Mikrofonsorra vonatkozó javaslatok

Ebből a cikkből megtudhatja, hogyan tervezhet testre szabott mikrofontömböt a Speech SDK-val való használatra. Ez leginkább akkor lényeges, ha a beszédmegoldások hardverét választja, adja meg vagy készíti el.

A Speech SDK az irányelveknek megfelelően tervezett mikrofontömbökkel működik a legjobban, beleértve a mikrofongeometriát, az összetevők kiválasztását és az architektúrát.

Mikrofongeometria

A Microsoft Audio Stackhez az alábbi tömbgeometriák használata ajánlott. A hangforrások helye és a környezeti zaj elutasítása nagyobb számú mikrofonnal javul, amelyek függenek az adott alkalmazásoktól, a felhasználói forgatókönyvektől és az eszköz formai tényezőjétől.

Tömb	Mikrofonok	Geometria
Körkörös - 7 mikrofon		6 Külső, 1 középen, Radius = 42,5 mm, Egyenletesen elosztott
Körkörös – 4 mikrofon		3 Külső, 1 közép, sugár = 42,5 mm, egyenletesen elosztott
Lineáris – 4 mikrofon		Hossz = 120 mm, térköz = 40 mm
Lineáris – 2 mikrofon		Térköz = 40 mm

A mikrofoncsatornát 0-tól növekvő sorrendbe kell rendezni az egyes tömbökhöz korábban ismertetett számozás szerint. A Microsoft Audio Stack egy másik hanglejátszási referenciastreamet igényel az echo-megszakítás végrehajtásához.

Összetevő kiválasztása

A mikrofon összetevőit úgy kell kiválasztani, hogy pontosan reprodukálják a zajtól és torzítástól mentes jelet.

A mikrofonok kiválasztásakor ajánlott tulajdonságok a következők:

Paraméter	Ajánlott
SNR	>= 65 dB (1 kHz jel 94 dBSPL, A-súlyozott zaj)
Amplitúdó egyeztetése	± 1 dB @ 1 kHz
Fázisegyezés	± 2° @ 1 kHz
Akusztikai túlterhelési pont (AOP)	>= 120 dBSPL (THD = 10%)
Bitsebesség	Minimum 24 bites
Mintavételezési frekvencia	Minimum 16 kHz*
Gyakorisági válasz	± 3 dB, 200-8000 Hz lebegő maszk*
Megbízhatóság	Tárolási hőmérséklet -40°C és 70°C között Működési hőmérséklet -20°C és 55°C között

*Magasabb mintavételi sebességre vagy "szélesebb" frekvenciatartományokra lehet szükség a kiváló minőségű kommunikációs (VoIP) alkalmazásokhoz

A jó alkatrész-kiválasztást jó elektroakusztikus integrációval kell párosítani, hogy elkerülhető legyen a felhasznált összetevők teljesítményének romlása. Az egyedi használati esetek további követelményeket (például működési hőmérsékleti tartományokat) is szükségessé válhatnak.

Mikrofontömb integrációja

A mikrofontömb teljesítménye az eszközbe való integráláskor eltér az összetevő specifikációjától. Fontos, hogy a mikrofonok megfelelően illeszkedjenek az integráció után. Ezért a rögzített nyereség vagy EQ után mért eszközteljesítménynek meg kell felelnie az alábbi javaslatoknak:

Paraméter	Ajánlott
SNR	>= 64 dB (1 kHz jel 94 dBSPL, A-súlyozott zaj)
Kimeneti érzékenység	-26 dBFS/Pa @ 1 kHz (ajánlott)
Amplitúdó egyeztetése	± 2 dB, 200-8000 Hz
THD%*	≤ 1%, 200-8000 Hz, 94 dBSPL
Gyakorisági válasz	± 6 dB, 200-12000 Hz lebegő maszk**

**A THD méréséhez alacsony torzítású hangszóró szükséges (például Neumann KH120)

**"Szélesebb" frekvenciatartományokra lehet szükség a kiváló minőségű kommunikációs (VoIP) alkalmazásokhoz

Előadói integrációs javaslatok

Mivel a beszélőket tartalmazó beszédfelismerési eszközök esetében szükség van az echo-lemondásra, további javaslatok érhetők el a beszélő kiválasztásához és integrációjához.

