基于麥克風(fēng)陣列的高信噪比定向采音系統(tǒng)

何 強(qiáng)，楊朱杰，郭 晨，嚴(yán)世濤，孔 鵬

（華中科技大學(xué) 電子系，湖北 武漢430074）

目前，在語(yǔ)音采集場(chǎng)合中（如舞臺(tái)、大型會(huì)議室、電視會(huì)議等）通常使用孤立麥克風(fēng)作為語(yǔ)音拾取工具。但是孤立麥克風(fēng)會(huì)采集環(huán)境噪音，在多音源場(chǎng)合中相互干擾難以避免，這些缺陷嚴(yán)重影響了語(yǔ)音采集質(zhì)量。隨著陣列信號(hào)處理技術(shù)[1]的發(fā)展，利用麥克風(fēng)陣列拾取語(yǔ)音信號(hào)為提高采音質(zhì)量提供了可能[2]。通過(guò)陣列信號(hào)處理的方法能夠?qū)崿F(xiàn)智能的語(yǔ)音信號(hào)優(yōu)化效果，實(shí)現(xiàn)語(yǔ)音定向采集，提高信噪比。

目前，麥克風(fēng)陣列語(yǔ)音信號(hào)處理技術(shù)是語(yǔ)音采集技術(shù)領(lǐng)域的一個(gè)研究熱點(diǎn)。CHANG A C和HUNG J C等[3]研究了MUSIC語(yǔ)音信號(hào)陣列處理算法，在理論上證明了能夠提高采音精度，具備信號(hào)選擇和提取等性能。GANNOT S和COHEN I等[4]研究了基于廣義旁瓣抵消器結(jié)構(gòu)的語(yǔ)音增強(qiáng)的算法，認(rèn)為GSC算法能夠很好地提高采音信噪比。邵懷宗等[5]設(shè)計(jì)了一種12陣元麥克風(fēng)陣列，提高了采音精度。楊祥清等[6]提出的三維聲源定位系統(tǒng)減少了陣元數(shù)量，同時(shí)保持了一定的采音精度。但國(guó)內(nèi)尚無(wú)具有自主知識(shí)產(chǎn)權(quán)的產(chǎn)品，所以研究麥克風(fēng)陣列語(yǔ)音采集系統(tǒng)具有較高的市場(chǎng)價(jià)值。

本文從上述應(yīng)用背景出發(fā)，分析了基于麥克風(fēng)陣列的高信噪比定向采音系統(tǒng)所涉及的相關(guān)算法，重點(diǎn)討論了軟硬件系統(tǒng)的工程實(shí)現(xiàn)。麥克風(fēng)陣列定向采音算法主要有自適應(yīng)波束形成技術(shù)中的最小均方（LMS）算法和采樣自相關(guān)矩陣求逆（SMI）算法[7]等。自適應(yīng)陣列的性能與算法的收斂速度密切相關(guān)。為了加快收斂速度并解決收斂速度依賴于特征值分布的問(wèn)題，常采用基于信號(hào)環(huán)境的采樣自相關(guān)矩陣求逆（SMI）算法。本文采用SMI算法，應(yīng)用易于生產(chǎn)、精度高于二維定位、實(shí)用性更強(qiáng)的4陣元麥克風(fēng)陣列，并使用DSP進(jìn)行陣列信號(hào)處理，以滿足對(duì)聲源信息定向采集的需求。

1 算法模型

自適應(yīng)波束形成算法應(yīng)用于麥克風(fēng)陣列語(yǔ)音采集系統(tǒng)時(shí)，能夠隨信號(hào)源的變化自動(dòng)調(diào)節(jié)有關(guān)參數(shù)，從而達(dá)到調(diào)節(jié)方向圖主瓣方向的目的。該算法主要是對(duì)采集到的麥克風(fēng)陣列信號(hào)運(yùn)行內(nèi)部反饋控制，并根據(jù)一定的準(zhǔn)則形成權(quán)向量，通過(guò)對(duì)接收到的信號(hào)進(jìn)行加權(quán)疊加，使陣列方向圖的波束主瓣指向有用信號(hào)，零陷或較低的旁瓣指向干擾信號(hào)方向[8]，從而將不同的信號(hào)從空間上實(shí)現(xiàn)分隔，實(shí)現(xiàn)定向采音。

