음향적 피드백(Larsen 효과로도 알려진)이 사운드 강화 시스템 분야에 등장한 지도 꽤 오래 되었고, 누구든지 이 피드백이라는 야수를 길들이는 나름대로의 방법을 갖고 있는 듯 하다. 디지털 신호계 프로세싱은 마이크로폰을 몇 가지 창의적인 솔루션으로 제시했으며, 각각의 솔루션은 독특한 절충안을 지니고 있다.
이 기사에서는 음향적 피드백이라는 골치 아픈 현상을 자세히 살펴보고, 사용자의 툴박스에 적합한 몇 가지 DSP 기반의 툴을 알아보려 한다.

피드백에 대한 고찰
모든 전형적인 사운드 강화 시스템에는 두 종류의 응답이 있는데, 하나는 마이크를 라우드스피커로부터 멀리 떨어뜨려 놓았을 때이고(open-loop, 개방 회로), 다른 하나는 마이크가 라우드스피커와 음향적 결합을 이룰 때의 응답을 말한다(closed-loop, 폐쇄 회로).
입력에 대해 시스템 출력에서 측정된 응답을 이송함수라고 한다. 만일 시스템의 측정된 개방 회로 응답이 해당 주파수 범위 내에서 일정한 크기를 가지면 사용자는 일정한 딜레이를 수반하는 레벨 컨트롤을 사용하여 시스템을 모델링할 수 있다. 간단한 레벨 체인지와 딜레이 요인으로 이루어진 이송 함수만 봐도 실제 상황에서 음향적 피드백의 작용을 알 수 있다.
표 1의 상단 그래프는 두 가지 크기의 응답을 비교하고 있다. 파란 선은 단위 게인(odB)과 2ms의 지연을 가진 개방 회로 시스템(피드백 없음)의 크기를 나타낸다. 빨간 곡선은 피드백 회로가 폐쇄된 후의 동일한 시스템을 나타낸다. 폐쇄 회로 시스템은 도표의 하단 그래프에 나타난 것처럼 0도의 페이즈 로케이션에 해당하는 최고점을 갖고 있다.
폐쇄 회로의 최저점은 180도의 페이즈 로케이션에 해당한다. 피드백은 크기와 페이즈 양자 간의 함수이다. 개방 회로 게인은 모든 주파수에서 동일하지만, 회로상에서 지그재그로 움직이면서 강화된 주파수(페이즈 변화가 0에 가까운)만이 피드백으로 사라진다.
표 2는 게인을 3dB만큼 감소하고 딜레이를 10ms까지 올릴 때의 효과를 보여준다. 폐쇄 회로 게인이 상당히 줄어들고(적용된 개방 회로 감쇠가 3dB 이상), 피드백 주파수 위치(페이즈 변화가 0도인 영역)가 훨씬 가까워진 점을 주목하기 바란다. 0도의 페이즈 로케이션은 페이즈 변화의 360도 지점마다 되풀이 된다. 선형 페이즈 이송 함수의 경우에는 잠재적인 피드백 로케이션의 주파수 간격을 딜레이 타임의 함수로 계산할 수 있다.
딜레이 타임을 계산하는 공식은 다음과 같다.

Delay Time (sec) = -ΔPhase / (ΔFrequency×360)
ΔPhase = 360도일 때(두 개의 0도 페이즈 로케이션 간의 페이즈 차이를 나타냄)는 다음과 같은 공식이 성립한다.
ΔFrequency = 1 / Delay Time (sec)
다시 말하면, 잠재적 피드백 주파수 간격 = 1 / Delay Time (sec)과 같다.
다음의 공식들을 다양한 딜레이 수치에 대한 잠재적 피드백 주파수 간격을 나타낸다.
1/0.002 sec. = 500Hz 간격 (2ms 딜레이)
1/0.010 sec. = 100Hz 간격 (10ms 딜레이)
1/0.1 sec. = 10Hz 간격 (100ms 딜레이)

