基于麥克風(fēng)陣列的聲源跟蹤系統

作者 / 王宇威 雍洋 孫新 西安交通大學(xué) 信息與通信工程系(陜西 西安 710000)

*本項目獲得“2018年瑞薩杯”信息科技前沿專(zhuān)題邀請賽的最高獎“瑞薩杯”獎。

摘要：隨著(zhù)科技的發(fā)展，聲源定位技術(shù)在越來(lái)越多的地方發(fā)揮著(zhù)重要的作用，在多個(gè)領(lǐng)域有著(zhù)廣泛的應用。聲源目標跟蹤技術(shù)可以應用在視頻錄制、安防監控、鳴笛抓拍等場(chǎng)景中，在這些場(chǎng)景中，針對目標對象的語(yǔ)音信號，可以應用陣列信號處理的知識，將麥克風(fēng)按照特定陣列放置在空域中，利用空間不同位置點(diǎn)的聲源對麥克風(fēng)陣列響應的時(shí)延相位誤差，對聲源進(jìn)行測向，實(shí)現低成本的聲源定位跟蹤功能。

　　本作品便是基于麥克風(fēng)陣列的聲源跟蹤系統，將6路麥克風(fēng)按照線(xiàn)型排列，并接入瑞薩SK-S7G2單片機的6路ADC中，單片機將采樣值通過(guò)陣列信號處理中波達方向(DOA)估計等算法，獲得聲源的來(lái)波方向。然后用單片機去驅動(dòng)云臺，上面搭載攝像頭或者高指向性麥克風(fēng)，可以實(shí)現用戶(hù)特定的跟蹤需求。

　　我們結合瑞薩單片機的性能與實(shí)際測試效果，選用了周期圖法進(jìn)行角度估計，利用頻率采樣型的FIR濾波器實(shí)現了對人聲信號的切片，并對得到的角度結果進(jìn)行低通濾波、設定閾值、非線(xiàn)性約束等處理，解決了環(huán)境噪聲、室內混響等因素帶來(lái)的問(wèn)題。此外，我們將陣列置于云臺上，進(jìn)一步提高了跟蹤的精度，云臺的驅動(dòng)采用步進(jìn)方式，實(shí)現了實(shí)時(shí)跟蹤。最后，我們將所有算法移植到瑞薩單片機上，制作了GUI界面，并添加了噪聲訓練功能，使之成為一個(gè)完整的系統。

0 引言

　　當今社會(huì )，人們對自動(dòng)控制的需求越來(lái)越高，而其中一個(gè)重要的分支就是目標跟蹤技術(shù)。伴隨著(zhù)人工智能的熱潮，通過(guò)圖像識別來(lái)進(jìn)行目標跟蹤是現在的主流做法，但是神經(jīng)網(wǎng)絡(luò )算法的復雜度極高，不可能在普通的MCU上實(shí)現，只能借助于一些高性能的芯片如FPGA，這樣就會(huì )需要較高的成本。其實(shí)在一些特定場(chǎng)合，可以通過(guò)或者只能通過(guò)聲源定位的方法進(jìn)行目標跟蹤，而其中用到的陣列信號處理技術(shù)經(jīng)過(guò)改進(jìn)和優(yōu)化之后，可以將算法移植到普通的MCU中進(jìn)行實(shí)現，從而可以保證跟蹤效果的同時(shí)降低產(chǎn)品的成本。

　　現在隨著(zhù)網(wǎng)絡(luò )的普及，網(wǎng)絡(luò )公開(kāi)課越來(lái)越受歡迎，而網(wǎng)絡(luò )公開(kāi)課的錄制就需要對講課的教師進(jìn)行攝像跟蹤，在這種場(chǎng)景下，就可以利用陣列信號處理中的DOA技術(shù)對聲源進(jìn)行估計，從而使云臺轉動(dòng)，跟蹤攝像目標。除此之外，現在的城市中，為了減少噪音污染，有不少的禁止鳴笛區。在這些鳴笛區中，為了精確地抓拍到違章鳴笛的車(chē)輛，就必須要用到聲源定位，這里就需要陣列麥克風(fēng)進(jìn)行波達方向估計，才能精確地找到違章車(chē)輛。在這些場(chǎng)景下使用DOA估計來(lái)實(shí)現目標跟蹤是完全可以滿(mǎn)足要求的，而且可以在單片機上實(shí)現，并且可以最大限度地節省計算資源。

1 作品設計與實(shí)現

　　1.1 系統方案

　　先用六陣元線(xiàn)陣的陣列麥克風(fēng)進(jìn)行拾音，然后使用Renesas(瑞薩)SK-S7G2單片機的ADC進(jìn)行采樣，采樣率8000Hz，采樣結束之后對采樣數據進(jìn)行DOA估計(波達方向估計)，把估計出來(lái)的角度與當前云臺的角度比較，來(lái)確定是否轉動(dòng)云臺以及轉動(dòng)方向，從而使攝像頭或者高指向性麥克風(fēng)對準聲源，實(shí)現聲源跟蹤的目的。

