Reading Pen - suuntaava mikrofoniryhmä -suunnittelu

Kohderyhmä: Tämä artikkeli on tarkoitettu äänilaitteiden suunnittelijoille ja hankinta-asiantuntijoille, joiden on arvioitava tai määriteltävä mikrofoniryhmän keilanmuodostusta lukukynävalikoimaan. Oletuksena on, että tiedät jo, mikä MEMS-mikrofoni on, ja nyt sinun on valittava delay-and-sum-, MVDR- ja GCC-PHAT-menetelmien välillä vuoden 2026 rakennetta varten.

Yksittäinen MEMS-mikrofoni lukukynässä kuulee lapsen äänen ja kaiken muun huoneessa. Kaksi MEMS-mikrofonia tunnetulla etäisyydellä voi tehdä jotain, mitä yksittäinen mikrofoni ei voi: se voi kuunnella ensisijaisesti yhteen suuntaan ja vaimentaa ääntä muista suunnista. Tätä tilasuodatusta kutsutaan keilanmuodostukseksi, ja L5-, T2- ja Y6-lukukynäalustoilla se nostaa tehollisen SNR:n 4–7 dB lisää sen päälle, mitä RNNoise jo saavuttaa. 5–15 cm päässä suusta käytettävällä lukukynällä 30 dBA:n luokkahuoneessa ero yhden mikrofonin ja kahden mikrofonin keilanmuodostuksen välillä on 72 prosentin ja 84 prosentin ASR-tarkkuuden ero. Tämä artikkeli selittää, miten keilanmuodostus toimii lukukynässä, mitkä kolme algoritmia ovat tuotannossa 11 mallissa (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6), ja miten keilanmuodostus määritellään hankintasopimuksessa.

1. Miksi lukukynä tarvitsee mikrofoniryhmän

Lukukynä on kädessä pidettävä laite, jossa on yksi mikrofoni kärjessä. Kotikäytössä 1–3 cm päässä suusta puhe-kohinasuhde mikrofonissa on riittävän korkea, jotta yhden mikrofonin ASR toimii. Luokkahuonekäytössä 5–15 cm päässä, kun 25–30 muuta lasta puhuu, SNR laskee 5–10 dB:iin ja yhden mikrofonin ASR epäonnistuu 35–40 prosentissa tapauksista. Perinteinen korjaus on aggressiivisempi kohinanvaimennus, mutta RNNosen tuotto L5:llä alkaa vähentyä noin 12 dB SNR-parannuksen jälkeen.

Keilanmuodostus ratkaisee eri ongelman kuin kohinanvaimennus. Kohinanvaimennus poistaa kohinan signaalista; keilanmuodostus poistaa äänen ei-toivotuista suunnista. Luokkahuoneessa ei-toivottu suunta on "kynän taakse" – muut lapset, opettaja, projektori. Haluttu suunta on "kynän eteen" – lapsen suu. Kahden mikrofonin ryhmä 30 mm etäisyydellä voi tuottaa kardioidin vastaanottokuvion, joka on 6–10 dB herkempi edestä kuin takaa, mikä nostaa SNR:n 4–7 dB tyypillisessä luokkahuoneen melukentässä.

L5-, T2- ja Y6-alustoilla on kaksi MEMS-mikrofonia juuri tätä tarkoitusta varten. B1-, B2-, F8-, K7-, KF1-, P2-, Q6- ja Q8-malleissa on yksi mikrofoni, eikä keilanmuodostus ole mahdollista; niiden kohinanvaimennus on ainoa puolustuslinja.

2. Kahden mikrofonin ryhmän geometria

L5 sijoittaa kaksi MEMS-mikrofoniaan kynän pitkän akselin suuntaisesti, 32 mm etäisyydelle toisistaan, lähelle päätä. T2 käyttää samaa geometriaa 36 mm etäisyydellä. Y6 käyttää 28 mm etäisyyttä. Kaikissa kolmessa ensisijainen mikrofoni on kärjen puolella ja toissijainen mikrofoni on siirretty kohti päätä. Kaksi mikrofonia ovat sovitettuja osia (sama valmistuserä, herkkyys ±1 dB sisällä) ja äänikoodekki näytteistää ne samanaikaisesti.

