Визначення напрямку звуку за допомогою декількох мікрофонів

Перш за все, я бачив подібну нитку, проте вона трохи відрізняється від того, що я намагаюся досягти. Я будую робота, який буде слідувати за людиною, яка його викликає. Моя ідея полягає у використанні 3 або 4 мікрофонів - тобто в наступному розташуванні, щоб визначити, з якого напрямку викликали робота:

Там, де S - джерело, A, B і C - мікрофони. Ідея полягає у тому, щоб обчислити фазову кореляцію сигналів, записаних з пар AB, AC, BC, і на основі цього побудувати вектор, який буде вказувати на джерело, використовуючи своєрідну триангуляцію. Системі навіть не потрібно працювати в режимі реального часу, оскільки вона буде активована голосом - сигнали з усіх мікрофонів будуть записуватися одночасно, голос відбиратиметься лише з одного мікрофона, і якщо він відповідає голосовій підписі, фазова кореляція буде обчислюватися з остання частка секунди для обчислення напрямку. Я знаю, що це може не надто добре працювати, тобто коли робот викликається з іншої кімнати або коли є кілька роздумів.

Це просто ідея, яку я мав, але я ніколи не намагався зробити щось подібне, і у мене є кілька питань, перш ніж створити власне обладнання, яке зробить цю роботу:

1. Це типовий спосіб зробити це? (тобто використовується в телефонах для усунення шуму?) Які ще можливі підходи?
2. Чи можна обчислити фазову кореляцію між трьома джерелами одночасно? (тобто для прискорення обчислень)
3. Чи достатня для цієї системи швидкість вибірки 22 кГц і 12-бітна глибина? Я особливо стурбований глибиною долота.
4. Чи слід розміщувати мікрофони в окремі пробірки, щоб покращити поділ?

Щоб продовжити відповідь Мюллера,

4. Чи слід розміщувати мікрофони в окремі пробірки, щоб покращити поділ?

4. Ні, ви намагаєтеся визначити напрямок джерела, додавання трубок лише зробить звук відскоком всередині трубки, який точно не потрібен.
   
   Найкращим способом дій було б зробити їх обличчям прямо вгору, таким чином, всі вони отримають подібний звук, і єдине, що в них унікальне - це їх фізичні місця, які безпосередньо впливатимуть на фазу. Синусова хвиля 6 кГц має довжину хвилі -$\frac{\text{speed of sound}}{\text{sound frequency}}=\frac{343\text{ m/s}}{6\text{ kHz}}=5.71\text{ mm}$. Отже, якщо ви хочете однозначно визначити фази синусоїд до 6 кГц, які є типовими частотами для розмови людини, то вам слід розмістити мікрофони не більше 5,71 мм один від одного. Ось один предмет , діаметр якого менше 5,71 мм. Не забудьте додати фільтр низьких частот із частотою відсікання близько 6-10 кГц.

---

Редагувати

Я відчув, що це питання №2 виглядає веселим, тому вирішив спробувати вирішити його самостійно.

2. Чи можна обчислити фазову кореляцію між трьома джерелами одночасно? (тобто для прискорення обчислень)

Якщо ви знаєте свою лінійну алгебру, то ви можете уявити, що ви розмістили мікрофони в трикутнику, де кожен мікрофон знаходиться на відстані 4 мм один від одного, роблячи кожен внутрішній кут .$60°$

Тож припустимо, що вони в такій конфігурації:

       C
      / \
     /   \
    /     \
   /       \
  /         \
 A - - - - - B

Я буду...

• використовуйте номенклатуру яка є вектором, що вказує від до$\overline{AB}$$A$$B$
• називають моє походження$A$
• записати всі числа в мм
• використовуйте математику 3D, але в кінці закінчуйте 2D напрямком
• встановіть вертикальне положення мікрофонів у фактичній формі хвилі. Таким чином , ці рівняння засновані на звукову хвилю , яка виглядає як це .
• Обчисліть поперечний добуток цих мікрофонів, виходячи з їх положення та форми хвилі, потім ігноруйте інформацію про висоту цього крос-продукту та використовуйте арктан, щоб придумати фактичний напрямок джерела.
• виклик вихід мікрофона в положенні , виклик вихід мікрофона в положенні , виклик вихід мікрофона в положенні$a$$A$$b$$B$$c$$C$

Тож справді такі речі:

• $A=(0,0,a)$
• $B=(4,0,b)$
• $C=(2,\sqrt{4^2-2^2}=2\sqrt{3},c)$

Це дає нам:

