基于RSSI的無線智能音響系統自適應配置

摘要：針對無線智能音響系統音源聲道與音箱手動配置煩瑣的問題，文章提出了一種新的自適應配置方法，利用音箱WiFi接收信號強度指示（Received Signal Strength Indicator， RSSI）參數實現無線智能音響系統自動配置。該方法通過采集音箱間的相互發射-接收信號的RSSI參數，組成原始數組，采用數據統計分析方法提取數組的數據特征，對比分析數據特征置信區間的重疊度，辨識各音箱功能；進行音源聲道與音箱的自動匹配連接，實現智能音響系統音源聲道的自適應配置。實測結果表明，該方法不僅穩定可靠，還能為用戶帶來更高的人工智能（Artificial Intelligence， AI）服務體驗。

關鍵詞：智能音箱；Wi-Fi；RSSI；AI；平均值；標準差

中圖分類號：中圖分類號TN92" 文獻標志碼：A文獻標志碼

0 引言

隨著無線智能音箱的普及，無線智能音響系統為生活帶來全新的感受與需求。但是現有的無線智能音響系統的聲道配置為手動操作。用戶在辨識音響系統類別后，手動設置操作建立音源聲道與相應音箱的無線連接，用戶的智能體驗不佳。

本文所提方法利用無線信號強度和距離的關系，確定無線智能音響系統中各個音箱的位置和功能［1］。為了增加系統的可靠性，本文采用大量數據統計分析方法對各個音箱進行準確定位，從而實現無線智能音響系統自適應配置［2］。家庭影院無線智能音響系統的音箱按照實際位置放置（5.1無線智能音響系統共有6個音箱，7.1無線智能音響系統共有8個音箱），所有音箱間互為發射、接收對。發射方進行WiFi射頻信號的定功率發射（本文中設參考數據的頻段為5.6 GHz）［3］，接收方對錄所接收的RSSI值進行記錄［4］。若實際測試中的統計數據超過100組，則說明統計結果非常穩定。故在此軟件中，本文設統計數據為200組，對數據進行統計分析并提取數據特征（即統計平均值和標準差）［5］，對比數據的置信區間從而辨識出各個音箱的功能，實現音箱功能的自動辨識和相應聲道自適應配置連接，提高了系統的智能性。所提方法主要有以下特點：自動辨識5.1和7.1無線智能音響系統；自動判定各功能音箱；自適應建立音源與音箱的對應關系；自動完成音源聲道與音箱無線連接，具有簡單、快捷和穩定特性，提高了系統的AI服務體驗度。

1 技術實現原理及實操步驟

本文的設計方案是將無線射頻信號在空間中的傳播特性與數據統計分析處理提供的數據特征相結合，通過數據特征確定家庭影院無線智能音響系統的各個功能音箱位置，具有科學性和可靠性。

1.1 無線信號傳播特性

射頻無線信號（此處WiFi信號）在空間傳播的衰減量LLoss（單位：dB）為：

LLoss=20log（4πd/λ）［6］（1）

其中，λ為波長，d為距離。將光速c=λf代入式（1）可得：

LLoss=20log（4πfd/c）（2）

由式（2）可知：衰減量隨著頻率的升高和傳輸距離的增大而增大。取2個音箱組成發射-接收組合系統，如圖1所示。設1號音箱為發射方，發射信號功率為P1；2號音箱為接收方，接收信號強度RSS；G1和G2為2個音箱的天線增益。

接收信號強度RSS可表示為：

RSS=P1+G1+G2-LLoss（3）

RSS=P1+G1+G2-20log（4πfd/c）（4）

RSS與RSSI存在式（5）所示常量換算關系，即：

RSSI=RSS+K（5）

其中，K為換算常量，則：

RSSI=K+P1+G1+G2-20log（4πfd/c）（6）

如果頻率設定為f=5600 MHz，則：

RSSI=C+P1+G1+G2-20log（4π×5600d/c）（7）

等式右邊只有d為變量，其余皆為常量，即RSSI和距離d存在確定的關系，并且隨著距離增加，RSSI隨之減小。當距離增加一倍時，RSSI會減小6 dB。

在實際應用中，對于一定距離的2個發射-接收" 裝置，其位置關系可以用其間的RSSI值來表征，即存在一一對應關系。反之，利用所采集的RSSI值，可以確定發射-接收裝置之間的距離關系。考慮無線信號傳輸的過程中各種反射折射以及雜散信號的影響，本文可以利用多組數據統計結果，辨識發射-接收裝置的相對位置。簡言之，就是RSSI越大兩者間距越?。环粗甊SSI越小，間距越大。圖2是家庭影院無線智能音響系統布置結構，7.1無線智能音響系統增加了2個左、右中置環繞音箱，各個音箱間的距離與測量信號強度RSSI相對應。