　　1.2 理論分析及計算

　　1.2.1 陣列信號處理基本模型

　　陣列信號處理(Array Signal Processing)作為信號處理的一個(gè)重要內容，其含義是指將一批傳感器按照特定陣列流型放置在空域中，對空域信號進(jìn)行采樣，得到信源的空域采樣數據并進(jìn)行處理。

　　在傳統的陣列信號處理中，主要處理的是窄帶信號，窄帶信號是指帶寬遠遠小于中心頻率的信號，并且假設信號源位于陣列的遠場(chǎng)，因此可以使用平面波傳播理論，認為信號平行入射，各陣元接收到的信號之間沒(méi)有幅度差異，只存在傳播延時(shí)造成的相位差異。最常用的是均勻線(xiàn)陣，其遠場(chǎng)模型如圖2所示。

　　其中θ為信號入射方向角，d為陣元間距。為“避免混疊”，陣元間距一般取入射信號的半波長(cháng)。記信號波長(cháng)為λ，陣元個(gè)數為N ，陣列等效孔徑為：

　　可以將麥克風(fēng)陣列和單片機ADC結合起來(lái)看作進(jìn)行空間采樣的裝置，陣列每接收一次數據就是在空間的一次采樣或者快拍(snapshot)，陣列信號就是由快拍組成的向量序列。均勻線(xiàn)陣是在空間的一條直線(xiàn)上均勻采樣，它對應于時(shí)間序列的均勻采樣。由于陣元間距 為空間采樣間隔， 即為空間采樣頻率，而為陣列信號的空間頻率。與奈奎斯特采樣定理相似，為避免空域混疊，對空間采樣頻率有一定的要求:

　　(3)

　　12.2 頻率切片

　　傳統陣列信號處理的模型與算法都是建立在窄帶信號的條件下，可是語(yǔ)音信號的頻率范圍為300~3400 Hz，帶寬較大，所以不能對語(yǔ)音信號直接進(jìn)行處理，要先通過(guò)頻率采樣型的FIR濾波器進(jìn)行頻率切片，然后對切片之后的數據進(jìn)行處理。頻率采樣濾波器由一個(gè)梳狀濾波器和一個(gè)諧振器組成。 

　　頻率采樣型結構中諧振器的極點(diǎn)恰好各自抵消梳狀濾波器的零點(diǎn)，其系數就是濾波器在處的響應。為了防止濾波器不穩定，可以將梳狀濾波器的零點(diǎn)和諧振器的極點(diǎn)同時(shí)向圓內移一點(diǎn)，就可以保證濾波器的穩定，即：

　　(7)

　　頻率采樣型結構的作用就是一個(gè)“濾波器柜”，想要濾出信號的某個(gè)頻率分量，只需在對應的那一路后面接抽頭，輸出即為該頻率分量的時(shí)域信號。所以只要把語(yǔ)音信號以200 Hz為間隔切片，得到各個(gè)頻率分量的窄帶信號，對窄帶信號進(jìn)行處理之后再相加即可。

　　1.2.3 DOA(波達方向估計)

　　(1)DOA估計的基本模型

　　在前面模型的基礎上，在只有一個(gè)聲源的情況下，陣列麥克風(fēng)各個(gè)陣元接收到的信號為：

　　實(shí)現DOA的算法有很多種，有周期圖法，Capon算法，Music算法等等，其中，周期圖法是在角度和頻率方向的二維搜索，相對穩健，即使在有混響的情況下也能找到方向，并且該算法可以移植到單片機中進(jìn)行實(shí)現，而Music算法的仿真效果較好，其主瓣窄，旁瓣小，但算法復雜度較高，且極易受到混頻干擾的影響。在進(jìn)行了實(shí)際實(shí)驗驗證之后，綜合樓室內混響帶來(lái)的誤差，我們選擇了相對穩健的周期圖法，下面簡(jiǎn)單介紹一下周期圖法。

　　(2)周期圖法

　　周期圖法是通過(guò)算出每個(gè)角度入射信號的功率，然后找出最大值所對應的角度，就是聲音信號入射的角度。做法是先對采集的N次快拍求平均估計自相關(guān)矩陣：

　　這種方法較為穩健，從仿真結果來(lái)看，雖然主瓣較寬，但在精度要求不是十分嚴格的情況下可以應用，尤其在有混頻干擾的情況下，周期圖法也能較為準確地估計出角度。且該算法的復雜度較低，易于在單片機上實(shí)現，所以我們就選擇了周期圖法，并且選用了6陣元的線(xiàn)陣，由于聲速v=340 m/s，人聲頻率在300~3400 Hz之間，其中f=1700 Hz對應的半波長(cháng)λ = 0.5*v/f = 0.1 m = 10 cm，陣元間距為10 cm。

