便攜式產(chǎn)品中語(yǔ)音命令的硬件注意事項(xiàng)

語(yǔ)音命令接口的硬件核心由麥克風(fēng)陣列和處理器組成，處理器可以接收和解釋來(lái)自麥克風(fēng)的音頻信號(hào)。根據(jù)設(shè)備的類型，可能需要各種其他組件，例如用于低功耗藍(lán)牙或WiFi的無(wú)線接口，以及揚(yáng)聲器，放大器，LED和顯示器以提供用戶反饋。

麥克風(fēng)陣列設(shè)計(jì)

雖然可以在語(yǔ)音命令產(chǎn)品中使用單個(gè)麥克風(fēng)，但大多數(shù)此類產(chǎn)品使用由兩到七個(gè)麥克風(fēng)組成的波束成形陣列。該陣列允許音頻處理器將麥克風(fēng)的拾音模式集中在用戶的聲音上，從而提高用戶語(yǔ)音相對(duì)于周圍環(huán)境噪聲的信噪比。DSP概念的研究表明，實(shí)現(xiàn)最佳的信噪比對(duì)于語(yǔ)音命令產(chǎn)品的準(zhǔn)確性和可靠性至關(guān)重要。然而，便攜式和電池供電產(chǎn)品的外形尺寸所帶來(lái)的要求帶來(lái)了許多挑戰(zhàn)，而這些挑戰(zhàn)在專為家庭使用而設(shè)計(jì)的產(chǎn)品中并不存在。

麥克風(fēng)數(shù)量：DSP Concepts 白皮書“設(shè)計(jì)優(yōu)化的麥克風(fēng)波束成形器”表明，增加麥克風(fēng)數(shù)量可以提高語(yǔ)音 UI 的可靠性，五個(gè)麥克風(fēng)陣列在環(huán)間距為 71 毫米之間，實(shí)現(xiàn)了性能和成本的最佳平衡。麥克風(fēng)的靈敏度匹配得越緊密，波束成形器的性能就越好;實(shí)現(xiàn)這一點(diǎn)的最實(shí)用方法是在安裝麥克風(fēng)后平衡硬件中的麥克風(fēng)靈敏度，因此靈敏度調(diào)整不僅可以補(bǔ)償麥克風(fēng)的不同增益（通常指定為±3 dB的精度），還可以補(bǔ)償外殼對(duì)麥克風(fēng)的聲學(xué)效果。

然而，很少有便攜式產(chǎn)品，幾乎沒有可穿戴設(shè)備有這樣的陣列空間。例如，真正的無(wú)線耳機(jī)通常每個(gè)聽筒中只有兩個(gè)麥克風(fēng)的空間。此外，這種陣列所需的處理能力可能超出了大多數(shù)便攜式設(shè)備中使用的相對(duì)較小的處理器的能力。因此，執(zhí)行波束成形和其他語(yǔ)音 UI 優(yōu)化功能的軟件算法必須能夠針對(duì)兩個(gè)或最多三個(gè)麥克風(fēng)進(jìn)行優(yōu)化。

麥克風(fēng)選擇： 由于語(yǔ)音命令產(chǎn)品使用多個(gè)麥克風(fēng)，因此這些產(chǎn)品選擇麥克風(fēng)的兩個(gè)主要因素通常是尺寸和成本。然而，在便攜式和電池供電產(chǎn)品中，麥克風(fēng)的功耗也變得很重要。MEMS麥克風(fēng)已經(jīng)成為語(yǔ)音命令產(chǎn)品的標(biāo)準(zhǔn)，其小尺寸、低成本和低功耗使其在便攜式和電池供電產(chǎn)品中的使用更加重要。壓電MEMS麥克風(fēng)的另一個(gè)優(yōu)點(diǎn)是它們非常穩(wěn)定，并且在回流焊，濕度或溫度變化期間靈敏度不會(huì)發(fā)生變化。

這些麥克風(fēng)可以具有模擬或數(shù)字輸出，但模擬麥克風(fēng)通常是超低功耗應(yīng)用的更好選擇。模擬麥克風(fēng)具有內(nèi)部放大器，因此需要一些功率，但使用PDM或I2S數(shù)字輸出具有更多的內(nèi)部組件，因此消耗更多的功率。但是，模擬麥克風(fēng)可能需要添加模數(shù)轉(zhuǎn)換器級(jí)，如果該功能尚未內(nèi)置于 SoC 中。

專為超低功耗應(yīng)用設(shè)計(jì)的MEMS麥克風(fēng)的一個(gè)例子是Vesper VM1010，這是一款模擬輸出麥克風(fēng)，在“聲音喚醒”模式下的額定功耗僅為8 μA?？紤]到便攜式產(chǎn)品中的電池即使在完全斷電時(shí)通常也會(huì)消耗約50 μA的功率，因此VM1010對(duì)便攜式產(chǎn)品的電池壽命幾乎沒有影響。

