还可以是有线方式和无线方式的双模式连接；另一方面本技术还提供一种电子设备，包括：主体装置；处理器，设置在所述主体装置中；键盘，所述键盘采用上述带有触摸屏和麦克风阵列的键盘，与所述处理器连接。与现有技术相比，本技术的有益效果是：1.在不改变用户原有键盘使用习惯的前提下，将九宫格键盘内涵到单区键盘中。2.内涵九宫格优化方案节省桌面空间，提升桌面利用效率。＊3数字小键盘以方便纠错。″＝″键不叠加复用，在NumLock键锁定时保持原有等号″＝″功能，克服台式机三区键盘的数字小键盘缺少等号″＝″键、″BackSpace″键的缺陷。5.内涵九宫格优化方案既适合右手使用也适合左手使用。6.触摸屏与电容笔或电...

9）在中找到一个子集，使得中的任意值要大于的平均值；10）类似于步骤3）和步骤4），在当前的搜索空间中随机选取个点，计算它们所对应的的值；11）将中的点放入子集中，并选取中值大的个点放入子集中，保存，放入下一次迭代时使用；12）令，进行下一次迭代，返回步骤5）。我们可以得到根据不同的定位精度需要、不同的麦克风个数需求与阵列大小，自行选择适用于自身实际场景的麦克风阵列。当说话人的语音经过室内环境所产生的声学信道传播，通过麦克风阵列的前置放大器进行接收，将接收到的各个麦克风信号进行基于多通道低通滤波与多通道自适应滤波的融合滤波，先由低通滤波器滤除掉说话人声信号以外的噪声，再由自适应滤波器校...

将数据送入音频转换模块，进行模拟语音数据和数字语音数据之间的转换；语音增强模块通过数字信号处理器向音频转换模块中的音频编解码芯片发送控制信号，将音频转换模块传输过来的语音信号进行处理及其控制语音信号的传输；后处理过的数字语音信号送入翻译模块，按照用户选择的目标语言进行实时翻译；翻译后的文字数据、声音数据通过文字或者音频的方式传递给用户。声音采集模块包括麦克风阵列、信号放大电路、带通滤波器、电源管理电路；麦克风阵列包括两个麦克风，两个麦克风之间的间隔设置为15mm；信号放大电路包括两级放大电路，其中一级放大电路设置在麦克风阵列与带通滤波器之间，二级放大电路设置在带通滤波器之后；带通滤波器...

2)测量一对麦克风同步采集信号相位差ΔΦ，根据频率f和声传播速度C0得到这一对麦克风的位置间隔：经过计算及试验验证，相位法分析麦克风相对位置差的精度要比互相关法分析的精度高。通过算法控制，麦克风阵列在搜索到讲话者的位置之后可以将波束指向当前的讲话者。麦克风阵列这种极强的智能指向性功能可以降低周边环境噪声及回声的影响。使用单麦克风与采用波束形成技术麦克风阵列接收讲话者声音效果的对比.阵列指向性由于麦克风阵列的输出信号中包含比单只麦克风更低的噪声和回声成份，所以其固有噪声抑制能力要远高于单只麦克风。麦克风阵列在1000Hz的典型指向性波束。其指向性要远好于任一款价格昂贵的高性能超心形麦克风...

通过声音采集模块中的双麦克风结构的麦克风阵列、信号放大电路、带通滤波器实现针对多竞争声源的去噪功能，同时利用语音增强模块中的语音增强算法实现语音信号的去噪和增强处理；在本发明的技术方案中，通过双麦克风即可实现声音信号采集，采用极少的电器元件即可准确的在竞争声源中识别竞争声源，确保了本发明技术方案中的翻译设备的硬件体积更小，使本产品适于用户随身携带使用，更具实用性；通过语音增强算法实现了在收到混合声音的20ms内即可识别出干净的目标声源，确保了实时去噪的功能的实现，使本发明的技术方案适用于不同的同声翻译应用场景。说明为本发明的语音转文字及同声翻译系统的系统组成框；为本发明中的声音采集模块...

