【導讀】隨著(zhù)用戶(hù)越來(lái)越依賴(lài)語(yǔ)音作為用戶(hù)界面，設計人員面臨著(zhù)多重挑戰，既要以盡可能小的功耗和響應時(shí)間來(lái)實(shí)現最準確、最可靠的用戶(hù)語(yǔ)音界面 (VUI)，又要滿(mǎn)足更緊湊的空間、更低的成本預算并縮短設計進(jìn)度的要求。
隨著(zhù)用戶(hù)越來(lái)越依賴(lài)語(yǔ)音作為用戶(hù)界面，設計人員面臨著(zhù)多重挑戰，既要以盡可能小的功耗和響應時(shí)間來(lái)實(shí)現最準確、最可靠的用戶(hù)語(yǔ)音界面 (VUI)，又要滿(mǎn)足更緊湊的空間、更低的成本預算并縮短設計進(jìn)度的要求。為了幫助設計人員達到這些目標，多家供應商推出了一種先進(jìn)的微機電系統 (MEMS) 麥克風(fēng)，這種麥克風(fēng)具有多個(gè)性能特征，有助于實(shí)現強大的喚醒詞檢測和 VUI 語(yǔ)音指令處理。
MEMS 麥克風(fēng)（也稱(chēng)為硅麥克風(fēng)）已普遍在智能手機、智能手表、無(wú)線(xiàn)耳塞、汽車(chē)、智能電視以及遙控器中使用。這在很大程度上歸功于大獲成功的個(gè)人語(yǔ)音助手（例如亞馬遜的 Alexa、谷歌語(yǔ)音助手和蘋(píng)果的 Siri）。這些助手會(huì )收聽(tīng)特定的語(yǔ)音指令，使用喚醒詞識別算法從周?chē)h(huán)境中提取語(yǔ)音指令。設計人員的訣竅是：以經(jīng)濟高效地的方式快速實(shí)現這種提取功能，同時(shí)盡管存在環(huán)境噪聲，也要提高可靠性、準確性和遠場(chǎng)語(yǔ)音采集能力。
本文將討論影響 VUI 設計的 MEMS 麥克風(fēng)的關(guān)鍵特性，包括信噪比 (SNR)、動(dòng)態(tài)范圍、靈敏度和啟動(dòng)時(shí)間。然后介紹來(lái)自 TDK InvenSense、CUI Devices、STMicroelectronics 和 Vesper Technologies 的硬件和軟件解決方案，并展示如何將其應用于語(yǔ)音激活設計中。
MEMS 麥克風(fēng)如何工作
一個(gè) MEMS 麥克風(fēng)封裝中通常包含兩個(gè)組件：將聲波轉換為電信號的 MEMS 膜，以及用作阻抗轉換器向音頻信號鏈提供可用模擬輸出的放大器。如果需要數字輸出，還可在其芯片上再集成一個(gè)組件——模數轉換器 (ADC)。
圖 1：MEMS 麥克風(fēng)的基本結構顯示了其兩個(gè)關(guān)鍵構建塊：MEMS 變動(dòng)器和信號處理鏈（位于 ASIC 中）。（圖片來(lái)源：CUI Devices）
除了支持具有模擬或數字輸出的微型麥克風(fēng)外，MEMS 技術(shù)還實(shí)現了出色的相位匹配和漂移性能。
MEMS 麥克風(fēng)的關(guān)鍵特性
對于語(yǔ)音控制設備設計人員而言，需要在 MEMS 麥克風(fēng)中查找的關(guān)鍵參數如下：
• 信噪比 (SNR)：這是參考信號電平與麥克風(fēng)輸出信號的噪聲電平之比。SNR 測量值包括麥克風(fēng)元件和 MEMS 麥克風(fēng)封裝中集成的任何其他設備（例如 IC）產(chǎn)生的噪聲。
靈敏度：響應 1千赫 (kHz) 正弦波時(shí)的模擬或數字輸出值，其聲壓級 (SPL) 為 94 分貝 (dB) 或1 帕斯卡 (Pa)，后者為壓力測量值。
• 靈敏度公差：任何給定的單只麥克風(fēng)的靈敏度范圍。嚴格的靈敏度公差可在使用多個(gè)麥克風(fēng)時(shí)確保一致性。
• 動(dòng)態(tài)范圍：麥克風(fēng)線(xiàn)性響應的最大和最小聲壓級的差異測量。
• 頻率響應：麥克風(fēng)能夠工作的頻率范圍。
