安徽移动麦克风阵列设计

    得到目标语言的文本信息后，传送给结果确认模块；a4：结果确认模块按照用户的预设的翻译结果确认方式，将目标语言的文本信息以文本的形式显示给用户，或者将得到的目标语言的文本信息通过语音合成模块转换为音频数据后，通过播放软件将音频数据实时播放给用户；翻译模块单独安装在移动设备上，如手机、pad等设备，在普通模式下，基于其所在移动设备的声音采集模块采集目标声源的声信号，然后送入翻译模块进行实时翻译。本实施例中，翻译模块为使用java语言通过androidstudio开发环境开发，作为软件安装在手机中，通过无线方式与语音增强模块进行通信；翻译模块中通过三个子功能模块实现实时翻译流程：读转写模块：实现实时语音转文字功能；实时翻译模块：基于现有的翻译引擎实现实时翻译功能；语音合成模块：实现将文本数据转为音频数据的语音合成功能；读转写模块的实时语音转文字功能通过讯飞开放平台的语音转写技术实现；支持采样率为16k，位长为16bits，格式为pcm_s16le的单声道音频；字符编码为utf-8，响应格式采用统一的json格式；实时语音转写接口的调用过程分为两个阶段，个阶段为握手阶段，第二个阶段为实时通信阶段。握手阶段需要生成signal。可视化麦克风阵列装置，包括音频采集装置、视频采集装置、无线模块和供电装置，以及便携式操作终端。安徽移动麦克风阵列设计

    这两者的区别就是回声的时延更长。一般来说，超过100毫秒时延的混响，人类能够明显区分出，似乎一个声音同时出现了两次，我们就叫做回声，比如天坛着名的回声壁。实际上，这里所指的是语音交互设备自己发出的声音，比如Echo音箱，当播放歌曲的时候若叫Alexa，这时候麦克风阵列实际上采集了正在播放的音乐和用户所叫的Alexa声音，显然语音识别无法识别这两类声音。回声抵消就是要去掉其中的音乐信息而只保留用户的人声，之所以叫回声抵消，只是延续大家的习惯而已，其实是不恰当的。声源测向：这里没有用声源定位，测向和定位是不太一样的，而消费级麦克风阵列做到测向就可以了，没必要在这方面投入太多成本。声源测向的主要作用就是侦测到与之对话人类的声音以便后续的波束形成。声源测向可以基于能量方法，也可以基于谱估计，阵列也常用TDOA技术。声源测向一般在语音唤醒阶段实现，VAD技术其实就可以包含到这个范畴，也是未来功耗降低的关键研究内容。波束形成：波束形成是通用的信号处理方法，这里是指将一定几何结构排列的麦克风阵列的各麦克风输出信号经过处理（例如加权、时延、求和等）形成空间指向性的方法。波束形成主要是抑制主瓣以外的声音干扰，这里也包括人声。浙江无限麦克风阵列供应声源与麦克风阵列的距离，是麦克风阵列孔径，是声源的工作波长。

    这涉及了语音交互用户场景的变化，当用户从手机切换到类似Echo智能音箱或者机器人的时候，实际上麦克风面临的环境就完全变了，这就如同两个人窃窃私语和大声嘶喊的区别。前几年，语音交互应用为普遍的就是以Siri为的智能手机，这个场景一般都是采用单麦克风系统。单麦克风系统可以在低噪声、无混响、距离声源很近的情况下获得符合语音识别需求的声音信号。但是，若声源距离麦克风距离较远，并且真实环境存在大量的噪声、多径反射和混响，导致拾取信号的质量下降，这会严重影响语音识别率。而且，单麦克风接收的信号，是由多个声源和环境噪声叠加的，很难实现各个声源的分离。这样就无法实现声源定位和分离，这很重要，因为还有一类声音的叠加并非噪声，但是在语音识别中也要抑制，就是人声的干扰，语音识别显然不能同时识别两个以上的声音。显然，当语音交互的场景过渡到以Echo、机器人或者汽车为主要场景的时候，单麦克风的局限就凸显出来。为了解决单麦克风的这些局限性，利用麦克风阵列进行语音处理的方法应时而生。麦克风阵列由一组按一定几何结构（常用线形、环形）摆放的麦克风组成，对采集的不同空间方向的声音信号进行空时处理。

