[发明专利]远场音频处理

说明书

一种设备包含多个麦克风，以基于远场声学环境的声音生成音频信号。所述设备还包含信号处理系统，用于处理所述音频信号以生成至少一个处理后的音频信号。所述信号处理系统被配置成在以第一操作模式操作时更新一或多个处理参数，并且被配置成在以第二操作模式操作时使用所述一或多个处理参数的静态版本。所述设备进一步包含关键字检测系统，用于基于所述至少一个处理后的音频信号执行关键字检测，以确定所述声音是否包含对应于关键字的话语，并且基于所述关键字检测的结果向所述信号处理系统发送控制信号，以改变所述信号处理系统的操作模式。

优先权要求

本申请主张2016年7月29日提交的题为“远场音频处理(FAR-FIELD AUDIOPROCESSING)”的共同拥有的美国临时专利申请第62/368,499号和2016年12月21日提交的题为“远场音频处理(FAR-FIELD AUDIO PROCESSING)”的美国非临时专利申请第15/387,411号的优先权，上述申请中的每一个的内容通过引用整体明确地并入本文。

技术领域

本公开一般涉及处理远场声学环境的声音。

背景技术

技术的进步导致了更小、更强大的计算装置。例如，目前存在各种便携式个人计算装置，包含无线电话(例如，移动电话和智能电话)、平板计算机和膝上型计算机，它们小巧、轻便且易于由用户携带。这些装置可以通过无线网络传递语音和数据包。此外，许多此些装置纳入了另外的功能，例如数字静态相机、数字视频相机、数字记录器或音频文件播放器。这些装置中的一些可以处理可执行指令，包含软件应用，例如可以用于访问因特网的网页浏览器应用。因此，这些装置可以包含可观的计算能力。

随着这些装置变得越来越复杂，已经开发出新技术以利用这些装置的计算能力。例如，语音识别(也称为言语识别)技术已被并入到便携式个人计算装置中。语音识别使用户能够通过对计算装置说话来向计算装置提供诸如命令或查询的输入。语音识别使用可观的计算资源，因此需使用可观的电力。因此，对于通常依赖于电池电力的便携式计算装置，已经开发了减少语音识别的电力需求的技术。

例如，语音识别系统可以掉电，直到用户提供输入以使语音识别系统通电。输入可以包含物理输入，例如按压按钮；但是，越来越多的输入包含说出关键字。因此，语音识别可以与关键字检测一起使用，使得用户可以说出关键字以唤醒语音识别系统，然后说出由语音识别系统识别的命令或查询。

关键字检测可以被认为是语音识别的子集；但是，关键字检测是一个更受限制的问题，因此使用更少的处理资源。例如，语音识别系统可以被配置成识别相当不同的语音输入，其可以包含长且非结构化的声音序列，并且被配置成确定对应于语音输入的含义(例如，字)。相反，关键字检测系统可以被配置成检测对应于关键字的特定声音序列(或对应于若干关键字的若干声音序列)。

当与便携式计算装置一起使用时，关键字检测和语音识别的组合可以使用户能够唤醒语音识别系统(使用关键字)并向语音识别系统提供语音输入而不会显著增加便携式计算装置的电力要求。关键字检测和语音识别的组合在便携式计算装置上工作良好的一个原因是此些装置通常非常靠近于用户使用，例如在近场声学环境中。在近场声学环境中，便携式计算装置的麦克风可以非常靠近用户的脸部定位，使得用户的语音(如在麦克风处检测到)比环境声音(例如，噪声)更响亮，从而导致大信噪比(SNR)。另外，在便携式计算装置的背景中通常可以忽略多路径(例如，用户语音的反射声音)。

然而，当使用关键字检测和语音识别的计算装置在远场声学环境中使用时，会出现不同的挑战。例如，计算装置处的SNR可能显著更低，因为计算装置的麦克风可以更远离用户(和/或更靠近噪声源)。另外，相较于用户，麦克风可能更靠近墙壁或其它反射声音源，在这种情况下，反射声音(例如，多路径)可能使处理语音输入具有挑战性。

发明内容