VM1010中的壓電麥克風(fēng)元件由一個(gè)非常低功耗的比較器電路監(jiān)控，當(dāng)麥克風(fēng)上的聲音超過由外部電阻器設(shè)置的特定閾值時(shí)，該電路會(huì)向系統(tǒng)的其余部分發(fā)送喚醒信號(hào)。正確選擇電阻器可設(shè)置所需的閾值，以優(yōu)化 VM1010，從而在各種噪聲環(huán)境中實(shí)現(xiàn)最佳性能。VM1010 專注于 250 Hz 至 6 kHz 之間的聲音，可更好地拾取人聲并抑制環(huán)境噪音，如機(jī)械隆隆聲和風(fēng)噪。因此，VM1010 中的零功耗監(jiān)聽在系統(tǒng)中最低功率的語(yǔ)音活動(dòng)檢測(cè)模式之前提供超低功耗模式，從而在待機(jī)狀態(tài)下節(jié)省大量功耗。這種類型的單個(gè)麥克風(fēng)可用于觸發(fā)語(yǔ)音命令產(chǎn)品的麥克風(fēng)陣列、音頻處理電路和互聯(lián)網(wǎng)連接（如果適用）。

［圖1|Vesper VM1010 MEMS 麥克風(fēng)（左）及其內(nèi)部電路配置（右）］

便攜式產(chǎn)品中的語(yǔ)音識(shí)別麥克風(fēng)也必須堅(jiān)固耐用，能夠承受產(chǎn)品從腰部高處掉落到混凝土上的沖擊。它們可能還需要防水或至少防水。上面引用的VM1010是浸入式，防塵和防震的，因此它符合所有這些標(biāo)準(zhǔn)。

根據(jù)DSP Concepts進(jìn)行的測(cè)試（在白皮書“設(shè)計(jì)優(yōu)化的麥克風(fēng)波束成形器”中介紹），陣列中麥克風(fēng)的信噪比并不重要。使用靈敏度容差更嚴(yán)格的麥克風(fēng)有助于提高性能 - 本文詳細(xì)介紹了使用具有±1 dB容差的麥克風(fēng)而不是更典型的±3 dB的麥克風(fēng)所帶來(lái)的改進(jìn)。但是，考慮到陣列中的每個(gè)麥克風(fēng)可能處于不同的聲學(xué)環(huán)境中，由于外殼的物理設(shè)計(jì)，最好在處理器中而不是麥克風(fēng)本身中匹配麥克風(fēng)靈敏度。

另一種節(jié)省功耗的可能方法是使用加速度計(jì)喚醒設(shè)備，因此突然移動(dòng)可以激活麥克風(fēng)陣列和處理電路。這種設(shè)計(jì)可以消除讓麥克風(fēng)始終“傾聽”的需要。它可能在遙控器和控制面板等產(chǎn)品中不實(shí)用，這些產(chǎn)品可能超出手臂的可及性，但在一些可穿戴設(shè)備中可能很實(shí)用。

音頻處理器注意事項(xiàng)

在任何語(yǔ)音命令產(chǎn)品中，音頻處理器（無(wú)論是專用 DSP 還是 SoC 中的處理內(nèi)核）都必須具有必要的計(jì)算能力，以處理來(lái)自陣列中所有麥克風(fēng)的信號(hào)，并運(yùn)行語(yǔ)音識(shí)別所需的所有算法。芯片可以容納的算法越先進(jìn)，麥克風(fēng)越多，信噪比就越好，語(yǔ)音識(shí)別就越準(zhǔn)確。但是，在便攜式和電池供電產(chǎn)品中，處理器還必須消耗盡可能少的功率，以便在產(chǎn)品中保持足夠的電池壽命。計(jì)算和功率效率的這種微妙的平衡行為是一項(xiàng)極其困難的工程挑戰(zhàn)。

Ambiq Micro的阿波羅系列是專門設(shè)計(jì)用于處理具有小外形尺寸和電池功率的產(chǎn)品中的大量音頻處理任務(wù)的處理器系列。這些微控制器和 SoC 采用 Ambiq Micro 的 SPOT（亞閾值功率優(yōu)化技術(shù)）平臺(tái)設(shè)計(jì)，該平臺(tái)允許它們?cè)诓坏?1/10 的分辨率上運(yùn)行。千典型音頻處理器的電流。該公司的第一款基于SPOT的MCU，阿波羅1，是一款基于24 MHz皮層M4F的MCU，專注于傳感器處理。處理器滿載時(shí)功耗為35uA/MHz，休眠模式下功耗低至143 nA，僅為便攜式產(chǎn)品中電池典型靜態(tài)功耗的0.003倍。

基于 Cortex M4 的下一代 Apollo2 增加了 PDM 輸入，并將內(nèi)存占用空間和處理能力提高了一倍，達(dá)到 48 MHz，專注于超低功耗、始終在線的語(yǔ)音命令處理。Apollo2 Blue 進(jìn)一步構(gòu)建了 Apollo2 的功能，集成了低功耗藍(lán)牙控制器和藍(lán)牙 5 就緒無(wú)線電。

