【導讀】隨著用戶越來越依賴語音作為用戶界面，設計人員面臨著多重挑戰(zhàn)，既要以盡可能小的功耗和響應時間來實現(xiàn)最準確、最可靠的用戶語音界面 (VUI)，又要滿足更緊湊的空間、更低的成本預算并縮短設計進度的要求。
隨著用戶越來越依賴語音作為用戶界面，設計人員面臨著多重挑戰(zhàn)，既要以盡可能小的功耗和響應時間來實現(xiàn)最準確、最可靠的用戶語音界面 (VUI)，又要滿足更緊湊的空間、更低的成本預算并縮短設計進度的要求。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的微機電系統(tǒng) (MEMS) 麥克風，這種麥克風具有多個性能特征，有助于實現(xiàn)強大的喚醒詞檢測和 VUI 語音指令處理。
MEMS 麥克風（也稱為硅麥克風）已普遍在智能手機、智能手表、無線耳塞、汽車、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人語音助手（例如亞馬遜的 Alexa、谷歌語音助手和蘋果的 Siri）。這些助手會收聽特定的語音指令，使用喚醒詞識別算法從周圍環(huán)境中提取語音指令。設計人員的訣竅是：以經(jīng)濟高效地的方式快速實現(xiàn)這種提取功能，同時盡管存在環(huán)境噪聲，也要提高可靠性、準確性和遠場語音采集能力。
本文將討論影響 VUI 設計的 MEMS 麥克風的關鍵特性，包括信噪比 (SNR)、動態(tài)范圍、靈敏度和啟動時間。然后介紹來自 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音激活設計中。
MEMS 麥克風如何工作
一個 MEMS 麥克風封裝中通常包含兩個組件：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(shù)字輸出，還可在其芯片上再集成一個組件——模數(shù)轉換器 (ADC)。
圖 1：MEMS 麥克風的基本結構顯示了其兩個關鍵構建塊：MEMS 變動器和信號處理鏈（位于 ASIC 中）。（圖片來源：CUI Devices）
除了支持具有模擬或數(shù)字輸出的微型麥克風外，MEMS 技術還實現(xiàn)了出色的相位匹配和漂移性能。
MEMS 麥克風的關鍵特性
對于語音控制設備設計人員而言，需要在 MEMS 麥克風中查找的關鍵參數(shù)如下：
• 信噪比 (SNR)：這是參考信號電平與麥克風輸出信號的噪聲電平之比。SNR 測量值包括麥克風元件和 MEMS 麥克風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) 正弦波時的模擬或數(shù)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的靈敏度范圍。嚴格的靈敏度公差可在使用多個麥克風時確保一致性。
• 動態(tài)范圍：麥克風線性響應的最大和最小聲壓級的差異測量。
• 頻率響應：麥克風能夠工作的頻率范圍。
• 啟動時間：響應觸發(fā)事件時麥克風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的語音控制設備通常工作在高環(huán)境噪聲下。同樣，在遠場操作中，用戶可能在附近或距離 1 至 10 米 (m) 的地方。這些情況使麥克風的動態(tài)范圍、靈敏度和 SNR 變得如此重要。在陣列中使用多個麥克風的應用中，靈敏度公差至關重要。
雖然可以規(guī)定每個麥克風具有一定的靈敏度水平，但細微的結構變化可能會導致各種變更。但是，由于 MEMS 麥克風是使用嚴格控制的半導體制造工藝開發(fā)，因此具有匹配嚴格的靈敏度公差，這是任何麥克風陣列進行有效數(shù)據(jù)處理所需的（圖 2）。
圖 2：陣列中使用的麥克風必須嚴格匹配才能實現(xiàn)所需的信號處理性能。（圖片來源：CUI Devices）
為使支持 VUI 的設計能越來越多地采用麥克風陣列，緊公差的輔助作用極其重要。在麥克風陣列中，由兩個或多個麥克風收集信號，然后在組合信號并形成合成信號之前，分別處理來自每個麥克風的信號（放大、延遲或濾波）。在麥克風陣列中，可以使用多個輸入來確定方向響應（也稱為波束形成），以濾除不需要的噪聲；與此同時，重點關注在來自更期望的方向上的聲音。
