智能音箱之音频通路质量

　　智能音箱之音频通路质量

　　音箱行业有着悠久的历史，但是在过去十多年里，传统的音箱行业面临着极大的市场困境，例如蓝牙音箱刚出现各个厂商便直接杀成了一片红海。而2015年随着智能音箱的涌现，特别是亚马逊的Echo、京东的叮咚、阿里的小飞，不仅对外展现出了智能音箱行业百花齐放的局面，也使沉闷的音箱市场看到了突破性发展的希望。但是，随着这些巨头们的集体涌入，这也让在智能音箱行业摸爬滚打的创业者倍感艰难。

　　音箱特别是中高端音箱，本来就是强调品牌且技术门槛较高的领域。而智能音箱将声学设计、无线技术、语音识别、远场拾音、语义分析等众多技术融合在一起，不仅技术更为复杂，而且更加依赖音乐内容平台的支持，这些诸多因素都是创业者需要直面解决的难题。当然，技术还是其中的根本

　　当将语音识别算法接入到设备时，务必要保证设备的音频通路具有足够的质量。因此对设备进行音频测试，以评估能够影响语音识别性能的音频前端的音频参数。如下要点对语音识别至关重要：

　　自然声音

　　合适的增益

　　良好的信噪比

　　一致的响应，信号不能包括如下信息： 自动增益控制 AGC 启动响应 直流偏置过大

　　适当的频响 （高低滚降，理想平滑，没有混跌）

　　二、测试设备

　　带有录音软件的被测试设备

　　音频测试仪器：CD机，均衡器，音箱，人工嘴和声压计

　　带分析工具的PC机（CoolEditor、Audition、Audacity和Wavesurfer等）

　　三、音频文件

　　正常音频文件：用于主观判断音频质量和增益设置以及信噪比；

　　大增益文件：用于判定削波时的增益设置；

　　1K-sine增益Sweep文件0~105dB：用于评估削波，决定最大数值和判定AGC存在与否；

　　0~8K/16K扫频文件：用于测试设备的频响和混跌；

　　四、测试项目

　　1. 主观听音

　　用质量好的耳机去听设备的音质，从而发现一些非正常声音；比如：杂音、谐波和共振等；

　　音频路径上过多的信号处理可能导致声音畸变为人造声，不符合正常自然声音，会对软件识别造成很大困难。

　　2. 增益评估

　　设备在各种使用场景下，务必保持增益的设置不要使信号削波；削波会严重降低识别性能，必须禁止。

　　95dB的声音应该刚好填满16bit音程；

　　3. 信噪比

　　静默值作为底噪，声音波形的中部作为信号；尤其注意某些记录将具有数据实际值为零的引导/拖尾部分，不要使用这部分作为静默测量；麦克风单体的信噪比，除了本身规格书之外，在实际产品中收到电路噪声影响很大，尤其注意模拟麦克风bias电源。

　　信号比：S/N＞30对于识别是良好的比值，大于20也是可行的；如果小于20的话，则说明音频路径上太吵了导致很难识别成功。

　　4. 自动增益控制AGC

　　AGC的存在，当音频信号的幅度增大时，它通常表现为增益逐步减小。它会影响识别效果，所以得关闭此功能，类似的有自动电平控制寄存器ALC等。

　　同时部分功放带有动态调节音量的功能，务必关闭此项功能，否则严重影响AEC效果；所有的动态调节都务必在AEC采样点之前进行，具体如下图示意：

　

　　5. 启动瞬态Startup transients

　　音频系统经常在录音命令下达后，需要一段时间才能真正启动操作，这导致了启动瞬态；如果这主要包括低频的话，将不会对识别造成影响，因为识别器中有低通滤波器。

　　然而试图消除瞬态的话，将信号钳位在零电平上超过几十毫秒的话，会严重影响识别。在这种情况下，最好完全跳过音频，而不是将此错误信息发送给识别器。

　

　　上图中红色框中125ms的启动瞬态，应该跳过。

　　6. 直流偏置过大DC offset

　　直流偏置可以看作是静音信号在零信号线上高于或者低于的信号；

　　如果偏移量为满刻度限制的百分之几或者更少，是没有问题的；

　　但是如果超过10%则需要纠正，很大的偏移将导致不对称削波。

　　7. 频响曲线Response curve

　　为了隔绝麦克分录音到其他杂音，麦克风需要与喇叭足够近，大致2.5cm处录音。

　　检查FFT大小设置为2048个采样点，采样窗口设置为Blackmann Harris；

　　理想的频率响应曲线在顶端220Hz和3200~3900Hz之间的几分贝内是平坦的，差值一般控制在10dB以内是可以接受的（16K采样率的为6400Hz～7400Hz）如下图所示：

　　

　　频响曲线是个慢慢的渐变过程，如果个别区域出现急剧变化，应该重点关注并研究，音频可能存在其他问题。

　　8. 混叠Aliasing

　　当超过采样速率的一半（奈奎斯特极限）的信号被允许进入模数转换器（ADC）时，出现混叠现象。如下为ES7210调试初期出现的混叠现象：

　　

　　混叠是影响识别的一个重大因素，必须消除混叠；

　　故ADC需要有抗混叠处理，例如抗混叠滤波器等。

　　9. 谐波失真Harmonic distortion

　　当录音系统增加输入信号的泛音时，会出现谐波失真；

　　AEC对信号失真是非常敏感的，音频通路的整体谐波失真需要控制在5%以内，故从麦克风到功放到扬声器和音腔，均需要严格控制；除了单体品质之外，尤其注意功放和扬声器的功率匹配、阻抗匹配和频率匹配；

　　如下图为1K-sine信号的频谱图，有奇次谐波、偶次谐波：

　　

　　如下图为8K-sweep信号的频谱图，有奇次谐波、偶次谐波：

　

　　谐波失真越小越好，一般要求最好是小于3%。