基于双麦克阵列的产品生态构建更具优势麦克风阵列作为实现智能语音的必备硬件，可以说是人工智能感知的硬件基础。因此，麦克风阵列的布局，将深深影响人工智能产品的生态布局。首先，众所周知的是，谷歌是以生态见长的公司。比如，Android构建了整个移动互联网的生态基础。在谷歌从移动互联网向AI转型的时候，提出了“AIFirst”的口号，并推出了开源深度学习系统TensorFlow，这个系统被认为是人工智能领域的Android。那么，谷歌为什么在如此重视AI战略的时候，推出这款GoogleHome的智能家居产品，并且采用双麦克的方案呢？相信对于谷歌这样的公司，成本和技术绝不会是阻碍他们采用更好技术...

语音识别技术领域，具体为一种基于麦克风阵列的智能语音转文字及同声翻译系统。背景技术：在现在的国际化背景下，我们与国际友人沟通的契机越来越多，然而不同国籍的人的母语不同，不同的语言是沟通中的一个巨大障碍；尽管翻译软件、同声翻译软件都已经出现，但是在嘈杂环境中，因为竞争声源的存在，低信噪比(snr)的声源使得语音转文字的效果、同声翻译软件的翻译效果一直不是很理想。国内已经有了一些相关的发明、以及相关的应用软件。在前端去噪方面，该方法构建了一个基于时频掩蔽的mvdr波束形成器；由于该方法采用的四元麦克风阵列的硬件电路比较复杂，占用空间大，因此并没有小型化和便携性设备产生，在同声翻译领域的实际...

这实际上就是人为故意简化了物理模型，说白了就是先拿“软柿子”下手，因此语音交互格局已定的说法经不起推敲，对语音交互的认识和探究应该说才刚刚开始，基础世界的探究很可能还会出现诺奖级的成果。若展望的更远一些，则是物理学的进展和人工智能的进展相结合，可能会颠覆当前的声学信号处理以及语音识别方法。如何选用麦克风阵列？当前成熟的麦克风阵列的主要包括：讯飞的2麦方案、4麦阵列和6麦阵列方案，思必驰的6+1麦阵列方案，云知声（科胜讯）的2麦方案，以及声智科技的单麦、2麦阵列、4（+1）麦阵列、6（+1）麦阵列和8（+1）麦阵列方案，其他家也有麦克风阵列的硬件方案，但是缺乏前端算法和云端识别的优化。由...

这两者的区别就是回声的时延更长。一般来说，超过100毫秒时延的混响，人类能够明显区分出，似乎一个声音同时出现了两次，我们就叫做回声，比如天坛着名的回声壁。实际上，这里所指的是语音交互设备自己发出的声音，比如Echo音箱，当播放歌曲的时候若叫Alexa，这时候麦克风阵列实际上采集了正在播放的音乐和用户所叫的Alexa声音，显然语音识别无法识别这两类声音。回声抵消就是要去掉其中的音乐信息而只保留用户的人声，之所以叫回声抵消，只是延续大家的习惯而已，其实是不恰当的。声源测向：这里没有用声源定位，测向和定位是不太一样的，而消费级麦克风阵列做到测向就可以了，没必要在这方面投入太多成本。声源测向的...

所述翻译模块通过实时语音转写接口与翻译引擎通信实现实时翻译，其流程包括：a1：通过读转写模块建立与翻译引擎的通信；a2：通信建立后，通过读转写模块基于客户选择的源语言、目标语言、口音参数，将传入的声音信号转换成文本数据；a3：将所述文本数据通过实时翻译模块传给所述翻译引擎进行翻译，得到目标语言的文本信息后，传送给结果确认模块；a4：所述结果确认模块按照用户的预设的翻译结果确认方式，将所述目标语言的文本信息以文本的形式显示给用户，或者将得到的所述目标语言的文本信息通过语音合成模块转换为音频数据后，通过播放软件将所述音频数据实时播放给用户；所述翻译模块单独安装在移动设备上，在所述普通模式下...

