徐紹峰 陳靜軒 劉都鑫 蔡希昌 鮑志平 陳鈺婷 劉通 于東池 喬子凌

摘? ?要： 為解決多路音頻信號的采集傳輸及后續(xù)信息處理問題，研究一種高性能前端與嵌入式AI后端相結(jié)合的系統(tǒng)設(shè)計。硬件設(shè)計方面，前端采用樹莓派4B及6麥克的環(huán)形麥克風(fēng)陣列實現(xiàn)采集及預(yù)處理，并通過Wi-Fi進(jìn)行語音傳輸;后端處理采用Jetson Nano模塊，作為實現(xiàn)語音處理的嵌入式AI平臺。軟件設(shè)計方面，采用C/S架構(gòu)，進(jìn)行Linux下的C++編程，其中樹莓派作為服務(wù)器，實現(xiàn)麥克風(fēng)信號的采集、編碼和網(wǎng)絡(luò)傳輸;Jetson Nano模塊作為客戶機(jī)，實現(xiàn)網(wǎng)絡(luò)通信及實時語音處理功能。測試結(jié)果表明，多聲道音頻處理系統(tǒng)運(yùn)行穩(wěn)定，架構(gòu)合理，具有良好的工程應(yīng)用潛力。

關(guān)鍵詞： 嵌入式AI平臺;音頻傳輸;樹莓派;Jetson Nano模塊;多聲道音頻處理系統(tǒng)

中圖分類號：TN91? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：2095-8412 （2020） 06-040-05

工業(yè)技術(shù)創(chuàng)新 URL： http：//gyjs.cbpt.cnki.net? ? DOI： 10.14103/j.issn.2095-8412.2020.06.007

引言

在當(dāng)前的音頻測量領(lǐng)域，麥克風(fēng)陣列技術(shù)逐漸成為主流，其多聲道輸出的特性在語音識別、聲源定位和聲音監(jiān)測等應(yīng)用場景中被廣泛使用[1-3]。但是，由此也會帶來多路音頻信號傳輸?shù)膯栴}。原始傳感器（麥克風(fēng)）的輸出信號一般為模擬信號或者TDM數(shù)字信號，難以直接進(jìn)行長線傳輸[4]。常見的I2S及PCM等數(shù)字總線屬于板內(nèi)信號傳輸，不能滿足長線傳輸?shù)囊骩5-6]。對于嵌入式設(shè)備來說，陣列大小及麥克風(fēng)個數(shù)也會受到一定的限制[7]。為解決上述問題，途徑之一是利用具備較高性能的微處理器進(jìn)行前端信號采集、數(shù)據(jù)傳輸及預(yù)處理。

基于以上應(yīng)用需求，本文從硬件上對嵌入式AI、多路音頻采集及傳輸系統(tǒng)進(jìn)行了研究，提出了一種基于樹莓派4B及Jetson Nano的多路音頻采集傳輸系統(tǒng)。軟件方面，應(yīng)用樹莓派4B和Jetson Nano模塊及TCP/IP協(xié)議，實現(xiàn)麥克風(fēng)陣列的多聲道音頻數(shù)據(jù)實時傳輸、實時采集以及實時播放等功能。

1? 需求分析

為了實現(xiàn)多路音頻數(shù)據(jù)實時傳輸、實時采集以及實時播放的功能，需要系統(tǒng)具有較高的性能和進(jìn)行網(wǎng)絡(luò)通信的能力。同時作為嵌入式音頻采集和傳輸系統(tǒng)，整個系統(tǒng)應(yīng)具備小型化、低功耗和易部署的特點(diǎn)?；谝陨弦?，選擇了樹莓派和Jetson Nano作為主要模塊。

樹莓派作為嵌入式前端設(shè)備，采用ARM系列的處理器，具備體積小、功耗低、性能強(qiáng)大等特點(diǎn)。同時，集成了無線網(wǎng)卡和40 Pin的擴(kuò)展IO接口，方便進(jìn)行語音信號的無線傳輸和多聲道麥克風(fēng)的連接。因此選擇樹莓派作為音頻信號的前端采集及傳輸設(shè)備。

后端處理部分則需要強(qiáng)大的數(shù)據(jù)處理能力和AI計算能力，可以運(yùn)行目前主流的Tensorflow、Pytorch和Keras等深度學(xué)習(xí)框架，因此選擇了Jetson Nano開發(fā)套件。該套件由NVIDIA在2019年NVIDIA GPU技術(shù)大會（GTC）發(fā)布，具有強(qiáng)大的AI處理性能，能夠滿足后續(xù)對多路音頻的實時處理。