1.1 陣列模型

本系統(tǒng)采用等距線性麥克風(fēng)陣列[9]。對(duì)于實(shí)際使用的陣列結(jié)構(gòu)要求方向向量a（θ）與入射角θ一一對(duì)應(yīng)，不能出現(xiàn)模糊現(xiàn)象。因此，陣元間距d不能任意選擇，有時(shí)甚至需要非常精確地校準(zhǔn)。假設(shè)d很大，則相鄰陣元的相位延遲會(huì)超過(guò)2π，此時(shí)，陣列方向向量無(wú)法在數(shù)值上分辨出具體的相位延遲，就會(huì)出現(xiàn)相位模糊[10]。對(duì)于等距線性陣列來(lái)說(shuō)，其陣元間距不能大于半波長(zhǎng)λ/2。

語(yǔ)音的主要頻率范圍為340 Hz～4 000 Hz，空氣中聲速約為C=340 m/s，可得波長(zhǎng)的范圍為0.085 m～1 m，因此d的范圍為4.25 cm～50 cm。而對(duì)于低旁瓣或零深陷的復(fù)雜波束，要求r=10L2/λ（r為聲源到基陣的距離，L為等距線性陣列長(zhǎng)度）或更大距離[11]，考慮應(yīng)用環(huán)境，取r范圍為2 m～10 m。經(jīng)測(cè)試發(fā)現(xiàn)，一般人說(shuō)話的聲音頻率在1 000 Hz左右，即λ在0.34 m左右。由此可以推算出L為0.26 m～0.58 m。因此取L=45 cm。

建立等距線性陣列模型，該信號(hào)在發(fā)射端表示為s（t），信道復(fù)增益（包括幅度和相位影響）為h（t），入射角為θ，以圖1表示M陣元直線型麥克風(fēng)陣列。

圖1 M陣元直線型等間距陣元

該模型中，來(lái)波信號(hào)在陣元#1（參考點(diǎn)）之間的相對(duì)相位為：

φi（θ）=-（i-1）kdsinθ

陣元噪聲為：

n（t）=（n1（t），n2（t），…，nM（t））T

陣列連續(xù)信號(hào)模型為：

x（t）=a（θ）s（t）+n（t）

離散信號(hào)模型（此時(shí)假設(shè)有k路信號(hào)入射，入射角分 別為θ0，θ1，θ2，...，θk，θ0為期望信 號(hào)）為：

由此得出的x（n）就是陣列接收的信號(hào)。

1.2 采樣自相關(guān)矩陣求逆（SMI）算法

在實(shí)際應(yīng)用中，接收數(shù)據(jù)是有限長(zhǎng)的，很難得到自相關(guān)矩陣Rxx，因此常采用自相關(guān)矩陣的估計(jì)值，即

其中，N為采樣數(shù)，X（i）為陣列接收到的信號(hào)矩陣。

則該波束形成器要使噪聲以及來(lái)自非θ0方向的任何干擾的功率最小，同時(shí)又能保持在觀測(cè)方向上的信號(hào)功率不變，其代價(jià)函數(shù)為：

利用拉格朗日因子法求解上式得到采樣自相關(guān)矩陣求逆算法的權(quán)重向量：

進(jìn)而得到陣列的輸出信號(hào)：

y（n）=wSMI（n）x（n）

y（n）即為期望方向的聲音信號(hào)，可以通過(guò)硬件電路處理后播放。

1.3 算法仿真

使用MATLAB軟件對(duì)SMI算法進(jìn)行仿真。圖2所示為信號(hào)源方向?yàn)?°，主要干擾信號(hào)方向?yàn)?5°的8陣元（圖2（a））與4陣元（圖2（b））麥克風(fēng)陣列仿真結(jié)果。

圖2 MATLAB仿真圖

由圖2可以看出，該算法在45°方向形成了零陷，有效地抑制了主干擾信號(hào)。而在0°方向形成了具有一定寬度的主瓣，由于主瓣的增益大于所有旁瓣的增益，因此該算法能有效地采集到期望信號(hào)，抑制其他信號(hào)。

雖然，8陣元的仿真結(jié)果比4陣元的要好，主瓣較窄，零陷明顯，但是算法復(fù)雜度較高，硬件實(shí)現(xiàn)較為困難。綜合仿真結(jié)果和硬件電路復(fù)雜度，認(rèn)為采集信號(hào)的麥克風(fēng)的個(gè)數(shù)為4個(gè)，每個(gè)麥克風(fēng)的間距為15 cm時(shí)，該算法的性能較好，且硬件電路較容易實(shí)現(xiàn)。

