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)作為家庭的娛樂終端，也將帶來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麥克風(fēng)進(jìn)行收音，可能是有線麥克風(fēng)，也可能是無線麥克風(fēng)。采用單個麥克風(fēng)收音，會帶來以下一些問題。
● 用戶體驗(yàn)不好。
即用戶在視頻聊天的過程中，需要手握著，或者盡量靠近麥克風(fēng)來說話，感覺不好；特別是很多家庭成員要一起聊天時(shí)，更顯得擁擠不堪。
使用有線麥克風(fēng)，連接線顯得很啰嗦，而且影響家庭的裝飾；無線麥克風(fēng)在人移動速度稍快時(shí)，都容易出現(xiàn)斷音；而且無論采取哪種方式，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，采用無線麥克風(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。
針對上述兩個問題，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問題。
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)對音訊進(jìn)行偵測，所得到的資料交由數(shù)字信號處理器(DSP)進(jìn)行比對，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)通過對拾取的多路語音信號進(jìn)行分析與處理，使陣列形成的波束方向圖主瓣對準(zhǔn)目標(biāo)語音，“零點(diǎn)”指向干擾源以抑制干擾信號，從而盡可能地獲取目標(biāo)語音。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麥克風(fēng)時(shí)需人工調(diào)節(jié)麥克風(fēng)指向性問題，而且可以使輸出語音的信噪比大幅度提高，從而無需人工干預(yù)亦可獲得高質(zhì)量的語音。
使用傳統(tǒng)麥克風(fēng)說話時(shí)，人需要盡量靠近麥克風(fēng)，對于系統(tǒng)來說，靠近麥克風(fēng)說話的就是“主音”，系統(tǒng)獲得較大的輸入。而對于旁邊的雜音，或者對話者從揚(yáng)聲器輸出的聲音相對“主音”來說，幅度都是比較小的，都屬于“干擾音”。這樣系統(tǒng)可以更準(zhǔn)確過濾掉“干擾音”，保留“主音”。在這種傳統(tǒng)的麥克風(fēng)拾音過程中，回聲的問題并不突出。而在應(yīng)用陣列式麥克風(fēng)時(shí)，回聲問題則需要重點(diǎn)關(guān)注。
回聲是指在揚(yáng)聲器播出的聲音在被受話方聽到的同時(shí)，語音信號也通過多種途徑被麥克風(fēng)拾取，重新回輸至原說話人處。回聲通過的路徑各不相同，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)端說話者的語音能量，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)任何物品的移動或改變都會改變回聲通道。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，由于人在說話時(shí)，不再需要緊貼麥克風(fēng)，相對而言，人的“主音”對麥克風(fēng)的影響力可能會降低，即旁邊的“干擾音”有可能會干擾“主音”，導(dǎo)致系統(tǒng)無法正確識別哪個才是真正的“主音”。特別是在聊天過程中，對方的聲音從揚(yáng)聲器出來，如果聲音比較大，會被麥克風(fēng)重新獲取，被對方再一次或者多次聽到他本人說過的話。這就是在應(yīng)用陣列式麥克風(fēng)所要面對的最大的難題。
簡而言之，在應(yīng)用陣列式麥克風(fēng)過程中，建議關(guān)注以下幾個問題：收音范圍是否足夠?qū)挘皇找艟嚯x是否足夠遠(yuǎn)；收音的效果是否足夠清晰；回聲的問題是否得以較好的消除。其中收音范圍可以通過更換麥克風(fēng)的個數(shù)以及麥克風(fēng)的擺放位置來調(diào)整；而收音的距離和清晰度等可以通過調(diào)整麥克風(fēng)的靈敏度來配合，本文不作過多的論述。由于對于回聲的問題最難處理，本文也試圖提出一些個人的想法。
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，使得用戶可以無拘無束地與遠(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，而這些問題都可以比較容易解決，但是回聲的問題則變得更為突出。因?yàn)殡娨暀C(jī)是家庭的娛樂中心，所以電視機(jī)的揚(yáng)聲器音量輸出也許會比較大，而麥克風(fēng)大部分都是設(shè)計(jì)在電視機(jī)上，遠(yuǎn)端說話的聲音從揚(yáng)聲器出來，很容易被麥克風(fēng)重新拾取，再傳送到原說話者的那邊，嚴(yán)重一些的情況，還可能形成自激。
在電視聊天過程中，如果存在回聲，會導(dǎo)致說話的人感覺不舒服；而且語音疊加，導(dǎo)致語音不清晰，所以要盡量消除回聲。電視機(jī)的使用場合、環(huán)境各不相同，比如說揚(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)，可能會產(chǎn)生的回聲問題，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)生一個模擬的回音路徑，得出模擬的回音信號。然后接收信號中減去這個自適應(yīng)濾波器模擬出來的回音信號，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，d^(n)為濾波器的實(shí)際輸出，也稱估計(jì)值。e(n)為誤差，e(n)=d(n)-d^(n)。由誤差經(jīng)過自適應(yīng)算法，來調(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。
在實(shí)際的電視中的應(yīng)用原理框圖見圖3。圖中f(n)代表來自遠(yuǎn)方的語音信號；r1(n)為f(n)從揚(yáng)聲器出來，經(jīng)過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)為本地用戶說話的語音信號；r(n)為自適應(yīng)濾波器對f(n)進(jìn)行了預(yù)處理，估算f(n)信號所產(chǎn)生的回音，其動態(tài)估算值為r(n)。那么通過計(jì)算，本地用戶所傳送出去的聲音信號應(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，來動態(tài)修正濾波器的權(quán)系數(shù)，這樣將會使得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)信號的系統(tǒng)框圖如圖4。
其中最主要是增加了一個內(nèi)部校準(zhǔn)單元，內(nèi)部存儲有一些特定的音頻測試信號Fn。人聲所包括的頻率主要從300~3400Hz之間，所以內(nèi)部的測試信號Fn從這個頻率區(qū)間進(jìn)行取樣即可，如Fn=300Hz、400Hz、500Hz等等，以此類推。其邏輯思路見圖5。
舉例說明：當(dāng)用戶發(fā)現(xiàn)在聊天過程中回聲較大，可以人為通過遙控器的按鍵或者鍵控板上的按鍵等方式來發(fā)出校準(zhǔn)指令。此時(shí)，內(nèi)部校準(zhǔn)單元會逐一發(fā)出相關(guān)的測試信號Fn，測試信號通過主信道，通過功放，從揚(yáng)聲器發(fā)出聲音，聲音再通過不同的回聲通道，被陣列式麥克風(fēng)拾取，回送到內(nèi)部校準(zhǔn)單元。由于測試信號為固有的信號，內(nèi)部校準(zhǔn)單元可以準(zhǔn)確對比測試信號和回聲之間的差異，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)，這個權(quán)系數(shù)可以說在一定程度上考慮了外部的環(huán)境對回聲的影響因素，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，聊天功能將會成為未來電視機(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)，可以擺脫對傳統(tǒng)形式麥克風(fēng)的依賴，給用戶帶來較好的體驗(yàn)感受；而加強(qiáng)對回聲的消除處理，是陣列式麥克風(fēng)得以在電視機(jī)上廣泛應(yīng)用的保證。
