便攜式產(chǎn)品中語音命令的硬件注意事項

語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自麥克風(fēng)的音頻信號。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

雖然可以在語音命令產(chǎn)品中使用單個麥克風(fēng)，但大多數(shù)此類產(chǎn)品使用由兩到七個麥克風(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，從而提高用戶語音相對于周圍環(huán)境噪聲的信噪比。DSP概念的研究表明，實現(xiàn)最佳的信噪比對于語音命令產(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的要求帶來了許多挑戰(zhàn)，而這些挑戰(zhàn)在專為家庭使用而設(shè)計的產(chǎn)品中并不存在。

麥克風(fēng)數(shù)量：DSP Concepts 白皮書“設(shè)計優(yōu)化的麥克風(fēng)波束成形器”表明，增加麥克風(fēng)數(shù)量可以提高語音 UI 的可靠性，五個麥克風(fēng)陣列在環(huán)間距為 71 毫米之間，實現(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;實現(xiàn)這一點的最實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，真正的無線耳機(jī)通常每個聽筒中只有兩個麥克風(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)備中使用的相對較小的處理器的能力。因此，執(zhí)行波束成形和其他語音 UI 優(yōu)化功能的軟件算法必須能夠針對兩個或最多三個麥克風(fēng)進(jìn)行優(yōu)化。

麥克風(fēng)選擇： 由于語音命令產(chǎn)品使用多個麥克風(fēng)，因此這些產(chǎn)品選擇麥克風(fēng)的兩個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)的另一個優(yōu)點是它們非常穩(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，如果該功能尚未內(nèi)置于 SoC 中。

專為超低功耗應(yīng)用設(shè)計的MEMS麥克風(fēng)的一個例子是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通常也會消耗約50 μA的功率，因此VM1010對便攜式產(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，該電路會向系統(tǒng)的其余部分發(fā)送喚醒信號。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)中最低功率的語音活動檢測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。這種類型的單個麥克風(fēng)可用于觸發(fā)語音命令產(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)品中的語音識別麥克風(fēng)也必須堅固耐用，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)行的測試（在白皮書“設(shè)計優(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)所帶來的改進(jìn)。但是，考慮到陣列中的每個麥克風(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，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喚醒設(shè)備，因此突然移動可以激活麥克風(fēng)陣列和處理電路。這種設(shè)計可以消除讓麥克風(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)備中可能很實用。

音頻處理器注意事項

在任何語音命令產(chǎn)品中，音頻處理器（無論是專用 DSP 還是 SoC 中的處理內(nèi)核）都必須具有必要的計算能力，以處理來自陣列中所有麥克風(fēng)的信號，并運(yùn)行語音識別所需的所有算法。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，語音識別就越準(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。計算和功率效率的這種微妙的平衡行為是一項極其困難的工程挑戰(zhàn)。

Ambiq Micro的阿波羅系列是專門設(shè)計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)）平臺設(shè)計，該平臺允許它們在不到 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 就緒無線電。

［圖2 |顯示Ambiq微型阿波羅2號藍(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 的語音 UI 算法（如下所述）處理來自兩個或三個麥克風(fēng)陣列的信號，使其適用于超低功耗耳戴式、可穿戴設(shè)備和其他移動應(yīng)用。Ambiq Micro還計劃發(fā)布Apollo3 Blue，它將提供額外的計算帶寬來處理更多的麥克風(fēng)，以及更低的活動功耗和睡眠模式，從而實現(xiàn)更嚴(yán)格的波束成形模式，更好的信噪比和更好的語音識別精度。

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號的有功功耗額定為35 μA/MHz，而阿波羅2號和阿波羅2號的額定功耗低于10 μA/MHz。借助 Apollo2 Blue 的藍(lán)牙 5 無線電，它可以充當(dāng)語音助手的專用藍(lán)牙低功耗語音通道。

其他組件

除了麥克風(fēng)陣列和音頻處理器之外，語音命令產(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，但幾乎每個語音命令產(chǎn)品都會采用一些要求。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。

無線接口： 為了提供比最基本的功能更多的功能，語音命令產(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。對于便攜式語音命令產(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，這可能會通過警報音或語音合成來確認(rèn)用戶的命令 - 這是處理器上的另一個負(fù)載。該裝置必須使用放大器和某種揚(yáng)聲器來重現(xiàn)語音和/或警報音。某些產(chǎn)品可能使用具有波束成形算法的多個驅(qū)動程序，將響應(yīng)引導(dǎo)回偵聽器。

工業(yè)設(shè)計注意事項

產(chǎn)品的物理設(shè)計會對其語音識別系統(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于可靠的波束成形器性能和準(zhǔn)確的語音識別至關(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、材料和安裝上保持一致。

除了謹(jǐn)慎設(shè)計語音命令產(chǎn)品，使其陣列中的每個麥克風(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匹配每個單元的麥克風(fēng)來確保語音命令產(chǎn)品的最佳性能。這個額外的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)性能差異不會影響語音識別的準(zhǔn)確性。

審核編輯：郭婷