• $\overline{AB} = (4,0,a-b)$
• $\overline{AC} = (2,2\sqrt{3},a-c)$

І поперечний продукт просто$\overline{AB}×\overline{AC}$

$$\begin{align} \overline{AB}×\overline{AC}&= \begin{pmatrix} 4\\ 0\\ a-b\\ \end{pmatrix} × \begin{pmatrix} 2\\ 2\sqrt{3}\\ a-c\\ \end{pmatrix}\\\\ &=\begin{pmatrix} 0\cdot(a-c)-(a-b)\cdot2\sqrt{3}\\ (a-b)\cdot2-4\cdot(a-c)\\ 4\cdot2\sqrt{3}-0\cdot2\\ \end{pmatrix}\\\\ &=\begin{pmatrix} 2\sqrt{3}(b-a)\\ -2a-2b-4c\\ 8\sqrt{3}\\ \end{pmatrix} \end{align}$$

Інформація Z, - це просто непотріб, для нас нульовий інтерес. Коли вхідні сигнали змінюються, перехресний вектор буде хитатися вперед і назад у напрямку джерела. Так що половину часу він буде вказувати прямо на джерело (ігноруючи роздуми та інші паразитики). А іншу половину часу він буде вказувати на 180 градусів від джерела.$8\sqrt{3}$

Я говорю про який можна спростити до , а потім перетворіть радіани на градуси.$\arctan(\frac{-2a-2b-4c}{2\sqrt{3}(b-a)})$$\arctan(\frac{a+b+2c}{\sqrt{3}(a-b)})$

Тож у результаті ви отримаєте таке рівняння:

$$\arctan\Biggl(\frac{a+b+2c}{\sqrt{3}(a-b)}\Biggr)\frac{180}{\pi}$$

---

Але половину часу інформація буквально не на 100% помиляється, так як ... як слід .... зробити це правильно 100% часу?

Добре, якщо веде , то джерело не може бути ближче до B.$a$$b$

Іншими словами, просто зробіть щось таке, як це:

source_direction=atan2(a+b+2c,\sqrt{3}*(a-b))*180/pi;
if(a>b){
   if(b>c){//a>b>c
     possible_center_direction=240; //A is closest, then B, last C
   }else if(a>c){//a>c>b
     possible_center_direction=180; //A is closest, then C last B
   }else{//c>a>b
     possible_center_direction=120; //C is closest, then A last B
   }
}else{
   if(c>b){//c>b>a
     possible_center_direction=60; //C is closest, then B, last A
   }else if(a>c){//b>a>c
     possible_center_direction=300; //B is closest, then A, last C
   }else{//b>c>a
     possible_center_direction=0; //B is closest, then C, last A
   }
}

//if the source is out of bounds, then rotate it by 180 degrees.
if((possible_center_direction+60)<source_direction){
  if(source_direction<(possible_center_direction-60)){
    source_direction=(source_direction+180)%360;
  }
}

І, можливо, ви хочете реагувати лише тоді, коли джерело звуку надходить з певного вертикального кута, якщо люди говорять над мікрофонами => 0 зміна фази => нічого не робити. Люди говорять поруч із ним горизонтально => деяка зміна фази => реагують.

$$\begin{align} |P| &= \sqrt{P_x^2+P_y^2}\\ &= \sqrt{3(a-b)^2+(a+b+2c)^2}\\ \end{align}$$

Тому ви можете встановити цей поріг на щось низьке, наприклад, 0,1 або 0,01. Я не зовсім впевнений, залежить від гучності та частоти та паразитиків, протестуйте самі.

Ще одна причина, коли використовувати рівняння абсолютного значення - це нульові перетини, може виникнути незначний момент, коли напрямок буде вказувати в неправильному напрямку. Хоча це буде лише за 1% часу, якщо навіть це. Таким чином, ви можете приєднати фільтр LP до першого порядку до напрямку.

true_true_direction = true_true_direction*0.9+source_direction*0.1;

І якщо ви хочете реагувати на певний об'єм, то просто підсумуйте 3 мікрофона разом і порівняйте їх з деяким значенням тригера. Середнє значення мікрофонів було б їх сумою, поділеною на 3, але вам не потрібно ділити на 3, якщо збільшити значення тригера на коефіцієнт 3.

---

У мене виникають проблеми з маркуванням коду як C / C # / C ++ або JS або будь-якого іншого, тож, на жаль, код буде чорно-білим, проти моїх побажань. Ну добре, удачі у твоєму підприємстві. Звучить весело.

Також є ймовірність 50/50, що напрямок буде знаходитися на відстані 180 від джерела 99% часу. Я майстер робити такі помилки. Виправленням цього може бути лише інвертування if, якщо слід додати заяви на 180 градусів.

1. Так, це відчувається розумним і типовим.
2. Ви можете так само добре використовувати відразу три сигнали мікрофона (не проходячи «об’їзд» через свої три пари кореляцій). Шукайте "МУЗИКА" та "ESPRIT" у додатках у напрямку прибуття.
3. Дуже ймовірно, що це так. Ви не прагнете до високої якості звуку, ви прагнете до хороших кореляційних властивостей корсосу, і кілька біт тут і там, ймовірно, не роблять і не порушують систему. Більш висока частота дискретизації, як дуже поширена 44,1 кГц або 48 кГц, з іншого боку, миттєво вдвічі збільшить кутову точність, імовірно, на однакову тривалість спостереження.