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行定位。所謂的“雞尾酒會效應”^[1]就是指人耳可以在一定的噪音背景下惟一地關注一個指定的聲音。結合嵌入式系統(tǒng)小巧靈活的特點和日益強大的功能，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)可應用于機器人的聽覺系統(tǒng)、保安保密設施等諸多領域。
　　為與基于ASIC技術的聲源定位器^[2]區(qū)別，本文基于SoPC技術，在Altera的stratix系統(tǒng)平臺上，充分利用SoPC靈活的可重用設計特性和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。并利用其良好的擴展性，進一步將系統(tǒng)從單CPU架構擴展至雙CPU架構，加入了語音識別" title="語音識別">語音識別的功能(本文只重點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行測試，在5米的直徑范圍內，可以較準確地通過LCD輸出聲源的位置坐標。同時，對于簡單的短語，經(jīng)過訓練之后，系統(tǒng)能夠在不超過1秒的時間內產(chǎn)生指定的響應，如在LCD上顯示相應的文字、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MIC陣列的端點，即端點檢測" title="端點檢測">端點檢測。(3)聽覺系統(tǒng)根據(jù)聲音到達兩耳的時間差，判斷出聲源的方向和位置。
　　根據(jù)上述人耳聽覺的機理，所設計的聲源定位器需要解決聲音的噪音過濾、端點檢測及方位距離算法等問題。
　　(1)聲音的噪音過濾和端點檢測。對于噪音的簡單過濾和聲音的端點檢測，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。借助于端點檢測，可獲取聲音到達各個MIC時對應的不同計數(shù)值n(對應有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，定位精度基本上達到了應用要求。MIC陣列擺放如圖1所示。

　　因為該設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)學模型擴展到三維的情況，即MIC陣列確定一個平面，而聲源不在該平面內。此時，以原點為中心，假設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，聲源到原點的距離與聲源在MIC陣列平面投影點到原點的距離，二者偏差僅在4%左右。所以，為便于計算和構建模型，可以假設聲源與MIC陣列共面。
2 系統(tǒng)架構
　　系統(tǒng)基本架構由Avalon Bus和兩個NIOS II CPU組成。NIOS II是基于哈佛結構的RISC通用嵌入式處理器軟核，能與用戶邏輯相結合。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。本文選用標準型內核搭建系統(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構建的用戶外設，用以橋接Avalon總線和ADC，同時完成三路語音信號的并行預處理。
　　單路信號處理過程如下所述：
　　將ADC傳入的串行信號轉換成16位的并行信號送入FIFO1。每一個并行信號即一個采樣點，定義每2 400個點為一幀，選取FIFO1容量為16bit×2560=5KB。存儲點數(shù)達到一幀后，將該幀逐點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，否則兩幀都舍棄；如果某幀同時達到短時能量和過零率的觸發(fā)要求，則聲音起始端點即為該幀內部觸發(fā)過零率閾值的那一點。在這里，設置短時能量的觸發(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，當短時過零率幅值發(fā)生大于3倍的突變時，則認為過零率閾值觸發(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)。
　　將取得的聲音端點值傳至CPU1進行定位計算。CPU1利用Avalon總線與CPU2及系統(tǒng)其他模塊進行信息交換和處理。
　　系統(tǒng)硬件結構如圖2、圖3所示。

?

　　NIOS II提供了良好的系統(tǒng)擴展性和可編輯性，當系統(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)架構的基礎上，通過增加共享內存互斥鎖和共享內存，系統(tǒng)即可方便快速地擴展成為雙CPU架構。其中定義CPU1對前段采集的數(shù)據(jù)進行定位處理，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所示的平面坐標系中選擇。
　　圖4顯示了實驗中某個MIC的聲音預處理波形。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。