이로써, 딜레이를 추가하면 주파수의 범위를 악화시킨다는 것을 알 수 있다. 즉, 간격이 가깝기 때문에 더 많은 잠재적 피드백 주파수가 생겨나게 된다.
실제 적용 시에는 다른 결과가 나타날 수도 있다. 이는 딜레이 역시 피드백이 증가하고 감소하는 속도에 영향을 미치기 때문이다. 만일 마이크와 라우드스피커 간에 10ms의 딜레이가 있고 잠재적 피드백 주파수에 +0.5dB의 이송 함수 게인을 가질 때, 피드백은 0.5dB/10ms나 +50dB/sec의 속도로 증가할 것이다. 만약 딜레이를 100ms까지 올리면, 증가 속도는 +5dB/sec까지 저하된다.
게인과 피드백과의 관계에 대한 또 다른 관찰 사례도 있다. 고정형 딜레이의 경우, 개방 회로 시스템이 특정한 피드백 주파수에서 어느 정도의 단위 게인 이상의 값을 갖는지만 알면 피드백 요인의 증가 속도를 계산할 수 있다. 즉, 현장에서 피드백이 증가하는 것을 듣고 그 증가 속도를 추정할 수만 있으면, 시스템이 단위 게인 위에서 대략 어느 정도 떨어져 있는지 계산할 수 있다(단, 이렇게 할 경우, 당신의 아이들이 당신을 미친 사람쯤으로 여기게 되는 부작용이 있기는 하다).
예를 들어, 피드백이 6dB/sec의 속도로 증가하는 것으로 추정되고 라우드스피커에서 마이크까지의 거리가 15피트라는 것을 알고 있다면, 게인은 단위 게인 위에서 대략 6×0.015 혹은 0.09dB정도의 값을 갖는다.
따라서 당신은 안정화를 위해서 바로 그 값만큼만 게인을 감소시키면 된다. 물론, 게인이 감소함에 따라, 변화의 속도도 피드백에 영향을 미친다. 만약 게인을 0.09dB만큼 감소하면, 피드백은 증가를 멈출 것이다. 0.2dB만큼 게인을 감소하면, 피드백 주파수는 증가할 때와 거의 동일한 속도로 감소할 것이다.
게인이 3dB만큼 감소하면(단위의 안정화 지점 이하로), 주파수는 200dB/sec의 속도로 감소할 것이다. 페이즈를 변화시키는 것은 무엇이든 피드백 주파수 로케이션에 영향을 줄 수 있다는 점을 기억하길 바란다. 필터링이나 딜레이의 변화뿐만 아니라 온도의 변화도 이런 경우에 해당된다. 온도의 변화가 어떻게 사운드의 속도에 영향을 미치는 지를 분석하고 온도의 변화가 낳는 효과적인 딜레이 변화를 관찰해 보면, 흥미로운 그래프를 볼 수 있을 것이다.
표 3은 온도가 사운드 속도에 영향을 미친다는 관점에서 볼 때 피드백 주파수의 변화를 보여주고 있다. 눈길을 끄는 것은 피드백 주파수의 변화가 높은 주파수에서 더 크고, 피드백 주파수 변화의 범위도 컨트롤 방식에 따라 상당히 차이가 난다는 점이다. 이 점에 관해서는 나중에 다시 다루기로 한다.

요약하자면,
●피드백은 크기와 페이즈 양자의 문제이다.
●시스템 딜레이를 증가시키면, 잠재적 피드백 주파수의 개수는 증가하고 그 간격은 감소한다.
●딜레이는 또한 피드백 주파수가 증가하거나 감소하는 속도에 영향을 준다.
●런어웨이 피드백 주파수를 다시 제어하려면 간단히 게인을 단위 지점 이하로 감소시키면 된다. 그러나 이때 감쇠와 딜레이 타임에 따라 속도가 저하될 것이다.
●온도의 변화를 비롯하여 페이즈에 영향을 주는 것은 무엇이든지 피드백 주파수의 로케이션에 영향을 미친다.
피드백에 대해 이해하는 것과 이를 길들이는 것은 전혀 다른 문제다.
피드백을 제어하기 위해서 장비 업체들이 사용하는 방식에는 크게 세 가지가 있다. 어댑티브 필터 모델 방식(음향적 반향 소거에 사용되는 방식과 유사함)과 주파수 변화 방식, 자동 노칭 방식이 그것이다. 여기서는 가장 흔하게 사용되는 자동 노칭 방식을 중심으로 설명하겠다.