    微软的SurfaceStudio着实让人惊艳了一把！除了设计以外，大家都感叹PC机也开始使用麦克风阵列了。其实，早前亚马逊Echo和谷歌Home两者PK，除了云端服务，他们在硬件上区别大的就是麦克风阵列技术。AmazonEcho采用的是环形6+1麦克风阵列，而GoogleHome（包括SurfaceStudio）只采用了2麦克风阵列。什么是麦克风阵列技术？学术上有个概念是“传声器阵列”，主要由一定数目的声学传感器组成，用来对声场的空间特性进行采样并处理的系统。而这篇文章讲到的麦克风阵列是其中一个狭义概念，特指应用于语音处理的按一定规则排列的多个麦克风系统，也可以简单理解为2个以上麦克风组成的录音系统。麦克风阵列一般来说有线形、环形和球形之分，严谨的应该说成一字、十字、平面、螺旋、球形及无规则阵列等。至于麦克风阵列的阵元数量，也就是麦克风数量，可以从2个到上千个不等。这样说来，麦克风阵列真的好复杂，别担心，复杂的麦克风阵列主要应用于工业和**领域，消费领域考虑到成本会简化很多。为什么需要麦克风阵列？消费级麦克风阵列的兴起得益于语音交互的市场火热，主要解决远距离语音识别的问题，以保证真实场景下的语音识别率。阵列的维度、阵元的个数、阵元间距都会影响麦克风阵列定位算法的定位精度与运算速度。

    说明是本实用新型实施方式的装置立体分解；本实用新型实施方式的印刷电路板的背面图；本实用新型实施方式的电连接关系；本实用新型实施方式的整体示意；1、包体；2、印刷电路板；3、音频采集装置；4、视频采集装置；5、wifi模块；6、电池；7、便携式平板电脑；8、图像出孔；9、透光挡片；10、夹层布料；11、图像采集装置安装孔；12、声音出孔；13、排线穿孔；14、吸音材料。具体实施方式下面结合和具体实施例对本实用新型的技术方案进行详细说明。以下所述为本实用新型的较佳实施例，并不用以限制本实用新型，凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。所举实例只用于解释本实用新型，并非用于限定本实用新型的范围。一种便携式可视化麦克风阵列装置，包括包体，设置在包体内的印刷电路板、音频采集装置、视频采集装置、无线模块和供电装置，以及便携式操作终端；包体的正面设有一图像出孔，视频采集装置安装在印刷电路板上，且其镜头与图像出孔重合，音频采集装置阵列式排布在印刷电路板上，无线模块分别与视频采集装置和音频采集装置电连接。根据声源和麦克风阵列之间距离的远近，可将阵列分为近场模型和远场模型。安徽移动麦克风阵列设计

这里只讨论有一定形状规则的麦克风阵列。安徽移动麦克风阵列设计

    通过声音采集模块中的双麦克风结构的麦克风阵列、信号放大电路、带通滤波器实现针对多竞争声源的去噪功能，同时利用语音增强模块中的语音增强算法实现语音信号的去噪和增强处理；在本发明的技术方案中，通过双麦克风即可实现声音信号采集，采用极少的电器元件即可准确的在竞争声源中识别竞争声源，确保了本发明技术方案中的翻译设备的硬件体积更小，使本产品适于用户随身携带使用，更具实用性；通过语音增强算法实现了在收到混合声音的20ms内即可识别出干净的目标声源，确保了实时去噪的功能的实现，使本发明的技术方案适用于不同的同声翻译应用场景。说明为本发明的语音转文字及同声翻译系统的系统组成框；为本发明中的声音采集模块的结构框；本发明中的麦克风与声源位置的实施例；为本发明实施例中的一级放大电路的电路结构；本发明实施例中的二级放大电路和带通滤波器的电路结构；本发明实施例中的电源管理电路的电路结构。具体实施方式，本发明一种基于麦克风阵列的智能语音转文字及同声翻译系统，其包括：声音采集模块、音频转换模块、语音增强模块、翻译模块；声音采集模块智能地选取目标声源。安徽移动麦克风阵列设计