1.2 數據特征標志：平均值和標準方差

當對表征事物的特性指標進行數據測試時，由于多種因素干擾，測試結果存在漂移，特別是單個數據的單次測試存在偶然性和被干擾的問題。為了消除干擾以及在測試過程中引起的誤差，同時消除偶然性和片面性，本文須要進行大量測試，然后對數據進行統計分析，提取數據特征（例如統計平均值μ和標準方差σ），即表征事物的特征參數。圖3是一組數量為2000的數據統計分析結果，這組數據的平均值μ為-45.1，標準差σ為1.12。

平均值μ表達式為：

μ=1n∑ni=1xi（8）

標準方差σ表達式為：

σ=1N∑Ni=1（xi-μ）2（9）

正態分布公式為：

f（x）= 12πσexp-（x-μ）22σ2（10）

代入參數值可得：

f（x）= 11.122πexp-（x+45.1）22×1.122（11）

式（11）即為本文所測試的2000個數據統計分析結果表達式。

1.3 操作步驟

本文的操作過程分為4步：步驟1，采集音箱間發射-接收的RSSI數據；步驟2，對每組測試數據進行分布統計分析，取得統計特征（這里取平均值μ，標準方差σ）；步驟3，對比這些數據特征，本文實驗比較置信區間［μ-2σ，μ+2σ］的重疊度，識別出音箱的低音音箱、中置音箱、左右聲道組和左右環繞組等類別組；步驟4，利用中置音箱麥克風陣列區分出左/右前置音箱，左/右環繞音箱，自動完成音源聲道與音箱無線連接。

2 設計技術操作過程及數據分析處理

在實際操作過程中，本文須要考慮多種因素的影響，為了防止無線信號繞射和干擾等，選取5.6 GHz頻段的同一個信道進行無線信號強度RSSI的測試，具體過程如下。

2.1 數據采集

這里以5.1家庭影院無線智能音響系統作為實例進行分析（對于7.1家庭影院無線智能音響系統而言，增加2臺中置環繞音箱即為7+1個音箱）。本文將5.1家庭影院無線智能音響系統的6臺音箱進行隨機編號，每2臺音箱間都進行發射-接收WiFi 5.6 GHz信號強度RSSI的測試，每臺音箱共有5組數據，總共30組數據；每2臺音箱的發射功率相同，天線設計也相同，因此相互發射-接收測試的結果是對等的，可視為相同。本文共測試15組數據，每組測試記錄200個數值，當然也可取更多的數值。

2.2 低音音箱識別

本文對這15個數組數據進行統計分析處理，得到15組平均值與標準差，取前2組最大平均值（μ1和μ2）作為對比標準。每臺音箱都有5組平均值與標準差，用其5組數據的平均值進行對比，其中包含μ1和μ2的音箱即為低音音箱。本文從這15組數據中刪除與低音音箱相關聯的數據組，這樣只剩下10組數據，將剩下的5臺音箱編號為1—5，對應數據如表1所示，依據測試數據的相互性得出L12和L21為同一組數，其余類推。

2.3 中置音箱識別

本文對表1這10組數據（10組平均值與標準差）進行統計分析處理。每臺音箱均有4組數據。對每臺音箱的4組數據進行置信區間［μ-2σ，μ+2σ］重疊度對比分析，得出5組比較結果。其中一組具有如下特征：2個均值較大的2組數據重疊區域較高，達到90%以上；2個均值較小的2組數據重疊區域也很高，達到90%以上。中置音箱數組重疊度如圖4所示，具有這2個特性的音箱即為中置音箱。平均值較大的2個數組對應2臺前置音箱組，與另外2個數組關聯的音箱是后置音箱組。

