In che modo la geometria dell’array di microfoni influisce sul riconoscimento vocale locale?

La geometria dell’array di microfoni influisce sul riconoscimento determinando quanto bene il sistema riesca a localizzare la voce e a sopprimere spazialmente il rumore o il riverbero.

Un assistente vocale locale su un server da cucina può ricevere lo stesso comando attraverso il rumore degli elettrodomestici, i riflessi delle pareti e la musica proveniente da un’altra direzione. Un maggior numero di microfoni è utile solo quando la loro spaziatura, forma, sincronizzazione e disposizione forniscono al beamformer differenze spaziali sfruttabili. La geometria modifica l’audio che raggiunge i modelli per la parola di attivazione e il riconoscimento vocale; non modifica il vocabolario del modello linguistico né risolve ogni problema acustico.

La spaziatura converte le differenze nei tempi di arrivo in informazioni direzionali

Un’onda sonora raggiunge i microfoni in momenti leggermente diversi perché ogni sensore occupa una posizione differente. Queste differenze temporali e di fase forniscono informazioni sulla direzione. Se i microfoni sono troppo vicini per le frequenze interessate, i ritardi diventano difficili da distinguere; se la spaziatura è eccessiva, l’aliasing spaziale può creare direzioni ambigue.

Il beamforming con array di microfoni modella il ritardo in base alla direzione dell’onda incidente e alla posizione di ciascun microfono. La geometria determina quindi i ritardi di orientamento che il processore può applicare e le direzioni in cui i segnali si rafforzano o si annullano.

Per questo il solo numero di microfoni non definisce la geometria di un array. Quattro elementi disposti su una linea corta, su un quadrato o su un anello circolare rilevano configurazioni direzionali diverse. Anche la spaziatura utile dipende dalla frequenza di campionamento, dalla lunghezza d’onda acustica, dalle dimensioni dell’involucro e dalla banda di frequenze che contiene gli indizi vocali.

La forma dell’array modifica la copertura e l’ambiguità fronte-retro

Un array lineare misura la variazione spaziale principalmente lungo un asse, risultando adatto a orientare la ricezione su un campo orizzontale, ma meno efficace nel distinguere alcune direzioni speculari. Le disposizioni planari o circolari campionano più dimensioni e possono offrire una copertura azimutale più ampia, al prezzo di una maggiore complessità di calibrazione e dell’involucro.

La ricerca sulla diversità spaziale mostra che più dispositivi aggiungono lo spazio come dimensione di elaborazione, introducendo però difficoltà di sincronizzazione e arbitraggio. Un array domestico distribuito può ottenere un’apertura più ampia, ma gli scarti di clock e le risposte differenti dei dispositivi possono compromettere la geometria prevista.

Il montaggio può essere più determinante della disposizione nominale. Un array circolare spinto contro una parete non presenta più un campo acustico simmetrico, mentre una barra lineare sotto uno schermo può ricevere forti riflessi dalla scrivania. La geometria deve essere valutata nella stanza in cui viene installata, non solo come schema sulla scheda dei microfoni.

Il beamforming migliora il segnale prima del riconoscimento

Il beamforming ritarda e pesa i canali dei microfoni in modo che il suono proveniente da una direzione scelta si combini costruttivamente, mentre l’energia proveniente da altre direzioni venga ridotta. L’uscita è un singolo flusso migliorato o un insieme più ridotto di flussi spaziali che alimenta il rilevamento della parola di attivazione e il riconoscimento vocale automatico.

I segnali ritardati nel tempo possono formare filtri spaziali che amplificano una direzione desiderata e sopprimono le interferenze. Un rapporto segnale-rumore migliore può ridurre le sostituzioni e le mancate rilevazioni delle parole di attivazione, soprattutto quando il rumore concorrente è separato spazialmente dall’oratore.

Il vantaggio scompare quando voce e rumore arrivano quasi dalla stessa direzione, la stima dell’orientamento è errata o il riverbero crea numerose copie ritardate. Il beamforming modifica gli indizi acustici; non può ricostruire parole mascherate in corrispondenza di ogni microfono né compensare un modello di riconoscimento non adatto all’oratore e al vocabolario.

Featured

ZimaCube 2 NAS personale cloud domestico

ZimaCube2

$799.00 - $2,499.00

Buy Now

La geometria e l’acustica della stanza devono essere valutate insieme

Le stanze creano riflessioni che raggiungono ogni microfono dopo il suono diretto. A distanza ravvicinata il percorso diretto può predominare, mentre i comandi a campo lontano possono contenere forti echi del soffitto, delle pareti e del piano di lavoro. Un array ottimizzato per la localizzazione direzionale in campo libero può quindi produrre un orientamento instabile in un ambiente domestico riflettente.

Tra i problemi descritti per il riconoscimento vocale a campo lontano rientrano distanza, riverbero, rumore, geometria e incompatibilità con l’ambiente. La geometria è più utile quando aumenta la separazione della voce diretta nella posizione effettiva e rispetto agli angoli di ascolto reali.

Verifica il tasso di rilevamento della parola di attivazione e il tasso di errore delle parole da più distanze e direzioni, usando rumori realistici di elettrodomestici, televisione e musica. Confronta il microfono singolo migliore con l’uscita sottoposta a beamforming per isolare il vantaggio dell’array. Una disposizione più grande o complessa non è automaticamente migliore se la deriva della calibrazione, i riflessi dell’involucro o la posizione nella stanza annullano il suo vantaggio spaziale.