어댑티브 필터 모델링
이 방식은 원격 회의 시스템을 위한 음향적 반향 소거에서 사용되는 알고리즘과 유사하다. 기본적인 개념은 라우드스피커 대 마이크의 이송 함수를 정확하게 모델링화한 다음, 이 모델을 마이크 신호로부터 로컬 라우드스피커에 전송된 모든 오디오를 제거하는데 사용하는 것이다.
표 4는 원격 회의의 어플리케이션을 보여주고 있다. 라우드스피커에 전송된 오디오는 far-end 로케이션에서 나오고, 로컬 near-end 마이크에서 나오는 이 오디오를 제거함으로써 far-end 토커가 반향으로 돌아오는 자신의 음성을 듣는 것을 방지해 준다.
Far-end 토커의 음성은 모델링을 위한 훈련 신호로 사용된다. 이 모델은 끊임없이 변화하는 음향 경로(path)에 맞게 수정될 필요가 있기 때문에 모델링이 계속 진행 중이다. 모델링 진행 중에는 어떤 로컬 스피치(더블 토크)라도 노이즈로 작용하기 때문에 모델이 분열되는 결과를 낳을 수 있다. 모델이 정확성을 잃으면, far-end 스피치가 제대로 제거되지 않는다. 사실상, 부정확한 모델로 인해 추가된 노이즈는 반향 소거를 시도하지 않을 때보다 상황을 더욱 악화시킬 수 있다. 어떤 기간 동안의 더블 토크에서도 경로 모델의 분열을 피하기 위해 각별한 주의가 요구된다.
표 5에는 사운드 강화 어플리케이션이 나타나 있다. 여기에는 모델을 충족시킬 만 한 어떠한 far-end 스피치도 없다. 로컬 스피치는 즉시 라우드스피커에 전송되며 사용 가능한 유일한 훈련 신호다. 훈련 신호가 로컬 스피치와 상관 관계를 갖는다는 것은(훈련 프로세스에 대한 노이즈의 작용에서 볼 수 있듯이) 어댑티브 필터 기반의 모델링에 치명적인 문제점이 된다. 특히 넓은 주파수 범위에서 정확성을 갖는 모델을 유지하려 할 때는 더욱 그렇다.
이러한 문제를 극복하려면 일종의 디코릴레이션(de-correlation)과 같은 조치가 필요하다(가령, 주파수 변환 같은). 이는 대역폭 모델링 프로세스를 도와주지만 신호의 왜곡이 발생한다. 원격 회의 어플리케이션의 경우와 마찬가지로 모델이 정확하지 않으면 추가적인 왜곡이 일어난다. 즉, 부정확한 모델로 인해 발생하는 왜곡뿐만 아니라 디코릴레이션도 일부 현장에서 이 방식이 적합하지 않은 원인으로 작용한다. 이러한 형태의 피드백 서프레서의 큰 이점은 추가되는 피드백 발생 전 게인 마진이 보통 10dB을 훨씬 능가한다는 것이다.

주파수 변환
주파수 변환은 1960년대 이후로 피드백 제어를 돕기 위해 퍼블릭 어드레스 시스템에 사용되어 왔다. 피드백은 게인이 0dB보다 큰 이송 함수의 영역에서 발생한다. 라우드스피커 대 마이크의 이송 함수는 방에서 측정했을 때 크기 응답으로 최고점과 최저점을 갖는다. 주파수 변환 방식에서는 모든 신호의 주파수가 일정한 수의 hertz만큼 상승하고 하강한다. 주파수 변환의 기본 개념은 피드백이 응답의 한쪽 영역에서만 발생하기 때문에 다른 영역에서는 결국 감쇠된다는 것이다. 주파수 변환은 이송 함수에 따라 발생된 피드백 주파수를 계속 이동시켜서 결국 효과적으로 피드백을 감쇠하는 영역에 도달하게 된다. 변환의 효과는 부분적으로 시스템의 이송 함수에 달려 있다.
신호의 배음 간 비율이 주파수 변환에 의해서 보존되는 것은 아니기 때문에 이 방식이 “음악적 변환”에 해당하지 않는다는 점은 주목할 만하다. 변환의 양이 증가함에 따라 인간의 음성은 기계적으로 들리기 시작할 것이다. “청각적 왜곡”은 청자의 경험에 달려있기는 하지만, 대부분의 사람들은 주파수 변환이 12Hz 이하가 되어야 한다는 데 동의한다.
피드백 발생 이전에 추가된 게인을 합리적으로 예상할 수 있는 것은 어느 정도일까? 간단히 말해서 몇 데시벨 정도이다. Eberhard Hansler와 Gerhard Schmidt(저서 ≪Acoustic Echo and Noise Control≫, John Wiley & Sons 발행, 2004, p.144-146)는 몇 가지 조사 결과를 통해서 달성된 게인의 실제적인 증가는 주파수 변환의 크기뿐만 아니라 잔향 시간에 달려 있음을 보여 줬다.
최소의 반향을 갖춘 강의실이 6Hz에서 12Hz에 이르는 주파수 변환을 사용하여 2dB에 다소 못 미치는 효과를 보았다. 동일한 주파수 변환을 통해서 1초 이상의 잔향 시간을 갖춘 반향실은 6dB에 가까운 효과를 냈다.
디지털 신호계 프로세싱은 광범위한 어플리케이션에서 주파수 변환 기술을 가능하게 한다. 앞서 다룬 어댑티브 필터 모델링 같은 기타의 방식과 연계해서 사용하면, 이 방식은 훨씬 더 큰 효과를 제공할 수 있다. 그러나 주파수 변환으로 인한 인공적 효과는 순수한 시그널이 요구되는 분야에서는 사용이 제한된다. 음악가들은 주파수 변환에 좀 더 민감하기 때문에, 그들의 모니터 라우드스피커 경로에 변환 스위치를 설치할 때는 바람직한 방법인지를 거듭 재고해 보아야 한다.

