幾十年來，研究人員一直在努力讓計算機能夠理解人類語音，它終于為黃金時間做好了準備。隨著 Apple 的 Siri、Amazon Echo 和 Google Home 等個人語音助手的出現(xiàn)，電子系統(tǒng)的語音控制現(xiàn)在已成為必備功能。從合適的麥克風入手是在此類設計中實現(xiàn)最佳性能的關鍵。

語音控制設備的首選技術是微機電系統(tǒng) (MEMS) 麥克風。由于許多原因，它們基本上取代了舊的駐極體電容麥克風。一方面，MEMS 麥克風很小——只有 2.5 x 1.6 x 0.9 mm。然而，更重要的是，它們可以提供不會隨時間漂移的穩(wěn)定性能，并且可以具有更好的相位匹配以實現(xiàn)精確的波束成形。

MEMS 麥克風通過電容工作。硅的微加工產(chǎn)生了一個以柔性板為一壁的聲學室，壓力波（聲音）可以移動該板。板和腔室其余部分之間不斷變化的電容會產(chǎn)生代表聲音的電信號。存在兩種類型的 MEMS 麥克風。模擬麥克風與其較大的同類麥克風一樣，只是提供傳感器信號——可能經(jīng)過調(diào)節(jié)或過濾，但基本上沒有改變。因此，如果要在機器語音識別中使用模擬麥克風，則需要使用外部 ADC。數(shù)字麥克風包括 ADC 和其他板載數(shù)字元件，用于將傳感器信號轉(zhuǎn)換為數(shù)字數(shù)據(jù)流，通常是脈沖密度調(diào)制的。

圖 1：MEMS 麥克風本質(zhì)上是一個可變電容器，通過對聲學室中的可移動硅板進行微加工制成。（來源：意法半導體）

MEMS 麥克風技術首先在移動設備和筆記本電腦中得到采用，這些應用仍在推動市場發(fā)展。大多數(shù)設備都有多個麥克風，它們位于靠近底部的位置，用于拾取電話聲音，靠近相機鏡頭，用于拾取視頻聲音。然而，這些麥克風旨在捕捉聲音以供人類聆聽，這為設計人員在應用數(shù)據(jù)壓縮和其他過濾算法時提供了相當大的自由度。然而，對于機器收聽，音頻處理需求是不同的。

在評估用于語音控制的 MEMS 麥克風之前，開發(fā)人員首先需要決定如何使用該系統(tǒng)。例如，電池供電的手持設備（例如遙控器）可能總是放在說話者的嘴邊。因此，該設計可能只需要一個麥克風，而信噪比 (SNR) 等聲學參數(shù)可能不像功耗那么重要。但是在像 Amazon Echo 這樣的設備中，它必須可靠地理解在嘈雜環(huán)境中從幾米外傳來的聲音，關鍵參數(shù)將是 SNL（它確定可靠地感知到的最柔和的聲音）和聲學過載點 (AOP)，它是傳感器在不飽和的情況下可以處理的最大聲壓級 (SPL)。

第二個前期考慮是麥克風的安裝位置和方式。MEMS 麥克風有兩個方向。有頂部端口，聲音入口孔指向遠離安裝表面的方向，底部端口。對于底部端口，安裝麥克風的 PCB 必須有一個與孔對齊的通孔，以便聲音進入。雖然這似乎是一種更復雜的方法，但底部端口麥克風目前主導著市場。移動設備設計人員一直將麥克風安裝在柔性電路上，然后將其連接到設備外殼上，在這些設計中，底部端口設計大大簡化了組裝。

?

圖 2：底部端口麥克風的聲學孔徑與其 PCB 安裝焊盤位于同一側(cè)。

此外，在考慮安裝時，供應商警告說，工業(yè)設計的聲學特性需要注意。如果外殼的聲音孔徑和外殼的諧振腔不合適，即使是最好的麥克風也會產(chǎn)生較差的性能。根據(jù)應用的不同，可能還需要使用墊圈或其他屏障來防止灰塵或水進入麥克風的聲孔。

幸運的是，MEMS 麥克風供應商可以提供幫助。例如，英飛凌等供應商與聲學專家合作，提供客戶可以利用的參考設計。其他公司，如意法半導體，提供聲學仿真服務，以幫助根據(jù)客戶的 3D 圖紙驗證客戶設計。

考慮到這些基本考慮因素，設計人員可以評估各個麥克風的性能特征以做出最終選擇。電子表格中列出了可供選擇的具有代表性的 MEMS 麥克風的關鍵參數(shù)，可供注冊的 EP 閱讀器下載。其中一些規(guī)格包括：?

端口靈敏度 — 給定端口處參考 94-dB -SPL 聲學信號的輸出信號幅度。這有助于指示麥克風將拾取的最柔和的聲音。

SNR — 麥克風的本底噪聲與 94-dB、1-kHz 聲波產(chǎn)生的信號之間的差異（以 dB 為單位）。

動態(tài)范圍——麥克風可以可靠地捕捉而不會失真的聲音強度級別的分布。它本質(zhì)上是麥克風的本底噪聲與其 AOP 之間的差異（以 dB 為單位）。

頻率范圍——麥克風在不損失靈敏度的情況下可以響應的音頻頻率范圍。

圖 3：點擊本文底部的“下載指南”按鈕下載此 MEMS 麥克風選擇指南。

一些供應商還指出了開發(fā)人員可以考慮的麥克風產(chǎn)品的特殊功能。其中一個更有趣的是低功耗模式，它允許麥克風在不太敏感但始終開啟的狀態(tài)下運行。在這種狀態(tài)下運行允許設計在保持活動狀態(tài)的同時節(jié)省電力，以便檢測“喚醒”字詞，例如“Alexa”。一旦檢測到喚醒字，系統(tǒng)就可以切換到全靈敏度（和全功率）操作。這種模式對于電池供電的設計特別有價值，因為它有助于延長電池壽命。

然而，MEMS 麥克風只是聲控系統(tǒng)設計的第一個元素。它們之后通常必須進行信號處理，將來自多個麥克風的信號組合起來以降低噪音。降噪技術包括波束成形（需要多個麥克風），它將系統(tǒng)的聲學響應集中在揚聲器的方向上，以及“插入”操作，它消除了設備本身產(chǎn)生的聲音，因此揚聲器不需要大聲喊叫才能被聽到。

當然，本文僅涉及 MEMS 麥克風操作和評估的皮毛。幸運的是，網(wǎng)上有許多供應商教程和其他指南可供進一步研究。這些包括：

MEMS 麥克風規(guī)格簡介— Cirrus Logic

音頻波束成形— Infineon Technologies

MEMS 麥克風教程— STMicroelectronics

您還可以通過以下文章鏈接了解一些語音信號處理選項及其開發(fā)套件。?

審核編輯：湯梓紅