摘要：本文將主要闡述在電視中應(yīng)用陣列式麥克風(fēng)，可以大大提升用戶(hù)的體驗(yàn)感受；而且提出了一些解決回聲的技術(shù)方案。
前言
隨著國(guó)家三網(wǎng)融合政策地推進(jìn)并落實(shí)，電視機(jī)作為家庭的娛樂(lè)終端，也將帶來(lái)一些非常積極的變化。例如，像深圳創(chuàng)維在2010年2月就率先研發(fā)成功了“聊天電視”，隨后海信、TCL等家電廠家也推出相似的產(chǎn)品。
在聊天電視中，麥克風(fēng)的語(yǔ)音收集就變得非常重要。目前多數(shù)聊天電視基本上都是使用了單個(gè)麥克風(fēng)進(jìn)行收音，可能是有線(xiàn)麥克風(fēng)，也可能是無(wú)線(xiàn)麥克風(fēng)。采用單個(gè)麥克風(fēng)收音，會(huì)帶來(lái)以下一些問(wèn)題。
● 用戶(hù)體驗(yàn)不好。
即用戶(hù)在視頻聊天的過(guò)程中，需要手握著，或者盡量靠近麥克風(fēng)來(lái)說(shuō)話(huà)，感覺(jué)不好；特別是很多家庭成員要一起聊天時(shí)，更顯得擁擠不堪。
使用有線(xiàn)麥克風(fēng)，連接線(xiàn)顯得很啰嗦，而且影響家庭的裝飾；無(wú)線(xiàn)麥克風(fēng)在人移動(dòng)速度稍快時(shí)，都容易出現(xiàn)斷音；而且無(wú)論采取哪種方式，用了一段時(shí)間后，都需要更換電池或者再次充電。
● 成本較高。
目前在聊天電視上，采用無(wú)線(xiàn)麥克風(fēng)，載波調(diào)制為2.4GHz的方式，已經(jīng)成為主流，但是這種方式的成本明顯偏高。
針對(duì)上述兩個(gè)問(wèn)題，我們提出使用陣列式麥克風(fēng)應(yīng)用在電視上，可以較好解決這兩個(gè)問(wèn)題。
陣列式麥克風(fēng)
陣列式麥克風(fēng)(Array Microphone)，又名麥克風(fēng)陣列(Microphone Array)，即設(shè)置兩組以上麥克風(fēng)，并以這些麥克風(fēng)對(duì)音訊進(jìn)行偵測(cè)，所得到的資料交由數(shù)字信號(hào)處理器(DSP)進(jìn)行比對(duì)，用以還原聲音的原貌，并消除背景雜音。陣列式麥克風(fēng)目前是HD Audio的標(biāo)準(zhǔn)之一。Windows Vista已可以支持陣列式麥克風(fēng)。
陣列式麥克風(fēng)通過(guò)對(duì)拾取的多路語(yǔ)音信號(hào)進(jìn)行分析與處理，使陣列形成的波束方向圖主瓣對(duì)準(zhǔn)目標(biāo)語(yǔ)音，“零點(diǎn)”指向干擾源以抑制干擾信號(hào)，從而盡可能地獲取目標(biāo)語(yǔ)音。其中波束方向及波束主瓣寬度與麥克風(fēng)的間距、麥克風(fēng)數(shù)目、麥克風(fēng)的擺放位置、聲源入射角及采樣頻率緊密相關(guān)。波束的形成不僅消除了使用單個(gè)麥克風(fēng)時(shí)需人工調(diào)節(jié)麥克風(fēng)指向性問(wèn)題，而且可以使輸出語(yǔ)音的信噪比大幅度提高，從而無(wú)需人工干預(yù)亦可獲得高質(zhì)量的語(yǔ)音。
