国产一区二区三区免费在线 _激情久久一区二区_精品国产99国产精品_在线播放的av_91亚洲国产成人精品一区二区三_中文字幕成人一区_精品999日本_欧美中文字幕第一页_色戒汤唯在线观看_久久精品人人做人人爽人人_成人乱色短篇合集_欧美人体大胆444www

基礎(chǔ)功能硬件實現(xiàn)架構(gòu)如圖1，采用4麥克風(fēng)條形線性陣列，模擬麥克風(fēng)經(jīng)ADC傳輸音頻信號給MCU處理。MCU采用ST的STM32F401CDU6作為主控方案，STM32F401CDU6是一顆32位 ARM核芯片，內(nèi)置512 KB Flash/96 KB RAM，低延遲，工作頻率高達84 MHz,支持寬電壓1.7 V~3.6 V。模塊方案通過ADC將A-MIC模擬信號轉(zhuǎn)成I2S傳輸給MCU，MCU通過USB2.0和TV SOC傳輸音頻數(shù)據(jù)。通過麥克風(fēng)陣列模塊搭配算法有效實現(xiàn)聲源定位、波束成形、去混響、降噪、增益調(diào)節(jié)、回聲消除等功能。

1麥克風(fēng)選料

麥克風(fēng)選用靈敏度-25 dB，信噪比74 dB的A-MIC，同時采用接線外拉的形式，有效避免生產(chǎn)過程中因高溫焊接導(dǎo)致的麥克風(fēng)靈敏度下降或損壞等問題，保證陣列麥克風(fēng)靈敏度的一致性，對整體算法的精確度有比較好的控制和要求。不過相應(yīng)的會對整機生產(chǎn)裝配造成難度以及增加人工成本，設(shè)計之初需要做好防呆設(shè)計，提高安裝可靠性和效率。

2供電設(shè)計

模塊采用獨立的供電，電視待機時，可支持通過模塊待機喚醒操作。模塊需要區(qū)分電視待機和開機狀態(tài)，開機狀態(tài)下，喚醒詞拉起語音應(yīng)用。待機狀態(tài)下，喚醒詞本地處理通過I/O口發(fā)起開機信號。因此待機時，供電關(guān)閉500ms后重啟，模塊重新讀取USB數(shù)據(jù)信號是否為空，以此來判斷主機狀態(tài)。

3參考信號設(shè)計

參考信號指的是主機端提供給模塊的音頻參考，作為回聲消除算法的依據(jù)。參考音頻由功放輸出信號，經(jīng)過分壓、濾波后傳輸給模塊。根據(jù)芯片取值范圍要求，確保輸入到模塊的參考信號幅值≤1 Vrms，即圖2中從AMP+/-經(jīng)分壓后到SPK+/-的信號≤1 Vrms。

這里提到另外一種分壓方式，如圖3，由于R36、R38阻值存在誤差以及喇叭的寄生電容等影響，改變了差分信號走線的阻抗，使得其對于共模干擾抑制能力減弱，且容易在參考信號中引入雜音、破音。實際測試對比兩者播放1kHz測試音頻時，該分壓方式產(chǎn)生明顯的失真，如圖4對比。

軟件設(shè)計

軟件分本地處理和云端處理兩部分。如圖6，淺灰色部分為本地處理，深灰色部分為云端處理。本地算法包括回聲消除AEC、聲源定位DOA、波束形成BF、去混響DER、降噪NS、自動增益調(diào)節(jié)AGC、頻域均衡EQ，最終編碼傳輸。云端主要負責(zé)對接收到的音頻進行文本識別、自然語言處理NLP、最終經(jīng)過業(yè)務(wù)邏輯和技能處理，將結(jié)果經(jīng)TTS服務(wù)器反饋給用戶。其中，在識別處理的同時，音頻信號經(jīng)VPR服務(wù)器進行讀取，對音頻分析特征值，也就是聲紋識別。聲紋識別的結(jié)果也提供給業(yè)務(wù)單元處理。

1

回聲消除

自適應(yīng)回聲抵消的基本思想是估計回聲路徑的特征參數(shù)，產(chǎn)生一個模擬的回音路徑，得出模擬回聲信號，從接收信號中減去該信號，實現(xiàn)回聲抵消。圖5給出了單向傳輸?shù)穆晫W(xué)消回聲器AEC的原理圖。圖5中，x(n)代表麥克風(fēng)拾音的信號，包含了本地聲音和目標(biāo)人聲;y(n)是經(jīng)過回聲通道而產(chǎn)生的不期望的回聲;r(n)是經(jīng)算法抵消后的目標(biāo)人聲;A口的信號x(n)疊加有不期望的回聲。

2

聲源定位及波束形成

麥克風(fēng)拾音在實際應(yīng)用環(huán)境中不僅僅有直接到達的目標(biāo)語音，還有目標(biāo)語音經(jīng)過墻面反射、衍射等其他路徑到達的部分及混響，以及環(huán)境噪音及本地噪音的干擾。聲源定位即依靠分布式麥克風(fēng)陣列，對接收到的信號進行函數(shù)運算，根據(jù)計算的信號時延差獲取目標(biāo)音源的角度方向。波束形成的原理利用麥克風(fēng)陣列的特性，將噪聲進行抑制或進行非常大的衰減以提高接受目標(biāo)信號的質(zhì)量。

3

語音識別

語音識別的過程主要由遠場或近場方式進行拾音，由語音識別服務(wù)器(ASR)和語義理解服務(wù)器(NLP)完成錄音文件識別和結(jié)果轉(zhuǎn)換。識別結(jié)果經(jīng)語音合成服務(wù)器(TTS)合成人聲將結(jié)果反饋給用戶。

語音識別服務(wù)器(ASR)主要將電視端錄入的音頻文件進行識別，將識別結(jié)果的文本直接發(fā)送給語義理解服務(wù)器進行解析，可以分為遠場/近場以及不同方言進行處理。

語義理解服務(wù)器(NLP)，目前使用主服務(wù)器加輔助服務(wù)器的模式進行語義理解處理，在語音識別服務(wù)將文字傳給語義理解服務(wù)器后，使用第三方提供的主服務(wù)器進行優(yōu)先解析，識別結(jié)果進行權(quán)重值計算，權(quán)重值高的識別結(jié)果直接返回客戶端進行處理;權(quán)重值低的識別結(jié)果返回給康佳語義理解服務(wù)器，由康佳語義理解服務(wù)器進行二次處理和轉(zhuǎn)發(fā)，如果主服務(wù)器不能識別的語句則由康佳語義理解服務(wù)器進行識別，然后根據(jù)識別結(jié)果的領(lǐng)域分發(fā)給其他對應(yīng)在該領(lǐng)域處理比較好的其它服務(wù)器進行語義理解處理，識別之后返回康佳服務(wù)器再統(tǒng)一返回客戶端進行處理。

語音合成服務(wù)器，主要將識別結(jié)果和理解處理結(jié)果的文本進行語音合成和人聲播報，可以定義不同的人聲播報達到不同的效果，處理結(jié)果為生成一個音頻文件返回給客戶端。