利用MEMS麥克風陣列定位并識別音頻或語音信源的技

麥克風陣列通過RJ45以太風接口或USB OTG FS接口連接其它器件，與其它器件交互是通過可控制基本板設置的DIP開關實現。

如下圖所示，每個MEMS麥克風都是由同一個時鐘源觸發，時鐘源由專用振蕩器驅動，對每個GPIO端口的一個引腳輸出1位PDM 高頻信號。輸出PDM數據頻率與輸入時鐘同步，因此，DMA控制器以同一頻率即音頻捕捉頻率對GPIO端口進行讀操作，然后將1 ms音頻數據(每次)保存在存儲器緩沖電路。這時，該緩沖器包含麥克風交叉信號，然后軟件利用優化的快速解碼函數對數據進行解復用處理。最后，PDM 數據通過數字信號處理環節，再進行PDM轉PCM處理。

圖 5.每個MEMS麥克風都是由同一個時鐘源觸發，時鐘源由專用振蕩器驅動，對每個GPIO端口的一個引腳輸出1位PDM 高頻信號

麥克風傳來的PDM信號經過過濾和十分之一降采樣率處理，以取得所需頻率和分辨率的信號。麥克風輸出的PDM數據頻率(麥克風的輸入時鐘)必須是系統最終音頻輸出的倍數，濾波器管道輸出是一個16位值，我們將 [-32768, 32767]視為一個單位增益(0 dB)的輸出范圍。

原先濾波管道產生的數字音頻信號在信號調理前被進一步處理。管道第一級是一個高通濾波器，主要用于除掉信號DC失調。為保護信號質量，該濾波級是使用一個截止頻率不在可聽頻率范圍內的 IIR濾波器，管道第二級是一個基于IIR濾波器的低通濾波器。兩個濾波器有啟用和禁用以及配置功能;可通過外部整數變量控制增益。

如上文所述，數據采集有兩個比特流解決方案，通過DP開關選擇使用哪一個方案。當選用 USB且在主機USB插入麥克風陣列時，主機將STM32_MEMS_Microphones視為一個標準的USB音頻設備。因此，主機系統無需安裝驅動軟件。例如， STM32_MEMS_Microphones可直接連接第三方PC音頻采集軟件。當選用以太網時，STM32_MEMS_Microphones發送 RTP數據包。在網絡服務器的以太網設置頁對目的地IP、設備單播地址和采集參數進行配置。

4.結論

音源定位識別是語音識別技術中的一個重要的語音預處理環節，對提高音頻應用和聲控應用性能具有重要意義。音源定位主要用于自動語音識別、音頻模式識別、說話人發現及識別。MEMS技術的問世讓麥克風陣列能夠嵌入在上述應用設計中，執行音頻信號預處理過程，為應用級提供最好的信息。

該嵌入式單個說話人及其語音定位識別方案基于一個集成ARM處理器和一組MEMS麥克風的原型板。初步測試結果證明了這一集成方案的可行性，且系統級模塊可以做語音、音頻識別目標板，滿足人機、人與周圍環境的自然用戶界面的功能要求。