सुदूर फ़ील्ड्स माइक (Mic array) - एक स्मार्ट कॉलम में असंगत नायक

इस लेख में मैं अपने लंबे समय तक चलने वाले जुनून के बारे में बात करना चाहता हूं - दूर के क्षेत्र माइक (माइक सरणी) - माइक्रोफोन सरणियों के साथ अध्ययन करना और काम करना।

लेख उन लोगों के लिए दिलचस्प होगा जो अपनी आवाज सहायकों के निर्माण के शौकीन हैं, यह उन लोगों के लिए कुछ सवालों के जवाब देगा जो इंजीनियरिंग को एक कला के रूप में समझते हैं, और यह भी कि क्यू की भूमिका में खुद को आज़माना चाहते हैं ( यह बॉन्ड से है )। मेरी विनम्र कहानी, मुझे आशा है कि यह आपको यह समझने में मदद कर सकता है कि ट्यूटोरियल के अनुसार कड़ाई से बनाया गया एक स्मार्ट सहायक कॉलम केवल तभी काम करता है, जब कोई शोर न हो। और इतना बुरा कि वे कहाँ हैं, उदाहरण के लिए रसोई में।

कई साल पहले, मुझे प्रोग्रामिंग में दिलचस्पी हो गई, मैंने कोड लिखना शुरू कर दिया क्योंकि बुद्धिमान शिक्षकों ने मुझे केवल अपने द्वारा लिखे गए खेल खेलने की अनुमति दी। यह एक वर्ष का 87 वर्ष था और यह एक यामाहा MSX था। इस विषय पर, पहले स्टार्टअप भी था। ज्ञान के अनुसार सब कुछ सख्ती से है: "अपनी पसंद के लिए नौकरी चुनें, और आपको अपने जीवन में एक भी दिन काम नहीं करना होगा" (कन्फ्यूशियस)।

और इस तरह साल बीत गए, और मैं अब भी कोड लिख रहा हूं। यहां तक ​​कि एक कोड के साथ एक शौक - अच्छी तरह से, रोलर-स्केटिंग को छोड़कर, दिमाग से काम करने के लिए और "मैं मटन को नहीं भूलूंगा" यह Far Fields mic (माइक सरणी) के साथ काम कर रहा है। व्यर्थ में शिक्षकों ने मेरे साथ समय बिताया।

यह क्या है और इसे कहां लगाया जाता है

आपकी आवाज़ सुनने वाला सहायक आमतौर पर माइक्रोफ़ोन का एक सरणी होता है। हम उन्हें वीडियो कॉन्फ्रेंसिंग सिस्टम में पाते हैं। सामूहिक संचार में, शेर के ध्यान का हिस्सा भाषण के लिए भुगतान किया जाता है, निश्चित रूप से, हम संचार करते समय स्पीकर को लगातार नहीं देखते हैं, लेकिन सीधे माइक्रोफोन या हेडसेट में बोलना विवश और असुविधाजनक है।

लगभग हर कोई, एक सम्मानित ग्राहक, एक मोबाइल फोन निर्माता अपनी रचनाओं में 2 या अधिक माइक्रोफोनों का उपयोग करता है (हाँ, माइक्रोफोन इन छेदों के ऊपर, नीचे, पीछे बैठते हैं)। उदाहरण के लिए, iPhone 3G / 3GS में वह केवल एक ही था, आईफ़ोन की चौथी पीढ़ी में दो थे, और पांचवें में पहले से ही तीन माइक्रोफोन थे। सामान्य तौर पर, यह माइक्रोफ़ोन का एक सरणी भी है। और यह सब ध्वनि की बेहतर श्रव्यता के लिए है।

लेकिन वापस हमारे आवाज सहायकों के लिए

श्रवण की सीमा को कैसे बढ़ाया जाए?

"बड़े कान चाहिए"

एक सरल विचार: यदि किसी को पास में सुनने के लिए, केवल एक माइक्रोफ़ोन पर्याप्त है, तो दूर से सुनने के लिए, आपको फ़्लेन्च लोमड़ियों के कान के समान एक परावर्तक के साथ अधिक महंगे माइक्रोफोन का उपयोग करने की आवश्यकता है:

(विकिपीडिया)

वास्तव में, यह प्यारे सूट का हिस्सा नहीं है, लेकिन शिकारी और स्काउट्स के लिए एक गंभीर उपकरण है।

वही, केवल अनुनाद ट्यूबों पर

वास में।

( Https://forum.guns.ru से लिया गया)

दर्पण का व्यास 200 मिमी से 1.5 मी

(इसे और देखें http://elektronicspy.narod.ru/next.html )

"अधिक माइक्रोफोन चाहिए"

या हो सकता है कि यदि आप बहुत सारे सस्ते माइक्रोफोन लगाते हैं, तो मात्रा गुणवत्ता में जाएगी और सब कुछ बाहर निकल जाएगा? केवल माइक्रोफोन के साथ Zerghrash ।

अजीब है, लेकिन यह वास्तविक जीवन में काम करता है। बहुत मटैन के साथ सच है, लेकिन यह काम करता है। और हम इसके बारे में अगले भाग में बात करेंगे।

और सुंदर सींगों के बिना आगे सुनना कैसे सीखें?

