天津麦克风阵列介绍

    什么是麦克风阵列麦克风阵列是由一定数目的麦克风组成，对声场的空间特性进行采样并滤波的系统。目前常用的麦克风阵列可以按布局形状分为：线性阵列，平面阵列，以及立体阵列。其几何构型是按设计已知，所有麦克风的频率响应一致，麦克风的采样时钟也是同步的。麦克风阵列的作用麦克风阵列一般用于：声源定位，包括角度和距离的测量抑制背景噪声、干扰、混响、回声信号提取信号分离声源定位技术利用麦克风阵列计算声源距离阵列的角度和距离，实现对目标声源的跟z。基于TDOA(TimeDifferenceOfArrival，到达时间差)的声源定位技术。估计信号到达两两麦克风之间的时间差，从而得到声源位置坐标的方程组。然后求解方程组即可得到声源的精确方位坐标。信号的提取与分离通过波束形成技术，在期望方向上有效地形成一个波束，拾取波束内的信号，从而达到同时提取声源和抑制噪声的目的。语音去混响混响(Reverberation)是指声波在室内传播时，被墙壁、天花板、地板等障碍物形成反射声，并和直达声形成叠加的现象。混响的作用混响是声学中重要的现象之一合适的混响会使得声音圆润动听、富有感动力。混响时间太长会使得声音含糊不清，听不清楚。对麦克风阵列频率响应的校准对于室内移动声源定位精度的进一步提升具有重要意义。天津麦克风阵列介绍

    语音转写产品虽然能很好的识别单目标声源的人声并进行转写，但是一旦出现竞争性声源，则无法辨别目标声源，竞争声源的存在导致对目标声源的识别便产生紊乱，无法进行语音到文字的转写和翻译。技术实现要素：为了解决现有同声翻译设备中存在的竞争性声源中辨别目标声源困难、设备体积过大不易携带的问题，本发明提供一种基于麦克风阵列的智能语音转文字及同声翻译系统，其可以智能识别目标声源，去除或降低竞争性噪声，对目标声源进行语音增强后进行语音到文字的转写和翻译，且设备体积较小容易携带。本发明的技术方案是这样的：一种基于麦克风阵列的智能语音转文字及同声翻译系统，其包括：声音采集模块、音频转换模块、语音增强模块、翻译模块；所述声音采集模块智能地选取目标声源，将数据送入所述音频转换模块，进行模拟语音数据和数字语音数据之间的转换；所述语音增强模块通过数字信号处理器向所述音频转换模块中的音频编解码芯片发送控制信号，将所述音频转换模块传输过来的语音信号进行处理及其控制语音信号的传输；处理过的数字语音信号送入所述翻译模块，按照用户选择的目标语言进行实时翻译。天津麦克风阵列介绍麦克风阵列一般用于：声源定位，包括角度和距离的测量抑制背景噪声、干扰、混响、回声信号提取。

    为了减少电路本身引入的噪声，改善系统电源的稳定性，在每个芯片的电源输入和输出引脚外接旁路电容进行滤波。整个电源的接地划分为两部分，一块是纹波较大的电源供电电路的接地，另一块是麦克风模块和放大器芯片的接地，两部分的接地通过一个0欧电阻连接起来。翻译模块包括两个模式：普通模式和噪声模式；普通模式适用于环境噪音小、只有一个目标声源的情况，此模式下进行同声翻译时，不启动声音采集模块、音频转换模块、语音增强模块中针对多个竞争声源的去噪功能，采集到的声音信号直接进行数模转换后进行实时翻译流程；噪声模式下，启动针对多个竞争声源的去噪功能，通过声音采集模块采集的声音信号经过音频转换模块、语音增强模块中的去噪、语音增强后，进行实时翻译流程；翻译模块中对于翻译后的结果的确认方式，支持通过文本显示和语音播放两种形式通知给用户；翻译模块通过实时语音转写接口与翻译引擎通信实现实时翻译，其流程包括：a1：通过读转写模块建立与翻译引擎的通信；a2：通信建立后，通过读转写模块基于客户选择的源语言、目标语言、口音参数，将传入的声音信号转换成文本数据；a3：将文本数据通过实时翻译模块传给翻译引擎进行翻译。

