麥克風(fēng)是如何做到聲源定位的-01

本文原創(chuàng)：硬件大熊，作者：雕塑者

人類的耳朵是可以聽到聲音后對聲音的源頭進(jìn)行定位的，就好比走在路上時你可以分辨出身后是否有疾馳而來的汽車，并且還能大致地判斷和你之間的距離。

這種通過耳朵帶來的空間聽覺感稱之為“雙耳效應(yīng)”：聲音傳遞到兩個耳朵存在時間差、能量差，大腦利用該兩個差別對聲源進(jìn)行定位。

更具體的，

聲源頻率＜1.5KHz時，聲音先到達(dá)靠近聲源一側(cè)的耳朵，即時間差（interaural time difference，簡稱ITD）；

聲源頻率＞1.5KHz時，由于波長比人的頭顱寬度短，導(dǎo)致聲音在傳播到較遠(yuǎn)側(cè)耳朵時部分被頭顱阻擋，所接收到的能量值低于另一側(cè)耳朵，即聲級差（interaural leveldifference，簡稱ILD）。

人類能夠分辨的最短時間差為10us，最小的聲級差為1dB。

時間到達(dá)差算法

這里要先有個基礎(chǔ)理論，即：雙曲線上的點(diǎn)到兩個焦點(diǎn)的距離之差為常數(shù)。

根據(jù)麥克風(fēng)A、B的時間差，我們可以以A、B為焦點(diǎn)畫出一條雙曲線，

根據(jù)麥克風(fēng)B、C的時間差，我們可以以B、C為焦點(diǎn)畫出一條雙曲線，

此時兩條雙曲線交匯的點(diǎn)即為聲源位置。

波束形成算法

陣列麥克風(fēng)采集到的信號，由于距離間隔不同，聲音到達(dá)每個麥克風(fēng)都會存在一定的時延t，因此將采集到的聲波進(jìn)行疊加時，聲波會出現(xiàn)不同程度的衰減，但如果我們將每個麥克風(fēng)采集到的聲波進(jìn)行時延τ處理，并逐漸將其時延至相位差為0時，其相加起來的功率可以達(dá)到最大值。此時可以通過τ反向推算，可以得出聲源的位置。

這個原理和我們經(jīng)常聽到的TWS耳機(jī)所宣傳的Beamforming指向增強(qiáng)技術(shù)（利用兩個麥克風(fēng)采集到的語音進(jìn)行相位差處理實(shí)現(xiàn)定向拾音）的底層原理是一致的。

除了以上兩種算法，還有基于聲壓幅度比的定位算法、高分辨率頻譜的定位算法，

基于聲壓幅度比的算法利用不同麥克風(fēng)接收的來自于同一個聲音的信號強(qiáng)度差異來定位聲源的位置；

高分辨率頻譜的定位算法利用麥克風(fēng)接收信號相關(guān)矩陣的空間譜求解麥克風(fēng)之間的相關(guān)矩陣來確定方向角進(jìn)而確定聲源位置。

由于篇幅有限，我們分為下一個篇章進(jìn)行解析。