隨著國家三網融合政策地推進并落實，電視機作為家庭的娛樂終端，也將帶來一些非常積極的變化。例如，像深圳創維在2010年2月就率先研發成功了“聊天電視”，隨后海信、TCL等家電廠家也推出相似的產品。

在聊天電視中，麥克風的語音收集就變得非常重要。目前多數聊天電視基本上都是使用了單個麥克風進行收音，可能是有線麥克風，也可能是無線麥克風。采用單個麥克風收音，會帶來以下一些問題。

● 用戶體驗不好

即用戶在視頻聊天的過程中，需要手握著，或者盡量靠近麥克風來說話，感覺不好;特別是很多家庭成員要一起聊天時，更顯得擁擠不堪。

使用有線麥克風，連接線顯得很啰嗦，而且影響家庭的裝飾;無線麥克風在人移動速度稍快時，都容易出現斷音;而且無論采取哪種方式，用了一段時間后，都需要更換電池或者再次充電。

● 成本較高

目前在聊天電視上，采用無線麥克風，載波調制為2.4GHz的方式，已經成為主流，但是這種方式的成本明顯偏高。

針對上述兩個問題，我們提出使用陣列式麥克風應用在電視上，可以較好解決這兩個問題。



陣列式麥克風

陣列式麥克風(Array Microphone)，又名麥克風陣列(Microphone Array)，即設置兩組以上麥克風，并以這些麥克風對音訊進行偵測，所得到的資料交由數字信號處理器(DSP)進行比對，用以還原聲音的原貌，并消除背景雜音。陣列式麥克風目前是HD Audio的標準之一。Windows Vista已可以支持陣列式麥克風。

陣列式麥克風通過對拾取的多路語音信號進行分析與處理，使陣列形成的波束方向圖主瓣對準目標語音，“零點”指向干擾源以抑制干擾信號，從而盡可能地獲取目標語音。其中波束方向及波束主瓣寬度與麥克風的間距、麥克風數目、麥克風的擺放位置、聲源入射角及采樣頻率緊密相關。波束的形成不僅消除了使用單個麥克風時需人工調節麥克風指向性問題，而且可以使輸出語音的信噪比大幅度提高，從而無需人工干預亦可獲得高質量的語音。

使用傳統麥克風說話時，人需要盡量靠近麥克風，對于系統來說，靠近麥克風說話的就是“主音”，系統獲得較大的輸入。而對于旁邊的雜音，或者對話者從揚聲器輸出的聲音相對“主音”來說，幅度都是比較小的，都屬于“干擾音”。這樣系統可以更準確過濾掉“干擾音”，保留“主音”。在這種傳統的麥克風拾音過程中，回聲的問題并不突出。而在應用陣列式麥克風時，回聲問題則需要重點關注。

回聲是指在揚聲器播出的聲音在被受話方聽到的同時，語音信號也通過多種途徑被麥克風拾取，重新回輸至原說話人處。回聲通過的路徑各不相同，也就產生了不同的延時回聲，包括直接回聲和間接回聲。直接回聲是指揚聲器播出的聲音未經任何的反射直接進入麥克風，這種回聲的延時最短，它同遠端說話者的語音能量，揚聲器和麥克風間的距離、角度、揚聲器的播放音量，麥克風的拾音靈敏度直接相關。而間接回聲是指揚聲器播出的聲音經過不同的路徑(如房屋或房屋內任何的物品)一次或多次反射后進入麥克風后所產生回聲的集合。房屋內任何物品的移動或改變都會改變回聲通道。因此這種回聲的特點是多路徑和時變的。

在陣列式麥克風應用中，由于人在說話時，不再需要緊貼麥克風，相對而言，人的“主音”對麥克風的影響力可能會降低，即旁邊的“干擾音”有可能會干擾“主音”，導致系統無法正確識別哪個才是真正的“主音”。特別是在聊天過程中，對方的聲音從揚聲器出來，如果聲音比較大，會被麥克風重新獲取，被對方再一次或者多次聽到他本人說過的話。這就是在應用陣列式麥克風所要面對的最大的難題。

簡而言之，在應用陣列式麥克風過程中，建議關注以下幾個問題：收音范圍是否足夠寬;收音距離是否足夠遠;收音的效果是否足夠清晰;回聲的問題是否得以較好的消除。其中收音范圍可以通過更換麥克風的個數以及麥克風的擺放位置來調整;而收音的距離和清晰度等可以通過調整麥克風的靈敏度來配合，本文不作過多的論述。由于對于回聲的問題最難處理，本文也試圖提出一些個人的想法。