MEMS 麥克風的啟動時間對于捕獲全部關鍵詞并確保其準確性也至關重要。為了節(jié)電，支持 VUI 的設備保持低功耗狀態(tài)；但是，如果麥克風響應喚醒觸發(fā)的啟動時間短，則會影響 VUI 喚醒時間，進而影響喚醒詞檢測性能以及功耗。
只要在選擇麥克風時考慮到這些特性，那么在具有高環(huán)境噪聲或者用戶遠距離講話，或者這兩種情形都存在的情況下，后續(xù)的語音處理算法便能夠更好地執(zhí)行用戶語音提取功能。
模擬與數(shù)字 MEMS 麥克風接口
正如有關 MEMS 麥克風工作原理的部分所述，MEMS 麥克風輸出可以采用模擬或者數(shù)字形式。模擬 MEMS 麥克風使用內(nèi)部放大器將麥克風的輸出信號驅動至具有低輸出阻抗的合理高電平。這提供了一個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處理器具有板載 ADC，或者設計人員能夠選擇 ADC 以滿足其特定要求。后者會增加復雜性和成本。
借助數(shù)字 MEMS 麥克風，麥克風輸出可直接應用于通常的微控制器或數(shù)字信號處理器 (DSP) 的數(shù)字電路。用于電噪聲環(huán)境的 VUI 設計更傾向于數(shù)字麥克風，因為與模擬輸出信號相比，數(shù)字輸出信號具有更高的抗噪能力。
此外，數(shù)字 MEMS 麥克風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(shù)字流。這樣可以進一步抵御射頻干擾 (RFI) 和電磁干擾 (EMI)。這對于大型麥克風陣列和諸如支持語音的車輛信息娛樂系統(tǒng)之類的實際大型系統(tǒng)尤其重要。
關于靈敏度，就模擬麥克風而言，是采用以分貝為單位的聲壓級相對于 1 伏 (dB/V) 進行測量的。對于數(shù)字麥克風，通常以相對于滿刻度分貝值為單位進行測量 (dB FS) 。
VUI 的 MEMS 麥克風解決方案
TDK InvenSense 的 ICS-40740 模擬 MEMS 麥克風滿足了 VUI 應用的許多關鍵麥克風性能要求。該器件包含一個 MEMS 麥克風元件、一個阻抗轉換器和一個差分輸出放大器，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，工作時僅消耗 165 微安 (µA) 電流（圖 3）。
圖 3：ICS-40740 模擬 MEMS 麥克風滿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。（圖片來源： TDK InvenSense）
該器件的 SNR 為 70 dBA（A 加權分貝），并與 108.5 dB 的寬動態(tài)范圍相耦合，即使在高環(huán)境噪聲和遠場條件下也能檢測到語音信號。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 的線性響應性能和 ±1 dB 靈敏度公差。后者使其對于麥克風陣列非常有用。
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(shù)字 MEMS 麥克風，具有不到 200 微秒 (µs) 的超快速啟動時間，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(shù)字 MEMS 麥克風具有不到 200 µs 的超快速啟動時間，使其能夠足被快速喚醒，足以捕獲完整的喚醒詞。（圖片來源：Vesper Technologies）
在壓電式 MEMS 麥克風中，當聲波撞擊壓電懸臂時，將使懸臂移動并產(chǎn)生電壓。該電壓由一個功耗非常低的比較器電路檢測，該電路會將喚醒信號發(fā)送到音頻系統(tǒng)。
由于壓電式 MEMS 麥克風不需要偏置電壓，因此 VM3000 在被喚醒詞指令啟動前幾乎無功耗。而且，這種麥克風僅需 0.35 µA 電流即可保持休眠模式，并且能夠在不到 100 µs 的時間內(nèi)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不會丟失任何信息。
