麦克风阵列模块XFM10412数据手册

线性麦克风阵列定向性能的研究

线性麦克风阵列定向性能的研究? 段进伟, 史元春, 陈孝杰 (清华大学计算机科学与技术系，北京市海淀区， 100084) Study on the Directing Performance of the Linear Microphone Array Duan Jin-wei, Shi Yuan-chun, Chen Xiao-jie (Department of Computer Science and Technology, Tsinghua University, Beijing, 100084, China) + Corresponding author: Phn: +86-010-********-805, E-mail: saundradjw945@https://www.wendangku.net/doc/4518201452.html, Received 2007-07-31; Accepted 2007-08-31 Abstract: Speech source localization technology, using microphone array, plays an important role in the area of human-computer interaction, especially that in smart space. The information of source position provided by the microphone array can be used in many place, such as dynamically adjust the parameters of the array in order to acquire high-quality speech audio, etc. Therefore, speech source localization has become a hot topic in both research and application areas. The objective of this paper is to analyze the affection on the symmetrical linear microphone array directing performance caused by the changes of microphone numbers, the spacing between microphones, the sampling frequency and so on. In order to accomplish this, we set up two linear microphone arrays with different hardware and designed comparative experiments. After the speech data was captured, an algorithm called SRP-PHAT was used to estimate the speech source direction. We analyzed the possible theoretic errors existed in the experiments carefully, and after the experiments, we analyzed the directing results, and compared the actual directing errors with the possible theoretic errors. At last, we summarized the performance of the two linear microphone arrays, and educed the configuration of the linear microphone array system when its integrative performance achieves the peak. Key words: linear microphone array; speech source directing; theoretic error; directing performance 摘 要: 麦克风阵列在人机交互中有着重要的研究和应用价值。而线性均匀麦克风阵列最简单，其基本功能是声源的定向。本文通过实验分析各种参数变化对线性麦克风阵列定向性能的影响。我们搭建了硬件参数不同的两套线性麦克风阵列并设计了对比实验。使用SRP-PHAT算法定向声源。我们分析了声源定向时各种可能的理论误差，对实验结果进行了误差分析，并与可能的理论误差做了对比。通过理论分析和对比实验，本文提出了线性麦克风阵列系统的性能评价指标，并给出了综合性能最优时的麦克风阵列系统参数配置。 关键词: 线性麦克风阵列; 声源定向; 理论误差; 定向性能 中图法分类号: ****文献标识码: A ?Supported by National High-Tech Research and Development Plan of China under Grant No. 2006AA01Z198; 作者简介: 段进伟(1985－),男,云南昆明人,大学本科,主要研究领域为人机交互与普适计算;