    虽然语音识别准度得以提高；但实施成本、结构难度、生产安装等问题却接踵而来。但像空调、电视这类家电产品，它永远都是贴墙放，八个麦克风在实际应用上是多余的。双麦克技术在任何产品上均可自然适配。该人士称，双麦克风阵列的结构简单，成本低、容易实施、功耗低等特点让它更容易在家电产品中实现落地。相信在未来一段时间内，双麦克都将成为智能家居产品中的主流配置。不同应用场景下自由配置虽然双麦克有性价比和结构简单的种种优势，但并不能完全覆盖所有场景下的产品需求。比如，在机器人领域里，对声源定位的要求比较高，所以一般都会使用环形多麦克方案。这两年国内比较火的Rokid机器人就采用了8麦克的阵列。未来人工智能领域还需要更多适配的硬件，以满足不同智能产品的需求。因此，国内像科大讯飞、云知声等行业企业都相继推出了6+1麦克、4麦克阵列方案，满足智能音响、机器人领域的产品需求。从长远来看，麦克风阵列解决的只是感知这一块，更快的落地(双麦克更有优势)、更多种的形态(双麦克和多麦克阵列可配置)，是建设人工智能生态的步。立体阵列麦克风(3-DMicrophoneArray)真正实现全空间360度无损拾音解决了平面阵高俯仰角信号响应差的问题。

    在握手阶段完成之后，进入实时通信阶段，此时客户端可以主动上传数据以及结束标识，之后即可接收转写结果。实时转写时，向服务端发送二进制的音频数据，音频发送的时间间隔为15秒。在完成音频数据发送之后，需发送内容为{“end”:true}的binarymessage到服务端表示发送结束；在此之后服务端将转写的文字结果返回到翻译模块。使用实时语音转写功能时，转写的文本会显示在源语言的文本框内。实时翻译模块的编写基于百度ai开放平台的通用翻译的机器翻译实现，翻译模块通过调用机器翻译的api，将所需翻译的内容以及目标语种传送给百度翻译引擎，即可获得所需的翻译结果。具体实现时，通过get或post发送字符串来访问所需服务；实时翻译模块确保大小在6000bytes以内的文本翻译的准确性，文本的编码为utf-8编码，翻译的结果为json格式。完成实时翻译功能后，翻译的文本将显示在目标语言的文本框内。语音合成模块的语音合成功能基于百度ai开放平台的语音合成技术实现；基于http请求的restapi接口，将小于1024字节的文本转化为mp3、pcm(8k和16k)、wav(16k)格式的可播放的音频文件后，调用手机内的播放软件进行实时播放。本发明的技术方案中。麦克风阵列主要面临环境噪声、房间混响、人声叠加、模型噪声、阵列结构等问题。天津麦克风阵列介绍

线性阵列拓扑结构二维麦克风阵列，即平面麦克风阵列，其阵元中心分布在一个平面上。天津麦克风阵列介绍

    麦克风阵列波束形成，是对各阵元的输出进行时延或相位补偿、幅度加权处理，以形成指向特定方向的波束。在远场模型中，假设输入是一个平面波。设传播方向为θ，时域频率(弧度)为ω，声音在介质中的传播速度为c，对于在一个局部均匀的介质里传播的平面波，定义波束k为k=ωsinθ/c=2sinθ/λ，其中λ是对应于频率ω的波长。由于信号到达不同的传感器的时间不同，则阵列接收到的信号可表示为f(t)=[f(t-τ0)f(t-τ1)…f(t-τN-1)]T=[exp(jω(t-kτ0))exp(jω(t-kτ1))…exp(jω(t-kτN-1))]T其中τn为第n个阵元接收到的信号相对于参考点的时延，N为阵元个数，T表示转置。定义v(k)=[e-jωkτ0e-jωkτ1…e-jωkτN-1]T矢量v包含了阵列的空间特征，称为阵列流行矢量。则f(t)可表示为f(t)=ejωtv(k)。阵列处理器对一个平面波的响应为y(t,k)=HT(ω)v(k)ejωt其中H(ω)是滤波器系数向量的傅里叶变换。符号y(t,k)强调了输出和输入波数k的关系。时域上的相关性体现在输出是一个复指数，和输入平面波有相同的频率。在频域上式可表示为Y(ω,k)=HT(ω)v(k)。注意此处ω对应单一的输入频率，所以是窄带的。阵列的空时处理关系完全可以由上式的右端描述，称为阵列的频率-波数响应函数。天津麦克风阵列介绍