　　1.3 系統優(yōu)化

　　1.3.1 頻率切片

　　傳統陣列信號處理的模型與算法都是建立在窄帶信號的條件下，可是語(yǔ)音信號的頻率范圍為300 Hz-3400 Hz，帶寬較大，所以不能對語(yǔ)音信號直接進(jìn)行處理，要先進(jìn)行切片。但是各個(gè)頻率分量的功率有很大區別，如果對300 Hz~3400 Hz都進(jìn)行切片的話(huà)會(huì )造成計算資源的浪費，我們在實(shí)驗過(guò)后發(fā)現正常人聲在600 Hz~1200 Hz內頻率分量的功率最大，所以我們在這個(gè)范圍內進(jìn)行切片，以200 Hz為間隔，共切四片。

　　1.3.2 結果濾波

　　為了提高系統的穩定性和準確性，我們進(jìn)行了結果濾波，分為兩個(gè)階段：適應噪聲和線(xiàn)性約束濾波。

　　(1)噪聲自適應

　　在開(kāi)始進(jìn)行DOA估計且云臺跟蹤之前，需要先對電路噪聲及環(huán)境噪聲進(jìn)行適應。進(jìn)入噪聲適應模式之后，通過(guò)麥克風(fēng)采集當前的電路及環(huán)境噪聲，計算其功率，然后設定一個(gè)合適的閾值。在之后的計算中，若功率大于閾值，則視為有用的聲音，否則視為噪聲，不計算角度。這樣可以有效地濾除底噪的干擾，當人停止說(shuō)話(huà)時(shí)，攝像頭不會(huì )因為噪聲的干擾而隨意擺動(dòng)。

　　(2)線(xiàn)性約束

　　為了提高系統的穩定性以及減小放射徑的影響，我們采用了線(xiàn)性約束的方法，這樣能有效地減小突變以及放射徑的影響，即：

　　最終角度=0.8 上次角度+0.2 當前計算角度

　　由于每一秒會(huì )計算出15次結果，所以難免會(huì )有一些計算出來(lái)的結果不太準確，這樣使用了線(xiàn)性約束之后，即使有一些角度不太準確也不會(huì )造成較大的影響，大大地提高了系統的穩定性。

　　1.3.3 云臺目標跟蹤

　　云臺的控制是通過(guò)單片機串口給解碼器發(fā)指令來(lái)完成的，并且采用了步進(jìn)的方法控制。在云臺和麥克風(fēng)陣列擺放關(guān)系的問(wèn)題上，我們采取的方案是陣列固定在云臺上面，跟隨云臺一起轉動(dòng)，云臺根據DOA的估計結果不斷向0°方向靠攏。

2 參賽感受

　　本次比賽我們的作品得到了不少評委老師的肯定與認可，并且摘得了本次比賽的最高獎瑞薩杯獎，我認為是因為我們作品的以下一些亮點(diǎn)：首先，我們的作品的處理器只使用了組委會(huì )提供的開(kāi)發(fā)板，在我們的不斷改進(jìn)與優(yōu)化下，全部的算法與控制都在瑞薩單片機上實(shí)現，把單片機的計算資源、內存都運用到了極致。這樣就大大降低了成本，增加了把該作品變成產(chǎn)品推向市場(chǎng)的可能性。其次，我們的系統的穩定性很好，我們使用了噪聲自適應、線(xiàn)性約束、結果濾波等方法增加了系統的穩定性，并且在不同的環(huán)境下都進(jìn)行了測試。還有一點(diǎn)，就是實(shí)際應用價(jià)值較高，現在的市場(chǎng)對聲源定位的需求越來(lái)越高，可以在網(wǎng)絡(luò )視頻自動(dòng)錄制、鳴笛抓拍等場(chǎng)景中有廣泛的應用。

　　這次的比賽，我們收獲的不僅僅是瑞薩杯這個(gè)獎項，更多的是在比賽過(guò)程中能力的提升。在這個(gè)過(guò)程中，我們不僅在理論知識上得到了提高，動(dòng)手能力也有了很大的進(jìn)步，解決問(wèn)題的能力也得到了很大的提升，意志力也得到了鍛煉，在即將升入大四，開(kāi)始更多地接觸科研任務(wù)之際，這次比賽也給了我們很多前行的動(dòng)力和信心。

　　參考文獻：

　　[1]McCowan I A.，Robust Speech Recognition using Microphone Arrays[D]. Queensland University of Technology,Australia,2001.

　　[2]梁玉杰. 基于超格點(diǎn)DOA的室內無(wú)線(xiàn)傳感器網(wǎng)絡(luò )定位技術(shù)研究[D]. 上海：上海交通大學(xué)，2015-4-7.

　　[3]Jacob Benesty，Jingdong Chen，Yiteng Huang,Microphone Array Signal Processing[M]. 北京：國防工業(yè)出版社，2015.

　　[4]張小飛，陳華偉，仇小鋒. 陣列信號處理及MATLAB實(shí)現[M].北京：電子工業(yè)出版社，2014.

　　[5]姚天任. 數字信號處理[M]. 北京：清華大學(xué)出版社，2011.

　　本文來(lái)源于《電子產(chǎn)品世界》2018年第12期第48頁(yè)，歡迎您寫(xiě)論文時(shí)引用，并注明出處。