基于麦克风阵列的语音增强方法

基于麦克风阵列的语音增强方法 概述：在日常生活和工作中，语音通信是人与人之间互相传递信息沟通不可缺少的方式。在语音通信中，语音信号不可避免地会受到来自周围环境和传输媒介的外部噪声、通信设备的内部噪声及其他讲话者的干扰。这些干扰共同作用，最终使听者获得的是被噪声污染过的带噪声语音，严重影响了双方之间的交流。应用阵列信号处理技术的麦克风阵列能够充分利用语音信号的空时信息，具有灵活的波束控制、较高的空间分辨率、高的信号增益与较强的抗干扰能力等特点，逐渐成为强噪声环境中语音增强的研究热点。本文将介绍各种麦克风阵列语音增强方法，并总结各个方法的优劣。最终得出更好的、能够去噪的基于麦克风阵列的语音增强方法。 1麦克风阵列 麦克风阵列是将两个麦克风的信号耦合为一个信号。在频率响应中也可以根据时域中波束形成与空间滤波器相仿的应用，分析出接收到语音信号音源的方向以及其变化。采用该技术，能利用两个麦克风接收到声波的相位之间的差异对声波进行过滤，能最大限度将环境背景声音滤掉，只剩下需要的声波。对于在嘈杂的环境下使用采用了这种配置的设备，在嘈杂的环境下能使听者听起来很清晰，没杂音。 2基于麦克风阵列的语音增强方法 2.1基于自适应波束形成器的麦克风阵列语音增强 自适应波束形成是现在广泛使用的一类麦克风阵列语音增强方法。最早出现的自适应波束形成算法，其基本思想是在某方向有用信号的增益一定的前提下，使阵列输出信号的功率最小。在线性约束最小方差自适应波束形成器的基础上，1982 年Griffiths 和Jim 提出了广义旁瓣消除器成为了许多算法的基本框架。 广义旁瓣消除器（GSC）的工作原理是带噪声的语音信号同时通过自适应通道和非自适应通道，自适应通道中的阻塞矩阵将有用信号滤除后产生仅包含多通道噪声参考信号，自适应滤波器根据这个参考信号得到噪声估计，最后由这个被估计的噪声抵消非自适应通道中的噪声分量，从而得到有用的纯净语音信号。 麦克风阵列的自适应算法通过迭代运算获取波束形成的最优权矢量时，噪声模型的估计是一个非常关键的因素。它的好坏直接影响着系统波束形成的性能。系统地分析了最小均方( LMS) 自适应语音增强算法，并针对阻塞矩阵在估计噪声时存在的缺陷，在该算法的基础上提出了一种利用最小值控制递归平均( MCRA) 来估计噪声的方法。将此方法应用于波束形成，MCRA 估计出的噪声使LMS 自适应语音增强的效果更好和抗噪性更强。 2.2基于固定波束形成的麦克风阵列语音增强 固定波束形成技术是最简单最成熟的一种波束形成技术。1985 年美国学者Flanagan 提出采用延时-相加波束形成方法进行麦克风阵列语音增强，该方法通过对各路麦克风接收到的信号添加合适的延时补偿，使得各路输出信号在某一方向上保持同步，并在该方向的入射信号获得最大增益。此方法易于实现，但要想获取较高的噪声抑制能力则需要增加麦克风数目，然而对非相干噪声没有抑制能力，环境适应性差，因此实际中很少单独使用。后来出现的微分麦克风阵列、超方向麦克风阵列和固定频率波束形成技术也属于固定波束形成。 采用可调波束形成器的ＧＳＣ麦克风阵列语言增强算法，其实质在ＧＳＣ结构中的固定波束形成器前端引入各通道可调时延补偿，构造可调波束形成器进行声源方位估计，从而在目标声源方位获取阶段即可利用阵列的空间增益来提高方位估计性能。延迟求和波束形成器主要目的是增强主瓣方向目标信号，而抑制其他方向的噪声信号。