2.4 前置后置識別

本文通過中置音箱的麥克風陣列，區分前置音箱組的左、右音箱；同理，可以區分出后置音箱組的左、右音箱，在此不再贅述。

2.5 實測數據分析結果

表2是中置音箱與前置音箱1.8 m距離實測100組數據的分析結果，得到μ=-45.1，σ=1.2。當后置" 音箱距離中置音箱4.6 m時，測試100組數據，可以得到μ=-60.7，σ=1.62。前置音箱和后置音箱數據的μ值差異明顯，不會出現數據分析的交錯問題。

3 軟件流程

軟件流程［7］如圖5所示，包括初始化、數據采集、數據分析和從數據特征識別各臺功能音箱的設計過程。本系統軟件是一個分立程序，既可單獨安裝，又可包含在系統設置中［8］。在實際應用中，本文可以依據實際情況進行調整。

4 結語

本文所提設計方法通過利用無線智能音響系統中音箱的無線發射、接收功能單元，相互采集射頻工作頻帶內的信號強度指示RSSI；通過數據統計分析提取的數據特征進而分類定位功能音箱，自動實現整個無線智能音響系統的音源配置。

文中闡述方法具有以下優點：無硬件附加成本，直接利用音箱自帶WiFi的發收功能，自動辨識5.1或7.1無線智能音響系統；自動定位各功能音箱；自動完成音源聲道與音箱無線連接。只要音箱按照位置擺放，系統就會自動識別音箱功能，完成自動配置保存相關的信息。該方法解除了手動設置的煩瑣問題，實現了音響系統音源聲道與音箱的自適應配置，具有簡單、快捷以及提高系統智能化等特性，給用戶帶來科技服務于人的AI真實體驗。

參考文獻

［1］BERTONI H L." Radio propagation for modern wireless systems［M］. Upper Saddle River：Prentice Hall Professional Technical Reference，1999.

［2］PANDE P S，NEUMAN R，CAVANAGH R R. The six sigma way： How to maximize the impact of your change and improvement efforts［M］. Beijing：China Machine Press，2017.

［3］BHARTIA P， BAHI I. Millimeter wave engieering and apphcations ［M］. New York： John Wiley amp;Sons， Inc， 1984.

［4］王建平，陳改霞，耿瑞煥，等.無線網絡技術［M］.2版.北京：清華大學出版社，2020.

［5］WASSERMAN L. All of statistics： A concise course in statistical inference ［M］. New York： Springer New York， 2004.

［6］ITU國際電信聯盟.ITU-R系列建議書：P系列無線電波傳播P.314-6［S］.日內瓦：國際電信聯盟，2016.

［7］IEEE. IEEE standard for information technology-local and metropolitan area networks-specific requirements-part 11： Wireless LAN Medium Access Control （MAC） and Physical Layer （PHY） specification-amendment 8： Medium Access Control （MAC） quality of service enhancements：802.11e-2005［S/OL］. （2005-11-11）［2023-08-16］. https//ieeexplore.ieee.org/document/1541572.

［8］成剛，將一名，楊志杰.Wi-Fi 7開發參考：技術原理、標準和應用［M］.北京：清華大學出版社，2023.

（編輯 王雪芬）

Adaptive configuration of wireless intelligent audio system based on RSSI

ZHANG" Yu

（Inventec Appliances （Shanghai） Corporation， Shanghai 201114， China）

Abstract： In order to solve the problem of having difficulty in manual configuration between the audio source channel and speaker of the wireless intelligent audio system， this paper proposes a new adaptive configuration method， which uses the speaker WiFi received signal strength indicator （RSSI） parameters to realize the automatic configuration of the wireless intelligent audio system. The proposed method creates the initial data arrays by collecting the RSSI parameters of the mutual transmit-receiving signals among the wireless speakers， and extracts the data features by statistical analysis methods. The proposed method recognizes the speaker functions by comparing the overlaps of the confidence intervals of the data features. The audio source channels and the speakers can be automatically linked respectively， and the adaptive configuration of the wireless intelligent audio system is achieved. The measured results show that the proposed method is not only stable and reliable， but also can provide users with a higher AI level service satisfaction experience.

Key words： intelligent audio system; Wi-Fi; RSSI; AI; mean value; standard deviation

作者簡介：張予（1965— ），男，教授級高級工程師，碩士；研究方向：無線通信系統研究設計。