基于麦克风阵列的声源跟踪系统

作者 / 王宇威 雍洋 孙新 西安交通大学 信息与通信工程系(陕西 西安 710000)

*本项目获得“2018年瑞萨杯”信息科技前沿专题邀请赛的最高奖“瑞萨杯”奖。

摘要：随着科技的发展，声源定位技术在越来越多的地方发挥着重要的作用，在多个领域有着广泛的应用。声源目标跟踪技术可以应用在视频录制、安防监控、鸣笛抓拍等场景中，在这些场景中，针对目标对象的语音信号，可以应用阵列信号处理的知识，将麦克风按照特定阵列放置在空域中，利用空间不同位置点的声源对麦克风阵列响应的时延相位误差，对声源进行测向，实现低成本的声源定位跟踪功能。

　　本作品便是基于麦克风阵列的声源跟踪系统，将6路麦克风按照线型排列，并接入瑞萨SK-S7G2单片机的6路ADC中，单片机将采样值通过阵列信号处理中波达方向(DOA)估计等算法，获得声源的来波方向。然后用单片机去驱动云台，上面搭载摄像头或者高指向性麦克风，可以实现用户特定的跟踪需求。

　　我们结合瑞萨单片机的性能与实际测试效果，选用了周期图法进行角度估计，利用频率采样型的FIR滤波器实现了对人声信号的切片，并对得到的角度结果进行低通滤波、设定阈值、非线性约束等处理，解决了环境噪声、室内混响等因素带来的问题。此外，我们将阵列置于云台上，进一步提高了跟踪的精度，云台的驱动采用步进方式，实现了实时跟踪。最后，我们将所有算法移植到瑞萨单片机上，制作了GUI界面，并添加了噪声训练功能，使之成为一个完整的系统。

0 引言

　　当今社会，人们对自动控制的需求越来越高，而其中一个重要的分支就是目标跟踪技术。伴随着人工智能的热潮，通过图像识别来进行目标跟踪是现在的主流做法，但是神经网络算法的复杂度极高，不可能在普通的MCU上实现，只能借助于一些高性能的芯片如FPGA，这样就会需要较高的成本。其实在一些特定场合，可以通过或者只能通过声源定位的方法进行目标跟踪，而其中用到的阵列信号处理技术经过改进和优化之后，可以将算法移植到普通的MCU中进行实现，从而可以保证跟踪效果的同时降低产品的成本。

　　现在随着网络的普及，网络公开课越来越受欢迎，而网络公开课的录制就需要对讲课的教师进行摄像跟踪，在这种场景下，就可以利用阵列信号处理中的DOA技术对声源进行估计，从而使云台转动，跟踪摄像目标。除此之外，现在的城市中，为了减少噪音污染，有不少的禁止鸣笛区。在这些鸣笛区中，为了精确地抓拍到违章鸣笛的车辆，就必须要用到声源定位，这里就需要阵列麦克风进行波达方向估计，才能精确地找到违章车辆。在这些场景下使用DOA估计来实现目标跟踪是完全可以满足要求的，而且可以在单片机上实现，并且可以最大限度地节省计算资源。

1 作品设计与实现

　　1.1 系统方案

　　先用六阵元线阵的阵列麦克风进行拾音，然后使用Renesas(瑞萨)SK-S7G2单片机的ADC进行采样，采样率8000Hz，采样结束之后对采样数据进行DOA估计(波达方向估计)，把估计出来的角度与当前云台的角度比较，来确定是否转动云台以及转动方向，从而使摄像头或者高指向性麦克风对准声源，实现声源跟踪的目的。

　　1.2 理论分析及计算

　　1.2.1 阵列信号处理基本模型

　　阵列信号处理(Array Signal Processing)作为信号处理的一个重要内容，其含义是指将一批传感器按照特定阵列流型放置在空域中，对空域信号进行采样，得到信源的空域采样数据并进行处理。

　　在传统的阵列信号处理中，主要处理的是窄带信号，窄带信号是指带宽远远小于中心频率的信号，并且假设信号源位于阵列的远场，因此可以使用平面波传播理论，认为信号平行入射，各阵元接收到的信号之间没有幅度差异，只存在传播延时造成的相位差异。最常用的是均匀线阵，其远场模型如图2所示。

　　其中θ为信号入射方向角，d为阵元间距。为“避免混叠”，阵元间距一般取入射信号的半波长。记信号波长为λ，阵元个数为N ，阵列等效孔径为：

　　可以将麦克风阵列和单片机ADC结合起来看作进行空间采样的装置，阵列每接收一次数据就是在空间的一次采样或者快拍(snapshot)，阵列信号就是由快拍组成的向量序列。均匀线阵是在空间的一条直线上均匀采样，它对应于时间序列的均匀采样。由于阵元间距 为空间采样间隔， 即为空间采样频率，而为阵列信号的空间频率。与奈奎斯特采样定理相似，为避免空域混叠，对空间采样频率有一定的要求:

　　(3)

　　12.2 频率切片

　　传统阵列信号处理的模型与算法都是建立在窄带信号的条件下，可是语音信号的频率范围为300~3400 Hz，带宽较大，所以不能对语音信号直接进行处理，要先通过频率采样型的FIR滤波器进行频率切片，然后对切片之后的数据进行处理。频率采样滤波器由一个梳状滤波器和一个谐振器组成。 

　　频率采样型结构中谐振器的极点恰好各自抵消梳状滤波器的零点，其系数就是滤波器在处的响应。为了防止滤波器不稳定，可以将梳状滤波器的零点和谐振器的极点同时向圆内移一点，就可以保证滤波器的稳定，即：

　　(7)