28–36 mm etäisyys on tietoinen kompromissi. 16 kHz:n näytteenottotaajuudella (taajuus, jolla keilanmuodostin toimii) äänen aallonpituus 8 kHz:llä on 42 mm. Kaksi 28–36 mm etäisyydellä olevaa mikrofonia pystyy erottamaan tilatiedot noin 8 kHz:iin asti; sen yläpuolella spatiaalinen aliasingraja astuu voimaan ja keilakuvio menee sekawaksi. Puheelle, jonka energia on enimmäkseen alle 4 kHz, tämä on hyväksyttävää. Musiikille, jossa energiaa on merkittävästi yli 8 kHz, se ei olisi – mutta lukukynät eivät ole musiikin kuuntelulaitteita.

Suurimman herkkyyden suunta on toissijaisen mikrofonin ja ensisijaisen mikrofonin välinen akseli, joka on suunta, johon lapsi pitää kynää (suutaan tai sivua kohti). Pienimmän herkkyyden suunta on vastakkainen – kynän taakse, jossa muu luokkahuone on.

3. Kolme keilanmuodostusalgoritmia

Kolmea keilanmuodostusmenetelmää käytetään 11 tuotantomallissa. Ne eivät kaikki ole saatavilla kaikilla alustoilla – vain L5:ssä, T2:ssa ja Y6:ssa on kaksi mikrofonia, joten vain nämä kolme alustaa suorittavat keilanmuodostusta.

Delay-and-sum on yksinkertaisin. Kaksi mikrofonisignaalia kohdistetaan ajallisesti viivästämällä lähempänä olevaa, sitten keskiarvotetaan. Tämä tuottaa kardioidikuvion, jossa etu-taka-vaimennus on noin 4–6 dB. MIPS-kustannus on alle 2 Cortex-A53:lla. L5-laiteohjelmisto käyttää delay-and-sumia oletuksena virransäästötiloissa.

MVDR (Minimum Variance Distortionless Response) on optimaalinen lineaarinen suodatin tunnetulle melukentälle. Se mukauttaa taajuuskohtaiset painonsa minimoimaan melutehon säilyttäen samalla yksikkövahvistuksen kohdesuunnassa. MVDR tuottaa 6–10 dB etu-taka-vaimennuksen hajautetussa melukentässä, kuten luokkahuoneessa. MIPS-kustannus on 8–14 Cortex-A53:lla. L5-, T2- ja Y6-laiteohjelmistot käyttävät MVDR:ää oletuksena luokkahuoneen ASR:ssä.

GCC-PHAT (Generalized Cross-Correlation with Phase Transform) on saapumissuunnan estimoija, jota käytetään äänilähteen paikantamiseen. Se laskee kahden mikrofonisignaalin aikaviiveen ja ilmoittaa saapumiskulman. T2 käyttää GCC-PHATia tunnistamaan, tuleeko puhe edestä (lapsi) vai sivulta (opettaja tai sisarus), ja vaihtaa MVDR:n ja sallivamman ympärisuuntaisen tilan välillä sen mukaisesti.

4. Mikrofonikonfiguraatio malleittain

Alla oleva taulukko tiivistää mikrofonikonfiguraation 11 tuotantomallissa. "Mics" on MEMS-mikrofonien lukumäärä kotelossa; "Spacing" on keskeltä keskelle -etäisyys millimetreinä; "Algorithm" on keilanmuodostusalgoritmi (tai "n/a", jos yksittäinen mikrofoni); "Front-back rejection" on mitattu 1 kHz:llä kaiuttomassa kammiossa; "SNR gain" on SNR-parannus keilanmuodostimen ulostulossa suhteessa parempaan yksittäiseen mikrofoniin, mitattuna 30 dBA:n hajautetussa luokkahuoneen melukentässä.

