眾所周知，人的聽覺系統(tǒng)可以對所聽到的特定聲音來源進(jìn)行定位。所謂的“雞尾酒會效應(yīng)”^[1]就是指人耳可以在一定的噪音背景下惟一地關(guān)注一個指定的聲音。結(jié)合嵌入式系統(tǒng)小巧靈活的特點(diǎn)和日益強(qiáng)大的功能，實現(xiàn)這樣的一種仿生聲源定位器" title="定位器">定位器，可以有效地對聽障人士的日常生活起到幫助作用，例如躲避突發(fā)的危險狀況、日常的人際交往等。更廣泛地看，這種系統(tǒng)可應(yīng)用于機(jī)器人的聽覺系統(tǒng)、保安保密設(shè)施等諸多領(lǐng)域。
　　為與基于ASIC技術(shù)的聲源定位器^[2]區(qū)別，本文基于SoPC技術(shù)，在Altera的stratix系統(tǒng)平臺上，充分利用SoPC靈活的可重用設(shè)計特性和FPGA的信號并行處理能力，用一個MIC陣列，模擬人耳的聽覺系統(tǒng)，實現(xiàn)聲源定位器。并利用其良好的擴(kuò)展性，進(jìn)一步將系統(tǒng)從單CPU架構(gòu)擴(kuò)展至雙CPU架構(gòu)，加入了語音識別" title="語音識別">語音識別的功能(本文只重點(diǎn)論述聲源定位的研究與實現(xiàn))。
　　在一個相對安靜的房間里對定位器進(jìn)行測試，在5米的直徑范圍內(nèi)，可以較準(zhǔn)確地通過LCD輸出聲源的位置坐標(biāo)。同時，對于簡單的短語，經(jīng)過訓(xùn)練之后，系統(tǒng)能夠在不超過1秒的時間內(nèi)產(chǎn)生指定的響應(yīng)，如在LCD上顯示相應(yīng)的文字、振動器振動報警等。
1 人耳聽覺模型的基本原理
　　在一個簡單的人耳聽覺系統(tǒng)模型中，聲源定位可以描述為：(1)從各種不同頻率的聲音中解析發(fā)現(xiàn)特定的聲音，如從一定的環(huán)境噪聲背景中找到特定聲源所發(fā)出的聲音。(2)獲得聲音到達(dá)MIC陣列的端點(diǎn)，即端點(diǎn)檢測" title="端點(diǎn)檢測">端點(diǎn)檢測。(3)聽覺系統(tǒng)根據(jù)聲音到達(dá)兩耳的時間差，判斷出聲源的方向和位置。
　　根據(jù)上述人耳聽覺的機(jī)理，所設(shè)計的聲源定位器需要解決聲音的噪音過濾、端點(diǎn)檢測及方位距離算法等問題。
　　(1)聲音的噪音過濾和端點(diǎn)檢測。對于噪音的簡單過濾和聲音的端點(diǎn)檢測，可以通過常用的“雙門限法”實現(xiàn)。
　　本文利用Matlab下的Simulink作為原理驗證工具。驗證無誤后，將對應(yīng)的FIR數(shù)字濾波器的階數(shù)和系數(shù)直接填入到Quartus II提供的FIR IP Core模塊中參數(shù)化，再在VHDL用戶模塊例化，即可完成FPGA中的語音信號預(yù)處理模塊的搭建工作。
　　(2)聲源定位算法。系統(tǒng)中共使用了3個MIC，分別位于水平面上邊長為20cm的等邊三角形的三個頂點(diǎn)。借助于端點(diǎn)檢測，可獲取聲音到達(dá)各個MIC時對應(yīng)的不同計數(shù)值n(對應(yīng)有t=n/f，其中t為聲音傳播時間，f為采樣頻率)，從而得到時延估計。經(jīng)過前端的信號預(yù)處理工作，再充分利用聲源傳播中的先驗信息，基于空間幾何知識建立的算法模型，定位精度基本上達(dá)到了應(yīng)用要求。MIC陣列擺放如圖1所示。

