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,，能夠實現(xiàn)高信噪比定向采音。
關鍵詞： 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量。隨著陣列信號處理技術[1]的發(fā)展,，利用麥克風陣列拾取語音信號為提高采音質量提供了可能[2],。通過陣列信號處理的方法能夠實現(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是語音采集技術領域的一個研究熱點,。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構的語音增強的算法,，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,。但國內尚無具有自主知識產權的產品,，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波束形成技術中的最小均方（LMS）算法和采樣自相關矩陣求逆（SMI）算法[7]等,。自適應陣列的性能與算法的收斂速度密切相關,。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)境的采樣自相關矩陣求逆（SMI）算法,。本文采用SMI算法,，應用易于生產、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
　自適應波束形成算法應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節(jié)有關參數(shù)，從而達到調節(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部反饋控制,，并根據(jù)一定的準則形成權向量，通過對接收到的信號進行加權疊加，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構要求方向向量a（θ）與入射角θ一一對應，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],，考慮應用環(huán)境,，取r范圍為2 m~10 m。經測試發(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陣元的仿真結果比4陣元的要好，主瓣較窄,，零陷明顯,，但是算法復雜度較高，硬件實現(xiàn)較為困難,。綜合仿真結果和硬件電路復雜度,，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)硬件結構圖,，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成陣列,；放大濾波電路對麥克風陣列采集到的信號進行預處理，通過RCA端子將預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的處理結果經D/A轉換后輸出。
2.2 關鍵模塊設計
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，導致最優(yōu)權值也處于不斷的變化中,，因此實際權值必須進行不斷的調整,，因而要求瞬時處理速度要快。
　DSP處理技術[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基帶進行的,，需要進行大量的復數(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。在本設計中,，考慮到矩陣運算的復雜性，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處理,。經測試,，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,，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,。

　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°方向將實現(xiàn)抑制,。這個測試結果與圖2所示的仿真結果相吻合。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是一個新興的領域,，具有深刻的技術背景和廣闊的應用前景。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)也不復雜。在基于麥克風陣列的定向采音技術上,，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].云南民族大學學報（自然科學版）,，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].聲學技術,，2008，27（2）：260-265.
[7] 桑懷勝,，李崢嶸.智能天線的原理,、自適應波束形成算法的研究進展與應用[J].國防科技大學學報,，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.麥克風陣列拓撲結構對語音增強系統(tǒng)性能影響的理論分析[J].遼寧工業(yè)大學學報（自然科學版），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應用系統(tǒng)設計[M].北京：電子工業(yè)出版社,，2004.