麥克風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”：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行定位。

更具體的，

聲源頻率＜1.5KHz時，聲音先到達靠近聲源一側的耳朵，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，導致聲音在傳播到較遠側耳朵時部分被頭顱阻擋，所接收到的能量值低于另一側耳朵，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。

時間到達差算法

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

根據(jù)麥克風A、B的時間差，我們可以以A、B為焦點畫出一條雙曲線，

根據(jù)麥克風B、C的時間差，我們可以以B、C為焦點畫出一條雙曲線，

此時兩條雙曲線交匯的點即為聲源位置。

波束形成算法

陣列麥克風采集到的信號，由于距離間隔不同，聲音到達每個麥克風都會存在一定的時延t，因此將采集到的聲波進行疊加時，聲波會出現(xiàn)不同程度的衰減，但如果我們將每個麥克風采集到的聲波進行時延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。

這個原理和我們經常聽到的TWS耳機所宣傳的Beamforming指向增強技術（利用兩個麥克風采集到的語音進行相位差處理實現(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接收的來自于同一個聲音的信號強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接收信號相關矩陣的空間譜求解麥克風之間的相關矩陣來確定方向角進而確定聲源位置。

由于篇幅有限，我們分為下一個篇章進行解析。