Numerot kertovat hankinnan tarinan. L5, T2 ja Y6 tuovat 5,0–6,1 dB SNR-edun yksimikrofonisiin alustoihin verrattuna luokkahuoneen melussa. Yhdistettynä RNNoise-kohinanvaimennuksen 11,8–12,4 dB parannukseen kokonais SNR-nousu tulomikrofonista ASR-moottoriin on 16,8–18,5 dB. Vertaa tätä B1-malliin, jossa yksimikrofoninen Wiener MMSE tuottaa yhteensä 6,5 dB SNR-parannuksen – L5:ssä SNR-etu on noin 2,7-kertainen.

5. Keilanmuodostus ja kohinanvaimennus: kerroksittain vai päällekkäin?

Yleinen kysymys on, ovatko keilanmuodostus ja kohinanvaimennus päällekkäisiä. Eivät ole – ne toimivat eri vaiheissa ja ratkaisevat eri ongelmia. Keilanmuodostus toimii tilasuodatuksessa: se hylkää äänen ei-toivotuista suunnista ja säilyttää äänen halutusta suunnasta. Kohinanvaimennus toimii taajuussuodatuksessa: se hylkää kohinan kaikista suunnista sen spektrisen allekirjoituksen perusteella.

Karkeasti diffuusissa luokkahuoneen melukentässä (ääntä kaikista suunnista) pelkkä keilanmuodostus tuottaa 5–6 dB SNR-edun, koska se hylkää puolet melukentästä. Pelkkä kohinanvaimennus tuottaa samassa melukentässä lisäksi 11–12 dB, koska jäännöskohinalla on stationäärinen spektriprofiili, jonka kohinanvaimennus voi vähentää. Nämä kaksi ovat kertautuvia: 5 dB keilanmuodostuksesta plus 12 dB RNNoise-kohinanvaimennuksesta antaa yhteensä 17 dB, mikä on L5:llä mittaamamme tulos.

Jos luokkahuoneen melukenttä ei ole diffuusi (esim. yksi voimakas puhuja 1 m sivulla), keilanmuodostus tuottaa 8–10 dB SNR-edun, koska se voi vaimentaa kyseisen suunnan. Kohinanvaimennus tuottaa 4–6 dB, koska se ei voi helposti vähentää ei-stationääristä yksittäistä puhujaa. Yhdessä nämä tuottavat 12–16 dB.

Tämän vuoksi T2:n GCC-PHAT-saapumissuunnan tunnistus on merkityksellinen: se voi vaihtaa aggressiivisempaan nollansijoitustilaan, kun yksittäinen voimakas puhuja havaitaan, mikä nostaa tehollista SNR-arvoa 2 dB kyseisessä skenaariossa.

6. Keilanmuodostus sisäpuhelintilassa

Sisäpuhelintila on vaativin keilanmuodostuksen työkuorma, koska kynä toistaa ääntä kaiuttimesta (jonka AEC poistaa) ja sieppaa vanhemman äänen huoneen toiselta puolelta (jonka keilanmuodostin priorisoi). L5/T2/Y6-mallien kaksi mikrofonia käyttävät keilanmuodostusta jatkuvasti sisäpuhelimen aikana, ja kohdesuunta on asetettu 'kynän akselia pitkin poispäin kaiuttimesta' – suuntaan, jossa vanhempi tyypillisesti on.

Käytännössä vanhemmat pitävät kynää eri kulmissa, joten T2:n GCC-PHAT laskee kohdesuunnan säännöllisesti uudelleen sen perusteella, mistä vanhemman ääni tulee. L5 ja Y6 käyttävät kiinteää kohdesuuntaa, koska GCC-PHAT ei ole niiden laiteohjelmistossa; tämä on mitattavissa oleva mutta pieni ero sisäpuhelimen selkeydessä. QA-labramme 100 sisäpuhelinsession aikana T2 arvioitiin 'selkeäksi' 92 prosentissa, L5 87 prosentissa ja Y6 85 prosentissa tapauksista.

