智能语音机器人前端语音处理系统的设计及实现

刘生

（南京熊猫电子装备有限公司，南京210033）

0 引言

近几年来，人工智能技术的兴起，推动了语音识别技术的发展，涌现出越来越多的智能语音类产品。语音已成为基于云的语音助手和语音物联网设备的主要人机交互接口。这些设备要求在任何给定的环境中都能接收到干净的语音信号，以确保智能扬声器、耳机、移动电话、可穿戴设备、信息娱乐和智能家居系统的语音处理的准确性。

语音前端处理[1]部分会在语音信号进行语音识别之前，对语音原始信号进行处理，实现降噪、回声消除、声源定位[2]及波束形成[3]等功能。讯飞、云知声等相关的语音处理产品供应商提供了麦克风阵列处理模块，市面上大部分模块是使用DSP 或专用芯片来完成前端语音处理的，虽然该方案能保证前端语音处理的性能，但是对于一些产品进行集成并不是特别方便，开放的接口也不是很丰富。同时提高了产品的复杂度，增加了系统的成本。针对该问题，提出基于WebRTC[4]、Snowboy[5]等开源库，设计并开发了语音前端处理系统。

1 语音前端处理

语音前端处理系统的目标是将麦克风接收到的用户发出的声音，进行降噪处理，更加突出语音识别用到的特定语音信号。去除的噪音包括外界的背景噪声，也包括自身设备播放的音频。噪音去除的越干净，语音信号就越接近于声源信号，能提高语音识别的精确度。

语音前端处理主要包括语音活动检测（Voice Ac⁃tivity Detection，VAD）[6]、噪声抑制（Noise Suppression，NS）、回声消除（Acoustic Echo Cancellation，AEC）、关键词识别（Keyword Detection，KWD）声源定位（Direction Of Arrival，DOA）、波束成形（Beamforming，BF）等关键功能。……