麥克風(fēng)陣列(Smart Microphone Array)，從字面上，指的是麥克風(fēng)的排列。也就是說(shuō)由一定數(shù)目的聲學(xué)傳感器(一般是麥克風(fēng))組成，用來(lái)對(duì)聲場(chǎng)的空間特性進(jìn)行采樣并處理的系統(tǒng)。一般應(yīng)用于語(yǔ)音處理的按一定規(guī)則排列的多個(gè)麥克風(fēng)系統(tǒng)，也可以簡(jiǎn)單理解為2個(gè)以上麥克風(fēng)組成的錄音系統(tǒng)。

　　麥克風(fēng)陣列一般來(lái)說(shuō)有直線形、環(huán)線形和球狀之分，嚴(yán)謹(jǐn)?shù)膽?yīng)該說(shuō)成一字、十字、平面、螺旋、球形及無(wú)規(guī)則陣列等。至于麥克風(fēng)陣列的陣元數(shù)量，也就是麥克風(fēng)數(shù)量，可以從2個(gè)到上千個(gè)不等。

　　如此復(fù)雜的麥克風(fēng)陣列主要應(yīng)用于工業(yè)和國(guó)防領(lǐng)域，消費(fèi)領(lǐng)域（例如機(jī)器人領(lǐng)域）考慮到成本會(huì)簡(jiǎn)化很多，但也需要攻克四大技術(shù)難點(diǎn)：

　　語(yǔ)音識(shí)別在有些場(chǎng)合需要完全去除噪聲，通話系統(tǒng)中則需要的技術(shù)則是噪聲去除。這里說(shuō)的噪聲一般指環(huán)境噪聲，比如空調(diào)噪聲，這類(lèi)噪聲通常不具有空間指向性，能量也不是特別大，不會(huì)掩蓋正常的語(yǔ)音，只是影響了語(yǔ)音的清晰度和可懂度。一般情況下，不怎么做強(qiáng)噪聲環(huán)境下的處理，只需滿足日常場(chǎng)景的語(yǔ)音交互就夠了。

　　現(xiàn)實(shí)中，聲源的位置是不斷變化的，這對(duì)于麥克風(fēng)收音來(lái)說(shuō)，是個(gè)障礙。麥克風(fēng)陣列則可以進(jìn)行聲源定位，聲源定位技術(shù)是指使用麥克風(fēng)陣列來(lái)計(jì)算目標(biāo)說(shuō)話人的角度和距離，從而實(shí)現(xiàn)對(duì)目標(biāo)說(shuō)話人的跟蹤以及后續(xù)的語(yǔ)音定向拾取，是人機(jī)交互、音視頻會(huì)議等領(lǐng)域非常重要的前處理技術(shù)。所以麥克風(fēng)陣列技術(shù)不限制說(shuō)話人的運(yùn)動(dòng)，不需要移動(dòng)位置以改變其接收方向，具有靈活的波束控制、較高的空間分辨率、高的信號(hào)增益與較強(qiáng)的抗干擾能力等特點(diǎn)，因而成為智能語(yǔ)音處理系統(tǒng)中捕捉說(shuō)話人語(yǔ)音的重要手段。

　　一般我們聽(tīng)音樂(lè)時(shí)，希望有混響的效果，這是聽(tīng)覺(jué)上的一種享受。合適的混響會(huì)使得聲音圓潤(rùn)動(dòng)聽(tīng)、富有感染力。

　　混響(Reverberation)現(xiàn)象指的是聲波在室內(nèi)傳播時(shí)，要被墻壁、天花板、地板等障礙物形成反射聲，并和直達(dá)聲形成疊加；而當(dāng)聲源停止發(fā)聲后，聲波在房間內(nèi)要經(jīng)過(guò)多次反射和吸收，似乎若干個(gè)聲波混合持續(xù)一段時(shí)間。

　　混響會(huì)嚴(yán)重影響語(yǔ)音信號(hào)處理，比如互相關(guān)函數(shù)或者波束主瓣，降低測(cè)向精度。由于混響則會(huì)使得不同步的語(yǔ)音相互疊加，帶來(lái)了音素的交疊掩蔽效應(yīng)(Phoneme Overlap Effect)，從而嚴(yán)重影響語(yǔ)音識(shí)別效果。

　　混響去除的效果很大程度影響了語(yǔ)音識(shí)別的效果，因此利用麥克風(fēng)陣列去混響的主要方法有以下幾種：

　　a.基于盲語(yǔ)音增強(qiáng)的方法(Blind signal enhancement approach)，即將混響信號(hào)作為普通的加性噪聲信號(hào)，在這個(gè)上面應(yīng)用語(yǔ)音增強(qiáng)算法。

　　b.基于波束形成的方法(Beamforming based approach)，通過(guò)將多麥克風(fēng)對(duì)收集的信號(hào)進(jìn)行加權(quán)相加，在目標(biāo)信號(hào)的方向形成一個(gè)拾音波束，同時(shí)衰減來(lái)自其他方向的反射聲。

　　c.基于逆濾波的方法(An inverse filterin gapproach)，通過(guò)麥克風(fēng)陣列估計(jì)房間的房間沖擊響應(yīng)(Room Impulse Response，RIR)，設(shè)計(jì)重構(gòu)濾波器來(lái)補(bǔ)償來(lái)消除混響。

　　良好的麥克風(fēng)陣列的去混響技術(shù)能很好的對(duì)房間的混響情況進(jìn)行自適應(yīng)的估計(jì)，從而很好的進(jìn)行純凈信號(hào)的還原，顯著的提升了語(yǔ)音聽(tīng)感和識(shí)別效果，在測(cè)試對(duì)比中，多種混響時(shí)間下識(shí)別效果接近手機(jī)近講水平。

　　嚴(yán)格來(lái)說(shuō)，這里說(shuō)的“回聲消除”不應(yīng)該叫回聲，應(yīng)該叫“自噪聲”�；芈暿腔祉懙难由旄拍�，這兩者的區(qū)別就是回聲的時(shí)延更長(zhǎng)。一般來(lái)說(shuō)，超過(guò)100毫秒時(shí)延的混響，人類(lèi)能夠明顯區(qū)分出，似乎一個(gè)聲音同時(shí)出現(xiàn)了兩次，我們就叫做回聲，比如天壇著名的回聲壁。實(shí)際上，這里所指的是語(yǔ)音交互設(shè)備自己發(fā)出的聲音，比如Echo音箱，當(dāng)播放歌曲的時(shí)候若叫Alexa，這時(shí)候麥克風(fēng)陣列實(shí)際上采集了正在播放的音樂(lè)和用戶所叫的Alexa聲音，顯然語(yǔ)音識(shí)別無(wú)法識(shí)別這兩類(lèi)聲音�；芈曄�除就是要去掉其中的音樂(lè)信息而只保留用戶的人聲，之所以叫回聲消除，只是延續(xù)大家的習(xí)慣而已，其實(shí)是不恰當(dāng)?shù)摹?/div>