基于麥克風(fēng)陣列的聲源跟蹤系統(tǒng)

作者 / 王宇威 雍洋 孫新 西安交通大學(xué) 信息與通信工程系(陜西 西安 710000)

*本項目獲得“2018年瑞薩杯”信息科技前沿專題邀請賽的最高獎“瑞薩杯”獎。

摘要：隨著科技的發(fā)展，聲源定位技術(shù)在越來越多的地方發(fā)揮著重要的作用，在多個領(lǐng)域有著廣泛的應(yīng)用。聲源目標(biāo)跟蹤技術(shù)可以應(yīng)用在視頻錄制、安防監(jiān)控、鳴笛抓拍等場景中，在這些場景中，針對目標(biāo)對象的語音信號，可以應(yīng)用陣列信號處理的知識，將麥克風(fēng)按照特定陣列放置在空域中，利用空間不同位置點的聲源對麥克風(fēng)陣列響應(yīng)的時延相位誤差，對聲源進行測向，實現(xiàn)低成本的聲源定位跟蹤功能。

　　本作品便是基于麥克風(fēng)陣列的聲源跟蹤系統(tǒng)，將6路麥克風(fēng)按照線型排列，并接入瑞薩SK-S7G2單片機的6路ADC中，單片機將采樣值通過陣列信號處理中波達方向(DOA)估計等算法，獲得聲源的來波方向。然后用單片機去驅(qū)動云臺，上面搭載攝像頭或者高指向性麥克風(fēng)，可以實現(xiàn)用戶特定的跟蹤需求。

　　我們結(jié)合瑞薩單片機的性能與實際測試效果，選用了周期圖法進行角度估計，利用頻率采樣型的FIR濾波器實現(xiàn)了對人聲信號的切片，并對得到的角度結(jié)果進行低通濾波、設(shè)定閾值、非線性約束等處理，解決了環(huán)境噪聲、室內(nèi)混響等因素帶來的問題。此外，我們將陣列置于云臺上，進一步提高了跟蹤的精度，云臺的驅(qū)動采用步進方式，實現(xiàn)了實時跟蹤。最后，我們將所有算法移植到瑞薩單片機上，制作了GUI界面，并添加了噪聲訓(xùn)練功能，使之成為一個完整的系統(tǒng)。

0 引言

　　當(dāng)今社會，人們對自動控制的需求越來越高，而其中一個重要的分支就是目標(biāo)跟蹤技術(shù)。伴隨著人工智能的熱潮，通過圖像識別來進行目標(biāo)跟蹤是現(xiàn)在的主流做法，但是神經(jīng)網(wǎng)絡(luò)算法的復(fù)雜度極高，不可能在普通的MCU上實現(xiàn)，只能借助于一些高性能的芯片如FPGA，這樣就會需要較高的成本。其實在一些特定場合，可以通過或者只能通過聲源定位的方法進行目標(biāo)跟蹤，而其中用到的陣列信號處理技術(shù)經(jīng)過改進和優(yōu)化之后，可以將算法移植到普通的MCU中進行實現(xiàn)，從而可以保證跟蹤效果的同時降低產(chǎn)品的成本。

　　現(xiàn)在隨著網(wǎng)絡(luò)的普及，網(wǎng)絡(luò)公開課越來越受歡迎，而網(wǎng)絡(luò)公開課的錄制就需要對講課的教師進行攝像跟蹤，在這種場景下，就可以利用陣列信號處理中的DOA技術(shù)對聲源進行估計，從而使云臺轉(zhuǎn)動，跟蹤攝像目標(biāo)。除此之外，現(xiàn)在的城市中，為了減少噪音污染，有不少的禁止鳴笛區(qū)。在這些鳴笛區(qū)中，為了精確地抓拍到違章鳴笛的車輛，就必須要用到聲源定位，這里就需要陣列麥克風(fēng)進行波達方向估計，才能精確地找到違章車輛。在這些場景下使用DOA估計來實現(xiàn)目標(biāo)跟蹤是完全可以滿足要求的，而且可以在單片機上實現(xiàn)，并且可以最大限度地節(jié)省計算資源。

1 作品設(shè)計與實現(xiàn)

　　1.1 系統(tǒng)方案

　　先用六陣元線陣的陣列麥克風(fēng)進行拾音，然后使用Renesas(瑞薩)SK-S7G2單片機的ADC進行采樣，采樣率8000Hz，采樣結(jié)束之后對采樣數(shù)據(jù)進行DOA估計(波達方向估計)，把估計出來的角度與當(dāng)前云臺的角度比較，來確定是否轉(zhuǎn)動云臺以及轉(zhuǎn)動方向，從而使攝像頭或者高指向性麥克風(fēng)對準(zhǔn)聲源，實現(xiàn)聲源跟蹤的目的。