陣列式麥克風在電視上的應用

目前，陣列式麥克風的技術發展已經較為成熟，在人的語音收音距離要求不是很遠，而且空間不大，收音范圍較窄的情況下，陣列式麥克風已經被大量應用，如筆記本電腦、車載藍牙設備等等。同樣，陣列式麥克風也可以應用在電視機上，使得用戶可以無拘無束地與遠方的家人、朋友等進行聊天交流(圖1)。



當陣列式麥克風在電視機上應用時，需要更加遠的收音距離，需要更加寬的收音范圍，而這些問題都可以比較容易解決，但是回聲的問題則變得更為突出。因為電視機是家庭的娛樂中心，所以電視機的揚聲器音量輸出也許會比較大，而麥克風大部分都是設計在電視機上，遠端說話的聲音從揚聲器出來，很容易被麥克風重新拾取，再傳送到原說話者的那邊，嚴重一些的情況，還可能形成自激。

在電視聊天過程中，如果存在回聲，會導致說話的人感覺不舒服;而且語音疊加，導致語音不清晰，所以要盡量消除回聲。電視機的使用場合、環境各不相同，比如說揚聲器的音量大小差異很大，空間的布置差異也很大等，這些都是與回聲直接相關的因素，而且這些因素都為不可控，不可預估的因素。為了解決在電視機上應用陣列式麥克風，可能會產生的回聲問題，需要在系統內部設計自適應濾波器。自適應濾波器的基本思想是估計回音路徑的特征參數，產生一個模擬的回音路徑，得出模擬的回音信號。然后接收信號中減去這個自適應濾波器模擬出來的回音信號，實現回音抵消。

自適應濾波器的架構如圖2。圖中所示的濾波器的輸入是x(n)={x(n),x(x-1),?x(n-N+1)}T，濾波器的權系數是h(n)={h1(n)，h2(n)，?hN (n)}T，d(n)為期望輸出信號，d^(n)為濾波器的實際輸出，也稱估計值。e(n)為誤差，e(n)=d(n)-d^(n)。由誤差經過自適應算法，來調整濾波系數，使得濾波實際輸出接近期望輸出的信號。

在實際的電視中的應用原理框圖見圖3。圖中f(n)代表來自遠方的語音信號;r1(n)為f(n)從揚聲器出來，經過不同的回聲通道所產生的回聲集合，并被陣列式麥克風收音;s(n)為本地用戶說話的語音信號;r(n)為自適應濾波器對f(n)進行了預處理，估算f(n)信號所產生的回音，其動態估算值為r(n)。那么通過計算，本地用戶所傳送出去的聲音信號應該為u(n)=y(n)-r(n)=s(n)+r1(n)-r(n)。在理想的狀態下，如果自適應濾波器所產生的回聲估算值r(n)等于實際的回聲集合r1(n)，即r1(n)-r(n)=0，那么回聲將被剛好完全消除。

由于用戶的使用環境差異非常大，單獨靠自適應濾波器內部的算法，動態修改濾波器的權系數，很難使得輸出的r(n)=r1(n)。所以如果自適應濾波器在DSP內部動態修正權系數的同時，把電視機使用的環境因素考慮進去，充分分析回聲的通道的各種情況，結合“內外”的因素，來動態修正濾波器的權系數，這樣將會使得r(n)更加接近于實際的r1(n)，從而更地的消除回聲。帶有內部校準信號的系統框圖如圖4。

其中最主要是增加了一個內部校準單元，內部存儲有一些特定的音頻測試信號Fn。人聲所包括的頻率主要從300~3400Hz之間，所以內部的測試信號Fn從這個頻率區間進行取樣即可，如Fn=300Hz、400Hz、500Hz等等，以此類推。其邏輯思路見圖5。

舉例說明：當用戶發現在聊天過程中回聲較大，可以人為通過遙控器的按鍵或者鍵控板上的按鍵等方式來發出校準指令。此時，內部校準單元會逐一發出相關的測試信號Fn，測試信號通過主信道，通過功放，從揚聲器發出聲音，聲音再通過不同的回聲通道，被陣列式麥克風拾取，回送到內部校準單元。由于測試信號為固有的信號，內部校準單元可以準確對比測試信號和回聲之間的差異，考慮與環境相關的回聲因素，產生新校正因子γ。

校正因子γ送到自適應濾波器，讓自適應濾波器修正濾波器的權系數，這個權系數可以說在一定程度上考慮了外部的環境對回聲的影響因素，所以自適應濾波器所產生的r(n)將更加接近r1(n)，從而可以更好的消除回聲。

小結

可以預見，聊天功能將會成為未來電視機的主要功能之一，而在電視機中應用陣列式麥克風，可以擺脫對傳統形式麥克風的依賴，給用戶帶來較好的體驗感受;而加強對回聲的消除處理，是陣列式麥克風得以在電視機上廣泛應用的保證。?