基于麥克風陣列的高信噪比定向采音系統(tǒng)

何 強，楊朱杰，郭 晨，嚴世濤，孔 鵬

（華中科技大學 電子系，湖北 武漢430074）

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

目前，麥克風陣列語音信號處理技術是語音采集技術領域的一個研究熱點。CHANG A C和HUNG J C等[3]研究了MUSIC語音信號陣列處理算法，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)構的語音增強的算法，認為GSC算法能夠很好地提高采音信噪比。邵懷宗等[5]設計了一種12陣元麥克風陣列，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，同時保持了一定的采音精度。但國內(nèi)尚無具有自主知識產(chǎn)權的產(chǎn)品，所以研究麥克風陣列語音采集系統(tǒng)具有較高的市場價值。

本文從上述應用背景出發(fā)，分析了基于麥克風陣列的高信噪比定向采音系統(tǒng)所涉及的相關算法，重點討論了軟硬件系統(tǒng)的工程實現(xiàn)。麥克風陣列定向采音算法主要有自適應波束形成技術中的最小均方（LMS）算法和采樣自相關矩陣求逆（SMI）算法[7]等。自適應陣列的性能與算法的收斂速度密切相關。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題，常采用基于信號環(huán)境的采樣自相關矩陣求逆（SMI）算法。本文采用SMI算法，應用易于生產(chǎn)、精度高于二維定位、實用性更強的4陣元麥克風陣列，并使用DSP進行陣列信號處理，以滿足對聲源信息定向采集的需求。

1 算法模型

自適應波束形成算法應用于麥克風陣列語音采集系統(tǒng)時，能夠隨信號源的變化自動調(diào)節(jié)有關參數(shù)，從而達到調(diào)節(jié)方向圖主瓣方向的目的。該算法主要是對采集到的麥克風陣列信號運行內(nèi)部反饋控制，并根據(jù)一定的準則形成權向量，通過對接收到的信號進行加權疊加，使陣列方向圖的波束主瓣指向有用信號，零陷或較低的旁瓣指向干擾信號方向[8]，從而將不同的信號從空間上實現(xiàn)分隔，實現(xiàn)定向采音。

1.1 陣列模型

本系統(tǒng)采用等距線性麥克風陣列[9]。對于實際使用的陣列結(jié)構要求方向向量a（θ）與入射角θ一一對應，不能出現(xiàn)模糊現(xiàn)象。因此，陣元間距d不能任意選擇，有時甚至需要非常精確地校準。假設d很大，則相鄰陣元的相位延遲會超過2π，此時，陣列方向向量無法在數(shù)值上分辨出具體的相位延遲，就會出現(xiàn)相位模糊[10]。對于等距線性陣列來說，其陣元間距不能大于半波長λ/2。

語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，可得波長的范圍為0.085 m～1 m，因此d的范圍為4.25 cm～50 cm。而對于低旁瓣或零深陷的復雜波束，要求r=10L2/λ（r為聲源到基陣的距離，L為等距線性陣列長度）或更大距離[11]，考慮應用環(huán)境，取r范圍為2 m～10 m。經(jīng)測試發(fā)現(xiàn)，一般人說話的聲音頻率在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，該信號在發(fā)射端表示為s（t），信道復增益（包括幅度和相位影響）為h（t），入射角為θ，以圖1表示M陣元直線型麥克風陣列。