　　1.2 理論分析及計算

　　1.2.1 陣列信號處理基本模型

　　陣列信號處理(Array Signal Processing)作為信號處理的一個重要內(nèi)容，其含義是指將一批傳感器按照特定陣列流型放置在空域中，對空域信號進行采樣，得到信源的空域采樣數(shù)據(jù)并進行處理。

　　在傳統(tǒng)的陣列信號處理中，主要處理的是窄帶信號，窄帶信號是指帶寬遠遠小于中心頻率的信號，并且假設(shè)信號源位于陣列的遠場，因此可以使用平面波傳播理論，認(rèn)為信號平行入射，各陣元接收到的信號之間沒有幅度差異，只存在傳播延時造成的相位差異。最常用的是均勻線陣，其遠場模型如圖2所示。

　　其中θ為信號入射方向角，d為陣元間距。為“避免混疊”，陣元間距一般取入射信號的半波長。記信號波長為λ，陣元個數(shù)為N ，陣列等效孔徑為：

　　可以將麥克風(fēng)陣列和單片機ADC結(jié)合起來看作進行空間采樣的裝置，陣列每接收一次數(shù)據(jù)就是在空間的一次采樣或者快拍(snapshot)，陣列信號就是由快拍組成的向量序列。均勻線陣是在空間的一條直線上均勻采樣，它對應(yīng)于時間序列的均勻采樣。由于陣元間距 為空間采樣間隔， 即為空間采樣頻率，而為陣列信號的空間頻率。與奈奎斯特采樣定理相似，為避免空域混疊，對空間采樣頻率有一定的要求:

　　(3)

　　12.2 頻率切片

　　傳統(tǒng)陣列信號處理的模型與算法都是建立在窄帶信號的條件下，可是語音信號的頻率范圍為300~3400 Hz，帶寬較大，所以不能對語音信號直接進行處理，要先通過頻率采樣型的FIR濾波器進行頻率切片，然后對切片之后的數(shù)據(jù)進行處理。頻率采樣濾波器由一個梳狀濾波器和一個諧振器組成。 

　　頻率采樣型結(jié)構(gòu)中諧振器的極點恰好各自抵消梳狀濾波器的零點，其系數(shù)就是濾波器在處的響應(yīng)。為了防止濾波器不穩(wěn)定，可以將梳狀濾波器的零點和諧振器的極點同時向圓內(nèi)移一點，就可以保證濾波器的穩(wěn)定，即：

　　(7)

　　頻率采樣型結(jié)構(gòu)的作用就是一個“濾波器柜”，想要濾出信號的某個頻率分量，只需在對應(yīng)的那一路后面接抽頭，輸出即為該頻率分量的時域信號。所以只要把語音信號以200 Hz為間隔切片，得到各個頻率分量的窄帶信號，對窄帶信號進行處理之后再相加即可。

　　1.2.3 DOA(波達方向估計)

　　(1)DOA估計的基本模型

　　在前面模型的基礎(chǔ)上，在只有一個聲源的情況下，陣列麥克風(fēng)各個陣元接收到的信號為：

　　實現(xiàn)DOA的算法有很多種，有周期圖法，Capon算法，Music算法等等，其中，周期圖法是在角度和頻率方向的二維搜索，相對穩(wěn)健，即使在有混響的情況下也能找到方向，并且該算法可以移植到單片機中進行實現(xiàn)，而Music算法的仿真效果較好，其主瓣窄，旁瓣小，但算法復(fù)雜度較高，且極易受到混頻干擾的影響。在進行了實際實驗驗證之后，綜合樓室內(nèi)混響帶來的誤差，我們選擇了相對穩(wěn)健的周期圖法，下面簡單介紹一下周期圖法。

　　(2)周期圖法

　　周期圖法是通過算出每個角度入射信號的功率，然后找出最大值所對應(yīng)的角度，就是聲音信號入射的角度。做法是先對采集的N次快拍求平均估計自相關(guān)矩陣：

　　這種方法較為穩(wěn)健，從仿真結(jié)果來看，雖然主瓣較寬，但在精度要求不是十分嚴(yán)格的情況下可以應(yīng)用，尤其在有混頻干擾的情況下，周期圖法也能較為準(zhǔn)確地估計出角度。且該算法的復(fù)雜度較低，易于在單片機上實現(xiàn)，所以我們就選擇了周期圖法，并且選用了6陣元的線陣，由于聲速v=340 m/s，人聲頻率在300~3400 Hz之間，其中f=1700 Hz對應(yīng)的半波長λ = 0.5*v/f = 0.1 m = 10 cm，陣元間距為10 cm。