• 啟動(dòng)時(shí)間：響應觸發(fā)事件時(shí)麥克風(fēng)被喚醒并輸出有效信號的速度。
諸如遙控器、電視和智能揚聲器之類(lèi)的語(yǔ)音控制設備通常工作在高環(huán)境噪聲下。同樣，在遠場(chǎng)操作中，用戶(hù)可能在附近或距離 1 至 10 米 (m) 的地方。這些情況使麥克風(fēng)的動(dòng)態(tài)范圍、靈敏度和 SNR 變得如此重要。在陣列中使用多個(gè)麥克風(fēng)的應用中，靈敏度公差至關(guān)重要。
雖然可以規定每個(gè)麥克風(fēng)具有一定的靈敏度水平，但細微的結構變化可能會(huì )導致各種變更。但是，由于 MEMS 麥克風(fēng)是使用嚴格控制的半導體制造工藝開(kāi)發(fā)，因此具有匹配嚴格的靈敏度公差，這是任何麥克風(fēng)陣列進(jìn)行有效數據處理所需的（圖 2）。
圖 2：陣列中使用的麥克風(fēng)必須嚴格匹配才能實(shí)現所需的信號處理性能。（圖片來(lái)源：CUI Devices）
為使支持 VUI 的設計能越來(lái)越多地采用麥克風(fēng)陣列，緊公差的輔助作用極其重要。在麥克風(fēng)陣列中，由兩個(gè)或多個(gè)麥克風(fēng)收集信號，然后在組合信號并形成合成信號之前，分別處理來(lái)自每個(gè)麥克風(fēng)的信號（放大、延遲或濾波）。在麥克風(fēng)陣列中，可以使用多個(gè)輸入來(lái)確定方向響應（也稱(chēng)為波束形成），以濾除不需要的噪聲；與此同時(shí)，重點(diǎn)關(guān)注在來(lái)自更期望的方向上的聲音。
MEMS 麥克風(fēng)的啟動(dòng)時(shí)間對于捕獲全部關(guān)鍵詞并確保其準確性也至關(guān)重要。為了節電，支持 VUI 的設備保持低功耗狀態(tài)；但是，如果麥克風(fēng)響應喚醒觸發(fā)的啟動(dòng)時(shí)間短，則會(huì )影響 VUI 喚醒時(shí)間，進(jìn)而影響喚醒詞檢測性能以及功耗。
只要在選擇麥克風(fēng)時(shí)考慮到這些特性，那么在具有高環(huán)境噪聲或者用戶(hù)遠距離講話(huà)，或者這兩種情形都存在的情況下，后續的語(yǔ)音處理算法便能夠更好地執行用戶(hù)語(yǔ)音提取功能。
模擬與數字 MEMS 麥克風(fēng)接口
正如有關(guān) MEMS 麥克風(fēng)工作原理的部分所述，MEMS 麥克風(fēng)輸出可以采用模擬或者數字形式。模擬 MEMS 麥克風(fēng)使用內部放大器將麥克風(fēng)的輸出信號驅動(dòng)至具有低輸出阻抗的合理高電平。這提供了一個(gè)連接音頻處理器的直接接口。對于 VUI，設計人員需要確保相關(guān)處理器具有板載 ADC，或者設計人員能夠選擇 ADC 以滿(mǎn)足其特定要求。后者會(huì )增加復雜性和成本。
借助數字 MEMS 麥克風(fēng)，麥克風(fēng)輸出可直接應用于通常的微控制器或數字信號處理器 (DSP) 的數字電路。用于電噪聲環(huán)境的 VUI 設計更傾向于數字麥克風(fēng)，因為與模擬輸出信號相比，數字輸出信號具有更高的抗噪能力。
此外，數字 MEMS 麥克風(fēng)通常采用脈沖密度調制 (PDM) 將模擬信號電壓轉換為包含相應密度的邏輯高信號的單比特數字流。這樣可以進(jìn)一步抵御射頻干擾 (RFI) 和電磁干擾 (EMI)。這對于大型麥克風(fēng)陣列和諸如支持語(yǔ)音的車(chē)輛信息娛樂(lè )系統之類(lèi)的實(shí)際大型系統尤其重要。
關(guān)于靈敏度，就模擬麥克風(fēng)而言，是采用以分貝為單位的聲壓級相對于 1 伏 (dB/V) 進(jìn)行測量的。對于數字麥克風(fēng)，通常以相對于滿(mǎn)刻度分貝值為單位進(jìn)行測量 (dB FS) 。
VUI 的 MEMS 麥克風(fēng)解決方案