使用傳統(tǒng)麥克風(fēng)說(shuō)話(huà)時(shí)，人需要盡量靠近麥克風(fēng)，對(duì)于系統(tǒng)來(lái)說(shuō)，靠近麥克風(fēng)說(shuō)話(huà)的就是“主音”，系統(tǒng)獲得較大的輸入。而對(duì)于旁邊的雜音，或者對(duì)話(huà)者從揚(yáng)聲器輸出的聲音相對(duì)“主音”來(lái)說(shuō)，幅度都是比較小的，都屬于“干擾音”。這樣系統(tǒng)可以更準(zhǔn)確過(guò)濾掉“干擾音”，保留“主音”。在這種傳統(tǒng)的麥克風(fēng)拾音過(guò)程中，回聲的問(wèn)題并不突出。而在應(yīng)用陣列式麥克風(fēng)時(shí)，回聲問(wèn)題則需要重點(diǎn)關(guān)注。
回聲是指在揚(yáng)聲器播出的聲音在被受話(huà)方聽(tīng)到的同時(shí)，語(yǔ)音信號(hào)也通過(guò)多種途徑被麥克風(fēng)拾取，重新回輸至原說(shuō)話(huà)人處�；芈曂ㄟ^(guò)的路徑各不相同，也就產(chǎn)生了不同的延時(shí)回聲，包括直接回聲和間接回聲。直接回聲是指揚(yáng)聲器播出的聲音未經(jīng)任何的反射直接進(jìn)入麥克風(fēng)，這種回聲的延時(shí)最短，它同遠(yuǎn)端說(shuō)話(huà)者的語(yǔ)音能量，揚(yáng)聲器和麥克風(fēng)間的距離、角度、揚(yáng)聲器的播放音量，麥克風(fēng)的拾音靈敏度直接相關(guān)。而間接回聲是指揚(yáng)聲器播出的聲音經(jīng)過(guò)不同的路徑(如房屋或房屋內(nèi)任何的物品)一次或多次反射后進(jìn)入麥克風(fēng)后所產(chǎn)生回聲的集合。房屋內(nèi)任何物品的移動(dòng)或改變都會(huì)改變回聲通道。因此這種回聲的特點(diǎn)是多路徑和時(shí)變的。
在陣列式麥克風(fēng)應(yīng)用中，由于人在說(shuō)話(huà)時(shí)，不再需要緊貼麥克風(fēng)，相對(duì)而言，人的“主音”對(duì)麥克風(fēng)的影響力可能會(huì)降低，即旁邊的“干擾音”有可能會(huì)干擾“主音”，導(dǎo)致系統(tǒng)無(wú)法正確識(shí)別哪個(gè)才是真正的“主音”。特別是在聊天過(guò)程中，對(duì)方的聲音從揚(yáng)聲器出來(lái)，如果聲音比較大，會(huì)被麥克風(fēng)重新獲取，被對(duì)方再一次或者多次聽(tīng)到他本人說(shuō)過(guò)的話(huà)。這就是在應(yīng)用陣列式麥克風(fēng)所要面對(duì)的最大的難題。
簡(jiǎn)而言之，在應(yīng)用陣列式麥克風(fēng)過(guò)程中，建議關(guān)注以下幾個(gè)問(wèn)題：收音范圍是否足夠?qū)�；收音距離是否足夠遠(yuǎn)；收音的效果是否足夠清晰；回聲的問(wèn)題是否得以較好的消除。其中收音范圍可以通過(guò)更換麥克風(fēng)的個(gè)數(shù)以及麥克風(fēng)的擺放位置來(lái)調(diào)整；而收音的距離和清晰度等可以通過(guò)調(diào)整麥克風(fēng)的靈敏度來(lái)配合，本文不作過(guò)多的論述。由于對(duì)于回聲的問(wèn)題最難處理，本文也試圖提出一些個(gè)人的想法。
陣列式麥克風(fēng)在電視上的應(yīng)用
