Chinese 
English 由无锡硅源科技有限公司提供
了解我们的 MEMS 麦克风 | 了解我们的传感器模块
1.导言
在之前讨论超声波测距的基础上，本文将深入探讨如何将 MEMS 麦克风阵列用于以下用途 声源定位 - 的一项重要技术 智能设备、机器人和空间音频系统.
配备高性能 MEMS 麦克风阵列后，系统可以检测到 到达方向 或 到达角（AoA） 声源，实现以下功能 语音跟踪, 基于声音的人机交互和 室内声学绘图.
2.什么是麦克风阵列？
A 麦克风阵列 是多个麦克风的结构性排列，通常以 线形, 矩形或 六角形 模式。
这些阵列可以捕捉从不同方向传来的声波，并通过计算模型估算声音的来源。
从原理上讲，麦克风阵列的功能与无线通信中的天线阵列非常相似，但针对的是声波。
例如 4 个麦克风线性阵列 可用于检测声音到达的时间差（TDOA），并通过几何和信号处理计算 AoA。
3.近地点定位理论
假设声波到达两个间距为 ddd 的麦克风，声音到达时的角度为 θthetaθ。
声音路径的不同导致了 时间延迟（Δt） 给出：Δt=dcos(θ)c\Delta t = \frac{d \cos(\theta)}{c}Δt=cdcos(θ)
其中，ccc 是音速（~340 米/秒）。
通过测量 Δt，我们可以计算出到达角： θ=arccos(Δt⋅cd)\theta = \arccos\left(\frac{Delta t \cdot c}{d}\right)θ=arccos(dΔt⋅c)
这种计算方法可以扩展到 多麦克风阵列从而大大提高了空间分辨率。
4.实际执行
在 MATLAB 或嵌入式系统中，交叉相关函数用于计算 TDOA：
[data, fs] = audioread('array_record.wav')；
x = data(1, :); y = data(4, :)；
d = 0.15; c = 340；
X = fft(x); Y = fft(y)；
correlation = ifft(X .* conj(Y))；
[m, idx] = max(correlation)；
delta_t = (idx - 1 - length(correlation)/2)/ fs；
theta = acos(delta_t * c / d) / pi * 180；
这种简单的算法可以提供精确的方向估算，这是 波束成形, 降噪和 源分离.
5.多阵列信号源定位
通过将来自 两个或多个麦克风阵列该系统可以精确定位 二维或三维位置 声源。
每个阵列估算一个方向，它们之间的交叉点决定了确切的位置--这一原理也用于 机器人听觉感知 和 会议音频系统.
6.基于指纹的定位
除了 AoA 外，另一项新兴技术涉及 声强指纹识别 - 分析整个空间多个频率的信号强度分布。
在神经网络的帮助下，这些声音 "指纹 "可以在预定义的网格内对设备位置进行分类，在室内达到厘米级的精确度。
这种混合方法结合了 声传播建模 与 机器学习可实现以下应用
- 室内设备定位
- 基于音频的手势识别
- 空间声学分析
7.应用
- 智能家居设备:语音指令方向跟踪
- 工业声学:基于声音的故障检测
- 机器人:环境声音定位
- 助听器:定向噪声抑制
- 会议系统:扬声器自动对焦
有关商业集成，请访问
🔗 无锡硅源的 MEMS 麦克风
🔗 麦克风阵列传感器模块
8.参考文献
- Cheng, L. et al、 "实现基于单一声源的声学定位IEEE infocom，2020。
- Zhang, Y. et al、 "Vernier：使用移动设备进行准确快速的声学运动跟踪"IEEE infocom，2018。
- Xie, P. et al、 "GeneWave：商品移动设备上的快速验证和密钥协议"IEEE ICCNP，2017。
