麦克风阵列原理及应用

什么是麦克风阵列

麦克风阵列是由一定数目的麦克风组成，对声场的空间特性进行采样并滤波的系统。

目前常用的麦克风阵列可以按布局形状分为：线性阵列，平面阵列，以及立体阵列。其几何构型是按设计已知，所有麦克风的频率响应一致，麦克风的采样时钟也是同步的。

麦克风阵列的作用

麦克风阵列一般用于：

声源定位，包括角度和距离的测量

抑制背景噪声、干扰、混响、回声

信号提取

信号分离

声源定位技术

利用麦克风阵列计算声源距离阵列的角度和距离，实现对目标声源的跟踪。

基于TDOA(Time Difference Of Arrival，到达时间差)的声源定位技术。估计信号到达两两麦克风之间的时间差，从而得到声源位置坐标的方程组。然后求解方程组即可得到声源的精确方位坐标。

信号的提取与分离

通过波束形成技术，在期望方向上有效地形成一个波束，仅拾取波束内的信号，从而达到同时提取声源和抑制噪声的目的。

语音去混响

混响(Reverberation)是指声波在室内传播时，被墙壁、天花板、地板等障碍物形成反射声，并和直达声形成叠加的现象。

混响的作用

混响是声学中最重要的现象之一

合适的混响会使得声音圆润动听、富有感染力。

混响时间太长会使得声音含糊不清，听不清楚。

混响是建筑声学中要重点考虑的问题

演讲厅要短一些的混响时间，比如北京学术报告厅混响时间为1s

交响乐则需要长一些的混响时间，比如上海音乐厅混响时间为1.5s，维也纳音乐厅为2.05s

过大的混响会带来音素的交叠掩蔽现象，严重影响语音识别效果，尤其是远距离语音识别。

目前主流采用麦克风阵列+深度学习的方式来进行去混响。

线性麦克风阵列

加性麦克风阵列( Additive Microphone Array)

阵列的输出是各阵元的加权和

最优波束方向可调

结构简单、方便布局

适用于车载、家电等场合

差分麦克风阵列( Differential Microphone Array )

阵列的输出是两两麦克风之间的加权相减

最优波束方向只能在末端方向

适用于耳机通话等场合

平面麦克风阵列

平面麦克风阵列(Planar Microphone Array )

实现平面360度等效拾音

麦克风个数越多，空间划分越精细，语音增强和降噪效果越好

广泛用于智能音箱和交互机器人上

立体麦克风阵列

立体阵列麦克风(3-D Microphone Array )

真正实现全空间360度无损拾音

解决了平面阵高俯仰角信号响应差的问题

麦克风阵列发展趋势

多传感器的融合。声学麦克风，光学麦克风，骨传导麦克风的多模态降噪。提高信噪比，以及适应不同的环境。

分布式麦克风阵列。客厅，卧室，厨房，餐厅，手持各类麦克风的数据实时融合处理。在更大范围内实现真正的全方位拾音。

基于深度学习的麦克风阵列。用多麦克风+神经网络，来取代双耳结构+大脑信号处理机制。

最终目标：达到人类听力水平;用两个麦克风让机器能听清10米-20米的声音;实现鸡尾酒会效应。

本地和云端识别紧耦合，配合使用也是一个大的趋势。