　　因為該設(shè)備主要是針對聾啞人的語音輔助開發(fā)的，所以通常情況下聲源是與MIC陣列確定的平面共面或近似共面的。在近似共面的情形時，將數(shù)學(xué)模型擴(kuò)展到三維的情況，即MIC陣列確定一個平面，而聲源不在該平面內(nèi)。此時，以原點(diǎn)為中心，假設(shè)聲源位于一個橫截面直徑為3～10m的環(huán)狀空間中，且聲源到MIC陣列平面(橫截面)的垂直距離不超過±1m。可驗證，聲源到原點(diǎn)的距離與聲源在MIC陣列平面投影點(diǎn)到原點(diǎn)的距離，二者偏差僅在4%左右。所以，為便于計算和構(gòu)建模型，可以假設(shè)聲源與MIC陣列共面。
2 系統(tǒng)架構(gòu)
　　系統(tǒng)基本架構(gòu)由Avalon Bus和兩個NIOS II CPU組成。NIOS II是基于哈佛結(jié)構(gòu)的RISC通用嵌入式處理器軟核，能與用戶邏輯相結(jié)合。該處理器具有32位指令集、32位數(shù)據(jù)通道和可配置的指令及數(shù)據(jù)緩沖。本文選用標(biāo)準(zhǔn)型內(nèi)核搭建系統(tǒng)。
　　利用外圍ADC電路并通過IIS總線，三路" title="三路">三路MIC并行地將各自采集到的語音信號傳入AD Receiver模塊。該模塊是利用VHDL構(gòu)建的用戶外設(shè)，用以橋接Avalon總線和ADC，同時完成三路語音信號的并行預(yù)處理。
　　單路信號處理過程如下所述：
　　將ADC傳入的串行信號轉(zhuǎn)換成16位的并行信號送入FIFO1。每一個并行信號即一個采樣點(diǎn)，定義每2 400個點(diǎn)為一幀，選取FIFO1容量為16bit×2560=5KB。存儲點(diǎn)數(shù)達(dá)到一幀后，將該幀逐點(diǎn)送入短時能量分析模塊、短時過零率分析模塊和FIFO2，計數(shù)器同時計數(shù)。FIFO2的容量與FIFO1相同。如果該幀沒有達(dá)到短時能量和過零率的閾值觸發(fā)要求，則該幀為無效幀；如果只達(dá)到過零率的觸發(fā)要求，則該幀為有效幀，暫時保留在FIFO2中，其后一幀若短時能量閾值觸發(fā)則回溯前一幀定位端點(diǎn)，否則兩幀都舍棄；如果某幀同時達(dá)到短時能量和過零率的觸發(fā)要求，則聲音起始端點(diǎn)即為該幀內(nèi)部觸發(fā)過零率閾值的那一點(diǎn)。在這里，設(shè)置短時能量的觸發(fā)閾值EH為0.01，約為平穩(wěn)狀態(tài)時能量值的5倍；短時過零率公式中修正閾值T為0.01，當(dāng)短時過零率幅值發(fā)生大于3倍的突變時，則認(rèn)為過零率閾值觸發(fā)。另外，為便于能量閾值觸發(fā)后的回溯查尋，設(shè)置了同樣為5KB的FIFO3、FIFO4，分別存儲短時過零率和短時能量的數(shù)據(jù)。
　　將取得的聲音端點(diǎn)值傳至CPU1進(jìn)行定位計算。CPU1利用Avalon總線與CPU2及系統(tǒng)其他模塊進(jìn)行信息交換和處理。
　　系統(tǒng)硬件結(jié)構(gòu)如圖2、圖3所示。

?

　　NIOS II提供了良好的系統(tǒng)擴(kuò)展性和可編輯性，當(dāng)系統(tǒng)引入語音識別功能使性能要求提高時，在不改變原有系統(tǒng)架構(gòu)的基礎(chǔ)上，通過增加共享內(nèi)存互斥鎖和共享內(nèi)存，系統(tǒng)即可方便快速地擴(kuò)展成為雙CPU架構(gòu)。其中定義CPU1對前段采集的數(shù)據(jù)進(jìn)行定位處理，將處理過的數(shù)據(jù)傳入CPU2，由CPU2完成識別及LCD顯示的功能，如圖3所示。
3 實驗
　　在一個相對安靜的房間中對系統(tǒng)進(jìn)行了測試。房間大小約為(8×6×3)m³，環(huán)境噪聲以持續(xù)的音樂模擬，約為40~50dB，待檢測聲音約為65~70dB。人發(fā)聲的位置在圖1所示的平面坐標(biāo)系中選擇。
　　圖4顯示了實驗中某個MIC的聲音預(yù)處理波形。聲音信號從左往右依次是你好、危險、早上好三句話，其中利用了223階的FIR線性濾波器實現(xiàn)信號處理功能，其窗函數(shù)為矩形窗。