　　频率采样型结构的作用就是一个“滤波器柜”，想要滤出信号的某个频率分量，只需在对应的那一路后面接抽头，输出即为该频率分量的时域信号。所以只要把语音信号以200 Hz为间隔切片，得到各个频率分量的窄带信号，对窄带信号进行处理之后再相加即可。

　　1.2.3 DOA(波达方向估计)

　　(1)DOA估计的基本模型

　　在前面模型的基础上，在只有一个声源的情况下，阵列麦克风各个阵元接收到的信号为：

　　实现DOA的算法有很多种，有周期图法，Capon算法，Music算法等等，其中，周期图法是在角度和频率方向的二维搜索，相对稳健，即使在有混响的情况下也能找到方向，并且该算法可以移植到单片机中进行实现，而Music算法的仿真效果较好，其主瓣窄，旁瓣小，但算法复杂度较高，且极易受到混频干扰的影响。在进行了实际实验验证之后，综合楼室内混响带来的误差，我们选择了相对稳健的周期图法，下面简单介绍一下周期图法。

　　(2)周期图法

　　周期图法是通过算出每个角度入射信号的功率，然后找出最大值所对应的角度，就是声音信号入射的角度。做法是先对采集的N次快拍求平均估计自相关矩阵：

　　这种方法较为稳健，从仿真结果来看，虽然主瓣较宽，但在精度要求不是十分严格的情况下可以应用，尤其在有混频干扰的情况下，周期图法也能较为准确地估计出角度。且该算法的复杂度较低，易于在单片机上实现，所以我们就选择了周期图法，并且选用了6阵元的线阵，由于声速v=340 m/s，人声频率在300~3400 Hz之间，其中f=1700 Hz对应的半波长λ = 0.5*v/f = 0.1 m = 10 cm，阵元间距为10 cm。

　　1.3 系统优化

　　1.3.1 频率切片

　　传统阵列信号处理的模型与算法都是建立在窄带信号的条件下，可是语音信号的频率范围为300 Hz-3400 Hz，带宽较大，所以不能对语音信号直接进行处理，要先进行切片。但是各个频率分量的功率有很大区别，如果对300 Hz~3400 Hz都进行切片的话会造成计算资源的浪费，我们在实验过后发现正常人声在600 Hz~1200 Hz内频率分量的功率最大，所以我们在这个范围内进行切片，以200 Hz为间隔，共切四片。

　　1.3.2 结果滤波

　　为了提高系统的稳定性和准确性，我们进行了结果滤波，分为两个阶段：适应噪声和线性约束滤波。

　　(1)噪声自适应

　　在开始进行DOA估计且云台跟踪之前，需要先对电路噪声及环境噪声进行适应。进入噪声适应模式之后，通过麦克风采集当前的电路及环境噪声，计算其功率，然后设定一个合适的阈值。在之后的计算中，若功率大于阈值，则视为有用的声音，否则视为噪声，不计算角度。这样可以有效地滤除底噪的干扰，当人停止说话时，摄像头不会因为噪声的干扰而随意摆动。

　　(2)线性约束

　　为了提高系统的稳定性以及减小放射径的影响，我们采用了线性约束的方法，这样能有效地减小突变以及放射径的影响，即：

　　最终角度=0.8 上次角度+0.2 当前计算角度

　　由于每一秒会计算出15次结果，所以难免会有一些计算出来的结果不太准确，这样使用了线性约束之后，即使有一些角度不太准确也不会造成较大的影响，大大地提高了系统的稳定性。

　　1.3.3 云台目标跟踪

　　云台的控制是通过单片机串口给解码器发指令来完成的，并且采用了步进的方法控制。在云台和麦克风阵列摆放关系的问题上，我们采取的方案是阵列固定在云台上面，跟随云台一起转动，云台根据DOA的估计结果不断向0°方向靠拢。

2 参赛感受

　　本次比赛我们的作品得到了不少评委老师的肯定与认可，并且摘得了本次比赛的最高奖瑞萨杯奖，我认为是因为我们作品的以下一些亮点：首先，我们的作品的处理器只使用了组委会提供的开发板，在我们的不断改进与优化下，全部的算法与控制都在瑞萨单片机上实现，把单片机的计算资源、内存都运用到了极致。这样就大大降低了成本，增加了把该作品变成产品推向市场的可能性。其次，我们的系统的稳定性很好，我们使用了噪声自适应、线性约束、结果滤波等方法增加了系统的稳定性，并且在不同的环境下都进行了测试。还有一点，就是实际应用价值较高，现在的市场对声源定位的需求越来越高，可以在网络视频自动录制、鸣笛抓拍等场景中有广泛的应用。

　　这次的比赛，我们收获的不仅仅是瑞萨杯这个奖项，更多的是在比赛过程中能力的提升。在这个过程中，我们不仅在理论知识上得到了提高，动手能力也有了很大的进步，解决问题的能力也得到了很大的提升，意志力也得到了锻炼，在即将升入大四，开始更多地接触科研任务之际，这次比赛也给了我们很多前行的动力和信心。

　　参考文献：

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

　　[2]梁玉杰. 基于超格点DOA的室内无线传感器网络定位技术研究[D]. 上海：上海交通大学，2015-4-7.

　　[3]Jacob Benesty，Jingdong Chen，Yiteng Huang,Microphone Array Signal Processing[M]. 北京：国防工业出版社，2015.

　　[4]张小飞，陈华伟，仇小锋. 阵列信号处理及MATLAB实现[M].北京：电子工业出版社，2014.

　　[5]姚天任. 数字信号处理[M]. 北京：清华大学出版社，2011.

　　本文来源于《电子产品世界》2018年第12期第48页，欢迎您写论文时引用，并注明出处。