為保證音頻信號采集的清晰和完整性，音頻采集的硬件設(shè)備應(yīng)具有多聲道、兼容性好、靈敏度高等特點(diǎn)。因此，選擇了矽遞科技的ReSpeaker 6-Mic圓形麥克風(fēng)陣列，作為音頻采集的硬件設(shè)備。

軟件設(shè)計方面，一方面需要滿足數(shù)據(jù)實時傳輸?shù)囊螅硪环矫嫘枰^高的傳輸帶寬以滿足無壓縮多路音頻信號傳輸?shù)囊?。因此需要滿足高實時性和高帶寬的要求，并盡量滿足拓展需求。

2? 技術(shù)方案

2.1? 系統(tǒng)架構(gòu)

該多路音頻采集傳輸系統(tǒng)架構(gòu)由三個模塊組成，分別為聲音采集模塊、服務(wù)器模塊及客戶端模塊。系統(tǒng)總體框圖如圖1所示。其中，聲音采集模塊采用基于樹莓派的ReSpeaker 6-Mic圓形陣列套件;服務(wù)器模塊為樹莓派4B;客戶端模塊為嵌入式AI平臺Jetson Nano。

ReSpeaker 6-Mic圓形陣列套件是一款適用于AI和語音應(yīng)用的六聲道麥克風(fēng)擴(kuò)展模塊。該圓形陣列套件包含有兩個ADC芯片和一個DAC芯片，用于聲電信號的相互轉(zhuǎn)換;含有八個輸出通道，用于進(jìn)行數(shù)據(jù)傳輸;含有六個全向麥克風(fēng)，可全方位地采集聲音信號;該陣列套件與樹莓派的40 Pin接口兼容。

樹莓派4B的核心處理器為博通BCM2711（四核1.5 GHz，Cortex A72架構(gòu)），其使用LPDDR4內(nèi)存，供電方式為5 V/3 A USB-C或GPIO 5 V。外圍方面，支持雙頻Wi-Fi、藍(lán)牙5.0、2個Micro HDMI 2.0接口、千兆網(wǎng)口、MIPI DSI接口、MIPI CSI相機(jī)接口、立體聲耳機(jī)接口、2個USB 3.0、2個USB 2.0、40 Pin GPIO擴(kuò)展接口。樹莓派的主要任務(wù)是將采集到的音頻數(shù)據(jù)通過無線傳輸發(fā)送給Jetson Nano。

Jetson Nano 的CPU為四核Cortex-A57，而GPU是規(guī)模較小的Maxwell架構(gòu)顯卡，擁有128個CUDA單元。Jetson Nano性能強(qiáng)大，可以提供高達(dá)472 GFLOPS的浮點(diǎn)運(yùn)算能力。此外Jetson Nano支持高分辨率傳感器，可以并行處理多個傳感器的數(shù)據(jù)，并且可在每個傳感器數(shù)據(jù)流上運(yùn)行多個神經(jīng)網(wǎng)絡(luò)。Jetson Nano主要任務(wù)是接收樹莓派傳輸?shù)囊纛l數(shù)據(jù)并進(jìn)行處理，最后通過聲卡將接受到的聲信號播放出來。

硬件連接方面，首先將ReSpeaker 適配板與 ReSpeaker 6-Mic通過專用數(shù)據(jù)線進(jìn)行連接;然后再將適配板插到樹莓派的40 pin擴(kuò)展IO接口上，并通過SPI總線將麥克風(fēng)陣列采集到的音頻信號傳輸?shù)綐漭缮?再然后通過Wi-Fi將樹莓派與Jetson Nano互聯(lián);最后Jetson Nano通過信號轉(zhuǎn)換，將接收到的音頻信號進(jìn)行輸出。硬件實物圖如圖2所示。

2.2? 軟件方案

樹莓派和Jetson Nano均運(yùn)行在Linux系統(tǒng)之上，具有很強(qiáng)的擴(kuò)展性能?？紤]到運(yùn)行效率，采用C++進(jìn)行編程，實現(xiàn)相關(guān)采集、傳輸與處理功能。由于使用Wi-Fi通信，因此選擇了網(wǎng)絡(luò)編程的技術(shù)路線，并將軟件設(shè)計劃分為客戶端程序和服務(wù)器端程序。編程基本思想如下：