TDK InvenSense 的 ICS-40740 模擬 MEMS 麥克風(fēng)滿(mǎn)足了 VUI 應用的許多關(guān)鍵麥克風(fēng)性能要求。該器件包含一個(gè) MEMS 麥克風(fēng)元件、一個(gè)阻抗轉換器和一個(gè)差分輸出放大器，采用小型 4.00 x 3.00 x 1.20 毫米 (mm) 的表面貼裝封裝。該器件采用 1.5 伏電源供電，工作時(shí)僅消耗 165 微安 (µA) 電流（圖 3）。
圖 3：ICS-40740 模擬 MEMS 麥克風(fēng)滿(mǎn)足智能揚聲器和可穿戴設備（例如降噪耳機）的尺寸和功率預算要求。（圖片來(lái)源： TDK InvenSense）
該器件的 SNR 為 70 dBA（A 加權分貝），并與 108.5 dB 的寬動(dòng)態(tài)范圍相耦合，即使在高環(huán)境噪聲和遠場(chǎng)條件下也能檢測到語(yǔ)音信號。此外，該器件具有 80 赫茲 (Hz) 到 20 kHz 的寬工作頻率響應范圍，132.5 dB 的線(xiàn)性響應性能和 ±1 dB 靈敏度公差。后者使其對于麥克風(fēng)陣列非常有用。
ICS-40740 的封裝小、功耗低，使其適用于圍繞智能揚聲器和諸如降噪耳機等可穿戴設備構建的物聯(lián)網(wǎng) (IoT) 應用程序。
Vesper Technologies 的 VM3000 是一款全向、底部端口壓電式數字 MEMS 麥克風(fēng)，具有不到 200 微秒 (µs) 的超快速啟動(dòng)時(shí)間，使其被快速喚醒，足以捕獲完整的喚醒詞（圖4）。
圖4：VM3000 壓電式數字 MEMS 麥克風(fēng)具有不到 200 µs 的超快速啟動(dòng)時(shí)間，使其能夠足被快速喚醒，足以捕獲完整的喚醒詞。（圖片來(lái)源：Vesper Technologies）
在壓電式 MEMS 麥克風(fēng)中，當聲波撞擊壓電懸臂時(shí)，將使懸臂移動(dòng)并產(chǎn)生電壓。該電壓由一個(gè)功耗非常低的比較器電路檢測，該電路會(huì )將喚醒信號發(fā)送到音頻系統。
由于壓電式 MEMS 麥克風(fēng)不需要偏置電壓，因此 VM3000 在被喚醒詞指令啟動(dòng)前幾乎無(wú)功耗。而且，這種麥克風(fēng)僅需 0.35 µA 電流即可保持休眠模式，并且能夠在不到 100 µs 的時(shí)間內切換到性能模式。超低功耗休眠模式與快速模式切換相結合，還能確保在喚醒音頻設備時(shí)不會(huì )丟失任何信息。
VM3000 數字麥克風(fēng)幾乎可以與任何音頻芯片配對，其輸出特點(diǎn)是在一條數據線(xiàn)上復用兩個(gè)麥克風(fēng)。該麥克風(fēng)在 1 kHz 信號下的典型 SNR 為 63 dB，具有 122 dB SPL 聲學(xué)過(guò)載點(diǎn) (AOP)。
VM3000 采用 3.5 x 2.65 x 1.3 mm 封裝，并通過(guò)集成 ADC 節省物料清單 (BOM)。此外，VM3000 使用單層壓電晶體，使其不受靈敏度漂移的影響，并可防止灰塵、水、濕氣和其他環(huán)境顆粒的侵害。
諸如 VM3000 之類(lèi)的壓電式 MEMS 麥克風(fēng)無(wú)需使用保護網(wǎng)或薄膜覆蓋多個(gè)麥克風(fēng)，從而簡(jiǎn)化了陣列的音頻設計。如保護網(wǎng)或保護膜等為防止受環(huán)境污染而覆蓋聲學(xué)孔的保護元件，可導致 MEMS 麥克風(fēng)靈敏度下降。
VM3000 也相對容易實(shí)現，因為它可以直與 CODEC 或其他處理器連接（圖 5）。主系統（CODEC 等）提供主時(shí)鐘 CLK，該時(shí)鐘定義了 DATA 線(xiàn)上的比特速率。
圖5：VM3000 可以直接與外部處理器連接，并且可將兩個(gè)麥克風(fēng)連接到一條 DATA 線(xiàn)上。（圖片來(lái)源：Vesper Technologies）