混响是建筑声学中要重点考虑的问题演讲厅要短一些的混响时间，比如北京学术报告厅混响时间为1s交响乐则需要长一些的混响时间，比如上海音乐厅混响时间为，维也纳音乐厅为过大的混响会带来音素的交叠掩蔽现象，严重影响语音识别效果，尤其是远距离语音识别。目前主流采用麦克风阵列+深度学习的方式来进行去混响。线性麦克风阵列加性麦克风阵列(AdditiveMicrophoneArray)阵列的输出是各阵元的加权和优波束方向可调结构简单、方便布局适用于车载、家电等场合差分麦克风阵列(DifferentialMicrophoneArray)阵列的输出是两两麦克风之间的加权相减波束方向只能在末端方向适用于耳机通...

比如几个人围绕Echo谈话的时候，Echo只会识别其中一个人的声音。阵列增益：这个比较容易理解，主要是解决拾音距离的问题，若信号较小，语音识别同样不能保证，通过阵列处理可以适当加大语音信号的能量。模型匹配：这个主要是和语音识别以及语义理解进行匹配，语音交互是一个完整的信号链，从麦克风阵列开始的语音流不可能割裂的存在，必然需要模型匹配在一起。实际上，效果较好的语音交互麦克风阵列，通常是两套算法，一套内嵌于硬件实时处理，另外一套服务于云端匹配语音处理。由8个MIC组成的麦克风阵列麦克风阵列的技术趋势语音信号其实是不好处理的，我们知道信号处理大多基于平稳信号的假设，但是语音信号的特征参数均是...

对声信号m1(n)、m2(n)进行分帧与加窗之后，再进行时频变换即得到时频分布信号m1(l,k)和m2(l,k)，其中：l和k分别是频率点和时间窗的序号；s2：因为同一个声源的声信号到达两个麦克风mic1、mic2的时间存在延迟，计算延迟系数t(l,k)；s3：将所述延迟系数与所述目标声源的理想延迟时间δ1进行比较，确定所述目标声源的能量所占成分；s4：基于所述延迟系数与所述目标声源的理想延迟时间δ1的比较结果，计算m1(l,k)的掩蔽权重b(l,k)，得到增强信号的时频分布表达式：s5：对目标声源对应的所述增强信号进行傅里叶反变换，然后利用重叠相加法，可以得到增强后的信号此时获得的信...

麦克风阵列波束形成，是对各阵元的输出进行时延或相位补偿、幅度加权处理，以形成指向特定方向的波束。在远场模型中，假设输入是一个平面波。设传播方向为θ，时域频率(弧度)为ω，声音在介质中的传播速度为c，对于在一个局部均匀的介质里传播的平面波，定义波束k为k=ωsinθ/c=2sinθ/λ，其中λ是对应于频率ω的波长。由于信号到达不同的传感器的时间不同，则阵列接收到的信号可表示为f(t)=[f(t-τ0)f(t-τ1)…f(t-τN-1)]T=[exp(jω(t-kτ0))exp(jω(t-kτ1))…exp(jω(t-kτN-1))]T其中τn为第n个阵元接收到的信号相对于参考点的时延，N...

语音转写产品虽然能很好的识别单目标声源的人声并进行转写，但是一旦出现竞争性声源，则无法辨别目标声源，竞争声源的存在导致对目标声源的识别便产生紊乱，无法进行语音到文字的转写和翻译。技术实现要素：为了解决现有同声翻译设备中存在的竞争性声源中辨别目标声源困难、设备体积过大不易携带的问题，本发明提供一种基于麦克风阵列的智能语音转文字及同声翻译系统，其可以智能识别目标声源，去除或降低竞争性噪声，对目标声源进行语音增强后进行语音到文字的转写和翻译，且设备体积较小容易携带。本发明的技术方案是这样的：一种基于麦克风阵列的智能语音转文字及同声翻译系统，其包括：声音采集模块、音频转换模块、语音增强模块、翻...

