基于Dragon Board410c 的智能机器人预研（1）--语音识别及定位

 一、前言

    机器人是一种可编程和多功能的，用来搬运材料、零件、工具的操作机，智能机器人则是一个在感知、思维、效应方面全面模拟人的机器系统（外形不一定像人）。在当前技术环境下，智能机器人一般都应包含人机交互、环境识别、核心计算、多功能本体等。

二、概述

    得益于Qualcomm 骁龙 410处理器的强大，我们可以尝试基于Dragon Board 410c 去搭建一个机器人平台。

    其中，由语音前端处理模块构建人机语音交互场景。摄像头和各类传感器构成环境识别系统。核心计算则基于Dragon Board410c。多功能本体包含电机等机动构件，总体框图如下：

 

三、详细说明

    本次内容将先介绍语音处理模块。完整的语音处理系统如图所示：

    模块主要功能是完成4麦克风阵列、降噪、回声消除、语音唤醒等语音前端处理，输出降噪后的音频信号、声源角度数据、唤醒触发信号、通讯等。

3.1 麦克风阵列

    麦克风阵列由4个φ9.5mm的ECM麦克风构成。

3.1.1 麦克风选型

    市场上常见麦克风有两类：数字麦和模拟麦。

    数字麦采用MEMS技术，灵敏度高、体积小、耐高温可过炉，但成本较高。模拟麦也就是ECM驻极体电容麦，灵敏度较差但成本较低。

    在此次机器人应用中，由于机器人头部采用拟人化球面设计。数字麦只能贴片于PCB板上无法贴合内壁。所以选用传统驻极体麦克风。

3.1.2 麦克风摆放

    依赖于音源定位算法的原因，麦克风整列摆放需满足：直线排列，间距35mm，水平高度落差小于20mm，拾音面呈45度角斜向上。

3.2 回声消除

    回声消除的核心思想是将麦克风采集到的混合声音（包括上位机播放的声音、有效人声、环境噪声等）与参考信号（上位机播放的声音）进行“减法”运算，消去或削弱参考信号。详细参见“回声消除原理框图”（其中所有标注的信号均为模拟信号）。

 

3.3 音源定位

    音源定位就是通过分析在不同位置上的麦克风所收到的信号来确定声源的空间位置。主要有三种方法：基于最大输出功率的可控波束形成技术，基于高分辨率谱估计的定位技术，基于到达时间差技术。

    本次选用的模组采用的是到达时间差技术，涉及算法专利，细节如图所示：

 

---

​更多Qualcomm开发内容请详见：Qualcomm开发者社区。