基于麦克风阵列声源定位的发展历程及关键技术
一、发展历程 二、声源定位关键技术
基于麦克风阵列的声源定位是指用麦克风拾取声音信号，通过对麦克风阵列的各路输出信号进行分析和处理，得到一个或者多个声源的位置信息，其使用的关键技术有以下几个方面。 2.1 模型的建立 麦克风阵列的阵元按一定的方式布置在空间不同的位置上组成阵列，阵列能够接收空间传播信号，经过适当的信号处理提取所需的信号源和信号属性等信息。阵列按阵元在空间分布形式的不同，可以分为任意离散阵、直线阵、平面阵、圆弧阵和均匀圆阵。不同的阵列模型有各自的优缺点 ，可以用来处理不同的实际情况。 均匀直线阵由于结构简单，并且同时间序列的均匀采样完全对应，可以采用绝大多数基于时间序列的算法，因此受到很大的重视，应用也十分广泛。然而均匀直线阵列也有很多局限性，不适合多波束的形成，不能直接用于180°范围内的定位，往往是利用多个阵列组合定位，但增加了系统复杂度和实现成本，而且在麦克风阵列的算法处理中也需要进行切换。 平面阵虽然可以在整个平面对目标进行测向，但对于低空甚至是超低空飞行的目标来说，由于在z轴方向没有基元，测向精度受到限制。 均匀圆阵是阵元均匀分布在一个圆环上的圆形阵列，方向增益基本一致，可以提供360°的方位信息，但其对应一个二维空间，在时域无法找到对应的采样定理，会给算法实现带来麻烦，并且由于其圆对称性，均匀圆形阵列对相干声源的解算能力比较弱。但因其不需扇区切换，处理较为容易。 三维阵列结构较复杂，可以选择的算法不是十分丰富，实现成本较高，但是对整个三维空间定位性能好，适用于需要对整个三维空间定位的系统。 在利用麦克风阵列进行声源定位时，必须已知各个麦克风阵元之间的相对位置关系。不同的阵型结构对算法精度的影响也非常大，因此需针对不同的应用环境选择与之相对应的阵列结构。特别是对多个声源目标进行定位时，过小的阵列口径会极大地影响阵列的应用范围。因此，要根据不同的应用需求选取不同的阵列模型。 2.2 算法的选取 麦克风阵列接收的声音信号本身就是复杂的信号，因此声源定位算法必须能够适应信号的各种特性。不同的声源信号，采取的定位算法也可能不同：例如，在对说话人进行定位时，由于拾取到的语音信号没有经过调制，也没有载波，阵列之间的时延和相位差与信号源的频率关系密切，此时麦克风阵列处理的信号应该看做是一个宽带信号，而传统的定位算法是对窄带而言的。下面就两种经典的算法进行比较。 MUSIC算法的基本思想是将任意阵列输出的协方差矩阵进行特征分解，得到相互正交的信号子空间和噪声子空间，然后利用两者的正交性进行DOA估算。MUSIC算法对波达方向的估计性能很好，可以高分辨地准确表现各信号的波达方向，如果参与运算的数据长度足够长或信噪比足够高，且信号模型准确的话，MUSIC算法可以得到任意精度的波达方向估计值。但是MUSIC算法是以信号子空间和噪声子空间能够准确得到为前提，如果信噪比低或样本数不够，MUSIC算法的分辨率会大幅下降。 基于时延估计（TDOA）的声源定位法在运算量上优于其他方法，实时性好，可以在实际中低成本实现，但也有不足之处：其一是估计时延和定位分成两阶段来完成，因此在定位阶段用的参数已经是对过去时间的估计，这在某种意义上只是对声源位置的次最优估计；其二是时延定位的方法比较适合于单声源的定位，而对多声源的定位效果就不好；其三在房间有较强混响和噪声的情况下，往往很难获得精确的时延，从而导致第二步的定位产生很大的误差；其四是由于阵列结构和系统采样率等条件的限制，其定位精度远远不能与超分辨类算法相比。 