首先我們簡(jiǎn)單聊聊什么是麥克風(fēng)陣列。

麥克風(fēng)陣列 ≠一堆麥克風(fēng)

風(fēng)吹麥浪，高山流水，蛙聲蟲(chóng)鳴......人類能聽(tīng)到的聲音大約有40多萬(wàn)種，頻率在20至20000赫茲之間。而在嘈雜的環(huán)境下，機(jī)器想要聽(tīng)懂聲音，它必須能夠聽(tīng)的更遠(yuǎn)更清晰，人類可以帶上助聽(tīng)器，機(jī)器需要什么呢?麥克風(fēng)陣列就充當(dāng)了助聽(tīng)器這樣的角色。

麥克風(fēng)陣列就是由一定數(shù)目的聲學(xué)傳感器（一般是麥克風(fēng)）組成，用來(lái)對(duì)聲場(chǎng)的空間特性進(jìn)行采樣并處理的系統(tǒng)。早在20世紀(jì)70、80年代，麥克風(fēng)陣列已經(jīng)被應(yīng)用于語(yǔ)音信號(hào)處理的研究中，進(jìn)入90年代以來(lái)，基于麥克風(fēng)陣列的語(yǔ)音信號(hào)處理算法逐漸成為一個(gè)新的研究熱點(diǎn)。而到了“聲控時(shí)代”，這項(xiàng)技術(shù)的重要性顯得尤為突出。

如果把語(yǔ)音識(shí)別看成一個(gè)接收信息、解析信息、做出反饋過(guò)程的話，麥克風(fēng)陣列解決的是聽(tīng)不聽(tīng)得到、多遠(yuǎn)距離屬于合理范圍、不受噪音影響的問(wèn)題。

單麥克 vs麥克風(fēng)陣列

單麥克風(fēng)系統(tǒng)可以在低噪聲、無(wú)混響、距離聲源很近的情況下獲得符合語(yǔ)音識(shí)別需求的聲音信號(hào)。但如果聲源距離麥克風(fēng)距離較遠(yuǎn)，并且存在大量的噪聲、多徑反射和混響，導(dǎo)致拾取信號(hào)的質(zhì)量下降，這會(huì)嚴(yán)重影響語(yǔ)音識(shí)別率。而且，單麥克風(fēng)接收的信號(hào)，是由多個(gè)聲源和環(huán)境噪聲疊加的，很難實(shí)現(xiàn)各個(gè)聲源的分離。這樣就無(wú)法實(shí)現(xiàn)聲源定位和分離，因?yàn)檫€有一類聲音的疊加并非噪聲，但是在語(yǔ)音識(shí)別中也要抑制，就是人聲的干擾，語(yǔ)音識(shí)別顯然不能同時(shí)識(shí)別兩個(gè)以上的聲音。

為了解決單麥克風(fēng)的這些局限性，利用麥克風(fēng)陣列進(jìn)行語(yǔ)音處理的方法應(yīng)時(shí)而生。麥克風(fēng)陣列由一組按一定幾何結(jié)構(gòu)（常用線形、環(huán)形）擺放的麥克風(fēng)組成，對(duì)采集的不同空間方向的聲音信號(hào)進(jìn)行空時(shí)處理，實(shí)現(xiàn)噪聲抑制、混響去除、人聲干擾抑制、聲源測(cè)向、聲源跟蹤、陣列增益等功能，進(jìn)而提高語(yǔ)音信號(hào)處理質(zhì)量，以提高真實(shí)環(huán)境下的語(yǔ)音識(shí)別率。

一個(gè)麥克風(fēng)不足以接收全部信息，但麥克風(fēng)陣列卻可以實(shí)現(xiàn)聲源定位、信號(hào)拾取、信號(hào)分離、去除噪音影響等。

麥克風(fēng)結(jié)構(gòu)和麥克風(fēng)數(shù)量

在麥克風(fēng)陣列里，麥克風(fēng)的數(shù)量，從2個(gè)到上千個(gè)不等。復(fù)雜的麥克風(fēng)陣列主要應(yīng)用于工業(yè)和國(guó)防領(lǐng)域，而消費(fèi)級(jí)領(lǐng)域的麥克風(fēng)數(shù)量通常較少，一般有2、4、5、6、8等幾種形式。通常，這組麥克風(fēng)會(huì)按照一定幾何結(jié)構(gòu)擺放，比如線形、環(huán)形、球形等，比如訊飛開(kāi)放平臺(tái)就研發(fā)出二麥線性陣列、四麥線性陣列和六四麥線性陣列。

適用場(chǎng)景解析

可別小看這些結(jié)構(gòu)和數(shù)量，不同的組合都對(duì)硬件產(chǎn)品來(lái)說(shuō)有著千差萬(wàn)別的效果。比如雙麥克風(fēng)陣列的結(jié)構(gòu)簡(jiǎn)單，成本低、容易實(shí)施、功耗低等特點(diǎn)讓它更容易在家電產(chǎn)品中實(shí)現(xiàn)落地。目前國(guó)內(nèi)主流家電廠商應(yīng)用語(yǔ)音交互技術(shù)的產(chǎn)品中，海信電視、美的空調(diào)等選擇的大都是雙麥克方案。

不過(guò)在機(jī)器人領(lǐng)域里，對(duì)聲源定位、降噪、識(shí)別率的要求比較高，一般都會(huì)使用環(huán)形多麥克方案。比如新松機(jī)器人使用的是訊飛四麥克風(fēng)陣列，穿山甲機(jī)器人則選用六麥克風(fēng)陣列。（ps:六麥?zhǔn)黔h(huán)形360拾音，需要水平放置，一般安置在機(jī)器人頭頂?shù)奈恢?，而四麥?zhǔn)?80度正面的拾音，豎直放置，一般安置在機(jī)器人的胸前)。那么車載、智能音箱等領(lǐng)域又如何選擇這些方案呢？自己的產(chǎn)品究竟更適合哪種呢？

5月25日，AI公開(kāi)課第四期我們就將為大家具體介紹。另外麥克風(fēng)陣列的關(guān)鍵技術(shù)（噪聲抑制、混響消除、聲源定位等）也會(huì)在本期公開(kāi)課展開(kāi)詳細(xì)解讀。