Arm 公司的首席軟件工程師 Sandeep Mistry 為我們展示了一種全新的巧妙方法：在 Raspberry Pi Pico 2 上如何將音頻噪音抑制應用于麥克風輸入。機器學習（ML）技術(shù)徹底改變了許多軟件應用程序的開發(fā)方式。應用程序開發(fā)人員現(xiàn)在可以為所需系統(tǒng)整理包含大量輸入和輸出示例的數(shù)據(jù)集，然后使用這些數(shù)據(jù)集來訓練 ML 模型。在訓練過程中，ML 模型從輸入和輸出中學習模式。訓練好的模型會被部署到設備上，這些設備會對來自真實世界的輸入進行推理，并使用 ML 模型的預測輸出來執(zhí)行一個或多個操作?？梢圆渴鸬交?a target="_blank">微控制器的設備(如新 Pico 2 板上使用的 Arm Cortex-M33 微控制器 RP2350)上的小型 ML 模型只需要幾千字節(jié)的內(nèi)存。將 ML 模型部署到微控制器上可以降低系統(tǒng)的延遲，因為數(shù)據(jù)是在靠近輸入數(shù)據(jù)源的設備上處理的。這篇博客將深入探討如何將基于現(xiàn)有 ML 的音頻噪音抑制算法部署到新 Pico 2 板上使用的 RP2350 微控制器。RP2350 的雙核 Arm Cortex-M33 CPU 使應用程序開發(fā)人員能夠部署更多計算密集型應用程序，這些應用的性能超過了原始 Raspberry Pi Pico 板中使用的 RP2040 微控制器。然后，該算法將被集成到我為原始 Pico 板開發(fā)的 USB 麥克風應用程序中。最初的應用程序從數(shù)字脈沖密度調(diào)制（PDM）麥克風捕獲數(shù)據(jù)，并將其處理成與 USB 音頻標準兼容的格式，通過 USB 傳輸。

Hackster.io上使用Raspberry Pi Pico指南創(chuàng)建USB麥克風的屏幕截圖

該算法背景介紹

2018年，Jean-Marc Valin 發(fā)表了一篇關(guān)于實時全帶語音增強的混合DSP/深度學習方法的論文。本文介紹了如何使用基于遞歸神經(jīng)網(wǎng)絡（RNN）的ML模型來抑制音頻源中的噪聲。如果您有興趣了解有關(guān)該算法的更多信息，請閱讀Jean-Marc的RNNoise：學習噪聲抑制頁面。該頁面涵蓋了算法的詳細信息，并包括交互式示例。該項目的源代碼可在RNNoise Git存儲庫中找到。

RNNoise的屏幕截圖：學習噪聲抑制頁面在高層次上，該算法通過將信號分成 22 個頻段，從 10 毫秒的 48 kHz 音頻源中提取出 42 個特征。

屏幕截圖：RNNoise的“定義問題”部分：學習噪音抑制頁面然后，42 個特征被用作神經(jīng)網(wǎng)絡的輸入，神經(jīng)網(wǎng)絡會計算出 22 個頻段的增益。計算出的增益可應用于原始音頻信號，生成去噪版本。神經(jīng)網(wǎng)絡還會輸出 "語音活動檢測 "輸出，該輸出顯示輸入信號中存在語音的預測置信度，其值介于 0 和 1 之間。

屏幕截圖：RNNoise的“深度架構(gòu)”部分：學習噪聲抑制頁面

移植和基準測試算法

RNNoise 項目的原始 C 代碼可以集成到使用 Raspberry Pi Pico SDK 的 CMake 項目中。移植的所有源代碼都可以在 GitHub 上的 rnnoise-examples-for-pico-2 代碼庫中找到。我們使用 RNNoise 項目 v0.1.1 中的 celt_lpc.c、denoise.c、kiss_fft.c、pitch.c、rnn.c 和 rnn_data.c 文件創(chuàng)建了一個新的 CMake 目標庫。對 denoise.c 稍作修改，以便在 biquad 函數(shù)中使用單精度浮點計算，并使用 log10f(...) 和 sqrtf(...) 代替 log10(...) 和 sqrt(...) 函數(shù)。然后，可以將該庫集成到一個基準測試應用程序中，調(diào)用 rrnoise_create(...)函數(shù)初始化模型，然后再測量 rnnoise_process_frame(...) 函數(shù)處理 480 個樣本所需的時間。要將此基準測試應用程序部署到 Raspberry Pi Pico 1 或 Pico 2 板上，首先要遵循 "Raspberry Pi Pico 入門 "C/C++ SDK 指南的第 2 節(jié)和第 9 節(jié)，然后運行以下命令來構(gòu)建 .uf2 應用程序并部署到板上：

git clone --recurse-submodules \ https://github.com/ArmDeveloperEcosystem/rnnoise-examples-for-pico-2.gitcd rnnoise-examples-for-pico-2mkdir buildcmake ... -DPICO_BOARD=pico2make rnnoise-benchmark