音频转换模块包括音频解码器和，语音增强模块基于数字信号处理器dsp实现；语音增强模块通过数字信号处理器芯片的i2c接口向音频解码器发送控制信号，通过数字信号处理器芯片的mcasp接口连接音频解码器，交换数字音频信号的数据。语音增强模块中通过预先植入的语音增强算法对音频转换模块传入的声信号进行增强处理；语音增强算法包括以下步骤：s1：定义麦克风阵列中与目标声源s1接近的麦克风为前向麦克风mic1，其采集到的声信号为m1(n)，另一个麦克风mic2采集到的声信号为m2(n)；对声信号m1(n)、m2(n)进行分帧与加窗之后，再进行时频变换即得到频域信号m1(l,k)和m2(l,k)，其中：...

供电装置为音频采集装置、视频采集装置和无线模块供电，便携式操作终端和无线模块无线电连接。本实施例的便携式可视化麦克风阵列装置，包括包体1、印刷电路板2、音频采集装置3、视频采集装置4、wifi模块5、电池6和便携式平板电脑7；包体的正面开有图像出孔8，在图像出孔8的位置安置一透光挡片9，用来防止灰尘弄脏镜头；包体1内缝制一夹层布料10，夹层布料10的下方开有一排线穿孔13，夹层布料10略带弹性，夹层布料10的长度和印刷电路板2的长度相同，夹层布料10的宽度和印刷电路板2的宽度相同，夹层布料10中心点和图像出孔8位置一致，以便于印刷电路板2能准确插放到合适位置；印刷电路板2正中心处开有视...

混响是建筑声学中要重点考虑的问题演讲厅要短一些的混响时间，比如北京学术报告厅混响时间为1s交响乐则需要长一些的混响时间，比如上海音乐厅混响时间为，维也纳音乐厅为过大的混响会带来音素的交叠掩蔽现象，严重影响语音识别效果，尤其是远距离语音识别。目前主流采用麦克风阵列+深度学习的方式来进行去混响。线性麦克风阵列加性麦克风阵列(AdditiveMicrophoneArray)阵列的输出是各阵元的加权和优波束方向可调结构简单、方便布局适用于车载、家电等场合差分麦克风阵列(DifferentialMicrophoneArray)阵列的输出是两两麦克风之间的加权相减波束方向只能在末端方向适用于耳机通...

还有个重要的虚警率指标，稍微有点声音就乱识别也不行，另外还要考虑阈值的影响，这都是麦克风阵列技术中的陷阱。麦克风阵列的关键技术消费级的麦克风阵列主要面临环境噪声、房间混响、人声叠加、模型噪声、阵列结构等问题，若使用到语音识别场景，还要考虑针对语音识别的优化和匹配等问题。为了解决上述问题，特别是在消费领域的垂直场景应用环境中，关键技术就显得尤为重要。噪声抑制：语音识别倒不需要完全去除噪声，相对来说通话系统中需要的技术则是噪声去除。这里说的噪声一般指环境噪声，比如空调噪声，这类噪声通常不具有空间指向性，能量也不是特别大，不会掩盖正常的语音，只是影响了语音的清晰度和可懂度。这种方法不适合强噪...

δ1的表达式为：设，当目标声源占主导时，有如下关系：其中，l和k分别是频率点和时间窗的序号，pi为圆周率π；令：约等式右边的代数式为t(l,k)，则，根据两个麦克风mic1、mic2采集到的数据可计算得到每个频域点的t(l,k)；当数值越接近d1，则表示在对应的频率点，目标声源的能量在带噪信号中占主导的成分越多。s4：基于延迟系数与目标声源的理想延迟时间δ1的比较结果，计算m1(l,k)的掩蔽权重b(l,k)，得到增强信号的时频分布表达式：采用720种声源组合分别对系统进行试验，分别进行短时傅里叶变换，统计t(l,k)在一定数值范围内时频单元块的个数，记做n1，以及这些时频单元块中满足...

