智能音箱聲場自適應(yīng)定位系統(tǒng)設(shè)計與實(shí)現(xiàn)

智能音箱聲場自適應(yīng)定位系統(tǒng)設(shè)計與實(shí)現(xiàn)【摘要】隨著信息技術(shù)的快速發(fā)展，人們對于音視頻環(huán)境也有了更高的要求，伴隨著互聯(lián)網(wǎng)技術(shù)的崛起，超高清視頻空前發(fā)展，而市場急需與之匹配的能夠?qū)崿F(xiàn)根據(jù)聽音環(huán)境而自動匹配的智能音箱系統(tǒng)。開發(fā)一種能自動識別聲場環(huán)境，調(diào)整音箱聲道音量、聲道平衡及聲場定位，精準(zhǔn)設(shè)置視覺與聽覺同步，讓聽音者所在位置自適應(yīng)調(diào)整為俗稱“皇帝位”的最佳效果位置，實(shí)現(xiàn)聲場精準(zhǔn)定位的智能音頻產(chǎn)品。結(jié)合互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、AI人工智能技術(shù)，產(chǎn)業(yè)發(fā)展，開發(fā)出國內(nèi)先進(jìn)智能音頻系列產(chǎn)品，提升產(chǎn)品品質(zhì)與檔次。實(shí)現(xiàn)智能音頻產(chǎn)品市場占有率提升，以點(diǎn)帶面，帶動智能音頻產(chǎn)業(yè)快速發(fā)展，增強(qiáng)國際競爭能力，帶動產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展?！娟P(guān)鍵詞】物聯(lián)網(wǎng)；超高清視頻；智能音箱；智能音頻產(chǎn)品；聲場定位；聲像定位；數(shù)字娛樂。當(dāng)今萬物互聯(lián)的信息時代，智能手機(jī)、互網(wǎng)絡(luò)、物聯(lián)網(wǎng)等萬物互聯(lián)的載體已經(jīng)滲入到我們生活的方方面面，無處不在，遠(yuǎn)程辦公、AI虛擬現(xiàn)實(shí)、數(shù)字娛樂等新興產(chǎn)業(yè)更是如雨后春筍般蓬勃發(fā)展。而這些在越來越逼真的超高清視頻顯示，在用戶體驗高逼真視覺享受的同時，對聲像同步的聽覺享受追求更加強(qiáng)烈。然而，我國的音頻產(chǎn)業(yè)發(fā)展比快速發(fā)展的超高清視頻技術(shù)發(fā)展相對滯后，為了享受高逼真視覺與聽覺聲像同步體驗，必須購買昂貴的專業(yè)音響，并且人工調(diào)試音箱擺放位置、聽音者位置才能真正享受聲像同步的震撼效果。相應(yīng)的調(diào)試需要專業(yè)人員才能完成，消費(fèi)者無法做到，制約了高保真高端音箱的普及。隨著人工智能、人臉識別技術(shù)的發(fā)展，使自適應(yīng)調(diào)整聲像最佳效果位置得以實(shí)現(xiàn)，利用人臉識別技術(shù)，能夠確定人的位置，通過音箱系統(tǒng)麥克風(fēng)單元收集聽音環(huán)境聲波反射數(shù)據(jù)、DSP處理器，調(diào)整聲道平衡、數(shù)字濾波、調(diào)整混響效果、確定聲場相位、精準(zhǔn)自適應(yīng)定位，隨時都能享受聲像同步逼真的數(shù)字娛樂帶來的高品質(zhì)享受。、智能音箱聲場自適應(yīng)定位系統(tǒng)的設(shè)計原理為讓本自適應(yīng)定位系統(tǒng)能精準(zhǔn)判斷所在聽音環(huán)境聲波放射狀況，先短按音箱系統(tǒng)的功能按鍵，播放音箱系統(tǒng)預(yù)先錄制一段掃頻信號，有麥克風(fēng)采集直達(dá)聲與方式聲，并將這些信息輸入系統(tǒng)Soc處理器，經(jīng)過計算確定最佳聽音條件，調(diào)整音箱左右聲道平衡度、音箱大小，使聽音者達(dá)到聲像最佳效果位置，以便滿足聽音者所需的“皇帝位”，達(dá)到聲像精準(zhǔn)定位效果。本文中Soc處理器控制系統(tǒng)的設(shè)計原理是在Android或其他操作系統(tǒng)的軟件環(huán)境下進(jìn)行軟件編寫。二、智能音箱聲場自適應(yīng)定位系統(tǒng)的硬件設(shè)計硬件系統(tǒng)框圖如圖1所示。