Два микрофона. Положение диктора в пространстве.

Здравствуйте, крайне заинтересовался собиранием робототехники. Сейчас появилась идея создать проект - робота, следящего за оппонентом который подает голосовые команды роботу.
По части голосовых команд я пока не собираюсь разворачивать вопрос, а вот вопрос относительно микрофонов появился.
Я собираюсь приобрести два микрофона которые размещу на некотором расстоянии друг от друга на одной на прямой, перпендикулярно которой будет находится диктор.
Как получать значения с микрофонов? Точнее как получить уровень шума для каждого из двух микрофонов?
Если я буду сравнивать уровень шума на каждом из них в режиме реального времени, сильно ли это повлияет на скорость реакции робота?
Возможно кто-нибудь уже выполнял расчеты для подобного рода проектов. Мне необходима некая зависимость. Если ничего подобного нет, я выполню зависимости и сделаю таблицы самостоятельно, но мне все-таки не понятно в каком виде приходят показания от микрофонов?
Возможна ли запись?

 

Вот примерный план устройства головы робота для быстрого изучения закономерности положения диктора относительно головы и показаний шума в микрофонах:

Выявление зависимости при передвижении по прямой, перпендикулярной направления головы робота, может стать основой для выявления углов на которые необходимо поворачивать голову робота в будущем
Если у вас есть что-либо на этот счет, буду рад услышать. И все-таки, в каком виде возвращаются значения от микрофона? От 0 до 5 Вольт?

 

От какого микрофона? Если от этого (http://amperka.ru/collection/Sensory/product/Mikrofon), то там до 5 вольт не дойдет, судя по даташиту на операционники. Да и вообще такой "микрофон" для вашей задачи скорее всего не подойдет, ОУ общего назначения и регулировки усиления нет. Если это какой-то ваш "микрофон", то как сделаете, так и будет возвращать . Я бы подумал над усилением и обработкой разницы уровней сигналов с микрофонов, вместо того, что бы оцифровывать сигнал каждого микрофона.

 

Микрофоны эти.
То есть, увеличиваю напряжение, подаваемое на микрофоны?
Можно обрабатывать разницу не оцифровывая значения приходящие от микрофонов?

 

Я еще не делал покупку оборудования, продумываю набросок устройства чтобы понять какие детали понадобятся.
Какие микрофоны можете предложить? Их придется паять я понимаю?

 

Да, http://easyelectronics.ru/operacionnyj-usilitel.html. "Вычитающая схема".
Только обрабатывать так надо сигнал не с "этих микрофонов", а действительно с микрофонов.

 

Тут я мало чем могу помочь, наверное надо начать с электретных. Паять придется. Впрочем, меня этот вопрос заинтересовал, в ближайшее время буду закупаться, прихвачу парочку микрофонов.

 

Что же, спасибо. Использование не совместимых с Arduino микрофонов приводит меня в ужас, так как раньше я ничего подобного не собирал.
А вот куда что припаять необходимо?
Собираюсь использовать Arduino Uno Rev 3. Возможно, прикуплю IO Shield.

 

Добро пожаловать в аналоговую электронику. У меня микрофон пока только один, так что помочь пока не могу.

 

Всем поклонникам Ардуино в очередной раз рекомендую научиться паять.
По пайке очень много информации в интернете.
Но чувствую специально для этого сайта придётся написать отдельную статью, в которой будет рассказ для людей, которые "не очень" хотят это изучать
Умение паять сильно расширяет возможности конструирования.
А главное помните, что те кто умеет паять, почему-то страшно не хотят изучать микроконтроллеры

 

А по основной теме, вам имеет смысл поискать статьи по ключевому слову "Бинауральный эффект"
Дело в том, что кроме электронных премудростей, я настоятельно рекомендую позаимствовать у природы механическую часть уха - волновод, он не только усиливает сигнал за счёт рупора, но и улучшает локализацию.
Несмотря на совершенство с которым люди и звери пользуются двумя ушами, это всё за счёт мозга, я думаю увеличение количества микрофонов (до трех - четырёх) сильно упростит алгоритм обработки.

 

Я напугался именно паять. Боюсь что-нибудь испортить когда приходится столько платить за контроллер.

Не с проста в контролере Microsoft Kinect используется четыре микрофона. Благодаря им и камерам, положение человека ищется без проблем. Я не работаю с камерами, поэтому придется глубоко изучить тему которую вы мне предложили. Спасибо за помощь, кстати. Почитаю обязательно.

Я рассчитывал собрать устройство, поставить на начальную позицию пьезоизлучатель и начать измерять и записывать в таблицу показания. Однако, необходимо было бы нанести углы с шагом в 20 градусов или даже меньше. ДУмаю, так бы получилось найти некую зависимость и потом ее использовать в коде.