基于双麦克阵列的产品生态构建更具优势麦克风阵列作为实现智能语音的必备硬件，可以说是人工智能感知的硬件基础。因此，麦克风阵列的布局，将深深影响人工智能产品的生态布局。首先，众所周知的是，谷歌是以生态见长的公司。比如，Android构建了整个移动互联网的生态基础。在谷歌从移动互联网向AI转型的时候，提出了“AIFirst”的口号，并推出了开源深度学习系统TensorFlow，这个系统被认为是人工智能领域的Android。那么，谷歌为什么在如此重视AI战略的时候，推出这款GoogleHome的智能家居产品，并且采用双麦克的方案呢？相信对于谷歌这样的公司，成本和技术绝不会是阻碍他们采用更好技术...

比如几个人围绕Echo谈话的时候，Echo只会识别其中一个人的声音。阵列增益：这个比较容易理解，主要是解决拾音距离的问题，若信号较小，语音识别同样不能保证，通过阵列处理可以适当加大语音信号的能量。模型匹配：这个主要是和语音识别以及语义理解进行匹配，语音交互是一个完整的信号链，从麦克风阵列开始的语音流不可能割裂的存在，必然需要模型匹配在一起。实际上，效果较好的语音交互麦克风阵列，通常是两套算法，一套内嵌于硬件实时处理，另外一套服务于云端匹配语音处理。由8个MIC组成的麦克风阵列麦克风阵列的技术趋势语音信号其实是不好处理的，我们知道信号处理大多基于平稳信号的假设，但是语音信号的特征参数均是...

微软的SurfaceStudio着实让人惊艳了一把！除了设计以外，大家都感叹PC机也开始使用麦克风阵列了。其实，早前亚马逊Echo和谷歌Home两者PK，除了云端服务，他们在硬件上区别大的就是麦克风阵列技术。AmazonEcho采用的是环形6+1麦克风阵列，而GoogleHome（包括SurfaceStudio）只采用了2麦克风阵列。什么是麦克风阵列技术？学术上有个概念是“传声器阵列”，主要由一定数目的声学传感器组成，用来对声场的空间特性进行采样并处理的系统。而这篇文章讲到的麦克风阵列是其中一个狭义概念，特指应用于语音处理的按一定规则排列的多个麦克风系统，也可以简单理解为2个以上麦克风...

还有个重要的虚警率指标，稍微有点声音就乱识别也不行，另外还要考虑阈值的影响，这都是麦克风阵列技术中的陷阱。麦克风阵列的关键技术消费级的麦克风阵列主要面临环境噪声、房间混响、人声叠加、模型噪声、阵列结构等问题，若使用到语音识别场景，还要考虑针对语音识别的优化和匹配等问题。为了解决上述问题，特别是在消费领域的垂直场景应用环境中，关键技术就显得尤为重要。噪声抑制：语音识别倒不需要完全去除噪声，相对来说通话系统中需要的技术则是噪声去除。这里说的噪声一般指环境噪声，比如空调噪声，这类噪声通常不具有空间指向性，能量也不是特别大，不会掩盖正常的语音，只是影响了语音的清晰度和可懂度。这种方法不适合强噪...

虽然语音识别准度得以提高；但实施成本、结构难度、生产安装等问题却接踵而来。但像空调、电视这类家电产品，它永远都是贴墙放，八个麦克风在实际应用上是多余的。双麦克技术在任何产品上均可自然适配。该人士称，双麦克风阵列的结构简单，成本低、容易实施、功耗低等特点让它更容易在家电产品中实现落地。相信在未来一段时间内，双麦克都将成为智能家居产品中的主流配置。不同应用场景下自由配置虽然双麦克有性价比和结构简单的种种优势，但并不能完全覆盖所有场景下的产品需求。比如，在机器人领域里，对声源定位的要求比较高，所以一般都会使用环形多麦克方案。这两年国内比较火的Rokid机器人就采用了8麦克的阵列。未来人工智能...