任何一种算法都不可能适用于所有情况，我们在不断完善算法，优化其性能的同时，应根据不同的应用环境来选择最佳算法，从而达到最佳效果。 三、麦克风阵列处理的难点 采用多个麦克风构成一个麦克风阵列，在时域和频域的基础上增加一个空间域，对接收到的来自空间不同方向的信号进行空时处理，这就是阵列麦克风信号处理的核心思想。阵列信号处理理论的完善和发展，促进了基于阵列麦克风的信号处理理论的发展。很多用于阵列信号处理的新算法、新技术和新体系，都可以用于阵列麦克风。可以说，阵列信号处理理论的发展为阵列麦克风的研究带来了新的契机[4]。 基于麦克风阵列的语音信号处理是阵列信号处理的一种，但它又不同于传统的阵列信号处理，其主要技术难点如下： 3.1 麦克风阵列模型的建立 麦克风主要用于处理语音信号，同时阵列麦克风的拾音范围都有限，因此，声源大都位于麦克风阵列近场范围内。这使得传统阵列处理，如雷达、声纳等，所用的平面波前远场模型不再适用，必须使用更为精确的球面波前模型[5]。球面波前模型必须考虑由于传播路径不同所带来的幅度衰减的不同，即除了信号的到达方向外，还需要考虑声源与阵列之间的距离。所以，进行麦克风阵列研究，必须建立适用于麦克风阵列的近场模型。 3.2 阵列宽带信号的处理 传统的阵列处理的信号一般是窄带信号。阵元之间接收到的信号的时延和相位差主要由载波确定。在麦克风阵列处理中，信号没有经过调制，也没有载波由于语音信号的最高频率和最低频率之比很大，这导致相同的时间延迟却有不同的相位差，阵元之间接收到的信号的时延和相位差由信号源的特性来决定。麦克风接收到的语音信号频率一般在300～3000Hz之间，阵列之间的时延和相位差与信号源的频率关系密切。因此，麦克风阵列处理的信号可以看成是一个宽带信号，这使得阵列处理更加困难。 3.3 非平稳信号的处理 传统的阵列处理的接收信号一般为平稳信号，而麦克风阵列中的接收信号为非平稳的语音信号。语音信号可以看成是在20ms ~40ms的时间内是近似平稳的，即语音信号具有短时平稳性。结合上面的宽带情况，麦克风阵列处理一般先把接收信号经过一个短时傅立叶变换，求出其短时谱，然后在频域进行处理。每一频率对应一http://wWw.LWlm.Com个相位差。麦克风阵列的信号处理是将宽带信号在频域上分成多个子带，对每一个子带应用传统的窄带处理，从而得到接收信号的空间谱。 3.4 混响的影响 传统的阵列信号处理中，噪声和信源通常是不相干的．而麦克风阵列多位于室内等较封闭的环境中，除了环境噪声和其他声源的影响外，声源本身在室内的混响也会对准确定位造成影响。 四、结束语 麦克风阵列信号处理是数字信号处理的一个新领域，具备许多传统阵列信号处理无法比拟的优势，是目前国内外的研究热点。但其在低信噪比或强混响的环境下，很多算法的性能都不是很理想，如TDOA，时延的估计精度会受到采样频率的限制。尽管许多方法试图通过插值来提高估计精度，但是这样的插值只提供了一种平滑的方法，并没有提高时间分辨率。所以期待能有一种更加精确的时延估计方法，使得TDOA估计不受采样频率的限制。对于实际的定位系统而言，稳健的时延估计将为下一步精确的定位奠定基础。 庞大的运算量也限制了许多算法在实时定位系统中的应用，如music算法，如何提高在低信噪比环境下的性能与定位系统的抗噪声能力，在复杂度与性能之间取得折衷，将是下一步的研究工作。相信随着研究的不断深入，麦克风阵列信号处理也必定会具备越来越广阔的应用前景。