有趣的是，兩個(gè)麥克風(fēng)可以通過(guò)一條 DATA 線(xiàn)連接。這是因為數據是在由 L/R Select 引腳定義的時(shí)鐘 (CLK) 上升沿或下降沿設置的，而 L/R Select = GND（頂部）在時(shí)鐘下降沿設置數據，L/R Select = VDD（底部）在時(shí)鐘上升沿設置數據。然后，CODEC 或處理器可以根據比特流與 CLK 邊沿的對齊方式將其分離。
入門(mén)：MEMS 麥克風(fēng)評估套件
為了評估關(guān)鍵參數并簡(jiǎn)化使用 MEMS 麥克風(fēng)的音頻系統的設計，供應商提供了參考板和軟件開(kāi)發(fā)套件。例如，Vesper 提供了 S-VM3000-C 評估板，其中包括一個(gè) VM3000 數字 MEMS 麥克風(fēng)和一個(gè) 0.1 微法拉 (µF) 的電源旁路電容器以及一個(gè)邊緣連接器。
同樣，TDK InvenSense 為其 ICS-40740 模擬 MEMS 傳感器提供 EV_ICS-40740-FX 評估板，可讓設計人員快速、高效地分析差分模擬輸出麥克風(fēng)的性能。除 MEMS 麥克風(fēng)外，該開(kāi)發(fā)套件唯一的其他組件便是 0.1 µF 電源旁路電容器。
CUI Devices 同時(shí)提供模擬和數字 MEMS 麥克風(fēng)，其 DEVKIT-MEMS-001 開(kāi)發(fā)套件用于原型開(kāi)發(fā)和測試（圖 6）。該評估板有四個(gè)獨立的麥克風(fēng)評估電路。
圖 6：DEVKIT-MEMS-001 有四個(gè)可拆卸麥克風(fēng)評估電路：其中兩個(gè)用于模擬輸出，另兩個(gè)用于數字輸出。（圖片來(lái)源：CUI Devices）
該評估板上有兩個(gè)模擬 MEMS 麥克風(fēng)：底部音孔 CMM-2718AB-38308-TR 和頂部音孔 CMM-2718AT-42308-TR；兩個(gè)數字 MEMS 麥克風(fēng)：底部音孔 CMM-4030DB-26354-TR 和頂部音孔 CMM-4030DT-26354-TR。頂部和底部音孔用于模擬和數字輸出麥克風(fēng)，以提高設計靈活性。
比較這兩個(gè)模擬設備，CMM-2718AB-38308-TR 的靈敏度為 -38 dB，SNR 為 65 dBA。CM-2718AT-43208-TR 的靈敏度為 -42 dB，SNR 為 60 dBA。兩者的頻率范圍均為 100 Hz 至 10 kHz，并從 2 V 電源軌汲取 80 µA 電流。
對于兩個(gè)數字麥克風(fēng)，CMM-4030DB-26354-TR 的靈敏度為 -26 dB FS，SNR 為 64 dBA。CMM-4030DT-26354-TR 的靈敏度為 -26 dB FS，SNR 為 65 dBA。兩者均使用 1 位 PDM 數據格式，在 100 Hz 至 10 kHz 頻率范圍內工作，并從 2 V 電源汲取 0.54 毫安 (mA) 電流。
總結
通過(guò)仔細研究 MEMS 麥克風(fēng)（模擬和數字），可以發(fā)現其系統級性能優(yōu)勢，以及它們如何對始終開(kāi)啟的語(yǔ)音接口設計進(jìn)行補充。最新的 MEMS 麥克風(fēng)采用新穎的技術(shù)來(lái)延長(cháng)電池壽命，改善遠場(chǎng)音頻質(zhì)量并能抵御環(huán)境污染。提高關(guān)鍵詞的準確性是另一個(gè)主要的設計考慮因素，它與 SNR、靈敏度容差和啟動(dòng)時(shí)間等參數密切相關(guān)。所有這些都已在最新設備中得到解決，能更好地適應 VUI 設計。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請聯(lián)系小編進(jìn)行處理。