目前，陣列式麥克風(fēng)的技術(shù)發(fā)展已經(jīng)較為成熟，在人的語(yǔ)音收音距離要求不是很遠(yuǎn)，而且空間不大，收音范圍較窄的情況下，陣列式麥克風(fēng)已經(jīng)被大量應(yīng)用，如筆記本電腦、車(chē)載藍(lán)牙設(shè)備等等。同樣，陣列式麥克風(fēng)也可以應(yīng)用在電視機(jī)上，使得用戶(hù)可以無(wú)拘無(wú)束地與遠(yuǎn)方的家人、朋友等進(jìn)行聊天交流(圖1)。
當(dāng)陣列式麥克風(fēng)在電視機(jī)上應(yīng)用時(shí)，需要更加遠(yuǎn)的收音距離，需要更加寬的收音范圍，而這些問(wèn)題都可以比較容易解決，但是回聲的問(wèn)題則變得更為突出。因?yàn)殡娨暀C(jī)是家庭的娛樂(lè)中心，所以電視機(jī)的揚(yáng)聲器音量輸出也許會(huì)比較大，而麥克風(fēng)大部分都是設(shè)計(jì)在電視機(jī)上，遠(yuǎn)端說(shuō)話(huà)的聲音從揚(yáng)聲器出來(lái)，很容易被麥克風(fēng)重新拾取，再傳送到原說(shuō)話(huà)者的那邊，嚴(yán)重一些的情況，還可能形成自激。
在電視聊天過(guò)程中，如果存在回聲，會(huì)導(dǎo)致說(shuō)話(huà)的人感覺(jué)不舒服；而且語(yǔ)音疊加，導(dǎo)致語(yǔ)音不清晰，所以要盡量消除回聲。電視機(jī)的使用場(chǎng)合、環(huán)境各不相同，比如說(shuō)揚(yáng)聲器的音量大小差異很大，空間的布置差異也很大等，這些都是與回聲直接相關(guān)的因素，而且這些因素都為不可控，不可預(yù)估的因素。為了解決在電視機(jī)上應(yīng)用陣列式麥克風(fēng)，可能會(huì)產(chǎn)生的回聲問(wèn)題，需要在系統(tǒng)內(nèi)部設(shè)計(jì)自適應(yīng)濾波器。自適應(yīng)濾波器的基本思想是估計(jì)回音路徑的特征參數(shù)，產(chǎn)生一個(gè)模擬的回音路徑，得出模擬的回音信號(hào)。然后接收信號(hào)中減去這個(gè)自適應(yīng)濾波器模擬出來(lái)的回音信號(hào)，實(shí)現(xiàn)回音抵消。
自適應(yīng)濾波器的架構(gòu)如圖2。圖中所示的濾波器的輸入是x(n)={x(n),x(x-1),⋯x(n-N+1)}T，濾波器的權(quán)系數(shù)是h(n)={h1(n)，h2(n)，⋯hN (n)}T，d(n)為期望輸出信號(hào)，d^(n)為濾波器的實(shí)際輸出，也稱(chēng)估計(jì)值。e(n)為誤差，e(n)=d(n)-d^(n)。由誤差經(jīng)過(guò)自適應(yīng)算法，來(lái)調(diào)整濾波系數(shù)，使得濾波實(shí)際輸出接近期望輸出的信號(hào)。
在實(shí)際的電視中的應(yīng)用原理框圖見(jiàn)圖3。圖中f(n)代表來(lái)自遠(yuǎn)方的語(yǔ)音信號(hào)；r1(n)為f(n)從揚(yáng)聲器出來(lái)，經(jīng)過(guò)不同的回聲通道所產(chǎn)生的回聲集合，并被陣列式麥克風(fēng)收音；s(n)為本地用戶(hù)說(shuō)話(huà)的語(yǔ)音信號(hào)；r(n)為自適應(yīng)濾波器對(duì)f(n)進(jìn)行了預(yù)處理，估算f(n)信號(hào)所產(chǎn)生的回音，其動(dòng)態(tài)估算值為r(n)。那么通過(guò)計(jì)算，本地用戶(hù)所傳送出去的聲音信號(hào)應(yīng)該為u(n)=y(n)-r(n)=s(n)+r1(n)-r(n)。在理想的狀態(tài)下，如果自適應(yīng)濾波器所產(chǎn)生的回聲估算值r(n)等于實(shí)際的回聲集合r1(n)，即r1(n)-r(n)=0，那么回聲將被剛好完全消除。
