苏晓晓
点击图片查看原图
声源定位技术 利用麦克风阵列计算声源与阵列的角度和距离，实现对目标声源的跟踪。基于TDOA（Time Difference Of Arrival）的声源定位技术。估计信号到达两个麦克风的时间差，得到声源位置坐标方程组。然后求解方程组，得到声源的准确方位坐标。 信号提取和分离 通过波束赋形技术，有效地形成所需方向的波束，只拾取波束内的信号，从而达到同时提取声源和抑制噪声的目的。
麦克风阵列技术 它是一个“麦克风阵列”，主要由一定数量的声学传感器组成，用于对声场的空间特征进行采样和处理。 麦克风阵列语音处理系统 这里所说的麦克风阵列是比较狭义的概念之一，具体是指按照一定的规则排列进行语音处理的多个麦克风系统，也可以简单理解为两个以上麦克风组成的录音系统。 麦克风阵列一般分为线性、环形和球形。严格来说，它们应该被描述为一个单词、一个十字、一个平面、一个螺旋、一个球形和一个不规则的阵列。 至于麦克风阵列的元素个数，也就是麦克风的个数，可以从2个到上千个不等。 这样一来，麦克风阵列真的很复杂，不用担心，复杂的麦克风阵列主要用于工业和国防领域，在消费领域成本会简化很多。
麦克风阵列是由一组麦克风按一定的几何结构（通常是线性和圆形）放置而成，对采集到的不同空间方向的声音信号进行时空处理，以实现噪声抑制、混合噪声去除、人声干扰抑制、声源测向、声源跟踪、阵列增益等功能，从而提高语音信号处理质量，提高真实环境下的语音识别率。 事实上，仅通过麦克风阵列很难保证语音识别率。 麦克风阵列只是一个物理入口，它只是在物理世界中完成声音信号处理，获得语音识别所需的声音，但语音识别率是在云端得到的结果，所以两个系统必须匹配在一起得到最好的结果。 不仅如此，麦克风阵列处理的信号质量也无法由标准来定义。因为目前的语音识别基本上都是深度学习训练的结果，而深度学习有一个局限性，就是严重依赖样本数据库进行输入训练。如果处理后的语音与样本数据库不匹配，识别效果不会很好。