智能音箱之音頻通路質(zhì)量

　　智能音箱之音頻通路質(zhì)量

　　音箱行業(yè)有著悠久的歷史，但是在過去十多年里，傳統(tǒng)的音箱行業(yè)面臨著極大的市場(chǎng)困境，例如藍(lán)牙音箱剛出現(xiàn)各個(gè)廠商便直接殺成了一片紅海。而2015年隨著智能音箱的涌現(xiàn)，特別是亞馬遜的Echo、京東的叮咚、阿里的小飛，不僅對(duì)外展現(xiàn)出了智能音箱行業(yè)百花齊放的局面，也使沉悶的音箱市場(chǎng)看到了突破性發(fā)展的希望。但是，隨著這些巨頭們的集體涌入，這也讓在智能音箱行業(yè)摸爬滾打的創(chuàng)業(yè)者倍感艱難。

　　音箱特別是中高端音箱，本來就是強(qiáng)調(diào)品牌且技術(shù)門檻較高的領(lǐng)域。而智能音箱將聲學(xué)設(shè)計(jì)、無線技術(shù)、語音識(shí)別、遠(yuǎn)場(chǎng)拾音、語義分析等眾多技術(shù)融合在一起，不僅技術(shù)更為復(fù)雜，而且更加依賴音樂內(nèi)容平臺(tái)的支持，這些諸多因素都是創(chuàng)業(yè)者需要直面解決的難題。當(dāng)然，技術(shù)還是其中的根本

　　當(dāng)將語音識(shí)別算法接入到設(shè)備時(shí)，務(wù)必要保證設(shè)備的音頻通路具有足夠的質(zhì)量。因此對(duì)設(shè)備進(jìn)行音頻測(cè)試，以評(píng)估能夠影響語音識(shí)別性能的音頻前端的音頻參數(shù)。如下要點(diǎn)對(duì)語音識(shí)別至關(guān)重要：

　　自然聲音

　　合適的增益

　　良好的信噪比

　　一致的響應(yīng)，信號(hào)不能包括如下信息： 自動(dòng)增益控制 AGC 啟動(dòng)響應(yīng) 直流偏置過大

　　適當(dāng)?shù)念l響 （高低滾降，理想平滑，沒有混跌）

　　二、測(cè)試設(shè)備

　　帶有錄音軟件的被測(cè)試設(shè)備

　　音頻測(cè)試儀器：CD機(jī)，均衡器，音箱，人工嘴和聲壓計(jì)

　　帶分析工具的PC機(jī)（CoolEditor、Audition、Audacity和Wavesurfer等）

　　三、音頻文件

　　正常音頻文件：用于主觀判斷音頻質(zhì)量和增益設(shè)置以及信噪比；

　　大增益文件：用于判定削波時(shí)的增益設(shè)置；

　　1K-sine增益Sweep文件0~105dB：用于評(píng)估削波，決定最大數(shù)值和判定AGC存在與否；

　　0~8K/16K掃頻文件：用于測(cè)試設(shè)備的頻響和混跌；

　　四、測(cè)試項(xiàng)目

　　1. 主觀聽音

　　用質(zhì)量好的耳機(jī)去聽設(shè)備的音質(zhì)，從而發(fā)現(xiàn)一些非正常聲音；比如：雜音、諧波和共振等；

　　音頻路徑上過多的信號(hào)處理可能導(dǎo)致聲音畸變?yōu)槿嗽炻?，不符合正常自然聲音，?huì)對(duì)軟件識(shí)別造成很大困難。

　　2. 增益評(píng)估

　　設(shè)備在各種使用場(chǎng)景下，務(wù)必保持增益的設(shè)置不要使信號(hào)削波；削波會(huì)嚴(yán)重降低識(shí)別性能，必須禁止。

　　95dB的聲音應(yīng)該剛好填滿16bit音程；

　　3. 信噪比

　　靜默值作為底噪，聲音波形的中部作為信號(hào)；尤其注意某些記錄將具有數(shù)據(jù)實(shí)際值為零的引導(dǎo)/拖尾部分，不要使用這部分作為靜默測(cè)量；麥克風(fēng)單體的信噪比，除了本身規(guī)格書之外，在實(shí)際產(chǎn)品中收到電路噪聲影響很大，尤其注意模擬麥克風(fēng)bias電源。

