这个频段有助于音乐更厚实。

125Hz——这就主要是贝斯的频段了,贝斯常用的音高位置的音色主要在这一频段,当然不是说这一频段只有贝斯,增强这一频段音乐会更扎实。

基本上,如果增强了上述三个频段,你想要重低音的话就有了,这里说一下遮蔽效应,简单说就是比如你把125Hz调的很大,那么靠近125Hz的、dB数小的频率就会被遮蔽,听不到了。

250Hz——这个频段多了声音会很脏,少了声音会很干净,硬实,但它同时也是人声、弦乐、手鼓等等音色的主要共鸣点的所在频段。可以想象在水下的那种轰隆隆的感觉,是这一频段带给我的主要感受。

500Hz——和250Hz的感受相似,这一频段的增强会使一些铺底的合成器pad音色凸显出来,会使更多的男声凸显出来,这一频段多了还是会浑浊,稍微增加一些会使音乐有更多温暖、亲近的感觉。

1000Hz——这个频段可以算作一个分水岭,大部分乐器的基频都在200—1000Hz,所以调节1000以下的频段会更多的影响音色(不是影响音量),增强这一频段会使音色更明亮。

2000Hz——增强人声的可懂性,说白了听得更清楚,包括吉他贝斯的琴弦摩擦的声音,电吉他的尖刺感,两元店大喇叭里的广告,都可以让你更多的体会这一频段的特点,所以增强这一频段让音乐更清晰。

4000Hz——我个人理解这一频段是很多音色的镶边,就像是相框的边框,衣服或者窗帘的下摆,很多时候这一频段可以让声音更完整,更具细节,更多现场感,但是过多的提升也会让人觉得刺耳,听觉疲劳。5000Hz以上是几乎所有乐器的谐波成分,也是人耳最敏感的频段,比如把5000Hz提升6dB,有时会让人觉得整个音量被开大了一倍,如果过多的衰减则会让音乐听起来很远。

8000Hz——这个频段比较明显的是各种镲声、弦乐摩擦琴弦的声音、还有就是齿音,比如提升该频段会放大歌手四、是、次、字一类的发音。一般很少会大幅提升这一频段。

16000Hz——事实上这一频段确实很难分辨,如果把一首歌的16000Hz提升10dB,我一般会去听各种镲,镲会显得更亮更大声了,反之,镲声会显得小了、暗了。如果不仔细听,会感觉音乐没什么变化。

参考

【知乎】信号处理-均衡器EQ的原理与应用(含代码)

【知乎】P8:滤波器(Filter)

【SeS】3-BAND TONE CONTROL / 7-BAND PARAMETRIC EQUALIZER

【stanford】Peaking Equalizers

【musicdsp】RBJ Audio-EQ-Cookbook ;CSDN翻译

【github】Equalizer

【github】beqdesigner

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1064991.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

端口隔离 MAC地址安全配置

二、知识点 目前网络中以太网技术的应用非常广泛。然而,各种网络攻击的存在(例如针对ARP、DHCP等协议的攻击),不仅造成了网络合法用户无法正常访问网络资源,而且对网络信息安全构成严重威胁,因此以太网交…

学习笔记|串口通信的基础知识|同步/异步|常见的串口软件的参数|STC32G单片机视频开发教程(冲哥)|第二十集:串口通信基础

目录 1.串口通信的基础知识串口通信(Serial Communication)同步/异步?全双工?常见的串口软件的参数 2.STC32的串口通信实现原理引脚选择模式选择 3.串口通信代码实现编写串口1通信程序测试 总结 1.串口通信的基础知识 百度百科:串口通信的概…

STM32F103C8t SPI1重映射到PB3 PB4 PB5无输出

STM32F103C8t6用到了ADC 和SPI 导致PAx口无法使用SPI1 因此像复用到的引脚, 检查后发现硬件SPI可以复用到PB3 PB4 PB5, MSIO:PB5 MOSI:PB4 SCK:PB3 但是尝试后发现没有反映 SCK引脚没有波形输出 GPIO_PinRemapConfig(…

使用pywin32读取doc文档的方法及run输出乱码 \r\x07

想写一个读取doc文档中表格数据,来对文档进行重命名。经查资料,py-docx无法读取doc文档,原因是这种是旧格式。所以,采用pywin32来进行读取。 import win32com.client as win32word win32.gencache.EnsureDispatch(Word.Applicati…

Fiddler的下载安装及使用(包括在测试中的使用)

一、Fiddler的下载安装 1.Fiddler的介绍 1.1 Fiddler的定义和功能 Fiddler是一款免费网络代理调试工具。 Fiddler是一个很好用的抓包工具, 可以将网络传输发送与接受的数据包进行截获、重发、编辑、转存等操作。 也可以用来检测网络安全。 1.2 Fiddler的工作原理…