हॉर्न सिस्टम के साथ समस्याओं में से एक यह है कि आप स्पष्ट रूप से सुन सकते हैं कि फोकस में क्या है। लेकिन अगर आपको एक अलग दिशा से कुछ सुनने की ज़रूरत है, तो आपको "अपने कानों के साथ फिंट" करने की आवश्यकता है और सिस्टम को किसी अन्य दिशा में पुनर्निर्देशित करें।

और माइक्रोफ़ोन मैट्रिसेस वाले सिस्टम में सिग्नल-टू-शोर अनुपात के बारे में, पारंपरिक माइक्रोफोन की तुलना में यह किसी भी तरह बेहतर है।

माइक्रोफोन की सरणियों में, साथ ही साथ उनके निकटतम रिश्तेदारों में - PAR (चरणबद्ध ऐंटेना), आपको कुछ भी मोड़ने की आवश्यकता नहीं है। बीमांकिंग अनुभाग में और पढ़ें। देखने में आसान:

एक अनफोकस्ड माइक्रोफोन (लेफ्ट पिक्चर) सभी दिशाओं से सभी ध्वनियों को रिकॉर्ड करता है, न कि केवल एक जिसे आप की आवश्यकता होती है।

महान सीमा कहां से आती है? सही तस्वीर में, माइक्रोफोन केवल एक स्रोत के लिए ध्यान से सुनता है। यदि ध्यान केंद्रित करने पर, यह केवल चयनित स्रोत से संकेत प्राप्त करता है, और शोर के संभावित स्रोतों से कोई गड़बड़ नहीं है, और परिष्कृत शोर में कमी तकनीकों के उपयोग के बिना एक शुद्ध संकेत बस प्रवर्धित (जोर से बनाया गया) है। एक मुखपत्र की तरह थोड़ा सा, लेकिन एक मैट कर्षण पर।

शोर में कमी के साथ क्या गलत है?

जटिल शोर में कमी को लागू करते समय, बहुत सी खामियों का मतलब है कि सिग्नल का हिस्सा दूर चला जाएगा, सिग्नल के हिस्से के साथ, ध्वनि बदल जाएगी, और कान से यह शोर में कमी और अवैधता के परिणामस्वरूप ध्वनि के एक विशिष्ट रंग की तरह दिखता है। यह अवैधता रूसी बोलने वालों को दिखाई देती है जो वार्ताकार से इन हिसिंग को सुनना चाहते हैं। ठीक है, और इसके अलावा - शोर में कमी के परिणामस्वरूप, श्रोता किसी भी पहचान के संकेतों को नहीं सुनता है जो उसे वार्ताकार (श्वास, सूँघने और लाइव भाषण के साथ अन्य शोर) के साथ जोड़ता है। यह कुछ समस्याएं पैदा करता है, क्योंकि बोलचाल की भाषा में यह सब सुना जाता है, और यह सिर्फ आपके प्रति वार्ताकार की स्थिति और दृष्टिकोण का आकलन करने में मदद करता है। आवाज सुनते समय उनकी (शोर) की अनुपस्थिति अप्रिय उत्तेजना का कारण बनती है और धारणा, समझ और पहचान के स्तर को कम करती है। ठीक है, अगर कोई आवाज़ सहायक आपको सुनता है, तो शोर में कमी प्रमुख वाक्यांश और भाषण के बाद दोनों को पहचानना मुश्किल बनाती है। सच है, एक जीवन हैक है - आपको पहचानने वाले को एक नमूना पर दर्ज करने की आवश्यकता है जो उपयोग किए गए शोर में कमी से विकृतियों को ध्यान में रखता है।

जो लोग कॉकटेल पार्टी की समस्या से परिचित हैं, वे अभी भी कॉफी या कॉकटेल के लिए जा सकते हैं, और एक क्षेत्र प्रयोग कर सकते हैं, जो पढ़ने के मूड के साथ जारी हैं।

संक्षेप में मटन के बारे में जिस पर यह काम करता है:

डीओए अनुमान (ध्वनि स्रोत की दिशा का निर्धारण) और किरणकारी

डीओए (दिशा का निर्धारण, और, यदि संभव हो तो, स्रोत का स्थानीयकरण):
मैं संक्षिप्त रहूंगा, क्योंकि यह विषय बहुत व्यापक है, यह सफेद, ग्रे या काले जादू (आईडीई में पसंदीदा विषय पर निर्भर करता है) और मटन की मदद से किया जाता है। मुख्य डीओए को खेलने का एक लगातार तरीका है, सहसंबंधों और अन्य चीजों को माइक्रोफोन के जोड़े के बीच विश्लेषण करना (आमतौर पर व्यास के विपरीत)।
जीवन हैक: अनुसंधान के लिए माइक्रोफोन की एक परिपत्र व्यवस्था के साथ एक सरणी चुनना बेहतर है। लाभ यह है कि माइक्रोफोन के बीच की विभिन्न दूरी वाले व्यास से जोड़े के आंकड़े एकत्र करना आसान है - अधिकतम व्यास में, और माइक्रोफोन के बीच न्यूनतम करने के लिए - यदि आप तार में जोड़े लेते हैं, और स्रोत के लिए अलग-अलग azimuths (दिशाओं) के साथ।

बीम का निर्माण - सबसे आसान और सबसे आसान तरीका है -delay & sum (DAS और FDAS) - देरी और योग के आधार पर बीमफॉर्मिंग।

दृश्यों के लिए:

( Http://www.labbookpages.co.uk/audio/beamforming/delaySum.html से लिया गया)

जीवन हैक: विभिन्न तरंग दैर्ध्य के बारे में मत भूलना और प्रत्येक आवृत्ति के लिए हम अपने चरण अंतर tn की गणना करते हैं

एक अनुमानित विकिरण पैटर्न कुछ इस तरह दिखेगा

विवरण और सूत्रों के साथ

जो लोग मैटान को धूम्रपान करने के लिए नहीं भूले हैं वे JIO-RLS (ज्वाइंट इटरेटिव सबस्पेस एडाप्टिव कम-रैंक कम से कम वर्ग) में भाग ले सकते हैं। ढाल वंश के स्वाद के समान, आप जानते हैं।

इसलिए हम सारांशित करते हैं: पारंपरिक तरीकों का उपयोग करना, मैट्रिक्स माइक्रोफोन के लिए गुणवत्ता की तुलना करना मुश्किल है। स्रोत की परिभाषा को लागू करने के बाद, और इसके परिणामस्वरूप, हम केवल उस स्रोत को सुनते हैं जिसकी आवश्यकता होती है, हमें शोर और माध्यम के पुन: प्रसार से छुटकारा मिलता है, यहां तक ​​कि एक जो खराब श्रव्य है (हास प्रभाव)।

आवाज सहायक - यह अंदर कैसा दिखता है

तो, एक अनुभवी आवाज सहायक की ध्वनि प्रसंस्करण योजना क्या दिखती है:

माइक्रोफोन के सरणी से संकेत एक उपकरण को खिलाया जाता है, जिसमें हम एक ध्वनि स्रोत (बीमफॉर्मिंग) के लिए एक बीम बनाते हैं, जिससे हस्तक्षेप को दूर किया जाता है। फिर हम इस बीम की आवाज़ को पहचानना शुरू करते हैं, आमतौर पर यह डिवाइस के संसाधनों की उच्च-गुणवत्ता की मान्यता के लिए पर्याप्त नहीं है, और अक्सर सिग्नल मान्यता के लिए क्लाउड पर जाता है (Microsoft, Google, Amazon choose)।

चौकस पाठक ध्यान देगा: और चित्र में वर्णन के साथ शब्द के वर्ग का कुछ प्रकार है नॉट, और क्यों नहीं तुरंत मान्यता, जैसा कि वादा किया गया है?

यह आरेख पर संभवतः अतिरिक्त वर्ग क्यों बनाया गया है?

और क्योंकि आप लगातार सभी शोर स्रोतों से इंटरनेट के लिए एक संकेत प्रसारित करते हैं सुन किसी भी संसाधन की मान्यता पर्याप्त नहीं है। इसलिए, हम तभी पहचानना शुरू करते हैं जब उन्हें पता चलता है कि वे निश्चित रूप से हमसे यह चाहते हैं - और इसके लिए उन्होंने एक विशेष मंत्र कहा - ठीक है गूगल, सिरी या एलेक्स, या उन्होंने मुझे कॉर्टन कहा। और नोटिफ़ायर शब्द क्लासिफायर सबसे अक्सर एक न्यूरॉन है और डिवाइस पर सीधे काम करता है। क्लासिफायर के निर्माण में कई दिलचस्प चीजें भी हैं, लेकिन आज के बारे में नहीं।

