在嘈杂的环境下，机器想要听懂声音，它必须能够听的更远更清晰，麦克风阵列充当的就是助听器的角色。然而，现在市场上不少机器人或者智能硬件产品，在面对多人说话时依旧表现的手足无措。哪些因素在影响机器的“听力”？到底该怎么选择麦克风阵列，让机器的“耳朵”更灵敏？5 X9 ^' L- X, C5 p. d' d9 J& o
什么是麦克风阵列 由一定数目的声学传感器（麦克风）组成，对声场的空间特性进行采样并处理的系统。 麦克风阵列由一定数目的声学传感器（一般是麦克风）组成，用来对声场的空间特性进行采样并处理的系统。 远场拾音，指运用远场识别和降噪技术，使拾音距离达到5米。 声源定位，利用麦克风阵列，实现360°语音信号采集，并能通过声源定位来确定目标说话人的方向。 人工智能，未来已来
人工智能(Artificial Intelligence)是指能够和人一样进行感知、认知、决策、执行的人工程序或系统。人工智能为何能够工作，主要因为三大法宝：首先是深度神经网络，随着数据量增加，性能不断提升；其次是大数据，互联网和移动互联网的普及有利于获取真实的统计大数据，来自于各种真实环境的数据使模型训练变得更加高效；最后一个很重要的是涟漪效应，在移动互联网下，因为软件免费，用户愿意花时间用这些产品，且不会产生抱怨或反抗。当推出一个不好的人工智能算法（包括图像、语音、自然语言理解）时，就像水滴滴在水面，只有一小部分人才会用到。一旦使用，数据会送到云计算服务器，云计算服务器可以立即学习更新。当水波扩大到更广泛的人群时，系统的性能已经提高。水波的振幅就是系统的误差。当水波扩散，振幅越来越低。当水波纹扩散到第1000万人时，10000001个人是第一次使用这一系统，他会觉得系统很好。利用涟漪效应，可以把不熟的、需要在真实环境中训练出来的系统，真正培养出来。 人机最自然的交互方式
最新的研究结果显示，相比于传统的键盘输入，语音输入方式在速度及准确率方面更具优势。正常来说语音输入的速度是传统输入方式的三倍以上，而随着深度学习技术的发展，当前语音的识别率可以达到97%。 大家可以试想一下这样的场景，回家之前对着手机说一声“我五分钟之后到家”，就会得到回复“好的，按照您的习惯，空调已经调到26度，热水器调到35度”；甚至通过我们的智能硬件交互平台，智能设备互联互通，出差去宾馆，对着宾馆的智能设备说一声“家庭模式”，也能享受到如家一般的感觉。 人机交互痛点 1.识别距离近：语音交互受限距离不能进行远场的识别 2.对话不智能：不能持续进行多轮对话不能打断 3.嘈杂环境：在嘈杂环境下识别率低饱受噪声干扰 4.响应时间慢：不能即时快速响应交互不流畅导致体验下降 阵列麦克风对人工智能的意义 1.远场拾音 人机之间的语音交互（这里主要指智能硬件、机器人等），区别于传统的有屏手持设备，涉及到复杂的环境和远距离拾音的问题。通过麦克风阵列使语音交互距离大大增加，使人机交互更加自然，更趋向于人人交互。 2.声源定位 麦克风阵列可以自动检测声源位置，跟踪说话人，声源定位信息既可以用于智能交互，也可以用于后续的空域滤波，对目标方向进行语音增强。 3.空域处理 对多信号空时频三维的处理实现回声抑制，混响抑制及语音增强，让我们的智能设备在复杂的环境中都可以提供更好的智能语音体验。 麦克风阵列的功能 人机交互过程中的噪声可以分为以下几类：回声，混响，干扰和背景噪声；相应的麦克风阵列具备这样的功能：回声控制，回声消除，回声抑制；去混响；波束形成，声源定位，语音增强，盲源分离，干扰抑制；噪声控制，主动噪声控制，降噪； 麦克风阵列 麦克风阵列产品主要分为二麦、四麦、六麦克风阵列。阵列结构如下图所示： 麦克风阵列构型 以六麦阵列为例，具备以下功能特性：波束形成（波束形状是阵列对不同频率及方向的信号的响应，它与阵列麦克风数目、几何形状、源信号位置以及频率有关。）、回声消支持信噪比-30dB左右、平稳噪声滤波、方向性非平稳噪声抑制、语音增强和去混响、声源定位精度±10°等功能。 六麦阵列包括六麦硬件阵列模块方案和软核方案，硬件模块方案包括一块XFM10621硬件模块，通过连接麦克风、参考信号、供电和I2C即可实现阵列远场拾音和降噪后音频输出，同时支持连续唤醒并输出唤醒信号。 / }6 }' {, v5 J9 |" e
) @; z! u' C0 H& g# F
| 
楼主|
发表于 2007-11-1
|
发表于 2007-10-10