JUC第十六讲:JUC集合: CopyOnWriteArrayList详解

JUC第十六讲:JUC集合: CopyOnWriteArrayList详解 本文是JUC第十六讲,JUC集合: CopyOnWriteArrayList详解。CopyOnWriteArrayList是ArrayList 的一个线程安全的变体,其中所有可变操作(add、set 等等)都是通过对底层数组进行一次新的拷贝来实现…

linux系统中三个重要的结构体

第一​:struct inode结构体 struct inode { struct hlist_node i_hash; struct list_head i_list; /* backing dev IO list */ struct list_head i_sb_list;​ //主次设备号 dev_t i_rdev;​ struct list_head i_devices; //用联合体是因为该…

山西省行政村边界数据/乡镇街道边界数据/行政区划边界分布

山西(简称:晋,别称:三晋,古称河东),中华人民共和国省级行政区,省会太原市,位于黄河中游东岸,华北平原西面的黄土高原上。东以太行山为界,与河北为…

019 基于Spring Boot的教务管理系统、学生管理系统、课表查询系统

基于Spring Boot的教务管理系统、学生管理系统、课表查询系统 一、系统介绍 本作品主要实现了一个课表查询系统,采用了SSM(Spring SpringMVC MyBatis)的基础架构。 二、使用技术 spring-bootspring-MVCthymeleafmybatis-plusdruidLombo…

Ae 效果:CC Lens

扭曲/CC Lens Distort/CC Lens CC Lens (CC 镜头)主要用于添加或移除摄像机镜头扭曲,比如桶形失真 Barrel、枕形失真 Pincushion以及鱼眼失真 Fisheye等。或者,用它来创建一些特殊的动画效果。 ◆ ◆ ◆ 效果属性说明 Center 中…

数据结构 2.1 单链表

1.单链表 线性表:1.有限的序列 2.序列中的每一个元素都有唯一的前驱和后继,除了开头和结尾的两个节点。 顺序表:分配一块连续的内存去存放这些元素,eg、数组 链表:内存是不连续的,元素会各自被分配一块内…

防抖和节流的实现

防抖和节流的实现 什么是防抖和节流实现防抖和节流防抖节流 防抖和节流的应用场景 什么是防抖和节流 防抖和节流是前端开发中常用的两种性能优化技术。 为什么需要防抖和节流呢? 两者目的都是为了防止某个时间段内操作频繁触发,造成性能消耗。 防抖&…

gin路由相关方法

c.Request.URL.Path 拿到请求的路径 package mainimport ( "fmt" "github.com/gin-gonic/gin" "net/http")//路由重定向,请求转发,ANY ,NoRoute,路由组func main() { r : gin.Default() // -------…

Python 无废话-办公自动化Excel格式美化

设置字体 在使用openpyxl 处理excel 设置格式,需要导入Font类,设置Font初始化参数,常见参数如下: 关键字参数 数据类型 描述 name 字符串 字体名称,如Calibri或Times New Roman size 整型 大小点数 bold …

Spring注册Bean系列--方法5:@Import+ImportBeanDefinitionRegistrar

原文网址:Spring注册Bean系列--方法5:ImportImportBeanDefinitionRegistrar_IT利刃出鞘的博客-CSDN博客 简介 本文介绍Spring注册Bean的方法:ImportImportBeanDefinitionRegistrar。 注册Bean的方法我写了一个系列,见&#xff…

NAT模式和桥接模式的区别

NAT模式和桥接模式的区别 NAT模式和桥接模式都是虚拟机网络配置的两种方式,主要区别在于虚拟机与外部网络交互的方式不同。 NAT(Network Address Translation,网络地址转换)模式:在这种模式下,虚拟机和宿主…

SystemUI状态栏

SystemUI状态栏 1、日志开关2、相关属性配置3、Statusbar界面启动 android13-release 1、日志开关 Log.isLoggable通过设置属性,重启应用;Compile.IS_DEBUG日志开关是src-debug和src-release版本区别 frameworks\base\packages\SystemUI\src\com\android…

C++设计模式-外观(Facade)

目录 C设计模式-外观(Facade) 一、意图 二、适用性 三、结构 四、参与者 五、代码 C设计模式-外观(Facade) 一、意图 为子系统中的一组接口提供一个一致的界面,Facade模式定义了一个高层接口,这个接…

阿里云服务器Anolis OS龙蜥操作系统详细介绍

阿里云服务器Anolis OS镜像系统由龙蜥OpenAnolis社区推出,Anolis OS是CentOS 8 100%兼容替代版本,Anolis OS是完全开源、中立、开放的Linux发行版,具备企业级的稳定性、高性能、安全性和可靠性。目前阿里云服务器ECS可选的Anolis OS镜像系统版…

机器视觉行业最可怕的不是以量换价吗?而是买方市场的带量采购,量价挂钩

机器视觉行业其实有很多值得思考,人力成本(团队人数控制),硬件成本,售后成本,回款成本(收款成本)。那么我们今天谈谈带量采购,量价挂钩、以量换价。这个话题有很多争议,很多有趣的争论,也有值得我们后人评价。 什么是“以价换量”? 从经济学角度来看,“以价换量…