자동 노칭 방식
자동 노치 필터는 1970년대 이후로 피드백을 제어하는 데 사용되어 왔다(Comprehensive Feedback Elimination System Employing Notch Filer, 노치 필터를 활용한 총체적인 피드백 제거 시스템, Roland-Borg, 1978, U.S. 특허 번호 #4,088,835). 디지털 신호계 프로세싱은 주파수 식별뿐 아니라 주파수 감지의 측면에서 더 높은 유연성을 제공하며 노치를 사용하는 방식을 가능하게 한다.
자동 노칭은 왜곡을 관리하기가 수월하기 때문에 프로 오디오 사용자들이 다른 방식들에 비해 선호하는 것으로 알려져 있다. 자동 노칭 알고리즘을 고려할 때, 언급되는 세 가지 중요한 관점은 주파수 식별과 피드백 구분, 노치의 배치이다.

주파수 식별
주파수 식별을 할 때는 통상 푸리에 변환이나 어댑티브 노치 필터 버전을 사용한다. 이 두 가지 감지 방법은 모두 잠재적 피드백 주파수의 정확한 식별을 가능하게 한다.
푸리에 변환이 원래부터 주파수 감지에 맞춰져 있는 반면, 어댑티브 노치 필터는 어댑티브 필터의 계수 값을 분석함으로써 주파수를 결정할 수 있다. 그러나 낮은 주파수(100Hz 이하)의 감지는 양쪽 알고리즘에 모두 문제점으로 나타난다. 푸리에 분석은 낮은 주파수를 정확하게 결정할 때 더 긴 분석 윈도우를 요하며, 어댑티브 노치 필터는 더 큰 정확성을 요구한다.

피드백 구분
피드백을 다른 사운드로부터 구분하는데 사용되는 중요한 두 가지 방법이 있다. 첫 번째 방식은 배음의 상대적인 강도에 중점을 둔다. 즉, 음악이나 스피치는 배음이 풍부한 반면, 피드백은 그렇지 않다는 개념을 활용한다.
두 가지 주파수 감지 방법(푸리에 변환과 어댑티브 노치 필터) 배음의 상대적인 강도를 결정하는 데 사용될 수 있다는 점을 눈 여겨 보자. 만약 푸리에 변환을 사용하고 있다면, 배음의 측면에서 생각하기가 더 쉬울 것이다. 그러나 계수를 분석해서 주파수를 결정할 수 있는 것과 마찬가지로 계수 간의 관계를 분석함으로서 배음을 식별하는 것이 가능하다.
배음을 피드백을 식별하기 위한 수단으로 활용할 때 몇 가지 단점이 있기는 하다. 첫째, 피드백은 변환기를 통해서 전파되는데 변환기는 비선형의 성질을 갖고 있다. 즉, 피드백, 특히 클리핑된 피드백에는 배음이 있을 수 있다.
또한, 피드백이 한 번에 하나의 주파수만 발생시키란 법은 없다. 피드백의 특성에 대해 언급했던 것을 기억한다면 라우드스피커 대 마이크 이송 함수의 페이즈가 0도일 때 피드백 주파수가 가능하다는 것을 알고 있을 것이다. 25ms의 딜레이를 가진 시스템(대략 25피트)의 경우, 이런 현상은 40Hz마다 발생하고 0도의 주파수 로케이션은 딜레이가 증가할수록 더욱 간격이 좁아진다. 동시적인 피드백 주파수가 배음의 측면에서 결코 서로 연관되지 않는다고 보장할 수는 없다. 배음이 있는 피드백의 가능성은 배음이 약한 일부 넌피드백 사운드(플룻 같은 톤 악기)가 정확한 구별 영역을 모호하게 한다는 점을 고려하여 조정되어야만 한다.
피드백을 원하는 사운드로부터 구별하는 또 다른 방법은 피드백 자체의 독특한 특성을 통해서 피드백을 분석하는 것이다. 이 방법은 배음 내용을 분석하지 않고도 실행할 수 있다.
예를 들어, 가능한 피드백 주파수에 템퍼러리 노치를 설정할 수 있다. 피드백은 항상 (필터와는 역방향) 노치의 위치와 동일한 방향으로 감쇠하는 유일한 신호이다. 그러나 템퍼러리 노치를 설정하는 것은 일종의 간섭이기 때문에, 검사를 위해 템퍼러리 노치를 설정하기 전에 잠재적 피드백 주파수를 식별하기 위한 다른 장치를 사용할 필요가 있다. 그런 유용한 특성 중의 하나는 피드백 주파수는 진폭이 증가하는 동안에도 상대적으로 일정하다는 점이다. 이 일정한 주파수는 그 크기가 증가하게 되면 템퍼러리 노치의 촉매제 역할을 한다.