基于麦克风阵列的语音增强算法概述

- 29 - 基于麦克风阵列的语音增强算法概述 丁 猛 （海军医学研究所，上海 200433） 【摘 要】麦克风阵列语音增强技术是将阵列信号处理与语音信号处理相结合，利用语音信号的空间相位信息对语音信号进行增强的一种技术。文章介绍了各种基于麦克风阵列的语音增强基本算法，概述了各算法的基本原理，并总结了各算法的特点及其所适用的声学环境特性。 【关键词】麦克风阵列；阵列信号处理；语音增强 【中图分类号】TN911.7 【文献标识码】A 【文章编号】1008-1151(2011)03-0029-02 （一）引言 在日常生活和工作中，语音通信是人与人之间互相传递信息沟通不可缺少的方式。近年来，虽然数据通信得到了迅速发展，但是语音通信仍然是现阶段的主流，并在通信行业中占主导地位。在语音通信中，语音信号不可避免地会受到来自周围环境和传输媒介的外部噪声、通信设备的内部噪声及其他讲话者的干扰。这些干扰共同作用，最终使听者获得的语音不是纯净的原始语音，而是被噪声污染过的带噪声语音，严重影响了双方之间的交流。 应用阵列信号处理技术的麦克风阵列能够充分利用语音信号的空时信息，具有灵活的波束控制、较高的空间分辨率、高的信号增益与较强的抗干扰能力等特点，逐渐成为强噪声环境中语音增强的研究热点。美国、德国、法国、意大利、日本、香港等国家和地区许多科学家都在开展这方面的研究工作，并且已经应用到一些实际的麦克风阵列系统中，这些应用包括视频会议、语音识别、车载声控系统、大型场所的记录会议和助听装置等。 文章将介绍各种麦克风阵列语音增强算法的基本原理，并总结各个算法的特点及存在的局限性。 （二）常见麦克风阵列语音增强方法 1.基于固定波束形成的麦克风阵列语音增强 固定波束形成技术是最简单最成熟的一种波束形成技术。1985年美国学者Flanagan 提出采用延时-相加（Delay-and-Sum）波束形成方法进行麦克风阵列语音增强，该方法通过对各路麦克风接收到的信号添加合适的延时补偿，使得各路输出信号在某一方向上保持同步，并在该方向的入射信号获得最大增益。此方法易于实现，但要想获取较高的噪声抑制能力则需要增加麦克风数目，然而对非相干噪声没有抑制能力，环境适应性差，因此实际中很少单独使用。后来出现的微分麦克风阵列（Differential Microphone Arrays）、超方向麦克风阵列（Superairective Microphone Arrays ）和固定频率波束形成（Frequency-Invariant Beamformers） 技术也属于固定波束形成。 2.基于自适应波束形成器的麦克风阵列语音增强 自适应波束形成是现在广泛使用的一类麦克风阵列语音增强方法。最早出现的自适应波束形成算法是1972年由Frost 提出的线性约束最小方差（Linearly Constrained Minimum Variance,LCMV）自适应波束形成器。其基本思想是在某方向有用信号的增益一定的前提下，使阵列输出信号的功率最小。在线性约束最小方差自适应波束形成器的基础上，1982年Griffiths 和Jim 提出了广义旁瓣消除器（Generalized Sidelobe Canceller, GSC），成为了许多算法的基本框架（图1）。 图1 广义旁瓣消除器的基本结构 广义旁瓣消除器是麦克风阵列语音增强应用最广泛的技术，即带噪声的语音信号同时通过自适应通道和非自适应通道，自适应通道中的阻塞矩阵将有用信号滤除后产生仅包含多通道噪声参考信号，自适应滤波器根据这个参考信号得到噪声估计，最后由这个被估计的噪声抵消非自适应通道中的噪声分量，从而得到有用的纯净语音信号。 如果噪声源的数目比麦克风数目少，自适应波束法能得到很好的性能。但是随着干扰数目的增加和混响的增强，自适应滤波器的降噪性能会逐渐降低。 3.基于后置滤波的麦克风阵列语音增强 1988年Zelinski 将维纳滤波器应用在麦克风阵列延时—相加波束形成的输出端，进一步提高了语音信号的降噪效果，提出了基于后置滤波的麦克风阵列语音增强方法（图2）。基于后置滤波的方法在对非相干噪声抑制方面，不仅具有良好的效果，还能够在一定程度上适应时变的声学环境。它的基本原理是：假设各麦克风接收到的目标信号相同，接收到的噪声信号独立同分布，信号和噪声不相关，根据噪声特性， 【收稿日期】2010-12-30 【作者简介】丁猛（1983－），男，海军医学研究所研究实习员。

麦克风阵列结构设计建议和方案参考

麦克风阵列结构设计建议和方案参考 1. 目的 本文档主要用于指导麦克风阵列的在产品应用中的麦克结构设计参考和建议。 2. 麦克风结构总体设计要求 1） 麦克风阵列需要减震密封处理，为保证麦克风的声音采集效果，能够满足语音识别和算法要求，通常采用将麦克风固定于硅胶套内（硅胶软硬度可根据实际结构形式进行匹配验证），且麦克风和硅胶之间有腔体存在； 2） 麦克风阵列的数量、间距及安装位置要满足算法要求； 3） 根据产品结构型式和产品需求，通常麦克风阵列的结构设计有两种型式：面壳安装方式和非面壳安装方式，两种方式的结构设计要求和建议参照下述方案说明。 3. 不同结构型式麦克风阵列结构设计方案介绍和说明 3.1 面壳安装方式方案 该结构方案麦克风阵列和硅胶套装配后固定于面壳上，通过面壳上的拾音孔进行录音采集。 a) 3D 截面效果图 b) 设计说明 （1） 麦克风阵列的数量、间距和安装位置满足算法要求； （2） 麦克风固定于硅胶套内，且注意麦克风和硅胶套及硅胶套上端和面壳内表面一定不能 有空腔存在（避免腔体反射对麦克风录音效果影响）； （3） 麦克风拾音端面和面壳拾音孔外表面之间距离越短越好，最长不要超过3mm ； （4） 根据应用场景情况，可在麦克风表面增加防风棉（类似车载空调风直吹场景） 和防尘