　　1.3 系統(tǒng)優(yōu)化

　　1.3.1 頻率切片

　　傳統(tǒng)陣列信號處理的模型與算法都是建立在窄帶信號的條件下，可是語音信號的頻率范圍為300 Hz-3400 Hz，帶寬較大，所以不能對語音信號直接進行處理，要先進行切片。但是各個頻率分量的功率有很大區(qū)別，如果對300 Hz~3400 Hz都進行切片的話會造成計算資源的浪費，我們在實驗過后發(fā)現(xiàn)正常人聲在600 Hz~1200 Hz內(nèi)頻率分量的功率最大，所以我們在這個范圍內(nèi)進行切片，以200 Hz為間隔，共切四片。

　　1.3.2 結(jié)果濾波

　　為了提高系統(tǒng)的穩(wěn)定性和準(zhǔn)確性，我們進行了結(jié)果濾波，分為兩個階段：適應(yīng)噪聲和線性約束濾波。

　　(1)噪聲自適應(yīng)

　　在開始進行DOA估計且云臺跟蹤之前，需要先對電路噪聲及環(huán)境噪聲進行適應(yīng)。進入噪聲適應(yīng)模式之后，通過麥克風(fēng)采集當(dāng)前的電路及環(huán)境噪聲，計算其功率，然后設(shè)定一個合適的閾值。在之后的計算中，若功率大于閾值，則視為有用的聲音，否則視為噪聲，不計算角度。這樣可以有效地濾除底噪的干擾，當(dāng)人停止說話時，攝像頭不會因為噪聲的干擾而隨意擺動。

　　(2)線性約束

　　為了提高系統(tǒng)的穩(wěn)定性以及減小放射徑的影響，我們采用了線性約束的方法，這樣能有效地減小突變以及放射徑的影響，即：

　　最終角度=0.8 上次角度+0.2 當(dāng)前計算角度

　　由于每一秒會計算出15次結(jié)果，所以難免會有一些計算出來的結(jié)果不太準(zhǔn)確，這樣使用了線性約束之后，即使有一些角度不太準(zhǔn)確也不會造成較大的影響，大大地提高了系統(tǒng)的穩(wěn)定性。

　　1.3.3 云臺目標(biāo)跟蹤

　　云臺的控制是通過單片機串口給解碼器發(fā)指令來完成的，并且采用了步進的方法控制。在云臺和麥克風(fēng)陣列擺放關(guān)系的問題上，我們采取的方案是陣列固定在云臺上面，跟隨云臺一起轉(zhuǎn)動，云臺根據(jù)DOA的估計結(jié)果不斷向0°方向靠攏。

2 參賽感受

　　本次比賽我們的作品得到了不少評委老師的肯定與認(rèn)可，并且摘得了本次比賽的最高獎瑞薩杯獎，我認(rèn)為是因為我們作品的以下一些亮點：首先，我們的作品的處理器只使用了組委會提供的開發(fā)板，在我們的不斷改進與優(yōu)化下，全部的算法與控制都在瑞薩單片機上實現(xiàn)，把單片機的計算資源、內(nèi)存都運用到了極致。這樣就大大降低了成本，增加了把該作品變成產(chǎn)品推向市場的可能性。其次，我們的系統(tǒng)的穩(wěn)定性很好，我們使用了噪聲自適應(yīng)、線性約束、結(jié)果濾波等方法增加了系統(tǒng)的穩(wěn)定性，并且在不同的環(huán)境下都進行了測試。還有一點，就是實際應(yīng)用價值較高，現(xiàn)在的市場對聲源定位的需求越來越高，可以在網(wǎng)絡(luò)視頻自動錄制、鳴笛抓拍等場景中有廣泛的應(yīng)用。

　　這次的比賽，我們收獲的不僅僅是瑞薩杯這個獎項，更多的是在比賽過程中能力的提升。在這個過程中，我們不僅在理論知識上得到了提高，動手能力也有了很大的進步，解決問題的能力也得到了很大的提升，意志力也得到了鍛煉，在即將升入大四，開始更多地接觸科研任務(wù)之際，這次比賽也給了我們很多前行的動力和信心。

　　參考文獻：

　　[1]McCowan I A.，Robust Speech Recognition using Microphone Arrays[D]. Queensland University of Technology,Australia,2001.

　　[2]梁玉杰. 基于超格點DOA的室內(nèi)無線傳感器網(wǎng)絡(luò)定位技術(shù)研究[D]. 上海：上海交通大學(xué)，2015-4-7.

　　[3]Jacob Benesty，Jingdong Chen，Yiteng Huang,Microphone Array Signal Processing[M]. 北京：國防工業(yè)出版社，2015.

　　[4]張小飛，陳華偉，仇小鋒. 陣列信號處理及MATLAB實現(xiàn)[M].北京：電子工業(yè)出版社，2014.

　　[5]姚天任. 數(shù)字信號處理[M]. 北京：清華大學(xué)出版社，2011.

　　本文來源于《電子產(chǎn)品世界》2018年第12期第48頁，歡迎您寫論文時引用，并注明出處。