圖1 M陣元直線型等間距陣元

該模型中，來波信號在陣元#1（參考點）之間的相對相位為：

φi（θ）=-（i-1）kdsinθ

陣元噪聲為：

n（t）=（n1（t），n2（t），…，nM（t））T

陣列連續(xù)信號模型為：

x（t）=a（θ）s（t）+n（t）

離散信號模型（此時假設有k路信號入射，入射角分 別為θ0，θ1，θ2，...，θk，θ0為期望信 號）為：

由此得出的x（n）就是陣列接收的信號。

1.2 采樣自相關矩陣求逆（SMI）算法

在實際應用中，接收數(shù)據(jù)是有限長的，很難得到自相關矩陣Rxx，因此常采用自相關矩陣的估計值，即

其中，N為采樣數(shù)，X（i）為陣列接收到的信號矩陣。

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

利用拉格朗日因子法求解上式得到采樣自相關矩陣求逆算法的權重向量：

進而得到陣列的輸出信號：

y（n）=wSMI（n）x（n）

y（n）即為期望方向的聲音信號，可以通過硬件電路處理后播放。

1.3 算法仿真

使用MATLAB軟件對SMI算法進行仿真。圖2所示為信號源方向為0°，主要干擾信號方向為45°的8陣元（圖2（a））與4陣元（圖2（b））麥克風陣列仿真結(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。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，抑制其他信號。

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，但是算法復雜度較高，硬件實現(xiàn)較為困難。綜合仿真結(jié)果和硬件電路復雜度，認為采集信號的麥克風的個數(shù)為4個，每個麥克風的間距為15 cm時，該算法的性能較好，且硬件電路較容易實現(xiàn)。

2 硬件實現(xiàn)

2.1 系統(tǒng)整體方案

圖3為系統(tǒng)硬件結(jié)構圖，包括4陣元直線型麥克風陣列、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)構圖

麥克風陣列采用4個駐極體式麥克風構成陣列；放大濾波電路對麥克風陣列采集到的信號進行預處理，通過RCA端子將預處理后的信號送往音頻編解碼器；處理器采用ADSP-21479，用SMI算法對量化編碼后的4路音頻信號進行處理，得到期望信號；音頻編解碼器AD1939對經(jīng)過放大濾波后的4路音頻信號進行量化編碼，隨后將DSP的處理結(jié)果經(jīng)D/A轉(zhuǎn)換后輸出。

2.2 關鍵模塊設計

2.2.1 DSP處理器與系統(tǒng)程序

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

DSP處理技術[13]可以運用在對瞬時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，其核心是對連續(xù)存儲的數(shù)據(jù)依次作重復的乘加運算[14]。

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

由于陣列信號處理是在信號的復基帶進行的，需要進行大量的復數(shù)運算，因此如果沒有簡潔、優(yōu)化的執(zhí)行程序，算法的運算時間就會比較長。在本設計中，考慮到矩陣運算的復雜性，采用C語言進行編程。采用這種方式，可縮短軟件開發(fā)的時間，提高程序的可讀性和可移植性，但是在滿足系統(tǒng)實時運算的要求上會有所缺陷。

基于上述討論，DSP采用圖4所示的流程圖實現(xiàn)自適應波束形成。

圖4 DSP軟件流程圖

2.2.2 前置放大濾波電路

由于駐極體麥克風采集到的信號存在嚴重噪音，為了獲得高質(zhì)量的音頻信號，在DSP板載RCA輸入端子前加了前置放大濾波電路對語音信號進行預處理。經(jīng)測試，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 測試結(jié)果

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

圖6 測試結(jié)果輸出波形

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

基于麥克風陣列的定向采音技術是一個新興的領域，具有深刻的技術背景和廣闊的應用前景。本文從算法模型到硬件實現(xiàn)詳細介紹了基于麥克風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，硬件實現(xiàn)也不復雜。在基于麥克風陣列的定向采音技術上，本系統(tǒng)還可以進行一些改進。在理論上，可以進一步提高定向采音精度，更快速地跟蹤及更有效地去噪；在實現(xiàn)上，因為涉及多通道語音處理和更為復雜的核心算法，需要實現(xiàn)更加苛刻的實時信號處理要求。

[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.基于麥克風陣列的聲源定位研究[J].云南民族大學學報（自然科學版），2004，13（4）：256-258.

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

[7]桑懷勝，李崢嶸.智能天線的原理、自適應波束形成算法的研究進展與應用[J].國防科技大學學報，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.麥克風陣列拓撲結(jié)構對語音增強系統(tǒng)性能影響的理論分析[J].遼寧工業(yè)大學學報（自然科學版），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應用系統(tǒng)設計[M].北京：電子工業(yè)出版社，2004.