編譯完成后，可以通過按住電路板上的白色 BOOTSEL 按鈕將 examples/benchmark/rnnoise-benchmark.uf2 文件部署到電路板上，同時將 USB 電纜插入計算機并將 .uf2 文件復制到 Pico 的 USB 磁盤上。
以下是 Pico 1 和 Pico 2 板上的基準測試結(jié)果:

原始的 Pico 1大約需要372.6毫秒，而新的 Pico 2 需要22.1毫秒：這是電路板之間的16.87倍速度。

針對 16 kHz 音頻修改算法

電路板要以 48 kHz 的采樣率處理 480 個音頻樣本，就必須在 0.01 秒（480 / 48,000）或 10 毫秒內(nèi)完成 rnnoise_process_frame(...)函數(shù)。Pico 2 的基準結(jié)果需要 22.1 毫秒，對于 48 kHz 音頻來說還不夠快，但對于處理采樣率為 16 kHz 的音頻來說已經(jīng)足夠快了，要求在 30 毫秒內(nèi)完成音頻處理。denoise.c 中的 eband5ms 變量可以輕松修改，以調(diào)整處理 16 kHz 數(shù)據(jù)的算法。該變量控制 22 個頻段的起始范圍。調(diào)整的方法是將原始值乘以 3（因為 16 kHz 音頻采集樣本的時間是 48 kHz 音頻的 3 倍），并將最大起始位置設為 120。以下是原始值：static const opus_int16 eband5ms[] = {
/*0 200 400 600 800 1k 1.2 1.4 1.6 2k 2.4 2.8 3.2 4k 4.8 5.6 6.8 8k 9.6 12k 15.6 20k*/
0, 1, 2, 3, 4, 5, 6, 7, 8, 10, 12, 14, 16, 20, 24, 28, 34, 40, 48, 60, 78, 100
};以及用于16 kHz音頻的修改值：static const opus_int16 eband5ms[] = {
/*0 200 400 600 800 1k 1.2 1.4 1.6 2k 2.4 2.8 3.2 4k 4.8 5.6 6.8 8k 9.6 12k 15.6 20k*/
0, 3, 6, 9, 12, 15, 18, 21, 24, 60, 36, 42, 48, 60, 72, 84, 102, 120, 120, 120, 120, 120
};串行示例可編譯并部署到電路板上，以測試修改后的算法。該示例通過 USB 連續(xù)循環(huán)接收 480 個 16 位音頻樣本，使用去噪算法對其進行處理，然后通過 USB 傳輸經(jīng)過去噪處理的樣本。在個人電腦上，可以使用 serial_denoise.py Python 腳本從文件中發(fā)送 16 位、16 千赫的原始音頻，并將去噪音頻保存到文件中。這些原始值可導入 Audacity 等應用程序，用于可視化和回放。下面是一個例子：第一軌是原始音頻（噪音），下面的第二軌是在 Pico 2 上去噪后的版本。

在Audacity應用程序的兩個音軌的屏幕截圖。

頂部：原始音頻。底部：音頻的去音版本。

我選擇了一個噪聲明顯降低的區(qū)域。到目前為止一切順利；該算法已通過驗證，可在電路板上通過 USB 從個人電腦串流 16 kHz 音源！

將算法集成到USB麥克風應用程序中最初為 Pico 1 開發(fā)的 USB 麥克風應用程序現(xiàn)在可以通過板載去噪功能得到增強。

硬件

此應用程序需要以下硬件：

• Raspberry Pi Pico 2 主板
• Adafruit PDM MEMS 麥克風接口
• 半尺寸試驗板
• 跳線
• 滑動開關(guān)（可選）
• 觸覺按鈕（可選）