7. Mikrofonien sovitus ja kalibrointi

Keilanmuodostus vaatii kahden MEMS-mikrofonin olevan tarkasti sovitettuja. 3 dB herkkyysero kahden mikrofonin välillä saa keilanmuodostimen suuntaamaan väärin 5–8 astetta, mikä maksaa noin 1 dB etu–taakka-vaimennuksessa 1 kHz:llä. L5-, T2- ja Y6-tuotantolinjoilla mikrofonien sovitus pidetään ±1 dB herkkyydessä ja ±2 asteen vaiheessa 1 kHz:llä, mikä saavutetaan eräkohtaisella sovituksella saapuvassa QA:ssa.

Mikrofonien väli on myös kalibrointiparametri. L5-laiteohjelmisto tallentaa yksikkökohtaisen kalibrointiarvon todelliselle, linjan lopussa mitatulle etäisyydelle, ja keilanmuodostin käyttää tätä arvoa nimellisen 32 mm sijaan. Ilman yksikkökohtaista kalibrointia keilanmuodostin olisi 1–2 mm epätarkka joillakin yksiköillä, ja etu–taakka-vaimennus heikkenisi 8 dB:stä 6 dB:iin.

ODM-valmistajalta ostavalle maahantuojalle tämä kalibrointivaihe on ensimmäinen tarkistettava asia. Jos ODM käyttää nimellisiä väliarvoja yksikkökohtaisten mitattujen arvojen sijaan, keilanmuodostuksen suorituskyky vaihtelee yksiköittäin ja kenttävikaantuvuus nousee.

8. Mikrofoniryhmän sijoittelu ja akustinen suunnittelu

Mikrofonien sijainti kynässä on yhtä tärkeää kuin algoritmi. L5:n kaksi MEMS-porttia ovat 32 mm päässä toisistaan, samalla kynän pinnalla, lähellä päätyä, ensisijainen mikrofoni lähempänä kärkeä ja toinen mikrofoni 32 mm sen takana. Porttien välissä oleva muovi on kiinteä este, jossa ei ole ilmaväliä. Portit ovat 0,8 mm halkaisijaltaan, kotelopinnan tasossa ja suojattu vedenpitävällä kalvolla, joka ei merkittävästi vaimenna ääntä yli 200 Hz:llä.

T2 käyttää 36 mm:n jakoa samalla yleisellä asettelulla, mutta toissijainen mikrofoni on eri pinnalla (kaiutinaukkoa vastapäätä olevalla sivulla), jotta suora akustinen kytkentä kaiuttimen kanssa vähenee. Y6 käyttää 28 mm:n jakoa ahtaammassa asettelussa pienempään kynän runkoon sopivaksi, mikä aiheuttaa pienen SNR-vahvistuksen menetyksen korkeilla taajuuksilla.

Kun OEM suunnittelee uutta kynää, mikrofonien sijoittelusäännöt ovat: molemmat mikrofonit samalla akselilla, samalla pinnalla, vähintään 25 mm:n päässä kaikista kaiutinaukoista, ja niiden välissä kiinteä muovieriste. B1 ja B2 rikkovat samaa pintaa koskevaa sääntöä (niissä on yksi mikrofoni etupinnalla ja toinen päätypään takapinnalla), minkä vuoksi niiden melunvaimennus on heikko; tämä korjattiin L5-uudistuksessa.

9. Keilanmuodostuksen määrittely ostosopimukseen

Lukupenkille, jossa on keilanmuodostus, tarkoitetussa RFQ-kielessä on nimettävä ryhmän geometria, algoritmiluokka ja tilasuodatuksen suorituskyky: "Mikrofoniryhmän on koostuttava kahdesta sovitusta MEMS-mikrofonista, joiden jako on 28–36 mm yhteisellä akselilla, kalibroitu yksiköittäin tuotantolinjan lopussa. Keilanmuodostimen on saavutettava etu–takavaimennus ≥ 7 dB taajuudella 1 kHz kaiuttomassa kammiossa, SNR-vahvistus ≥ 5 dB 30 dBA:n diffuusissa luokkahuonemelussa parempaan yksittäismikrofoniin verrattuna. Algoritmiluokka: MVDR staattiselle melukentälle, GCC-PHAT saapumissuunnan havaitseminen adaptiiviseen nollanohjaukseen."