棉等零件。 3.2 非面壳安装方式： 该结构形式通常麦克风阵列固定于密封减震硅胶套内，然后整个麦克风单元固定于PCB 上。 a) 3D 效果图 b) 设计说明 （1） 设计说明麦克风阵列的数量、间距和安装位置满足算法要求 （2） 麦克风阵列之间应保证通透性，麦克风相互之间不能有隔板等障碍物阻挡 （3） 麦克风单元上部（例如图1中的上方主板外壳B ）和麦克风拾音端面至少留5mm 的通透空间，如果是指向性麦克风，注意麦克风器件下方要留麦克风器件背面拾 音孔空间和距离。

麦克风波束成形的基本原理

麦克风波束成形的基本原理 2012/04/06 简介 所有MEMS麦克风都具有全向拾音响应，也就是能够均等地响应来自四面八方的声音。多个麦克风可以配置成阵列，形成定向响应或波束场型。经过设计，波束成形麦克风阵列可以对来自一个或多个特定方向的声音更敏感。 麦克风波束成形是一个丰富而复杂的课题。本应用笔记仅讨论基本概念和阵列配置，包括宽边求和阵列和差分端射阵列，内容涵盖设计考虑、空间和频率响应以及差分阵列配置的优缺点。 图1:空气中声波的频率与波长的关系 方向性和极坐标图 方向性描述麦克风或阵列的输出电平随消声空间中声源位置的改变而变化的模式。ADI公司的所有MEMS麦克风都是全向麦克风，即它们对来自所有方向的声音都同样敏感，与麦克风所处的方位无关。图2所示为全向麦克风响应的2轴极坐标图。无论麦克风的收音孔位于x-y平面、x-z平面还是y-z平面，此图看起来都相同。 图2:全向麦克风响应图本应用笔记中，阵列的"前方"称为轴上方向，指拾取目标音频的方向，在极坐标图上标为0°；"后方"为180°方向；"侧边"指前后方之间的空间，中心方向分别位于90°和270°。本应用笔记中的所有极坐标图均归一化到0°响应水平。 涉及声音频率和波长的所有公式都使用以下关系式：c = f × λ，其中c为343 m/s,即声音在20℃的空气中的传播速度。图1显示了这些条件下声波的频率与波长的关系。本应用笔记末尾的"设计参数计算公式"列出了本文所用阵列设计参数的计算公式。 宽边阵列 宽边麦克风阵列是指一系列麦克风的排列方向与要拾取的声波方向垂直（见图3）。图中，d是阵列中两个麦克风元件的间距。来自阵列宽边的声音通常就是要拾取的声音。

麦克风阵列模块XFM10211数据手册V0.3

科大讯飞麦克风阵列模块XFM10211 数据手册 科大讯飞股份有限公司 安徽省合肥市望江西路666号国家科技创新型试点市示范区科大讯飞语音产业基地

版本历史 声明 本手册由科大讯飞股份有限公司版权所有，未经许可，任何单位和个人都不得以电子的、机械的、磁性的、光学的、化学的、手工的等形式复制、传播、转录和保存该出版物，或翻译成其他语言版本。一经发现，将追究其法律责任。 科大讯飞保证本手册提供信息的准确性和可靠性，但并不对文本中可能出现的文字错误或疏漏负责。讯飞数码保留更改本手册的权利，如有修改，恕不相告。请在订购时联系我们以获得产品最新信息。对任何用户使用我们产品时侵犯第三方版权或其他权利的行为本公司概不负责。另外，在科大讯飞未明确表示产品有该项用途时，对于产品使用在极端条件下导致一些失灵或损毁而造成的损失概不负责。

目录 1产品概述 (1) 2订货信息 (1) 3功能描述 (1) 4系统连接方式参考 (2) 5模块尺寸图 (2) 6硬件接口定义 (2) 7电路设计参考 (3) 7.1音频输出信号与上位机连接方法 (3) 7.2参考信号接入方法 (4) 8参数列表 (4) 8.1电气特性参数 (4) 8.2极限值 (5) 8.3音频输出特性 (5) 9麦克风设计和型号参考 (5) 9.1设计方案参考 (5) 9.2麦克风选型参考 (6)