Paraméter	Ajánlott
Linearitási szempontok	Nincs nemlineáris feldolgozás a beszélőhivatkozás után, ellenkező esetben hardveralapú visszacsatolási referenciastreamre van szükség
Hangszóró visszacsatolása	WASAPI,privát API-k, egyéni ALSA beépülő modul (Linux) vagy belső vezérlőprogram-csatornán keresztül
THD%	Harmadik octave sávok minimális ötödik sorrend, 70 dBA lejátszás @ 0,8 m ≤ 6,3%, 315-500 Hz ≤ 5%, 630-5000 Hz
Echo-csatlakozó mikrofonokhoz	> -10 dB TCLw ITU-T G.122 B.4. melléklet szerinti módszerrel, mikrofonszintre normalizálva TCLw = TCLwmeasured + (Mért szint – Célkimeneti érzékenység) TCLw = TCLwmeasured + (Mért szint – (-26))

Integrációs tervezési architektúra

A mikrofonok eszközökbe való integrálása esetén az architektúra alábbi irányelvei szükségesek:

Paraméter	Ajánlás
Mikrofonportok hasonlósága	A tömbben minden mikrofonport azonos hosszúságú
Mikrofonport méretei	Portméret Ø0,8-1,0 mm. Port hossza / port átmérője < 2
Mikrofonzárolás	A tömítő tömítések egységesen implementálva a halmozódásban. 70%-os tömörítési arányt javasol > a hab tömítésekhez
Mikrofon megbízhatósága	A mesht a por és a bemenő forgalom megelőzésére kell használni (a PCB között az alsó portos mikrofonok és a tömítő tömítés/felső fedél között)
Mikrofonelkülönítés	Gumi tömítések és rezgések leválasztása a szerkezeten keresztül, különösen az integrált hangszórók miatt a rezgési útvonalak elkülönítéséhez
Mintavételezési óra	Az eszköz hangjának mentesnek kell lennie az alacsony eltolódású jitter- és lemorzsolódási hibáktól
Rekordképesség	Az eszköznek képesnek kell lennie az egyes csatornák nyers streamjeinek egyidejű rögzítésére
USB	Minden USB-hangbemeneti eszköznek be kell állítania a leírókat az USB audioeszközök Rev3 Specifikációja szerint
Mikrofongeometria	Az illesztőprogramoknak megfelelően kell implementálniuk a mikrofontömb geometriai leíróit
Felfedező	Az eszközöknek nem szabad felderíthetetlen vagy ellenőrizhetetlen hardverrel, belső vezérlőprogrammal vagy külső szoftveralapú, nemlineáris hangfeldolgozási algoritmusokkal rendelkezniük az eszközről vagy az eszközről
Rögzítési formátum	A rögzítési formátumoknak legalább 16 kHz mintavételezési sebességet kell használniuk, és ajánlott 24 bites mélységet

Az elektromos architektúra szempontjai

Adott esetben tömbök csatlakoztathatók USB-gazdagéphez (például a Microsoft Audio Stacket (MAS)futtató SoC-hoz), valamint a Speech-szolgáltatásokhoz vagy más alkalmazásokhoz.

Az olyan hardverösszetevőknek, mint a PDM-to-TDM átalakítás, biztosítaniuk kell, hogy a mikrofonok dinamikus tartománya és SNR-je megmaradjon az újramintavevőkben.

A nagy sebességű USB Audio Class 2.0-t minden hang-MCU-n belül támogatni kell annak érdekében, hogy a szükséges sávszélességet akár hét csatornához is biztosítsa magasabb mintasebesség és bitmélység mellett.

Következő lépések

További információ a hangfeldolgozásról