由于用戶(hù)的使用環(huán)境差異非常大，單獨(dú)靠自適應(yīng)濾波器內(nèi)部的算法，動(dòng)態(tài)修改濾波器的權(quán)系數(shù)，很難使得輸出的r(n)=r1(n)。所以如果自適應(yīng)濾波器在DSP內(nèi)部動(dòng)態(tài)修正權(quán)系數(shù)的同時(shí)，把電視機(jī)使用的環(huán)境因素考慮進(jìn)去，充分分析回聲的通道的各種情況，結(jié)合“內(nèi)外”的因素，來(lái)動(dòng)態(tài)修正濾波器的權(quán)系數(shù)，這樣將會(huì)使得r(n)更加接近于實(shí)際的r1(n)，從而更地的消除回聲。帶有內(nèi)部校準(zhǔn)信號(hào)的系統(tǒng)框圖如圖4。
其中最主要是增加了一個(gè)內(nèi)部校準(zhǔn)單元，內(nèi)部存儲(chǔ)有一些特定的音頻測(cè)試信號(hào)Fn。人聲所包括的頻率主要從300~3400Hz之間，所以?xún)?nèi)部的測(cè)試信號(hào)Fn從這個(gè)頻率區(qū)間進(jìn)行取樣即可，如Fn=300Hz、400Hz、500Hz等等，以此類(lèi)推。其邏輯思路見(jiàn)圖5。
舉例說(shuō)明：當(dāng)用戶(hù)發(fā)現(xiàn)在聊天過(guò)程中回聲較大，可以人為通過(guò)遙控器的按鍵或者鍵控板上的按鍵等方式來(lái)發(fā)出校準(zhǔn)指令。此時(shí)，內(nèi)部校準(zhǔn)單元會(huì)逐一發(fā)出相關(guān)的測(cè)試信號(hào)Fn，測(cè)試信號(hào)通過(guò)主信道，通過(guò)功放，從揚(yáng)聲器發(fā)出聲音，聲音再通過(guò)不同的回聲通道，被陣列式麥克風(fēng)拾取，回送到內(nèi)部校準(zhǔn)單元。由于測(cè)試信號(hào)為固有的信號(hào)，內(nèi)部校準(zhǔn)單元可以準(zhǔn)確對(duì)比測(cè)試信號(hào)和回聲之間的差異，考慮與環(huán)境相關(guān)的回聲因素，產(chǎn)生新校正因子γ。
校正因子γ送到自適應(yīng)濾波器，讓自適應(yīng)濾波器修正濾波器的權(quán)系數(shù)，這個(gè)權(quán)系數(shù)可以說(shuō)在一定程度上考慮了外部的環(huán)境對(duì)回聲的影響因素，所以自適應(yīng)濾波器所產(chǎn)生的r(n)將更加接近r1(n)，從而可以更好的消除回聲。
小結(jié)
可以預(yù)見(jiàn)，聊天功能將會(huì)成為未來(lái)電視機(jī)的主要功能之一，而在電視機(jī)中應(yīng)用陣列式麥克風(fēng)，可以擺脫對(duì)傳統(tǒng)形式麥克風(fēng)的依賴(lài)，給用戶(hù)帶來(lái)較好的體驗(yàn)感受；而加強(qiáng)對(duì)回聲的消除處理，是陣列式麥克風(fēng)得以在電視機(jī)上廣泛應(yīng)用的保證。