2 硬件實(shí)現(xiàn)

2.1 系統(tǒng)整體方案

圖3為系統(tǒng)硬件結(jié)構(gòu)圖，包括4陣元直線型麥克風(fēng)陣列、4路音頻放大濾波電路、DSP處理器以及音頻編解碼器。

圖3 系統(tǒng)硬件結(jié)構(gòu)圖

麥克風(fēng)陣列采用4個(gè)駐極體式麥克風(fēng)構(gòu)成陣列；放大濾波電路對(duì)麥克風(fēng)陣列采集到的信號(hào)進(jìn)行預(yù)處理，通過(guò)RCA端子將預(yù)處理后的信號(hào)送往音頻編解碼器；處理器采用ADSP-21479，用SMI算法對(duì)量化編碼后的4路音頻信號(hào)進(jìn)行處理，得到期望信號(hào)；音頻編解碼器AD1939對(duì)經(jīng)過(guò)放大濾波后的4路音頻信號(hào)進(jìn)行量化編碼，隨后將DSP的處理結(jié)果經(jīng)D/A轉(zhuǎn)換后輸出。

2.2 關(guān)鍵模塊設(shè)計(jì)

2.2.1 DSP處理器與系統(tǒng)程序

數(shù)字波束形成[12]的過(guò)程是一系列矩陣相乘的過(guò)程，其運(yùn)算的數(shù)據(jù)量大，而信道環(huán)境是不斷變化的，導(dǎo)致最優(yōu)權(quán)值也處于不斷的變化中，因此實(shí)際權(quán)值必須進(jìn)行不斷的調(diào)整，因而要求瞬時(shí)處理速度要快。

DSP處理技術(shù)[13]可以運(yùn)用在對(duì)瞬時(shí)處理能力要求更加苛刻的環(huán)境，DSP處理器和通用處理器最大的不同在于數(shù)據(jù)處理能力的增強(qiáng)，其核心是對(duì)連續(xù)存儲(chǔ)的數(shù)據(jù)依次作重復(fù)的乘加運(yùn)算[14]。

另外，由于浮點(diǎn)型DSP處理器具有運(yùn)算精度高等特點(diǎn)，因此本系統(tǒng)選擇ADI公司的高性能浮點(diǎn)DSP處理器ADSP-21479芯片作為整個(gè)系統(tǒng)的核心。ADSP-21479是高性能32/40 bit浮點(diǎn)處理器，具有高性能音頻處理的功能；工作頻率高達(dá)300 MHz，滿足實(shí)時(shí)性的要求；另外，還具有精簡(jiǎn)的指令集，編程較容易。

由于陣列信號(hào)處理是在信號(hào)的復(fù)基帶進(jìn)行的，需要進(jìn)行大量的復(fù)數(shù)運(yùn)算，因此如果沒(méi)有簡(jiǎn)潔、優(yōu)化的執(zhí)行程序，算法的運(yùn)算時(shí)間就會(huì)比較長(zhǎng)。在本設(shè)計(jì)中，考慮到矩陣運(yùn)算的復(fù)雜性，采用C語(yǔ)言進(jìn)行編程。采用這種方式，可縮短軟件開(kāi)發(fā)的時(shí)間，提高程序的可讀性和可移植性，但是在滿足系統(tǒng)實(shí)時(shí)運(yùn)算的要求上會(huì)有所缺陷。

基于上述討論，DSP采用圖4所示的流程圖實(shí)現(xiàn)自適應(yīng)波束形成。

圖4 DSP軟件流程圖

2.2.2 前置放大濾波電路

由于駐極體麥克風(fēng)采集到的信號(hào)存在嚴(yán)重噪音，為了獲得高質(zhì)量的音頻信號(hào)，在DSP板載RCA輸入端子前加了前置放大濾波電路對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)處理。經(jīng)測(cè)試，放大濾波電路通頻帶為0～1 300 Hz，放大倍數(shù)為0～54 dB可調(diào)，典型值約為46 dB，該電路可以有效降低噪聲的干擾，從而提高音質(zhì)。

電路原理圖如圖5所示。

圖5 放大濾波電路原理圖

4 測(cè)試結(jié)果

為了減小混響以及其他因素對(duì)測(cè)試結(jié)果的影響，將測(cè)試環(huán)境選在一個(gè)大的房間中，且周圍環(huán)境很安靜。測(cè)試者手持一個(gè)特定音源，當(dāng)測(cè)試者分別位于與麥克風(fēng)陣列相距2 m的0°角和45°角方向時(shí)，記錄輸出波形如圖6所示。