（1）服務(wù)端程序在初始化之后，開始嘗試采集音頻。若從麥克風(fēng)陣列中采集到了音頻數(shù)據(jù)，則開始嘗試發(fā)送該音頻信號，確認(rèn)發(fā)送成功后，將繼續(xù)實時發(fā)送從麥克風(fēng)陣列采集到的音頻信號;若采集失敗或發(fā)送失敗則會導(dǎo)致程序自動終止。

（2）客戶端程序在初始化之后，會開始不斷檢測數(shù)據(jù)的接收狀態(tài)。若接收成功則將音頻信號寫入文件并保存為PCM格式，若接收失敗則會結(jié)束程序。同時在程序執(zhí)行時，會監(jiān)聽SIGINT用戶中斷，以方便用戶可隨時終止程序。

3? 程序設(shè)計

程序設(shè)計分為服務(wù)端程序和客戶端程序兩部分。服務(wù)端通過libasound2（ALSA庫）進(jìn)行音頻的采集，客戶端使用librosa庫進(jìn)行音頻數(shù)據(jù)的后續(xù)處理?？蛻舳撕头?wù)器端程序都在Linux環(huán)境下進(jìn)行編寫，并分別在樹莓派和Jetson Nano上使用ARM專用的GCC編譯器進(jìn)行編譯。音頻文件格式采用PCM流格式，程序流程圖如圖3所示。服務(wù)器和客戶端工作流程相互配合。

3.1? 服務(wù)器端程序

服務(wù)器端程序在樹莓派上進(jìn)行編譯，并將樹莓派設(shè)置為服務(wù)器端。首先注冊回調(diào)函數(shù)，以便在收到用戶中斷（SIGINT）后自行完成收尾工作。隨后設(shè)置音頻采集格式為八通道S32_LE格式等初始化聲卡操作，準(zhǔn)備采集音頻。隨后，啟動TCP套接字，并開始監(jiān)聽。采用阻塞式的監(jiān)聽模式。此模式下，服務(wù)器端會持續(xù)等待連接，只有當(dāng)接收到用戶中斷時才會停止。

當(dāng)有客戶端連接后，服務(wù)器端通過ALSA庫提供的軟件接口持續(xù)采集數(shù)據(jù)，并將這些數(shù)據(jù)發(fā)給客戶端。服務(wù)端器會直接向客戶端發(fā)送原始的PCM數(shù)據(jù)流，不會發(fā)送任何額外數(shù)據(jù)，它也不從客戶端接收任何數(shù)據(jù)。當(dāng)客戶端斷開連接，服務(wù)器端會在數(shù)據(jù)發(fā)送接口返回失敗狀態(tài)時終止連接。服務(wù)端以單線程工作，即只接受一個客戶端的連接請求，連接結(jié)束后服務(wù)端程序立即退出結(jié)束。服務(wù)端不響應(yīng)除了用戶中斷外的任何鍵盤輸入。

3.2? 客戶端程序

客戶端程序在Jetson Nano上進(jìn)行編譯，并將Jetson Nano配置為客戶端?？蛻舳藛雍?，同樣先注冊回調(diào)函數(shù)以便完成收尾。隨后，客戶端會在本地工作目錄下創(chuàng)建一個負(fù)責(zé)接收的PCM文件，準(zhǔn)備以二進(jìn)制寫入數(shù)據(jù)。準(zhǔn)備就緒后，客戶端會嘗試連接預(yù)設(shè)的服務(wù)器端IP地址和端口。如果客戶端先于服務(wù)端啟動，會產(chǎn)生拒絕連接錯誤，不會進(jìn)行阻塞并持續(xù)等待連接成功。連接成功后，客戶端會從服務(wù)端接收數(shù)據(jù)，并不斷地寫入文件。若一定時間接收不到數(shù)據(jù)（即產(chǎn)生timeout錯誤），客戶端會主動終止。與服務(wù)端類似，客戶端不響應(yīng)除了用戶中斷外的任何鍵盤輸入。

完成錄音并接收到數(shù)據(jù)后，可以使用ffplay命令播放音頻文件。并在后續(xù)調(diào)用Jetson Nano上的librosa庫生成梅爾倒譜圖，以方便進(jìn)行后續(xù)的音頻處理。