圖1系統(tǒng)硬件設(shè)計圖1智能音箱聲場自適應(yīng)定位系統(tǒng)的硬件是由主機(jī)與音箱系統(tǒng)組成，其中主機(jī)主要由Soc處理器、電源、攝像頭、WiFi/BT、模數(shù)轉(zhuǎn)換器、DDR/eMMC、功能按鍵、功率放大器等組成，音箱系統(tǒng)為無源音箱組成。其中輸入電源經(jīng)降壓后一路經(jīng)開關(guān)后供功率放大器供電，另一路經(jīng)過DC/DCbuck降壓為5V，再經(jīng)低壓電壓Buck調(diào)整為Soc處理器需要的各種電壓，最終形成穩(wěn)定的電壓供Soc處理器及周邊電路模塊使用。攝像頭采集各種信息后輸入給Soc處理器分析處理并經(jīng)過預(yù)先編程的特定算法分析處理，再調(diào)整內(nèi)置DSP的功率放大器音效參數(shù)，實(shí)現(xiàn)聲音精準(zhǔn)定位，精準(zhǔn)自適應(yīng)定位，聲像同步逼真的數(shù)字娛樂享受。（一） 電源電路設(shè)計在設(shè)計電源電路時可以根據(jù)Soc處理器及周邊電路所需求的電壓值，設(shè)計不同的Buck調(diào)壓器輸出不同的電壓提供系統(tǒng)所需電源。（二） 自適應(yīng)環(huán)境調(diào)整音效設(shè)計通過圖1所示按鍵或麥克風(fēng)輸入語音指令，播放預(yù)先存儲與Soc存儲器的一段20Hz至20KHz掃頻信號，經(jīng)揚(yáng)聲器發(fā)出聲音、經(jīng)過環(huán)境發(fā)射回來的聲波后，再有麥克風(fēng)錄音，錄制到Soc處理器經(jīng)模數(shù)轉(zhuǎn)換成數(shù)字信號進(jìn)行分析比對直接錄音與經(jīng)反射后的聲音，建立所在的聽音環(huán)境模型，以此為依據(jù)，調(diào)整功放音效達(dá)到與環(huán)境最佳匹配效果。實(shí)現(xiàn)自動自適應(yīng)調(diào)整功放音效達(dá)到與環(huán)境最佳匹配效果，達(dá)到自適應(yīng)聲場定位。三、智能音箱聲場自適應(yīng)定位系統(tǒng)的軟件設(shè)計聲場定位關(guān)鍵的因素是聽音環(huán)境的直達(dá)聲，直達(dá)聲越多定位越清晰，但是，要達(dá)到好的聽音體驗，需要合適的混響效果，就必須平衡反射聲與直達(dá)聲的比例。Soc處理器改進(jìn)了信號處理能力。將降噪消回音麥克風(fēng)陣列算法、環(huán)繞聲立體聲音效算法、聲場定位算法等存儲于Flash內(nèi)，Soc處理器對采集的外部信息計算分析，以此為依據(jù)進(jìn)行精準(zhǔn)控制功率放大器內(nèi)置DSP音量、聲道平衡度、混響效果、環(huán)繞效果等，達(dá)到聲場精準(zhǔn)定位的目的。（一）語音降噪及環(huán)境聲波反射參數(shù)采集處理要想通過軟件實(shí)現(xiàn)對音箱功放參數(shù)調(diào)整，首先要對音箱所處聽音環(huán)境聲波反射參數(shù)、環(huán)境混響效果進(jìn)行信號采集建模，以便進(jìn)一步優(yōu)化處理。如圖2所示，通過對喇叭輸出實(shí)時信號回踩，經(jīng)模數(shù)轉(zhuǎn)換成數(shù)字信號，輸入Soc處理器，再根據(jù)輸入與輸出的變量函數(shù)由預(yù)先編程的語音降噪算法，降噪、消回音，以便麥克風(fēng)能有效識別輸入的語音指令，執(zhí)行所需要的功能指令，同時麥克風(fēng)接收喇叭發(fā)出的播放的20Hz-20KHz掃頻信號，以及經(jīng)環(huán)境放射后回傳的信號，比對建模，以此為依據(jù)，調(diào)整Soc與DSP數(shù)字功放音效參數(shù)，最終實(shí)現(xiàn)聲場的精準(zhǔn)定位。（二） 人臉識別算法設(shè)計通過上述方法建立聽音環(huán)境模型及聲場環(huán)境參數(shù)后，要想聽音者獲得最佳的聽音效果，必須知道聽音者所處環(huán)境先對位置，以便進(jìn)一步細(xì)調(diào)音效參數(shù)。圖2所示，攝像頭捕捉到聽音者信息后，送Soc處理器分析處理，通過人臉識別技術(shù)可以很快定位聽音者與各音箱相對位置，為上述調(diào)整音效參數(shù)提供了依據(jù)。