और वास्तव में, आरेख इस तरह दिखता है:

(मेरी लेखनी)

विभिन्न संकेत स्रोतों पर कई किरणें बन सकती हैं, और हम उनमें से प्रत्येक में एक विशेष शब्द की तलाश कर रहे हैं। लेकिन आगे हम सही शब्द कहने वाले को प्रोसेस करेंगे।

अगला चरण क्लाउड में मान्यता है, बार-बार इंटरनेट पर कवर किया जाता है, इस पर बहुत सारे ट्यूटोरियल हैं।

आप इस हॉलिडे मटाना में कैसे शामिल हो सकते हैं

देव बोर्ड खरीदने का सबसे आसान तरीका। मौजूदा डिबोर्ड का अवलोकन: संदर्भ द्वारा सबसे पूर्ण में से एक।

शुरुआती लोगों के लिए सबसे अनुकूल:

https://www.seeedstudio.com/ReSpeaker-4-Mic-Array-for-Raspberry-Pi-p-2941.html

https://www.seeedstudio.com/ReSpeaker-Mic-Array-v2-0-p-3053.html

एक्सएमओएस XVF-3000 पर आधारित है।

मैं खुद इसे लागू करता हूं

जैसा कि मुझे पसंद है - एक खुले इंटरफ़ेस के साथ FPGA मैट्रिक्स के माइक्रोफोन को नियंत्रित करता है, एसडीए के माध्यम से इसके साथ संचार करता है।

एंड्रॉइड थिंग्स और माइक ऐरे को पार करने के लिए मेरा करतब:

इस बोर्ड (वॉयस) के लिए निश्चित रूप से बहुत सारे उदाहरण हैं, लेकिन मेरे लिए यह केवल चीजों के तहत उपयोग करने के लिए सुविधाजनक है।

चीजों के लिए तर्क:

आप एक लचीला और शक्तिशाली उपकरण बना सकते हैं:

• सुविधाजनक है कि आप एक अलग डिवाइस के रूप में स्क्रीन का उपयोग कर सकते हैं
• एक हेडलेस डिवाइस के रूप में इस्तेमाल किया जा सकता है, यानी नेटवर्क पर ट्रांसफर कर सकते हैं (किसी अन्य डिवाइस में ट्रांसफर के लिए एपी बना सकते हैं)
• सुविधाजनक डिबगिंग
• नेटवर्क पर संचरण के लिए सहित कई पुस्तकालय;
• विश्लेषण उपकरण - एक बहुत।
• और अगर यह थोड़ा सा लग रहा था, तो यह सिश्नोय पुस्तकालयों को जोड़ना संभव है

उदाहरण के लिए, मैं उपयोग करता हूं:

• ध्वनि फ़ाइल विश्लेषण
• HRTF,
• प्रशिक्षण भवन का निर्माण।

और फिर अगर आपको कोड को किसी प्रकार के एम्बेड में पोर्ट / फिर से लिखना है, तो जावा कोड के साथ ऐसा करना आसान है।

दुर्भाग्य से, चीजों के लिए बोर्ड के लेखकों से उदाहरण थोड़ा निष्क्रिय था, इसलिए मैंने अपना डेमो प्रोजेक्ट किया (निश्चित रूप से - मैं कर सकता हूं)।

संक्षेप में, वहाँ क्या है - जल्दी से मतदान माइक्रोफोन के सभी काले जादू, हम सी ++ में एफएफटी करते हैं, और विज़ुअलाइज़ेशन, विश्लेषण, नेटवर्क इंटरैक्शन - जावा में।

भविष्य की विकास योजनाएँ

एक ही समय में योजनाओं और प्रेरणा का स्रोत: ODAS ।

इसलिए मैं वही करना चाहता हूं, केवल थिंग्स पर और बिना ग्लिट्स के।

• क्योंकि ODAS उपयोग करने में थोड़ा असुविधाजनक है।
• मुझे काम करने के लिए एक सामान्य उपकरण की आवश्यकता है
• क्योंकि मुझे यह विषय पसंद आ सकता है
• प्रयुक्त हार्डवेयर उपकरण कार्य की जटिलता को पूरा करते हैं।

मेरी योजनाएं (मेरे अपने) भंडार पर आधारित हैं ।

और याद दिलाते हैं

"यदि आपके पास पूरक या आलोचना करने के लिए कुछ है, तो टिप्पणियों में इसके बारे में लिखने में संकोच न करें, क्योंकि एक सिर दो से भी बदतर है, दो तीन से भी बदतर हैं, और n-1 n से अधिक बुरा है" nikitasius