노치의 배치
자동 노칭 알고리즘의 마지막 영역은 노치의 배치이다. 대부분의 자동 노칭 피드백 서프레서는 사용자가 필터를 고정형(static)인지 혹은 이동형(dynamic)인지 구분할 수 있게 해 준다. 필요한 경우, 필터를 재생시키는 알고리즘의 성능도 참고할 수 있다.
피드백 주파수가 식별이 되면, 알고리즘은 노치가 해당 주파수에 이미 배치되었는지 확인하고, 발견이 되면 노치는 적절하게 낮아질 것이다. 만일 노치가 발견되지 않으면 새로운 필터가 배치된다(고정형 필터는 이동형 필터 앞에 위치함). 모든 필터가 배치될 경우, 가장 오래된 이동형 필터를 리셋하여 새로운 주파수에 재배치한다.
또 다른 유용한 특성은 모든 필터가 사용된 경우 이동형 필터를 재생하는 대신에 사용자에게 알고리즘으로 대역폭 게인을(프로그래밍이 가능한 램프 백 타임도 함께) 낮출 수 있는 선택권을 부여한다는 점이다. 대역폭 게인을 조정한다고 해서 게인 마진이 증가하는 것은 아니지만 사용 가능한 모든 필터를 써버렸을 때 안정성을 제공해 준다.
각별한 주의가 요구되는 노치 배치의 영역은 피드백 주파수를 제어하는데 사용된 노치의 깊이와 폭이다. 피드백 주파수를 안정화하기 위해서는 시스템의 개방 회로 이송 함수 게인이 해당 주파수에서 단순히 단위값 이하로 떨어지면 된다. 바람직한 이송 함수는 관련 주파수 영역에서 적절히 플랫한 정점을 보일 것이다. 피드백 주파수를 제어하는데 사용된 노치의 깊이는 피드백을 일으킨 상대적으로 민감한 게인 영역보다 더 커서는 안되며 약간의 안전 마진도 필요하다. 이것은 노치값이 수십 데시벨이 아닌 2-3 데시벨상에 있어야 함을 의미한다. 만일 자동 노칭 알고리즘이 노치 깊이를 20dB 혹은 그 이상의 위치에 배치되면 무언가가 잘못된 것이다. 이 때는 사용된 노치의 대역폭을 살펴볼 필요가 있다.
이러한 알고리즘에는 가능한 한 폭 좁은 노치를 사용하려는 경향이 있는데, 이는 누적 응답이 덜 두드러진다는 잘못된 믿음에 근거한 것이다. 통상은 넓은 영역에서 총 게인 2dB 혹은 3dB을 낮추기 위해, 몇몇의 좁은 노치가 20dB 혹은 그 이상의 깊이에 배치된다. 더구나 높은 Q(narrow) 노치는 환경이 변화할 때(온도의 변화 같은), 낮은 Q(wide)의 얕은 노치보다 피드백을 제어하는 데 덜 효과적이다.
즉, 낮은 Q를 사용하면, 당신이 주파수 응답에 부여한 어려운 작업을 수행하는 것밖에는 아무런 기능이 없는 얕은 노치에 배치될 가능성이 낮아진다. 대부분의 자동 노칭 알고리즘을 통해서 당신은 디폴트 폭과 사용된 노치의 최대 깊이를 선택할 수 있다.
자동 노칭을 통해서 어느 정도의 피드백 발생 이전 게인을 달성할 수 있을까? 만약 완벽하게 플랫한 주파수 응답을 갖는다면 자동 노칭 알고리즘은 추가적인 게인 마진을 전혀 제공해줄 수 없다. 알고리즘이 할 수 있는 최선책은 일정한 수의 로케이션에서 게인을 낮추는 것이다. 만일 정점이 몇 개라도 있다면 자동 노치는 정점이 남은 응답보다 얼마나 높은가에 따라서 추가 마진을 제공할 수 있다. 보통 자동 노치는 단 2-3 데시벨의 추가적인 피드백 발생 이전 게인을 제공한다.
넓은 추가 게인 마진을 충분히 확보할 수 없음에도 불구하고 시스템에서 자동 노치를 사용하는 데는 두 가지 다른 중요한 이유가 있다.
첫째로 자동 노치는 오디오 시스템을 처음 설치할 때의 응답에서 문제 지점을 파악하는 것을 돕는 단순한 툴을 제공한다. 둘째로 끊임없이 변화하는 음향 경로(불필요한 추가적 반향이나 게인 변화 등)에 대응하기 위해서 적절히 사용할 수 있는 안전망을 제공한다.

