麥克風(fēng)陣列技術(shù)語(yǔ)音交互應該選用怎樣的方案？

聲源測向：這里沒(méi)有用聲源定位，測向和定位是不太一樣的，而消費級麥克風(fēng)陣列做到測向就可以了，沒(méi)必要在這方面投入太多成本。聲源測向的主要作用就是偵測到與之對話(huà)人類(lèi)的聲音以便后續的波束形成。聲源測向可以基于能量方法，也可以基于譜估計，陣列也常用TDOA技術(shù)。聲源測向一般在語(yǔ)音喚醒階段實(shí)現，VAD技術(shù)其實(shí)就可以包含到這個(gè)范疇，也是未來(lái)功耗降低的關(guān)鍵研究?jì)热荨?/p>本文引用地址：http://dyxdggzs.com/article/201807/383792.htm

波束形成：波束形成是通用的信號處理方法，這里是指將一定幾何結構排列的麥克風(fēng)陣列的各麥克風(fēng)輸出信號經(jīng)過(guò)處理(例如加權、時(shí)延、求和等)形成空間指向性的方法。波束形成主要是抑制主瓣以外的聲音干擾，這里也包括人聲，比如幾個(gè)人圍繞Echo談話(huà)的時(shí)候，Echo只會(huì )識別其中一個(gè)人的聲音。

陣列增益：這個(gè)比較容易理解，主要是解決拾音距離的問(wèn)題，若信號較小，語(yǔ)音識別同樣不能保證，通過(guò)陣列處理可以適當加大語(yǔ)音信號的能量。

模型匹配：這個(gè)主要是和語(yǔ)音識別以及語(yǔ)義理解進(jìn)行匹配，語(yǔ)音交互是一個(gè)完整的信號鏈，從麥克風(fēng)陣列開(kāi)始的語(yǔ)音流不可能割裂的存在，必然需要模型匹配在一起。實(shí)際上，效果較好的語(yǔ)音交互專(zhuān)用麥克風(fēng)陣列，通常是兩套算法，一套內嵌于硬件實(shí)時(shí)處理，另外一套服務(wù)于云端匹配語(yǔ)音處理。

麥克風(fēng)陣列的技術(shù)趨勢

語(yǔ)音信號其實(shí)是不好處理的，我們知道信號處理大多基于平穩信號的假設，但是語(yǔ)音信號的特征參數均是隨時(shí)間而變化的，是典型的非平穩態(tài)過(guò)程。幸運的是語(yǔ)音信號在一個(gè)較短時(shí)間內的特性相對穩定(語(yǔ)音分幀)，因而可以將其看作是一個(gè)準穩態(tài)過(guò)程，也就是說(shuō)語(yǔ)音信號具有短時(shí)平穩的特性，這才能用主流信號處理方法對其處理。從這點(diǎn)來(lái)看，麥克風(fēng)陣列的基本原理和模型方面就存在較大的局限，也包括聲學(xué)的非線(xiàn)性處理(現在基本忽略非線(xiàn)性效應)，因此基礎研究的突破才是未來(lái)的根本。希望能有更多熱愛(ài)人工智能的學(xué)生關(guān)注聲學(xué)，報考我們中科院聲學(xué)所。

另外一個(gè)趨勢就是麥克風(fēng)陣列的小型化，麥克風(fēng)陣列受制于半波長(cháng)理論的限制，現在的口徑還是較大，聲智科技現在可以做到2cm-8cm的間距，但是結構布局仍然還是限制了ID設計的自由性。很多產(chǎn)品采用2個(gè)麥克風(fēng)其實(shí)并非成本問(wèn)題，而是ID設計的考慮。實(shí)際上，借鑒雷達領(lǐng)域的合成孔徑方法，麥克風(fēng)陣列可以做的更小，而且這種方法已經(jīng)在軍工領(lǐng)域成熟驗證，移植到消費領(lǐng)域只是時(shí)間問(wèn)題。

還有一個(gè)趨勢是麥克風(fēng)陣列的低成本化，當前無(wú)論是2個(gè)麥克風(fēng)還是4、6個(gè)麥克風(fēng)陣列，成本都是比較高的，這影響了麥克風(fēng)陣列的普及。低成本化不是簡(jiǎn)單的更換芯片器件，而是整個(gè)結構的重新設計，包括器件、芯片、算法和云端。這里要強調一下，并非2個(gè)麥克風(fēng)的陣列成本就便宜，實(shí)際上2個(gè)和4個(gè)麥克風(fēng)陣列的相差不大，2個(gè)麥克風(fēng)陣列的成本也要在60元左右，但是這還不包含進(jìn)行回聲抵消的硬件成本，若綜合比較，實(shí)際上成本相差不大。特別是今年由于新技術(shù)的應用，多麥克風(fēng)陣列