［圖2 |顯示Ambiq微型阿波羅2號(hào)藍(lán)色的結(jié)構(gòu)和特征的框圖］

Apollo2 和 Apollo2 Blue 處理器目前能夠使用 DSP Concepts 的語(yǔ)音 UI 算法（如下所述）處理來(lái)自兩個(gè)或三個(gè)麥克風(fēng)陣列的信號(hào)，使其適用于超低功耗耳戴式、可穿戴設(shè)備和其他移動(dòng)應(yīng)用。Ambiq Micro還計(jì)劃發(fā)布Apollo3 Blue，它將提供額外的計(jì)算帶寬來(lái)處理更多的麥克風(fēng)，以及更低的活動(dòng)功耗和睡眠模式，從而實(shí)現(xiàn)更嚴(yán)格的波束成形模式，更好的信噪比和更好的語(yǔ)音識(shí)別精度。

所有這些處理器都具有耳機(jī)等微型可穿戴產(chǎn)品所需的緊湊尺寸。它們的尺寸從2.5mm到4.5mm不等，具體取決于引腳配置。阿波羅1號(hào)的有功功耗額定為35 μA/MHz，而阿波羅2號(hào)和阿波羅2號(hào)的額定功耗低于10 μA/MHz。借助 Apollo2 Blue 的藍(lán)牙 5 無(wú)線電，它可以充當(dāng)語(yǔ)音助手的專用藍(lán)牙低功耗語(yǔ)音通道。

其他組件

除了麥克風(fēng)陣列和音頻處理器之外，語(yǔ)音命令產(chǎn)品還需要其他組件。具體的組件要求將取決于應(yīng)用和外形尺寸，但幾乎每個(gè)語(yǔ)音命令產(chǎn)品都會(huì)采用一些要求。與麥克風(fēng)和處理器一樣，選擇這些組件不僅要考慮其功能和性能，還要考慮小尺寸和低功耗。

無(wú)線接口： 為了提供比最基本的功能更多的功能，語(yǔ)音命令產(chǎn)品需要訪問Internet，以便它們可以從外部服務(wù)器發(fā)送和接收數(shù)據(jù)。使用專為家庭使用的智能揚(yáng)聲器，這種連接是通過WiFi與LAN建立的。對(duì)于便攜式語(yǔ)音命令產(chǎn)品，它通常通過藍(lán)牙連接到智能手機(jī)或平板電腦，而智能手機(jī)或平板電腦又通過蜂窩數(shù)據(jù)網(wǎng)絡(luò)或WiFi連接到互聯(lián)網(wǎng)。

用戶反饋組件：大多數(shù)語(yǔ)音命令產(chǎn)品都包含某種用戶反饋，以確認(rèn)設(shè)備處于活動(dòng)狀態(tài)，正確聽到并理解用戶的命令，以及它將執(zhí)行所需的操作。這些設(shè)備可以是LED，例如亞馬遜Echo和谷歌家庭智能揚(yáng)聲器頂部的閃爍燈。它們也可以是字母數(shù)字或圖形顯示，可以在許多遙控器和家庭自動(dòng)化墻板上找到。

這些設(shè)備中的大多數(shù)也可能具有音頻反饋，這可能會(huì)通過警報(bào)音或語(yǔ)音合成來(lái)確認(rèn)用戶的命令 - 這是處理器上的另一個(gè)負(fù)載。該裝置必須使用放大器和某種揚(yáng)聲器來(lái)重現(xiàn)語(yǔ)音和/或警報(bào)音。某些產(chǎn)品可能使用具有波束成形算法的多個(gè)驅(qū)動(dòng)程序，將響應(yīng)引導(dǎo)回偵聽器。

工業(yè)設(shè)計(jì)注意事項(xiàng)

產(chǎn)品的物理設(shè)計(jì)會(huì)對(duì)其語(yǔ)音識(shí)別系統(tǒng)的性能產(chǎn)生重大影響。如上文引用的 DSP 概念白皮書中所述，麥克風(fēng)靈敏度的精確匹配對(duì)于可靠的波束成形器性能和準(zhǔn)確的語(yǔ)音識(shí)別至關(guān)重要。

例如，如果陣列中的麥克風(fēng)放置在距產(chǎn)品邊緣的不同距離處，則它們將具有不同的頻率響應(yīng)，從而在不同頻率下具有不同的靈敏度。麥克風(fēng)安裝的一致性也是一個(gè)問題。麥克風(fēng)必須盡可能以完全相同的方式安裝，以盡量減少由于安裝不一致而可能產(chǎn)生的任何聲學(xué)差異。話筒周圍的任何密封件也必須在設(shè)計(jì)、材料和安裝上保持一致。

除了謹(jǐn)慎設(shè)計(jì)語(yǔ)音命令產(chǎn)品，使其陣列中的每個(gè)麥克風(fēng)都處于相似的聲學(xué)環(huán)境中外，制造商還可以通過在工廠單獨(dú)匹配每個(gè)單元的麥克風(fēng)來(lái)確保語(yǔ)音命令產(chǎn)品的最佳性能。這個(gè)額外的QC步驟可確保由于微小的制造不一致而導(dǎo)致的麥克風(fēng)性能差異不會(huì)影響語(yǔ)音識(shí)別的準(zhǔn)確性。

審核編輯：郭婷