語音降噪技術及在軌道交通自動售檢票系統的實踐研究

王高峰

摘 要 軌道交通自動售檢票系統（AFC，Automatic Fare Collection），英文縮寫AFC，傳統的架構為5層，從下至上分別是車票位于第5層，車站現場設備（SLE）位于第4層，車站計算機系統（SC）和線路中央計算機系統（LC）分別位于第3和第2層，最上端是清分中心計算機系統（ACC），本系統可對軌道交通票卡完整生命周期進行管理。筆者通過介紹語音識別技術理論，重點對車站現場設備的語音識別模塊的降噪技術、環境影響及安裝技術進行了研究，結合城市軌道交通語音識別技術應用項目，對實踐中的建設經驗進行介紹，以期為軌道交通自動售檢票系統的語音識別技術大面積應用提供一定參考。

關鍵詞 語音識別;軌道交通;降噪;麥克風陣列;安裝

引言

軌道交通自動售檢票系統（AFC）的車站現場設備當中使用語音識別相關設備引導乘客進行車票購買、地圖查詢等工作。車站現場環噪音影響大，乘客語言描述種類多，應用環境復雜等問題顯著。

降噪技術為車站環境應用語音購票系統提供了必要的技術支撐，本文在對噪音消除技術理論研究的基礎上，結合軌道交通實際業務要求和建設實踐給出了安裝實施、檢測等建議。

1語音識別降噪技術研究

1.1 實現原理

目前主要的降噪技術方法有四種，包括譜相減法、維納濾波法、卡爾曼濾波法和噪聲對消法。

在平穩條件下的數字濾波器算法一般采用維納濾波法，最小均方誤差是此種方法的設計準則，含有噪音的語音信號通過此濾波器后可以得到語音信號的最優估計值。

在維納濾波法的基礎上采用信號與噪聲的狀態空間模型，對狀態變量的估計使用前一時刻的估計值和當前時刻的觀察值來更新，以求現時刻的估計值，這種方法稱為卡爾曼濾波法。

譜相減法是利用人耳對聲波相位不敏感的特點，從帶有噪聲的語音估值中，采用傅立葉及逆傅立葉變換方法，削減去噪聲頻譜估值，得到純凈語音頻譜估值，主要針對短時幅度譜進行應用。

在以上方法基礎上采用噪聲對消法采用多個麥克風對背景噪聲進行拾音，經過計算后對噪聲進行對消，保留原始語音。

市場上語音識別對應廠家很多，本文以科大訊飛的語音識別模塊及4麥克風陣列為例介紹相關技術和應用實踐說明。

1.2 語音識別模塊介紹

麥克風陣列的語音前端設備是語音識別處理模塊。

語音識別處理模塊利用空域濾波特性，定位說話人的角度，進而形成定向拾音波束。

通過軟件算法對波束以外的噪聲進行對消處理，增強語音質量、加強識別效果。

模塊功能包括：定位聲源、噪音抑制、消除回聲、聲音感應。

模塊主要包括評估板卡、麥克板卡、音頻線、錄音線、USB電源線（5V）、USB轉串口數據線（控制線）。

1.3 四麥克風陣列介紹

四麥線性陣列的尺寸為165（毫米）x18（毫米）x10（毫米）;

4個麥克風直線等距離擺放，每個麥克風之間的距離保持35毫米，4麥克風陣列可以形成3個波束，這樣在0°～180°范圍內每個波束可以覆蓋60°的區域。

針對識別點語音利用信號處理的方法對進行識別點檢測、噪音消除等預處理，以便得到最適合識別算法模型處理的語音。

四麥克風陣列：支持，四麥線性構型

支持波束形成技術;

支持回聲消除技術;

支持聲源定位技術;

支持去除混響技術;

2語音識別技術在AFC系統建設中的應用實踐

2.1 麥克風的應用要求說明

①要求每個麥克風均能不被遮擋的直接收到聲源，不可出現聲音遮蔽，保證每個麥克風都能均等機會接收聲源。例如某個麥克風被衣物遮擋，從而造成掩蔽效應。②聲源與麥克風的路徑做到最短、最寬。在緊貼面殼安裝拾音孔時，距離MIC進聲孔外側的距離不要大于1.5毫米，拾音孔的直徑越大越好，但最小要求2毫米。條件適合的情況下，麥克風最好安裝在表面，這樣效果最好。③安裝結構當中的干擾和震動（包括喇叭、轉動結構等）要遠離麥克風，并盡可能采用硅膠套進行減震密封，減少干擾，根據使用環境和氣候條件選擇盡量柔軟的硅膠套以達到最好效果。④喇叭在盡量遠離的原則上要進行減震處理，例如減震棉或減震墊片等，也可從結構設計上盡量避免對麥克風造成影響出現失真。⑤在結構內設計不同的聲音通道，采用不同的腔體結構分別對麥克風和喇叭進行密封分離，避免出現結構內聲音傳播，腔體選用性能較好的密封材料以達到最好的效果。⑥麥克風的生產要注意保護，避免出現結構性的損壞，特別是駐極體麥克風需要避免擠壓帶來的一致性損失。

2.2 麥克風結構和說明

本文介紹的麥克風陣列產品采用面殼安裝方式，本產品在面殼固定安裝之前預先裝配硅膠套以達到密封減震目的，預留的拾音孔位于面殼上，通過它進行錄音采集。

①硅膠套的作用使每個麥克風之間嚴格獨立，預先留置的拾音孔是唯一的進聲孔。（驗證方法：用手按住麥克風的拾音孔，拾音音量降低不小于10dB。） ②麥克風需要有橡膠套和固體表面隔絕，起到降低殼體震動傳聲以及密封的作用。③麥克風距離外表面的距離（拾音孔深度）要盡可能的小（一般要求小于 1.5毫米），聲孔直徑盡可能大（一般要求大于 2毫米），防止聲音在拾音孔內壁的反射形成諧振點。④根據軌道交通應用場景情況，使用防風棉和防塵棉對麥克風表面增加防護，減少環境噪聲和靜電影響等問題出現。

2.3 喇叭與麥克風安裝

軌道交通應用環境當中的語音設備采用喇叭與麥克風隔離安裝的方案，結構內喇叭不會傳導聲音到麥克風，在麥克風表面測試喇叭聲壓不超過90分貝。有效聲源音量與喇叭音量信噪比高于-25dB，有效聲源在麥克風表面測試聲壓約為65分貝。

調試步驟：

（1）將喇叭音量調整到最大，測試麥克風表面錄音效果，達到不劫輻的要求。

（2）從麥克風距離0到5米均勻分布測試點進行有效聲源的喚醒測試（當超過3米后要提升聲源強度），經測試確認聲源喚醒的有效距離，通過調整功放增益達到要求的喚醒距離。

3結束語

隨著軌道交通智能化的高速發展，語音識別技術可以極大豐富購票、事務處理等業務形式，提升乘客乘車體驗，越來越便利的應用場景帶來越來越復雜的使用環境，語音識別技術還需要繼續深入研究和實踐，以其滿足更多更新的業務需求。

參考文獻

[1] 錢小毅，龔迥.地鐵互聯網購票方式的研發[J].科技風，2019，9（1）：63-65.