결론
음향적 피드백은 크기와 페이즈 양자의 문제이다. 따라서 딜레이나 필터링, 온도 변화로 인한 시스템의 페이즈 응답상의 변화는 잠재적인 피드백 주파수에 영향을 미친다. 피드백을 제어하기 위해 노치 필터를 사용할 때는 유용성을 확보하기 위해서 반드시 시스템의 페이즈 응답에 다른 모든 변화가 일어난 후 이를 배치해야 한다. 또한 피드백 경로에 일어나는 변화에도 불구하고 유용성을 확보하기 위해서는 폭이 충분히 넓어야 한다.
런어웨이 피드백을 안정화하기 위해서는 크기값을 단위 게인 지점 이하로 끌어내릴 필요가 있고, 여기에 몇 데시벨의 안전 마진도 필요하다. 자동 노치 툴은 다소 확장된 게인 마진뿐 아니라 최초 설치가 완료됐을 때 안전망을 남겨둘 수 있는 간단한 수단을 제공한다.
자동 노칭 알고리즘과 더불어, 어댑티브 필터 모델과 주파수 변환 알고리즘도 피드백을 억제하고 시스템의 피드백 발생 전 게인 마진을 증가시키는 유용한 방법을 제공해 준다. 어댑티브 필터 모델 기반의 피드백 서프레서는 수신 마이크로부터 피드백을 제거하기 위해서 라우드스피커 대 마이크 음향 경로의 정확한 모델을 활용한다. 따라서 모델이 부정확한 경우 왜곡이 발생할 수 있다. 디코릴레이션 프로세스는 대역폭 어댑티브 필터의 컨버젼스 특성을 개선시키는데 사용된다. 이러한 디코릴레이션도 일정한 양의 왜곡을 일으킬 수 있다. 하지만 어댑티브 필터 모델은 10dB 이상의 피드백 발생 전 추가 게인을 가능하게 한다.
주파수 변환 유틸리티는 이 방식이 적용되는 시스템에 달려 있다. 일반적으로 주파수 변환은 잔향이 작은 공간에서 보다 잔향이 큰 공간에서 더 많은 게인 마진을 제공하게 된다. 주파수 변환은 청각적 왜곡을 최소화하기 위해서 12Hz 이하로 유지할 필요가 있다.
위에서 정리한 툴은 음향적 피드백에 대한 고유의 솔루션을 제공하고 있으며 나름의 절충안을 갖고 있다. 이러한 툴을 최대한 활용하기 위해서는 그 문제점과 제안된 해결책을 잘 이해할 필요가 있다. 툴을 적재적소에 활용하면 Larsen 효과로 나타나는 하울링과 소음에 대한 기억은 서서히 사라질 것이다.