首先我們簡單聊聊什么是麥克風(fēng)陣列。

麥克風(fēng)陣列 ≠一堆麥克風(fēng)

風(fēng)吹麥浪，高山流水，蛙聲蟲鳴......人類能聽到的聲音大約有40多萬種，頻率在20至20000赫茲之間。而在嘈雜的環(huán)境下，機器想要聽懂聲音，它必須能夠聽的更遠更清晰，人類可以帶上助聽器，機器需要什么呢?麥克風(fēng)陣列就充當了助聽器這樣的角色。

麥克風(fēng)陣列就是由一定數(shù)目的聲學(xué)傳感器（一般是麥克風(fēng)）組成，用來對聲場的空間特性進行采樣并處理的系統(tǒng)。早在20世紀70、80年代，麥克風(fēng)陣列已經(jīng)被應(yīng)用于語音信號處理的研究中，進入90年代以來，基于麥克風(fēng)陣列的語音信號處理算法逐漸成為一個新的研究熱點。而到了“聲控時代”，這項技術(shù)的重要性顯得尤為突出。

如果把語音識別看成一個接收信息、解析信息、做出反饋過程的話，麥克風(fēng)陣列解決的是聽不聽得到、多遠距離屬于合理范圍、不受噪音影響的問題。

單麥克 vs麥克風(fēng)陣列

單麥克風(fēng)系統(tǒng)可以在低噪聲、無混響、距離聲源很近的情況下獲得符合語音識別需求的聲音信號。但如果聲源距離麥克風(fēng)距離較遠，并且存在大量的噪聲、多徑反射和混響，導(dǎo)致拾取信號的質(zhì)量下降，這會嚴重影響語音識別率。而且，單麥克風(fēng)接收的信號，是由多個聲源和環(huán)境噪聲疊加的，很難實現(xiàn)各個聲源的分離。這樣就無法實現(xiàn)聲源定位和分離，因為還有一類聲音的疊加并非噪聲，但是在語音識別中也要抑制，就是人聲的干擾，語音識別顯然不能同時識別兩個以上的聲音。

為了解決單麥克風(fēng)的這些局限性，利用麥克風(fēng)陣列進行語音處理的方法應(yīng)時而生。麥克風(fēng)陣列由一組按一定幾何結(jié)構(gòu)（常用線形、環(huán)形）擺放的麥克風(fēng)組成，對采集的不同空間方向的聲音信號進行空時處理，實現(xiàn)噪聲抑制、混響去除、人聲干擾抑制、聲源測向、聲源跟蹤、陣列增益等功能，進而提高語音信號處理質(zhì)量，以提高真實環(huán)境下的語音識別率。

一個麥克風(fēng)不足以接收全部信息，但麥克風(fēng)陣列卻可以實現(xiàn)聲源定位、信號拾取、信號分離、去除噪音影響等。

麥克風(fēng)結(jié)構(gòu)和麥克風(fēng)數(shù)量

在麥克風(fēng)陣列里，麥克風(fēng)的數(shù)量，從2個到上千個不等。復(fù)雜的麥克風(fēng)陣列主要應(yīng)用于工業(yè)和國防領(lǐng)域，而消費級領(lǐng)域的麥克風(fēng)數(shù)量通常較少，一般有2、4、5、6、8等幾種形式。通常，這組麥克風(fēng)會按照一定幾何結(jié)構(gòu)擺放，比如線形、環(huán)形、球形等，比如訊飛開放平臺就研發(fā)出二麥線性陣列、四麥線性陣列和六四麥線性陣列。

適用場景解析

可別小看這些結(jié)構(gòu)和數(shù)量，不同的組合都對硬件產(chǎn)品來說有著千差萬別的效果。比如雙麥克風(fēng)陣列的結(jié)構(gòu)簡單，成本低、容易實施、功耗低等特點讓它更容易在家電產(chǎn)品中實現(xiàn)落地。目前國內(nèi)主流家電廠商應(yīng)用語音交互技術(shù)的產(chǎn)品中，海信電視、美的空調(diào)等選擇的大都是雙麥克方案。

不過在機器人領(lǐng)域里，對聲源定位、降噪、識別率的要求比較高，一般都會使用環(huán)形多麥克方案。比如新松機器人使用的是訊飛四麥克風(fēng)陣列，穿山甲機器人則選用六麥克風(fēng)陣列。（ps:六麥是環(huán)形360拾音，需要水平放置，一般安置在機器人頭頂?shù)奈恢茫柠準?80度正面的拾音，豎直放置，一般安置在機器人的胸前)。那么車載、智能音箱等領(lǐng)域又如何選擇這些方案呢？自己的產(chǎn)品究竟更適合哪種呢？

5月25日，AI公開課第四期我們就將為大家具體介紹。另外麥克風(fēng)陣列的關(guān)鍵技術(shù)（噪聲抑制、混響消除、聲源定位等）也會在本期公開課展開詳細解讀。