VM3000 數(shù)字麥克風幾乎可以與任何音頻芯片配對，其輸出特點是在一條數(shù)據(jù)線上復用兩個麥克風。該麥克風在 1 kHz 信號下的典型 SNR 為 63 dB，具有 122 dB SPL 聲學過載點 (AOP)。
VM3000 采用 3.5 x 2.65 x 1.3 mm 封裝，并通過集成 ADC 節(jié)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 之類的壓電式 MEMS 麥克風無需使用保護網(wǎng)或薄膜覆蓋多個麥克風，從而簡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)境污染而覆蓋聲學孔的保護元件，可導致 MEMS 麥克風靈敏度下降。
VM3000 也相對容易實現(xiàn)，因為它可以直與 CODEC 或其他處理器連接（圖 5）。主系統(tǒng)（CODEC 等）提供主時鐘 CLK，該時鐘定義了 DATA 線上的比特速率。
圖5：VM3000 可以直接與外部處理器連接，并且可將兩個麥克風連接到一條 DATA 線上。（圖片來源：Vesper Technologies）
有趣的是，兩個麥克風可以通過一條 DATA 線連接。這是因為數(shù)據(jù)是在由 L/R Select 引腳定義的時鐘 (CLK) 上升沿或下降沿設置的，而 L/R Select = GND（頂部）在時鐘下降沿設置數(shù)據(jù)，L/R Select = VDD（底部）在時鐘上升沿設置數(shù)據(jù)。然后，CODEC 或處理器可以根據(jù)比特流與 CLK 邊沿的對齊方式將其分離。
入門：MEMS 麥克風評估套件
為了評估關鍵參數(shù)并簡化使用 MEMS 麥克風的音頻系統(tǒng)的設計，供應商提供了參考板和軟件開發(fā)套件。例如，Vesper 提供了 S-VM3000-C 評估板，其中包括一個 VM3000 數(shù)字 MEMS 麥克風和一個 0.1 微法拉 (µF) 的電源旁路電容器以及一個邊緣連接器。
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的性能。除 MEMS 麥克風外，該開發(fā)套件唯一的其他組件便是 0.1 µF 電源旁路電容器。
CUI Devices 同時提供模擬和數(shù)字 MEMS 麥克風，其 DEVKIT-MEMS-001 開發(fā)套件用于原型開發(fā)和測試（圖 6）。該評估板有四個獨立的麥克風評估電路。
圖 6：DEVKIT-MEMS-001 有四個可拆卸麥克風評估電路：其中兩個用于模擬輸出，另兩個用于數(shù)字輸出。（圖片來源：CUI Devices）
該評估板上有兩個模擬 MEMS 麥克風：底部音孔 CMM-2718AB-38308-TR 和頂部音孔 CMM-2718AT-42308-TR；兩個數(shù)字 MEMS 麥克風：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(shù)字輸出麥克風，以提高設計靈活性。
比較這兩個模擬設備，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。
對于兩個數(shù)字麥克風，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(shù)據(jù)格式，在 100 Hz 至 10 kHz 頻率范圍內(nèi)工作，并從 2 V 電源汲取 0.54 毫安 (mA) 電流。
總結
通過仔細研究 MEMS 麥克風（模擬和數(shù)字），可以發(fā)現(xiàn)其系統(tǒng)級性能優(yōu)勢，以及它們?nèi)绾螌κ冀K開啟的語音接口設計進行補充。最新的 MEMS 麥克風采用新穎的技術來延長電池壽命，改善遠場音頻質量并能抵御環(huán)境污染。提高關鍵詞的準確性是另一個主要的設計考慮因素，它與 SNR、靈敏度容差和啟動時間等參數(shù)密切相關。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題，請聯(lián)系小編進行處理。