Kolme yksityiskohtaa on tärkeitä. Ensinnäkin, mikrofonien sovituserittely on sisällytettävä sopimukseen: ±1 dB:n herkkyys, ±2 asteen vaihe taajuudella 1 kHz. Toiseksi, yksikkökohtainen kalibrointi on sisällytettävä sopimukseen: tuotantolinjan lopussa tehtävä todellisen mikrofonijon ja herkkyyden mittaus, tallennettuna laiteohjelmiston kalibrointiosioon. Kolmanneksi, kenttävaimennuksen mittaus on sisällytettävä sopimukseen: keilanmuodostinta testataan kaiuttomassa kammiossa 1 kHz:n äänellä suunnista 0° ja 180°, ja vaimennus määritellään dB-erotuksena.

Vinkki ostajalle: Kun arvioit ODM-valmistajan keilanmuodostusväitettä, pyydä kaiuttoman kammion mittausraportti, joka näyttää suuntakuvion taajuuksilla 500 Hz, 1 kHz, 2 kHz ja 4 kHz. Keilanmuodostin, joka saavuttaa 8 dB:n vaimennuksen taajuudella 1 kHz mutta vain 2 dB taajuudella 4 kHz, ei ole tuotantovalmis — puheen energia yli 2 kHz:n taajuuksilla sisältää konsonantit.

10. Päätösmatriisi ja suositukset

Aloittelevalle 2026 käynnistyvälle lukupenkkiohjelmalle, joka kohdistuu luokkahuonekäyttöön, suositus on kaksois-MEMS MVDR -keilanmuodostus L5/T2/Y6 -alustoille yksikkökohtaisella kalibroinnilla ja sovitettujen mikrofonien eräkohtaisella laadunvalvonnalla. Kotikäyttöön suunnatuille ohjelmille riittää yksimikrofoninen Wiener MMSE alustoilla K7/KF1/Q6/Q8. Kustannusherkille markkinoille suunnatuille ohjelmille, joissa luokkahuonekäyttö ei ole käyttötapaus, B1/B2/F8/P2 spektrin vähennyksellä on hyväksyttävä, mutta niitä ei tulisi myydä sisäpuhelintilatoimintojen kanssa.

Hankintavastaavalle, joka kirjoittaa keilanmuodostuksen erittelyä, sopimuksen päättävä lauseke kuuluu: "Kaksois-MEMS-mikrofoniryhmä, sovitettu ±1 dB:n herkkyydelle ja ±2°:n vaiheelle taajuudella 1 kHz, jako 28–36 mm yhteisellä akselilla, kalibroitu yksiköittäin; MVDR-keilanmuodostin, joka saavuttaa ≥ 7 dB:n etu–takavaimennuksen taajuudella 1 kHz ja ≥ 5 dB:n SNR-vahvistuksen 30 dBA:n diffuusissa luokkahuonemelussa; GCC-PHAT-saapumissuunnan tunnistin adaptiiviseen nollanohjaukseen T2-luokan alustoilla; kaiuttoman kammion suuntakuvio toimitetaan ensimmäisen kappaleen mukana."

Aiheeseen liittyvää luettavaa

• Lukupenkin MEMS-mikrofoni ja melunvaimennus
• Lukupenkin melunvaimennus ja RNNoise
• Lukupenkin kaiunpoisto ja AEC
• Lukupenkin AGC ja automaattinen vahvistuksen säätö
• Lukupenkin koodekkien pakkaus MP3 vs AAC vs Opus
• Lukupenkin ASR ja automaattinen puheentunnistus
• OEM-lukupenkin palvelut
• Pyydä tarjous lukupenkistä