5.1 次级路径辨识

5.1 次级路径辨识

本节摘要：辨识就是用已知激励探路、从响应反推路径模型的完整流程：激励信号怎么选、测量怎么布、阶数怎么定、质量怎么验。本节给出可直接照做的辨识流程与质量判据，并走一遍真无线耳机产线标定的工程化改造——把实验室方法变成每天数万台的生产节拍。

第 2 章已经会"测量"一条路径了，这一节把测量升级成"辨识"：测量给出的是一份频响数据，辨识要交付的是一个能住进控制器的 FIR 模型——带阶数、带系数、带质量报告、能被批量生产。从测量到辨识，加的是工程纪律。

辨识四步法

第一步：选激励。 辨识激励要在两个需求间取平衡：覆盖目标频段（模型要准的频段必须有能量激励）与不干扰（产线上不能太响，运行中不能可闻）。三种常用激励各有定位。正弦扫频最经典，能量集中、信噪比好，适合离线与产线；最大长度序列与线性调频脉冲把能量摊平在整个频段，一次激励拿全频段响应，适合需要反复刷新的在线场景；自适应辨识则用系统的次级通路本身做激励——控制器输出当作输入、误差信号当输出跑一个 LMS 辨识器，不需要任何额外注入，第 5.2 节展开。选择的关键判据是场景：离线标定用扫频求精度，在线刷新用调频或自适应求安静。

第二步：布测量。 参考端取功放输入（不是播放文件，2.2 节的老话题），响应端取误差麦克风。两个容易漏掉的布设要点：其一，辨识时系统的机械状态必须与工作状态一致——戴着标与搁着标是两条路径，所以耳机产线标定必须在标准佩戴工装上进行；其二，环境噪声要在辨识带宽内低于激励响应至少二十分贝，否则互相关结果被环境污染，模型混入"别人的路径"。

第三步：定阶数。 用能量截断准则：把辨识出的脉冲响应能量逐点累加，累到总能量百分之九十九的长度就是模型长度下限；工程再加两成余量定最终阶数。阶数不足的症状很有辨识度——模型在时域上"断尾"，对应频域相位在高频段翘起，FxLMS 高频段收敛变慢。阶数过长的症状温和些：算力浪费加收敛变慢，但不致故障。

第四步：验质量。 两个指标定验收。模型残差：激励响应与模型仿真响应之差的能量比，产线判据通常优于负二十分贝；相位误差谱：逐频段检查模型与实测的相位差，主力对冲频段内应小于十度（留足 3.2 节九十度稳定限的余量），边缘频段可放宽到三十度。两份报告与模型系数一起入库，构成可追溯的标定档案。

图：辨识流程与质量关卡

从实验室到产线：标定的工程化改造

实验室辨识一次花几分钟没关系，产线上每天数万台的节拍里，标定时间直接折算成产能与成本。改造通常从三处下手。其一，压缩激励长度：扫频从两秒压到零点五秒，代价是低频段信噪比下降，对策是把产线隔音箱的低频混响做厚，用环境换时间。其二，并行化：左右耳两条路径同时辨识（激励设计成正交序列），时间减半。其三，合格判据自动化：残差与相位误差谱的判据写进产测固件，超标自动重测一次，再超标即标记返修——判据宁可严，流入市场的失配模型会以啸叫投诉的形式加倍讨回来。

产线标定还有一个容易被忽略的产出：档位族数据。标准工装只能标定一种佩戴状态，而真实佩戴是连续谱。成熟做法是在研发阶段标出佩戴状态族（密贴、正常、泄漏一档、泄漏二档等）的路径库，产线只标正常档，运行时由在线建模（5.2 节）负责迁移到真实状态。档位族数据库同时是 5.3 节最恶劣档验证的素材——没有它，鲁棒性验证就没有考核对象。

案例展开：真无线耳机产线标定的节拍压缩

背景。某真无线耳机量产爬坡期，产测站成为瓶颈：单台标定加判定六点五秒，目标压缩到四秒以内，同时不许牺牲质量判据。

操作。团队做了四项改造。第一，激励从双耳顺序扫频改为左右耳正交调频序列同时激励，耳间串扰用序列正交性在互相关里分离，单次激励覆盖双耳四条路径（每耳前馈参考与误差各两条？此处为单元到误差麦克风的单条反馈路径加前馈通路的等效路径）。第二，判定前移：把残差计算改成滑动窗口流式计算，激励播完时判定结果同步就绪，省去等待与传输。第三，重测策略分级：残差轻微超标的台位自动加测一次，连续超标的台位报警校准（多数是工装老化导致佩戴模拟偏移），把返修从整台退站缩小为工装维护。第四，环境补偿：隔音箱内麦克风监听环境噪声，超阈值时自动延长激励而不是盲目判定失败。

结果。单台节拍从六点五秒压到三点八秒，直通率从百分之九十七点二升到九十九点一——重测分级与工装报警消掉了大部分"假失败"。上线三个月后回顾，产线模型残差分布与实验室慢标数据无统计差异。

解读。案例的要点是"压缩节拍不等于压缩质量"：四项改造里三项（正交并行、流式判定、环境补偿）是用信息处理换时间，只有激励长度是真正的质量让步，而它又被环境增强对冲掉。产线工程的一般规律在这里显形：瓶颈站的优化空间大头在信息流（等待、传输、判定顺序），小头才是物理动作本身。ANC 标定站如此，任何产测站也如此。

变式。车载产线的对应问题是下线标定：整车下线后在静音房里对每只音响到头枕麦克风的路径做辨识，节拍以分钟计，瓶颈从算法变成车辆调度。行业趋势是把下线标定改为"抽检加运行时自标定"：产线只抽检百分之五，其余交给 5.2 节的在线机制在用户使用中自行收敛——省下的每分钟产线时间，都用在线建模的算力与复杂度偿还。

💡 关键直觉：辨识质量的上限在激励的信噪比，不在算法的精细度。与其用更花哨的估计方法从脏数据里抠模型，不如把激励能量、隔声环境、机械状态一致性这几件笨功夫做足——路径建模是体力活，不是玄学。

本节要点回顾

• 四步法：选激励、布测量、定阶数、验质量，交付的是带质量报告的 FIR 模型而非一份数据。
• 两条判据：模型残差优于负二十分贝；主力频段相位误差小于十度。
• 状态一致律：辨识时的机械状态必须等于工作状态，工装标定不可替代。
• 产线三改造：并行激励、流式判定、分级重测，用信息流换节拍。
• 档位族库：佩戴状态族的路径数据库，是在线迁移与鲁棒性验证的共同素材。

初值建好了，但路径每天都在漂。下一节讲在线建模：让模型在系统运行中自己保鲜。