　　信號(hào)比：S/N＞30對(duì)于識(shí)別是良好的比值，大于20也是可行的；如果小于20的話，則說明音頻路徑上太吵了導(dǎo)致很難識(shí)別成功。

　　4. 自動(dòng)增益控制AGC

　　AGC的存在，當(dāng)音頻信號(hào)的幅度增大時(shí)，它通常表現(xiàn)為增益逐步減小。它會(huì)影響識(shí)別效果，所以得關(guān)閉此功能，類似的有自動(dòng)電平控制寄存器ALC等。

　　同時(shí)部分功放帶有動(dòng)態(tài)調(diào)節(jié)音量的功能，務(wù)必關(guān)閉此項(xiàng)功能，否則嚴(yán)重影響AEC效果；所有的動(dòng)態(tài)調(diào)節(jié)都務(wù)必在AEC采樣點(diǎn)之前進(jìn)行，具體如下圖示意：

　　5. 啟動(dòng)瞬態(tài)Startup transients

　　音頻系統(tǒng)經(jīng)常在錄音命令下達(dá)后，需要一段時(shí)間才能真正啟動(dòng)操作，這導(dǎo)致了啟動(dòng)瞬態(tài)；如果這主要包括低頻的話，將不會(huì)對(duì)識(shí)別造成影響，因?yàn)樽R(shí)別器中有低通濾波器。

　　然而試圖消除瞬態(tài)的話，將信號(hào)鉗位在零電平上超過幾十毫秒的話，會(huì)嚴(yán)重影響識(shí)別。在這種情況下，最好完全跳過音頻，而不是將此錯(cuò)誤信息發(fā)送給識(shí)別器。

　　上圖中紅色框中125ms的啟動(dòng)瞬態(tài)，應(yīng)該跳過。

　　6. 直流偏置過大DC offset

　　直流偏置可以看作是靜音信號(hào)在零信號(hào)線上高于或者低于的信號(hào)；

　　如果偏移量為滿刻度限制的百分之幾或者更少，是沒有問題的；

　　但是如果超過10%則需要糾正，很大的偏移將導(dǎo)致不對(duì)稱削波。

　　7. 頻響曲線Response curve

　　為了隔絕麥克分錄音到其他雜音，麥克風(fēng)需要與喇叭足夠近，大致2.5cm處錄音。

　　檢查FFT大小設(shè)置為2048個(gè)采樣點(diǎn)，采樣窗口設(shè)置為Blackmann Harris；

　　理想的頻率響應(yīng)曲線在頂端220Hz和3200~3900Hz之間的幾分貝內(nèi)是平坦的，差值一般控制在10dB以內(nèi)是可以接受的（16K采樣率的為6400Hz～7400Hz）如下圖所示：

　　頻響曲線是個(gè)慢慢的漸變過程，如果個(gè)別區(qū)域出現(xiàn)急劇變化，應(yīng)該重點(diǎn)關(guān)注并研究，音頻可能存在其他問題。

　　8. 混疊Aliasing

　　當(dāng)超過采樣速率的一半（奈奎斯特極限）的信號(hào)被允許進(jìn)入模數(shù)轉(zhuǎn)換器（ADC）時(shí)，出現(xiàn)混疊現(xiàn)象。如下為ES7210調(diào)試初期出現(xiàn)的混疊現(xiàn)象：

　　混疊是影響識(shí)別的一個(gè)重大因素，必須消除混疊；

　　故ADC需要有抗混疊處理，例如抗混疊濾波器等。

　　9. 諧波失真Harmonic distortion

　　當(dāng)錄音系統(tǒng)增加輸入信號(hào)的泛音時(shí)，會(huì)出現(xiàn)諧波失真；

　　AEC對(duì)信號(hào)失真是非常敏感的，音頻通路的整體諧波失真需要控制在5%以內(nèi)，故從麥克風(fēng)到功放到揚(yáng)聲器和音腔，均需要嚴(yán)格控制；除了單體品質(zhì)之外，尤其注意功放和揚(yáng)聲器的功率匹配、阻抗匹配和頻率匹配；

　　如下圖為1K-sine信號(hào)的頻譜圖，有奇次諧波、偶次諧波：

　　如下圖為8K-sweep信號(hào)的頻譜圖，有奇次諧波、偶次諧波：

　　諧波失真越小越好，一般要求最好是小于3%。