可選的滑動開關(guān)將用作切換開關(guān)，以便在運行時禁用或啟用噪聲抑制處理，而可選的輕觸開關(guān)則為重置電路板提供了方便。連接硬件如下：

項目接線圖

接線完成后，你的試驗板將看起來像這樣：

軟件

應用程序?qū)⑹褂?microphone-library-for-pico 從采樣率為 16 kHz 的 PDM 麥克風采集 480 個 16 位采樣。該庫將 RP2350 的可編程 I/O (PIO) 和直接內(nèi)存訪問 (DMA) 功能與 OpenPDM2PCM 庫相結(jié)合，將原始 PDM 數(shù)據(jù)轉(zhuǎn)換為脈沖編碼調(diào)制 (PCM) 格式。16 位 PCM 數(shù)據(jù)被轉(zhuǎn)換為 32 位浮點，并使用 RNNoise 算法進行去噪。然后，將去噪幀轉(zhuǎn)換為 16 位整數(shù)，并使用 TinyUSB 庫通過 USB 發(fā)送。USB 傳輸每 1 毫秒發(fā)送 16 個去噪采樣。

帶去噪功能的 USB 麥克風框圖

RP2350 上兩個 Cortex-M33 內(nèi)核都用于此應用。內(nèi)核 1 從 PDM 麥克風捕獲原始數(shù)據(jù)，對其進行過濾和去噪處理。內(nèi)核 0 利用 TinyUSB 庫和 RP2350 的 USB 接口通過 USB 傳輸去噪數(shù)據(jù)。

RNNoise 模型的語音活動檢測輸出將通過脈寬調(diào)制 (PWM) 顯示在 Pico 2 的內(nèi)置 LED 上。當 VAD 輸出接近 1.0 時，LED 將變亮；當接近 0.0 時，LED 將熄滅。

記錄 Pico 2 電路板使用 RNNoise VAD 輸出通過 PWM 控制內(nèi)置 LED 亮度的情況應用程序的源代碼可在 rnnoise-examples-for-pico-2 GitHub 代碼庫的 examples/usb_pdm_microphone 文件夾中找到。該應用程序的編譯方式與基準測試程序類似，使用以下 make 命令：make rnnoise_usb_pdm_microphone編譯完成后，按住 BOOTSEL 按鈕并重置電路板后，即可將 examples/usb_pdm_microphone/rnnoise_usb_pdm_microphone.uf2 文件復制到 Pico 2 的 USB 磁盤中。

測試

應用程序加載到電路板后，可以使用 Audacity 測試音頻錄制，方法是首先單擊音頻設置按鈕 -> 重新掃描音頻設備，然后單擊音頻設置按鈕 -> 錄音設備 -> MicNode，再單擊錄音按鈕。

在Audacity中選擇MicNode作為記錄設備

如果連接了可選的滑動開關(guān)，則可以通過將開關(guān)滑向 Pico 2 的 USB 接口，來禁用噪聲抑制功能，然后通過將開關(guān)滑離 USB 接口來重新啟用噪聲抑制功能。

下面錄制的演示視頻將 Pico 2 用作 USB 麥克風，首先關(guān)閉噪聲抑制功能，然后啟用噪聲抑制功能后使用相同的輸入。請觀看并聆聽噪聲抑制算法的結(jié)果！
禁用去噪后的語音和風噪錄音
已啟用去噪功能的語音和風噪錄音

錄音軌道截圖。

上軌：禁用去噪功能；下軌：啟用去噪功能

下一步工作

本博客演示了如何利用 Raspberry Pi Pico 2 的 Arm Cortex-M33 CPU 的額外計算能力，使用 ML 模型對從 PDM 麥克風捕獲的 16 kHz 的 16 位實時音頻數(shù)據(jù)進行去噪處理。去噪算法利用了 Cortex-M33 的浮點運算單元 (FPU)，運行速度比原始 Pico 板上的 Cortex-M0+ 快 16.87 倍。該應用利用一個 CPU 捕捉、過濾和去噪數(shù)據(jù)，另一個 CPU 通過 USB 將音頻數(shù)據(jù)傳輸?shù)?PC。下一步，您可以修改應用程序，在通過 USB 向個人電腦發(fā)送降噪數(shù)據(jù)之前添加自動增益控制 (AGC)。另外，去噪數(shù)據(jù)也可以直接在電路板上使用，作為另一種數(shù)字信號處理 (DSP) 算法或 ML 模型的輸入，在核心 0 上運行，而不是 USB 棧。