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)面臨著極大的市場困境，例如藍牙音箱剛出現(xiàn)各個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、無線技術(shù)、語音識別、遠場拾音、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)將語音識別算法接入到設(shè)備時，務(wù)必要保證設(shè)備的音頻通路具有足夠的質(zhì)量。因此對設(shè)備進行音頻測試，以評估能夠影響語音識別性能的音頻前端的音頻參數(shù)。如下要點對語音識別至關(guān)重要：

　　自然聲音

　　合適的增益

　　良好的信噪比

　　一致的響應(yīng)，信號不能包括如下信息： 自動增益控制 AGC 啟動響應(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、測試設(shè)備

　　帶有錄音軟件的被測試設(shè)備

　　音頻測試儀器：CD機，均衡器，音箱，人工嘴和聲壓計

　　帶分析工具的PC機（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：用于判定削波時的增益設(shè)置；

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

　　0~8K/16K掃頻文件：用于測試設(shè)備的頻響和混跌；

　　四、測試項目

　　1. 主觀聽音

　　用質(zhì)量好的耳機去聽設(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處理可能導(dǎo)致聲音畸變?yōu)槿嗽炻暎环险Ｗ匀宦曇簦瑫浖R別造成很大困難。

　　2. 增益評估

　　設(shè)備在各種使用場景下，務(wù)必保持增益的設(shè)置不要使信號削波；削波會嚴重降低識別性能，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；尤其注意某些記錄將具有數(shù)據(jù)實際值為零的引導(dǎo)/拖尾部分，不要使用這部分作為靜默測量；麥克風(fēng)單體的信噪比，除了本身規(guī)格書之外，在實際產(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。

　　信號比：S/N＞30對于識別是良好的比值，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)致很難識別成功。

　　4. 自動增益控制AGC

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

　　同時部分功放帶有動態(tài)調(diào)節(jié)音量的功能，務(wù)必關(guān)閉此項功能，否則嚴重影響AEC效果；所有的動態(tài)調(diào)節(jié)都務(wù)必在AEC采樣點之前進行，具體如下圖示意：

　　5. 啟動瞬態(tài)Startup transients

　　音頻系統(tǒng)經(jīng)常在錄音命令下達后，需要一段時間才能真正啟動操作，這導(dǎo)致了啟動瞬態(tài)；如果這主要包括低頻的話，將不會對識別造成影響，因為識別器中有低通濾波器。

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

　　上圖中紅色框中125ms的啟動瞬態(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在零信號線上高于或者低于的信號；

　　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個采樣點，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：

　　頻響曲線是個慢慢的漸變過程，如果個別區(qū)域出現(xiàn)急劇變化，應(yīng)該重點關(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）的信號被允許進入模數(shù)轉(zhuǎn)換器（ADC）時，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：

　　混疊是影響識別的一個重大因素，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)增加輸入信號的泛音時，會出現(xiàn)諧波失真；

　　AEC對信號失真是非常敏感的，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)到功放到揚聲器和音腔，均需要嚴格控制；除了單體品質(zhì)之外，尤其注意功放和揚聲器的功率匹配、阻抗匹配和頻率匹配；

　　如下圖為1K-sine信號的頻譜圖，有奇次諧波、偶次諧波：

　　如下圖為8K-sweep信號的頻譜圖，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%。