1产品概述 科大讯飞麦克风阵列模块XFM10211是一款基于2麦克风阵列的语音硬件方案。采用2麦克风录音，再经过麦克风阵列模块进行语音降噪、回声消除、语音唤醒后，输出数字音频信号、模拟音频信号、唤醒触发信号等。 产品特点主要表现在: ●2麦克风阵列 ●语音唤醒 ●回声消除 2订货信息 表格 1 订货信息 3 功能描述 ●2麦克风阵列 支持远场录音、去混响、降噪。 ●语音唤醒 模块预定的语音唤醒词是“打开语音助手”，唤醒后通过模块的W AKEUP接口输出高电平给用户上位机。 ●回声消除 模块可利用参考信号进行回声消除。回声是设备扬声器播放的声音又被麦克风拾取，形成对设备操控信号的干扰，一般在手机、音箱、电视机等产品中回声比较严重。

MIC电路

数字麦克风和阵列拾音技术的应用 随着数字信号处理技术的发展，使用数字音频技术的电子产品越来越多。数字音频接口成为发展的潮流，采用脉冲密度调制（PDM）接口的ECM和MEMS数字麦克风也孕育而生。目前，ECM和MEMS数字麦克风已经成为便携式笔记本电脑拾音设备的主流。 数字ECM或MEMS麦克风和传统的ECM麦克风相比，有着不可取代的优势。首先，移动设备向小型化数字化发展，急需数字拾音器件和技术；第二，设备包含的功能单元越来越多，如笔记本电脑，集成了蓝牙和WiFi无线功能，麦克风距离这些干扰源很近，设备对抗扰要求越来越高；第三，三网合一的发展，需要上网，视频和语音通信可以同时进行，这在移动设备中通常会遇到环境噪声和回声的影响；第四，从提高生产效率角度，希望对麦克风采用SMT焊接。数字麦克风适合SMT焊接，可以解决系统各种射频干扰对语音通信产生的噪声，富迪科技的数字阵列麦克风拾音技术可以抑制和消除通话时的回声和环境噪声，数字接口方便同数字系统的连接。 模拟麦克风和数字麦克风 麦克风结构：ECM模拟麦克风通常是由振膜，背极板，结型场效应管（JFET）和屏蔽外壳组成。振膜是涂有金属的薄膜。背极板由驻极体材料做成，经过高压极化以后带有电荷，两者形成平板电容。当声音引起振膜振动，使两者距离产生变化，从而引起电压的变化，完成声电转换。利用结型场效应管用来阻抗变换和放大信号，有些高灵敏度麦克风采用运放来提高麦克风灵敏度（见图1a）。ECM数字麦克风通常是由振膜，背极板，数字麦克风芯片和屏蔽外壳组成，数字麦克风芯片主要由缓冲级，放大级，低通滤波器，抗模数转换组成。缓冲级完成阻抗变换，放大级放大信号，低通滤波滤除高频信号，防止模数转换时产生混叠，模数转换将放大的模拟信号转换成脉冲密度调制（PDM）信号，通常采用过采样的1位Δ-Σ模数转换（见图1b）。MEMS模拟麦克风主要由MEMS传感器，充电泵，缓冲放大器，屏蔽外壳组成。参照图1c，MEMS传感器由半导体工艺制成的振膜，背极板和支架构成，通过充电泵给背极板加上适当的极化偏压。缓冲放大器完成阻抗变换，放大信号。MEMS数字麦克风主要由MEMS传感器，充电泵，数字麦克风芯片和屏蔽外壳组成，参照图1d。为了提高麦克风抗干扰能力，麦克风内部电源和地之间都增加了小的滤波电容，通常是10pF和33pF并联。

