Speaker Diaphragm Excursion Prediction: deep attention and online adaptation

要約

スピーカ保護アルゴリズムは、再生信号の特性を活用し、特に小さなスピーカを持つ携帯電話に対して、最大音量を維持しながら過大なエクスカーションを防止するものである。本論文では、従来のソリューションでは困難であった非線形エクスカーションを正確にモデル化し予測するための効率的なDLソリューションを提案する。まず、実験と前処理パイプラインを構築し、フィードバック電流と電圧を入力としてサンプリングし、グランドトゥルースとしてエクスカーションを測定するためにレーザーを採用します。次に、支配的な低周波とその他の未知の高調波を探索するために、1つのFFTNetモデルを提案し、ベースラインのConvNetモデルと比較する。さらに、オンライン適応を探るためにBN再推定を設計し、さらに複雑さを軽減するためにAI Model efficiency toolkit (AIMETfootnote{AIMET is a product of Qualcomm Innovation Center, Inc. }) に基づくINT8量子化を適用する。提案アルゴリズムは、2人のスピーカーと3つの典型的な展開シナリオで検証され、$>$99%残留DCは0.1mm未満で、従来のソリューションよりはるかに優れています。

要約(オリジナル)

Speaker protection algorithm is to leverage the playback signal properties to prevent over excursion while maintaining maximum loudness, especially for the mobile phone with tiny loudspeakers. This paper proposes efficient DL solutions to accurately model and predict the nonlinear excursion, which is challenging for conventional solutions. Firstly, we build the experiment and pre-processing pipeline, where the feedback current and voltage are sampled as input, and laser is employed to measure the excursion as ground truth. Secondly, one FFTNet model is proposed to explore the dominant low-frequency and other unknown harmonics, and compares to a baseline ConvNet model. In addition, BN re-estimation is designed to explore the online adaptation; and INT8 quantization based on AI Model efficiency toolkit (AIMET\footnote{AIMET is a product of Qualcomm Innovation Center, Inc.}) is applied to further reduce the complexity. The proposed algorithm is verified in two speakers and 3 typical deployment scenarios, and $>$99\% residual DC is less than 0.1 mm, much better than traditional solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL