How Noise-Cancelling Headphones Actually Remove Sound in Real Time

降噪耳机如何实时消除声音

2026年10月26日

/

#technology

Reetain Raina

在嘈杂的航班上，想要享受播客或听音乐而不必把音量调得非常高，可能会很困难。

这些干扰很大程度上来自于引擎持续的轰鸣声，这种声音会贯穿整个旅程。降噪耳机可以降低这种背景噪音，让你在不使周围环境变得更安静的情况下，获得更舒适的听觉体验。

这之所以成为可能，是因为这些耳机不仅仅是物理上覆盖住你的耳朵。它们使用麦克风捕捉周围的声音，通过电子电路处理信号，并利用扬声器产生额外的声波来抵消部分传入的噪音。这一过程是持续进行的，使耳机能够实时响应周围声音的变化。

但为什么一种声音可以抵消另一种声音？耳机又是如何快速计算出正确的信号以实现这一效果的？答案在于声波的物理特性和实时处理技术。

本文将涵盖以下内容：

• 首先，了解声音的本质
• 耳机是如何产生反向噪音的？
• 降噪耳机内部：实时处理过程
• 前馈式、反馈式和混合式ANC解析 前馈式ANC在噪声到达耳朵之前进行监听 反馈式ANC测量残留噪声 混合式ANC结合两种方法
• 静音背后的算法
• 为什么某些声音的降噪效果更好
• 为什么被动隔音仍然重要
• 当环境发生变化时会发生什么？
• 降噪技术是否能消除所有声音？
• 结论

首先，了解声音的本质

在探讨耳机如何消除背景噪音之前，我们首先需要明确声音的基本物理特性。

声音并不是物理实体，而是以一系列通过空气传播的压力变化形式存在。当有人说话或引擎轰鸣时，它会推动空气分子来回运动，形成高低压力的不可见波浪。

因此，麦克风的主要功能是将这些变化的压力波动转换为电信号，就像耳机扬声器将电信号重新转换为移动的空气一样。

由于声音由这些变化的压力波组成，当两种不同的声波在空气中相遇时，它们可以物理地相互作用。

这种基本的相互作用直接引出了破坏性干涉的原理。当两个相匹配的声波以完全相反的相位重叠时，它们的压力变化可以部分甚至完全相互抵消。

例如，如果一个波在某一时刻产生正压力变化（波峰），而另一个波在同一时刻产生相等的负压力变化（波谷），那么它们的综合变化可以接近零。

数学上，这种关系非常简单：

ptotal(t)=pnoise(t)+panti-noise(t)

在这个公式中，p表示特定时空点的声压。但需要强调的是，这种抵消是完全局部的。因此，这些波并不会在房间的每个地方消失。相反，降噪技术通过改变到达你个人耳朵的声压来实现降噪效果。

要实现相消干涉，耳机必须生成专门设计用于抵消入射噪声的声波。我们将这种声波称为“反噪声”。

但这并不像简单地将声音倒放那样容易。反噪声信号必须与原始声波在鼓膜位置具有极其精确的振幅（响度）和相位关系。

想象一下入射的声波像过山车一样上下起伏。反噪声必须是其精确的镜像，当噪声向上时向下运动，当噪声向下时向上运动。

然而，仅仅相位相反并不足够。如果两列波到达时间不完全一致，或者振幅不同，你仍然会听到残留噪声。正因如此，消费级可穿戴设备不会为房间内所有声音生成统一的反向波。相反，它们专注于在耳道附近创造一个非常有限、微小的声学“静音区”。

降噪耳机内部：实时处理过程

那么，典型的ANC耳机是如何在现实世界中实现这一过程的？这归结为一个持续重复的信号处理流程。

首先，外部麦克风捕捉入射的环境噪声。在一些先进设计中，内部麦克风还会测量耳旁残留的声波。

接下来，内部数字控制器处理该信号。它快速过滤麦克风数据并计算所需的精确抵消信号。

然后，耳机扬声器驱动器开始工作，发出专门用于抵消入射噪声（反噪声）的声波。

最后，系统持续监控并调整，不断响应你不断变化的声学环境。

在这个过程中，时间因素比其他任何因素都更重要。声音传播需要时间，耳机内部的数字系统也会引入处理和转换延迟。如果反噪声即使晚到千分之一毫秒，也无法有效抵消原始声波。

这里的工程挑战非常巨大：硬件必须在保持总延迟异常低的同时预测或响应入射噪声。根据一项关于耳机主动前馈噪声控制和信号跟踪的2018年研究，最小化处理延迟对实时应用至关重要，因为任何延迟都会立即降低降噪性能，尤其是对不可预测的声音。

前馈、反馈和混合ANC原理详解

并非所有降噪消费级可穿戴设备都以相同方式处理这个处理循环。耳机设计师可以根据预期性能和预算，将麦克风和控制系统安排在三种主要配置中。

前馈式ANC在噪声到达耳部之前进行监听

这种配置将麦克风放置在耳罩外部。控制器利用这些早期信息准备抵消信号。

这里的优点是获得先机。但挑战在于，系统必须精确估算声音从麦克风传播到耳部所需的时间，同时考虑其自身的内部处理延迟。

反馈式ANC测量残留噪声

内部麦克风位于耳罩内侧，捕捉耳旁的声波，包括抵消后的残留噪声。控制器利用这些信息持续修正输出。

由于其在耳机内部测量结果，仅依靠反馈机制难以在声音到达耳朵前预判突如其来的声响。

混合ANC融合两种方法

混合系统结合了两种方案的优势。这类系统同时利用外部和内部麦克风数据，将预测与基于反馈的校正相结合。

如2019年关于减少ANC系统中声学反馈影响的研究所示，没有一种架构能在所有场景中自动表现最佳。性能高度依赖麦克风布局、声学设计、处理延迟以及需要消除的噪声类型。

静音背后的核心算法

现在让我们探讨软件层面。外部麦克风不会直接将原始反向信号传递给扬声器，传入的音频必须通过数字滤波器进行精确转换，以补偿耳机本身的声学特性。

数字滤波器利用当前和近期的输入样本计算输出信号。其职责不仅是简单地反转每个样本，而是输出一个信号，该信号在物理穿过耳机扬声器组件和声学路径后，能够有效降低噪声。

为实现这一目标，许多高端耳机采用自适应算法。滤波最小均方（FxLMS）算法是主动降噪领域最成熟的技术之一。

这一过程令人着迷：控制器生成抵消信号，内部麦克风测量残留噪声（即"误差"），算法则结合该误差数据和扬声器到耳朵声学路径的数字模型，持续调整滤波器参数。这是一个持续的测量与优化循环。

并非所有耳机都使用FxLMS。有些依赖固定预训练滤波器，有些则主动适应。但如前所述2018年耳机信号追踪研究指出，基于FxLMS的实时控制仍然是动态实时调整的极佳标准。

为何某些声音的降噪效果优于其他声音

如果你佩戴过这些耳机，可能已经注意到一个特点：它们能轻松消除飞机引擎的轰鸣声，却难以屏蔽婴儿的哭声或附近对话。这是为什么？

这取决于频率和可预测性。低频声音如稳定的通风噪声或公交车引擎，具有长波长且随时间变化缓慢，这为控制器提供了充分的波形预估时间，从而生成精确的抵消信号。

相反，高频和突发性声音极难预测。门突然关闭、响亮的拍手声或突然的喊叫，其变化速度超过控制器处理循环的响应能力。麦克风、处理系统、扬声器和声学路径的物理限制，使得高频追踪变得异常困难。

此外，声音来源的方向也起着关键作用。2014年关于前馈主动降噪耳机的因果性研究指出，不同噪声到达方向会改变延迟特性，直接影响硬件实现相位对齐以产生破坏性干涉的效果。

为何被动降噪隔离仍然重要

由于主动降噪存在这些固有局限性，被动降噪隔离仍然至关重要。虽然主动降噪依赖电子元件，但被动隔离完全依靠物理屏障，例如密度高的耳罩、紧密的声学密封结构以及泡沫耳尖，通过物理方式减少进入耳道的声音量。

与主动降噪不同，被动隔离不会生成反向噪声信号。但有趣的是，这两种方法可以完美互补。坚固的物理密封结构能有效处理高频噪声（如人声交谈和突然的拍击声），而这些噪声对主动降噪控制器来说难以有效消除。以用于学习的标准耳塞为例：它们完全依赖泡沫或硅胶材料进行物理阻隔。主动降噪耳机正是通过其物理设计实现这一目标，将低频噪声的处理任务交给电子降噪系统。

当环境发生变化时

在实验室中，物理原理和信号处理听起来完美无缺，但现实世界远比实验室复杂。在日常生活中，你的声学环境会持续发生变化。

当你走路时转头、调整耳罩或戴上厚重的框架眼镜时，扬声器与耳膜之间的声学路径会发生改变。即使耳周物理密封结构出现轻微断裂，也会改变到达麦克风的声音。当这种情况发生时，一分钟前完美有效的降噪信号可能突然变得效果大打折扣。

耳机能否实时适应这种变化？答案是肯定的，但不同耳机的适应能力存在差异。高端耳机采用自适应算法，持续通过残余噪声测量值调整滤波器系数。其他型号可能会在预设滤波器组之间无缝切换，这些滤波器针对不同环境进行了优化。

一项2022年关于固定滤波器自适应增益算法的研究表明，现代耳机如何通过预训练数据与自适应加权相结合，平稳应对这些突发的环境变化。实时处理并不意味着系统每个部分都在随时重写代码，而是通过智能方式将固定策略与实时调整相结合。

降噪功能会消除所有声音吗？

现在是时候纠正一个常见误解：主动降噪不会创造完全的真空环境。实际上，它只是积极降低不需要的低频声音。人声、尖锐的高频噪声以及通过物理缝隙泄漏的声音仍然会轻易到达耳膜。

一些用户在开启主动降噪时偶尔会感到"耳压"。这并不是耳机向颅内释放危险的气压。实际上，这是大脑的困惑反应。大脑会将突然消失的低频环境噪声感知为压力变化，这种感觉类似于飞机爬升时的耳压感。

从健康角度来看，主动降噪具有显著优势，但并非万能。虽然它不会自动保护听力免受嘈杂环境的伤害，但通过降低背景噪声，自然会促使用户以更低音量聆听音乐。事实上，一项2012年关于降噪耳机与听力风险的研究发现，当人们在背景噪声中使用主动降噪时，其首选聆听音量比使用普通耳塞时低达4分贝。

尽管这不能保证所有听众都如此，但这也证明了智能工程设计可以间接帮助保护听力。

结论

下一次当你坐在嘈杂的火车或飞机上时，请花点时间欣赏一下你耳边正在发生的无声拉锯战。你的耳机不仅仅是阻挡外界噪音的物理屏障，它们实际上正在主动测量入射噪音，以毫秒级的速度处理复杂算法，并通过微型扬声器发出定向反向噪音，以减少你耳畔的原始声音。

要实现这一点所需的工程技术令人印象深刻。内部控制器必须精确补偿处理延迟、声学特性、变化的噪音以及硬件的物理限制。更安静的聆听体验是多个系统无缝协作的美妙结果，它在你口袋或背包中就能携带的设备上，成功弥合了物理与计算之间的鸿沟。

合作伙伴推荐课程（侧边栏，1/2）

（在新标签页中打开）

广告

• edX 通信声学 Gerhard Müller, Martin Buchschmid, Michael Vorländer, Jens Ahrens, Janina Fels, Bernhard Seeber, Ercan Altinsoy, Sebastian Möller, 和 Stefan Weinzierl 14周，每周6-8小时 中级 证书 查看课程（在新标签页中打开）

• Coursera 噪声、振动与粗糙度（NVH）测试 Starweaver 和 Aditya Patil 3周，每周1小时 中级 证书 查看课程（在新标签页中打开）

• Skillshare 专业录音技巧：掌握录音技术与声学 Rob M. 4.1（满分5星）来自140条评论 47分钟 初级 查看课程（在新标签页中打开）

• Coursera 音频转换：提取特征与增强模型 工业界专业人士 2周，每周1小时 中级 证书 查看课程（在新标签页中打开）

Class Central 上更多声学课程

→

合作伙伴推荐课程（侧边栏，2/2）

• Udemy 完整神经信号处理与分析：从零到英雄 Mike X Cohen 4.7（满分5星）来自2,001条评论 1天22小时 初级 证书 查看课程（在新标签页中打开）

• Skillshare Adobe Audition：影视、纪录片、访谈和片段的音频后期制作 Film VFX 4.1（满分5星）来自125条评论 5小时3分钟 初级 查看课程（在新标签页中打开）

• Skillshare 音频制作：录制更高质量的音频 Tomas George 4.6（满分5星）来自7条评论 2小时24分钟 初级 查看课程（在新标签页中打开）

• Coursera 音乐应用音频信号处理 Xavier Serra 和 Julius O. Smith III 4.8（满分5星）来自294条评论 11周，每周4小时 中级 查看课程（在新标签页中打开）

你好，我是 Reetain Raina，一位专注于可穿戴技术、人工智能、健康科技和新兴消费科技领域的技术作家。我研究并撰写深入文章，解释现代技术如何塑造日常生活的未来。我的工作涵盖智能戒指、智能手表、智能眼镜、人工智能设备、数字健康和可穿戴计算。通过技术分析和以科技为核心的叙事，我致力于让专业人士、科技爱好者和好奇的读者更容易理解复杂的创新。研究领域：可穿戴技术 • 人工智能（AI） • 健康科技 • 智能戒指与智能眼镜 • 未来消费科技。

如果你读到这里，请感谢作者以表达你的支持。说声谢谢

免费学习编程。freeCodeCamp 的开源课程已帮助超过 4 万名学员成功成为开发者。立即开始

来自我们合作伙伴的推荐课程 /