（三） 聲場定位處理流程為了理解聲場定位原理，首先需要了解影響聲場定位的主要因素：1人可以通過雙耳效應(yīng)定位，利用雙耳接收到的聲音到達(dá)左右耳朵時間差別，再通過腦神經(jīng)系統(tǒng)構(gòu)建的3D虛擬空間定位聲音所處空間位置。2人腦可以通過聲強(qiáng)效應(yīng)來判斷聲源位置，如果一人的左右耳中心為中軸線，左右耳收到的聲音強(qiáng)度一樣大，人腦可以判斷聲源在正前方，如果右耳聲音強(qiáng)度比左耳大，人腦能感知聲音在右側(cè)，同理也可以感知聲音左側(cè)的場景。3相位差也是影響聲場定位的重要因素。人耳對于800Hz到10KHz頻率方位感比較敏感，而低于700Hz頻率聲波方位感不敏感。4人耳的“耳郭效應(yīng)”對聲場定位也起到了關(guān)鍵作用，這種影響通常在4KHz以上頻率比較明顯。5人耳對聲場定位，通常1.4KHz以上對聲音強(qiáng)度影響比較大，對于1.4KHz以下，時間差對判斷聲場定位影響比較大。根據(jù)上述影響聲場定位的主要因素，軟件處理流程如下：如圖2所示，音頻信號經(jīng)EqualizerEQ調(diào)整，音量調(diào)整，經(jīng)多段DRC自動增益控制減少失真處理，經(jīng)AGL自動增益限制，經(jīng)THD&MakeupGain失真度與增益精細(xì)調(diào)整，根據(jù)聲場定位算法處理，輸出信號給Amp功率放大器，最后經(jīng)喇叭實(shí)現(xiàn)電能與聲能轉(zhuǎn)換。要實(shí)現(xiàn)環(huán)境自適應(yīng)定位功能，首先可以通過語音或功能按鍵方式，讓系統(tǒng)預(yù)播放一段預(yù)測在內(nèi)存的20Hz—20KHz掃頻信號，通過麥克風(fēng)采樣喇叭信號，經(jīng)數(shù)模轉(zhuǎn)換后送Soc處理器，Soc處理器軟件虛擬的計量器，可以測試反射聲與直達(dá)聲的時間差，通過Cameras模塊人臉識別，確定人處于系統(tǒng)先對位置，最后由Soc小系統(tǒng)ControlSignal控制信號控制系統(tǒng)各電路模塊參數(shù)，使聲音定位準(zhǔn)確，輸出高品質(zhì)音質(zhì)效果。1.智能音箱聲場自適應(yīng)定位系統(tǒng)設(shè)計的實(shí)現(xiàn)為了實(shí)現(xiàn)音箱聲場自適應(yīng)定位，本系統(tǒng)通過聲場定位算法技術(shù)，實(shí)現(xiàn)自適應(yīng)精準(zhǔn)定位。在高清視頻的數(shù)字娛樂環(huán)境下，人們對音質(zhì)的要求越來越高，必須滿足聲音定位準(zhǔn)確、聲像同步，而傳統(tǒng)音箱技術(shù)需要專業(yè)人員經(jīng)過繁瑣的調(diào)試，無法滿足市場需求。使音箱成為實(shí)現(xiàn)高品質(zhì)的萬物互聯(lián)新時代的聲音為入口，解決傳統(tǒng)音箱系統(tǒng)聲音受環(huán)境影響而導(dǎo)致聲場定位不準(zhǔn)的問題，使音頻發(fā)展得到質(zhì)的飛躍。結(jié)語：在當(dāng)今萬物互聯(lián)的信息環(huán)境下，智能音箱快速發(fā)展，使傳統(tǒng)的音箱技術(shù)得到了革命性的突破。通過對聽音環(huán)境的反射情況進(jìn)行建模，精細(xì)化處理音效，彌補(bǔ)了超高清視頻等虛擬現(xiàn)實(shí)對高品質(zhì)聲像定位的不足。從而滿足人們對高逼真音視頻的需求，適應(yīng)數(shù)字娛樂高速發(fā)展的需求，拓展該領(lǐng)域產(chǎn)品海外市場，創(chuàng)造高額經(jīng)濟(jì)利益。通過該項技術(shù)的智能音箱產(chǎn)品的推廣與普及，使以聲音為入口的萬物互聯(lián)的數(shù)字娛樂向高品質(zhì)的超高清視頻看齊，從而推動數(shù)字娛樂產(chǎn)業(yè)快速發(fā)展，促進(jìn)我國經(jīng)濟(jì)發(fā)展。參考文獻(xiàn)肖景和,趙健,高保真音響電路與家庭影院迎新系統(tǒng).人民郵電出版社2000,I