4? 實驗驗證

4.1? 實驗步驟

首先將ReSpeaker 6-Mic 圓形麥克風(fēng)陣列的底板與樹莓派的IO口相連接，并在樹莓派中將麥克風(fēng)配置為樹莓派的音頻采集設(shè)備。隨后將樹莓派和Jetson Nano 連接到同一無線路由器中，并固定兩個設(shè)備的IP地址，為音頻傳輸做好準(zhǔn)備。

啟動樹莓派中的服務(wù)器程序，作為服務(wù)器端，等待Jetson Nano與其進(jìn)行連接。

啟動Jetson Nano中的客戶端程序，并輸入服務(wù)器端的IP地址，作為音頻的接收端。啟啟動程序后Jetson Nano將自動與樹莓派連接，并開始自動接收服務(wù)器端的音頻數(shù)據(jù)。接收完畢后將音頻數(shù)據(jù)保存為PCM格式的音頻文件。

4.2? 實驗結(jié)果與分析

實驗內(nèi)容：在客戶端啟動后，實驗人員在麥克風(fēng)附近講話8 s，隨后關(guān)閉服務(wù)器端。通過ffplay命令實時播放在Jetson Nano中實時接收到的音頻信號的聲紋圖，如圖4所示?？梢钥吹?，在前8 s有正常的聲音波形，8 s后服務(wù)器關(guān)閉，不在接收數(shù)據(jù)后，聲音波形消失。

ReSpeaker 6-Mic 圓形麥克風(fēng)陣列中六個麥克風(fēng)所形成的六個聲道在8 s內(nèi)產(chǎn)生的聲音波形圖如圖5所示。從中可以看出，所有麥克風(fēng)工作正常。由于實驗人員距麥克風(fēng)較近，六個麥克風(fēng)的波形圖基本近似。

在Jetson Nano 中將保存的PCM 格式文件轉(zhuǎn)為WAV格式，隨后利用在Jetson Nano中的librosa庫生成錄音的梅爾倒譜圖，以方便之后進(jìn)行深度學(xué)習(xí)或人工智能的應(yīng)用。Jetson Nano生成的梅爾倒譜圖如圖6所示。

5? 結(jié)論

本文通過ReSpeaker 6-Mic 圓形麥克風(fēng)陣列、樹莓派4B與Jetson Nano模塊的配合與編程，實現(xiàn)了一種嵌入式多路音頻采集傳輸系統(tǒng)。該系統(tǒng)具有較高的性能，也具備較高的靈活度，可廣泛應(yīng)用于可智能家居、家庭安防報警、家庭環(huán)境中危險信號檢測等音頻及信號處理領(lǐng)域中。

參考文獻(xiàn)

[1] 張曉娜， 常樂冉， 吳煒等. Linux系統(tǒng)下Socket通信的實現(xiàn)[J]. 電聲技術(shù)， 2020， 44（1）： 87-89.

[2] 張潤午， 趙海舟， 曾凡瑞等. 基于樹莓派的智能語音提醒系統(tǒng)[J]. 物聯(lián)網(wǎng)技術(shù)， 2019， 9（10）： 79-81， 83.

[3] 張美平， 吳德平， 王燦杰等. 基于樹莓派的智能家居設(shè)計與實現(xiàn)[J]. 計算機(jī)系統(tǒng)應(yīng)用， 2019， 28（8）： 109-114.

[4] 蔣達(dá). 基于Socket的網(wǎng)絡(luò)接口編程[J]. 辦公自動化， 2018， 23（23）： 29-30， 32.

[5] 劉華， 田占生， 馮宇飛. 基于樹莓派的智能家居語音控制系統(tǒng)[J]. 制造業(yè)自動化， 2018， 40（10）： 128-131.

[6] 嚴(yán)謙， 陽泳. 網(wǎng)絡(luò)編程tcp/ip協(xié)議與socket論述[J]. 電子世界， 2016（8）： 68， 70.

[7] 陳奎. 語音PCM編碼通信系統(tǒng)的SIMULINK仿真[J]. 福建電腦， 2012， 28（10）： 115-117.

作者簡介：

徐紹峰，本科生。主要研究方向：Linux上的C++軟件開發(fā)及嵌入式AI移植等。

蔡希昌，通信作者，高級工程師。研究方向：微弱信號及其智能處理。

E-mail： caixc20_ncut@126.com

（收稿日期：2020-10-09）