SoundAI智能音箱产品麦克风阵列结构设计指导文档

SoundAI 智能音箱产品麦克风阵列结构设计 指导文档 北京声智科技有限公司北京市海淀区北四环西路67号中关村创新科技大厦308

版本历史： 版本日期修改记录 V0.22018-08-23基于V0.1版本进行更新

一、麦克风阵列构型 1）六麦克环型阵列 6MIC环型阵列总体呈圆形，各mic在圆周上等距摆放，偏差小于1mm。圆周直径推荐70mm（若无法满足此要求，建议按照60mm<=圆周直径D<=8 0mm进行设计）。麦克风所在圆平面为水平面，如无法满足可以和水平面存在小于15°的夹角，基本如下图所示： 2）四麦克环型阵列 4MIC环型阵列总体呈圆形，各mic在圆周上等距摆放，圆周直径推荐7 0mm（若无法满足此要求，建议按照60mm<=圆周直径D<=80mm进行设计）。麦克风所在圆平面为水平面，如无法满足可以和水平面存在小于15°的夹角，基本如下图所示： 3）四麦克线型阵列 4MIC线型阵列总体呈直线，如果总体长度小于120mm，建议各mic在直线

上等距摆放，偏差<1mm，各麦克朝向相同，间距35mm（若无法满足此要求，建议按照30mm<=麦克间距D<=40mm进行设计），如下图： 4）三麦克环型阵列 3MIC环型阵列总体呈圆形，各mic在圆周上等距摆放，圆周直径推荐70m m（若无法满足此要求，建议按照60mm<=圆周直径D<=80mm进行设计）。麦克风所在圆平面为水平面，如无法满足可以和水平面存在小于15°的夹角，基本如下图所示： 5）双麦克线型阵列 2MIC线型阵列要求各麦克朝向相同，推荐间距55mm（若无法满足此要求，建议按照40mm<=麦克间距D<=70mm进行设计）。 二、麦克风选型要求 声智麦克风阵列方案，可选用数字麦克和模拟麦克都可以，麦克风参数指标如下： ●灵敏度（Sensitivity）：>-40dBV@94dB1KHz， ●信噪比SNR>64dB ●声学过载点（AOP）：>=120dB SPL

麦克风阵列原理

麦克风阵列原理 1 麦克风阵列 麦克风阵列，是一组位于空间不同位置的全向麦克风按一定的形状规则布置形成的阵列，是对空间传播声音信号进行空间采样的一种装置，采集到的信号包含了其空间位置信息。根据声源和麦克风阵列之间距离的远近，可将阵列分为近场模型和远场模型。根据麦克风阵列的拓扑结构，则可分为线性阵列、平面阵列、体阵列等。 (1) 近场模型和远场模型 声波是纵波，即媒质中质点沿传播方向运动的波。声波是一种振动波，声源发声振动后，声源四周的媒质跟着振动，声波随着媒质向四周扩散，所以是球面波。 根据声源和麦克风阵列距离的远近，可将声场模型分为两种：近场模型和远场模型。近场模型将声波看成球面波，它考虑麦克风阵元接收信号间的幅度差；远场模型则将声波看成平面波，它忽略各阵元接收信号间的幅度差，近似认为各接收信号之间是简单的时延关系。显然远场模型是对实际模型的简化，极大地简化了处理难度。一般语音增强方法就是基于远场模型。 近场模型和远场模型的划分没有绝对的标准，一般认为声源离麦克风阵列中心参考点的距离远大于信号波长时为远场；反之，则为近场。设均匀线性阵列相邻阵元之间的距离(又称阵列孔径)为d，声源最高频率语音的波长(即声源的最小波长)为λmin，如果声源到阵列中心的距离大于2d2/λmin，则为远场模型，否则为近场模型，如图1所示。 图1 近场模型和远场模型 (2) 麦克风阵列拓扑结构 按麦克风阵列的维数，可分为一维、二维和三维麦克风阵列。这里只讨论有一定形状规则的麦克风阵列。 一维麦克风阵列，即线性麦克风阵列，其阵元中心位于同一条直线上。根据相邻阵元间距是否相同，又可分为均匀线性阵列(Uniform Linear Array，ULA)和嵌套线性阵列，如图2所示。均匀线性阵列是最简单的阵列拓扑结构，其阵元之间距离相等、相位及灵敏度一直。嵌套线性阵列则可看成几组均匀线性阵列的叠加，是一类特殊的非均匀阵。线性阵列只能得到信号的水平方向角信息。