wifi模块5将接收到的音频信号进行相位平移和加权求和处理后通过wifi传输到便携式平板电脑7，wifi模块5将接收到的视频信号通过wifi传输到便携式平板电脑7；便携式平板电脑7对传输过来的视频信号和音频信号进行展示，通过便携式平板电脑7也可以对wifi模块5进行控制，实现对相位平移和加权求和的控制，终实现对大声音获取方向的控制。供电装置6连接电源线与wifi模块5电连接，wifi模块5再将电能传送给音频采集装置3和视频采集装置4；印刷电路板2插放在夹层布料10和包体1的正面所构成的夹层中，视频采集装置4的镜头正对图像出孔8位置；包体1内部填充有吸音材料14，防止声音从包体1的背面干...

n)、s2(n)、s3(n)、snum(n)分别为通过麦克风mic1采集到的所述目标声源、所述干扰噪声源1、所述干扰噪声源2、所述干扰噪声源num-1发出的声音信号；因为所述前向麦克风mic1更接近所述目标声源s1，所以麦克风mic2采集到的信号相对于所述前向麦克风mic1采集到的信号会有一定的延迟，则根据关系，可得麦克风mic2采集到的混合信号m2(n)：其中，d为所述前向麦克风mic1和麦克风mic2质检的距离，c为声速，fs为采样频率；b2：在混合信号的一个时频单元内，所述目标声源的信号占主导时，有如下关系：其中，δ1为所述目标声源的理想延迟时间，l和k分别是频率点和时间窗的序号...

通过声音采集模块中的双麦克风结构的麦克风阵列、信号放大电路、带通滤波器实现针对多竞争声源的去噪功能，同时利用语音增强模块中的语音增强算法实现语音信号的去噪和增强处理；在本发明的技术方案中，通过双麦克风即可实现声音信号采集，采用极少的电器元件即可准确的在竞争声源中识别竞争声源，确保了本发明技术方案中的翻译设备的硬件体积更小，使本产品适于用户随身携带使用，更具实用性；通过语音增强算法实现了在收到混合声音的20ms内即可识别出干净的目标声源，确保了实时去噪的功能的实现，使本发明的技术方案适用于不同的同声翻译应用场景。说明为本发明的语音转文字及同声翻译系统的系统组成框；为本发明中的声音采集模块...

在NumLock键锁定时保持原有等号″＝″功能，BackSpace键紧邻3＊3数字小键盘以便纠错，原键盘字符键排列顺序保持不变；本技术的目的及其技术方案还可采用以下技术措施进一步实现。该键盘由物理键盘+触摸屏虚拟键盘两部分组成，物理键盘在QWERTYUIOP行中，以″O″，在ZXCVBNM行中以2个″M″和″＜，″，使三行字符键右边对齐，实现单键区键盘内涵九宫格键盘，数字小键盘映射到内涵九宫格键区上，BackSpace键左边的等号″＝″键不叠加复用，在NumLock键锁定时保持原有等号″＝″功能，BackSpace键紧邻3＊3数字小键盘以方便纠错，原键盘字符键排列顺序保持不变；内涵九宫...

2)测量一对麦克风同步采集信号相位差ΔΦ，根据频率f和声传播速度C0得到这一对麦克风的位置间隔：经过计算及试验验证，相位法分析麦克风相对位置差的精度要比互相关法分析的精度高。通过算法控制，麦克风阵列在搜索到讲话者的位置之后可以将波束指向当前的讲话者。麦克风阵列这种极强的智能指向性功能可以降低周边环境噪声及回声的影响。使用单麦克风与采用波束形成技术麦克风阵列接收讲话者声音效果的对比.阵列指向性由于麦克风阵列的输出信号中包含比单只麦克风更低的噪声和回声成份，所以其固有噪声抑制能力要远高于单只麦克风。麦克风阵列在1000Hz的典型指向性波束。其指向性要远好于任一款价格昂贵的高性能超心形麦克风...