摘 要： 研究討論了用于麥克風陣列的高信噪比定向采音算法，設(shè)計實現(xiàn)了麥克風陣列語音采集系統(tǒng)。通過對采集到的空間中不同方向音頻進行數(shù)字信號處理，使陣列形成的波束主瓣指向目標語音，零陷指向干擾源，提高采音信噪比，實現(xiàn)對聲源的定向采音等。測試結(jié)果表明，本系統(tǒng)采音效果良好，采集到的聲音信號主瓣很窄，能夠?qū)崿F(xiàn)高信噪比定向采音。
關(guān)鍵詞： 麥克風陣列；語音處理；SMI算法；定向采音
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(shù)[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(shù)是語音采集技術(shù)領(lǐng)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(gòu)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(shè)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(quán)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(yīng)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(guān)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(yīng)波束形成技術(shù)中的最小均方（LMS）算法和采樣自相關(guān)矩陣求逆（SMI）算法[7]等。自適應(yīng)陣列的性能與算法的收斂速度密切相關(guān)。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(guān)矩陣求逆（SMI）算法。本文采用SMI算法，應(yīng)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(yīng)波束形成算法應(yīng)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(guān)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(quán)向量，通過對接收到的信號進行加權(quán)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(gòu)要求方向向量a（θ）與入射角θ一一對應(yīng)，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(shè)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(fù)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(yīng)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(fù)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。
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。
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(fù)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(fù)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(gòu)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。
麥克風陣列采用4個駐極體式麥克風構(gòu)成陣列；放大濾波電路對麥克風陣列采集到的信號進行預(yù)處理，通過RCA端子將預(yù)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(guān)鍵模塊設(shè)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(dǎo)致最優(yōu)權(quán)值也處于不斷的變化中，因此實際權(quán)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(shù)[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(fù)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(fù)基帶進行的，需要進行大量的復(fù)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(shè)計中，考慮到矩陣運算的復(fù)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(yīng)波束形成。
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(yù)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)。
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(shù)是一個新興的領(lǐng)域，具有深刻的技術(shù)背景和廣闊的應(yīng)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(fù)雜。在基于麥克風陣列的定向采音技術(shù)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(fù)雜的核心算法，需要實現(xiàn)更加苛刻的實時信號處理要求。
參考文獻
[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(xué)學(xué)報（自然科學(xué)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(xué)技術(shù)，2008，27（2）：260-265.
[7] 桑懷勝，李崢嶸.智能天線的原理、自適應(yīng)波束形成算法的研究進展與應(yīng)用[J].國防科技大學(xué)學(xué)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(gòu)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(xué)學(xué)報（自然科學(xué)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(yīng)用系統(tǒng)設(shè)計[M].北京：電子工業(yè)出版社，2004.