圖6 測(cè)試結(jié)果輸出波形

從圖6可以看出，對(duì)于同樣距離的同一聲源，在主瓣（即0°方向）可以實(shí)現(xiàn)最大輸出，而在形成零陷的45°方向?qū)?shí)現(xiàn)抑制。這個(gè)測(cè)試結(jié)果與圖2所示的仿真結(jié)果相吻合。這樣就實(shí)現(xiàn)了波束的形成，進(jìn)而實(shí)現(xiàn)定向采音。

基于麥克風(fēng)陣列的定向采音技術(shù)是一個(gè)新興的領(lǐng)域，具有深刻的技術(shù)背景和廣闊的應(yīng)用前景。本文從算法模型到硬件實(shí)現(xiàn)詳細(xì)介紹了基于麥克風(fēng)陣列的高信噪比定向采音系統(tǒng)。本系統(tǒng)可以給出較好的采音效果，硬件實(shí)現(xiàn)也不復(fù)雜。在基于麥克風(fēng)陣列的定向采音技術(shù)上，本系統(tǒng)還可以進(jìn)行一些改進(jìn)。在理論上，可以進(jìn)一步提高定向采音精度，更快速地跟蹤及更有效地去噪；在實(shí)現(xiàn)上，因?yàn)樯婕岸嗤ǖ勒Z(yǔ)音處理和更為復(fù)雜的核心算法，需要實(shí)現(xiàn)更加苛刻的實(shí)時(shí)信號(hào)處理要求。

[1]KRIM H，VIBERG M.Two decades of array signal processing research：the parametric approach[J].Signal Processing Magazine，IEEE，1996，13（4）：67-94.

[2]KANEDA Y，OHGA J.Adaptive microphone-array system for noise reduction[J].IEEE Transactions on Acoustics，Speech and Signal Processing，1986，34（6）：1391-1400.

[3]CHANG A C，HUNG J C.DOA estimation using iterative MUSIC algorithm for CDMA signals[J].IEICE Transactions on communications，2009，92（10）：3267-3269.

[4]GANNOT S，COHEN I.Speech enhancement based on the general transfer function GSC and postfiltering[J].IEEE Transactions on Speech and Audio Processing，2004，12（6）：561-571.

[5]邵懷宗，林靜然，彭啟琮，等.基于麥克風(fēng)陣列的聲源定位研究[J].云南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，13（4）：256-258.

[6]楊祥清，汪增福.基于麥克風(fēng)陣列的三維聲源定位算法及其實(shí)現(xiàn)[J].聲學(xué)技術(shù)，2008，27（2）：260-265.

[7]桑懷勝，李崢嶸.智能天線的原理、自適應(yīng)波束形成算法的研究進(jìn)展與應(yīng)用[J].國(guó)防科技大學(xué)學(xué)報(bào)，2001，23（6）：83-89.

[8]GRIFFITHS L，JIM C.An alternative approach to linearly constrained adaptive beamforming[J].IEEE Transactions on Antennas and Propagation，1982，30（1）：27-34.

[9]王冬霞，趙光，鄭家超.麥克風(fēng)陣列拓?fù)浣Y(jié)構(gòu)對(duì)語(yǔ)音增強(qiáng)系統(tǒng)性能影響的理論分析[J].遼寧工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，30（1）：1-4.

[10]BALLAL T，BLEAKLEY C.Phase-difference ambiguity resolution for a single-frequency signal in the near-field using a receiver triplet[J].IEEE Transactions on Signal Processing，2010，58（11）：5920-5926.

[11]KENNEDY R A，ABHAYAPALA T D，WARD D B.Broadband nearfield beamforming using a radial beampattern transformation[J].IEEE Transactions on Signal Processing，1998，46（8）：2147-2156.

[12]TURCOTTE R L，MA S C H，AGUIRRE S.Method and intelligent digital beam forming system with improved signal quality communications[P].Google Patents，5856804：1999-01-05.

[13]RABINER L R，GOLD B.Theory and application of digital signal processing[M].Englewood Cliffs，NJ，Prentice-Hall，Inc.，1975.

[14]劉書明，蘇濤，羅軍輝.TigerSHARC DSP應(yīng)用系統(tǒng)設(shè)計(jì)[M].北京：電子工業(yè)出版社，2004.