 

Назвался груздем, полезаю в кузов. Матчасть для ориентирования: http://rus.625-net.ru/archive/z1099/7.htm.
Имеем два электретных микрофона EM-9767 (На самом деле у нас их 4, но пока имеем два ). Еще в наличии горстка ОУ, конденсаторов, резисторов. Для начала попробуем воспроизвести матчасть, поэтому собираем на беспаячной макетке усилители для каждого микрофона, расстояние между микрофонами 10 см, микрофоны направлены в одну сторону, между микрофонами установлена вертикальная поролоновая "стенка", толщина примерно 1,5 см. Получаем следующую картину:
Источник звука: правый динамик ноутбука, редактор звука обещал синусоиду частотой 1КГц.
Положение источника по "центру" :

Сдвига фаз нет, левый канал дает больший уровень сигнала при одинаковой громкости из-за разброса параметров усилителей и/или направленностей микрофонов и динамика.
Источник "справа", угол градусов 60, точно не фиксировался:

Сигнал левого канала запаздывает на 260 мкс и половина его амплитуды слабее на 100мВ (но гарантий, что это вызвано положением источника звука, никаких нет), чем сигнал правого канала.
Источник "слева", угол градусов 45, точно не фиксировался:

Сигнал правого канала запаздывает на 240 мкс относительно левого, а вот с уровнем сигнала левого канала произошло что-то странное. Причина, вероятно, в совпадении-несовпадении направленности микрофонов и динамика ноутбука. А может я нечаянно инвертировал канал в осциллографе.

Выводы из проделанного: фазовый сдвиг сигнала - надежный критерий для определения направления на источник звука, при условии, что частота источника и расстояние между микрофонами удовлетворяют условию: время запаздывания должно быть меньше половины периода сигнала.
Использовать уровень сигнала для определения направления на источник звука в данной конфигурации аудио-средств не представляется возможным.

В следующей части "полезания в кузов" мы повторим измерения с использованием естественного источника звука.

 

Феноминально! Огромное спасибо за проведенные опыты.
Комплект ардуинки пока не идет, затея с роботом простаивает.
Еще раз спасибо!

 

Продолжаем.
Источник звука: живой диктор, говорящий что-то короткое, но емкое в сторону наших микрофонов. Слово выглядит вот так:

Почему оно так выглядит? См. матчасть, например http://pmpu.ru/vf4/signal/speech
С какой стороны был источник? А кто его знает, на таком разрешении явно не понятно. Копнем "глубже":

Источник справа:


Источник слева:



Очевидно, что поролоновый разделитель между микрофонами толщиной 1,5 см. не способен заменить голову человека в качестве поглотителя высоких частот. Наличие же в сигнале компонент существенно разной частоты приводит к невозможности ориентироваться по разнице фаз сигналов левого и правого канала.
В следующей части мы попробуем получить фазово-частотные спектры (кто разбирается в теме, поправте терминологию, если привираю, плз) сигналов левого и правого каналов.

 

Что если использовать в качестве перегородки различные материалы? Есть ли какие табличные значения для проводимости звуковых волн различными материалами?

 

Наверняка таблицы такие есть. Изучите вопрос, предложите конкретные материалы, попробуем.

 

Вот что нашел:
Поглощение звука
Физика звуковой волны
Отражение звука

Википедия: Поглощение звука

Сейчас подробно этот материал изучаю. Возможно появятся какие-нибудь идеи.

 

Продолжаем. Так как голосовой сигнал содержит множество частот, а задержка сигналов в левом и правом каналах зависит от частоты, то очевидно, что хорошо бы было как-то получить характеристики каждой частотной составляющей отдельно. Попробуем получить амплитудно-частотную и фазово-частотную диаграммы голосового сигнала посредством быстрого преобразования Фурье.
Непосредственно для Arduino есть несколько реализаций БПФ. Так как я располагаю только вариантами ардуин с 2 кБайт ОЗУ, то для меня крайне желательна реализация, работающая с однобайтовыми входными и выходными данными. Если при этом будет использоваться еще и целночисленная математика, то это будет идеально. Такая идеальная библиотека есть: http://www.arduino.cc/cgi-bin/yabb2/YaBB.pl?num=1286718155 (так же доступна тут http://blurtime.blogspot.com/2010/11/arduino-realtime-audio-spectrum.html).
Небольшой скетч позволит нам оценить возможности этой библиотеки и ардуино (на ATmega328) в качестве сигнального процессора.

Код (Text):

#include <fix_fft.h>

#define POW2 7
const unsigned int DLEN=1<<POW2;
char im[DLEN];
char data[DLEN];

void setup(){
  Serial.begin(115200);
}
void loop(){
  int i;
  int val;
  unsigned long s;
  Serial.println("ar");
  Serial.println(s=micros());
  for(i=10000;i;i--) val = analogRead(0);
  Serial.println((micros()-s)/10000);
  Serial.println("sa");
  Serial.println(s=micros());
  for (i=0; i < DLEN; i++){
    val = analogRead(0);
    data[i] = (val>>2) -128;
    im[i] = 0;
  };
  Serial.println((micros()-s)/DLEN);
Serial.println("fft");
  Serial.println(s=micros());
  for(i=100;i;i--)
    fix_fft(data,im,POW2,0);
  Serial.println((micros()-s)/100);
}
 

Получаем:

В переводе на русский:
Время выполнения analogRead(0) чуть меньше 112 мкс.
Длительность одной выборки - 121 мкс. (Можно довести почти до тех же 112 мкс, вынеся обработку за цикл выборки, но это не принципиально)
Время выполнения БПФ при размере исходных данных в 128 семплов - 9 мс.

 

Вроде хорошо, всего 121 мкс на семпл, 9 мс на БПФ, но на всякий случай немного посчитаем.

1. 121 мкс на семпл - это частота выборки в 8кГц, что позволит нам работать с сигналом до 4кГц, что для работы с голосом достаточно. Но нам требуется обрабатывать два канала одновремено, а это уже почти 242 мкс на семпл, что вынудит нас работать с сигналом до 2кГц, а это уже ощутимо ограничивает наши возможности. Плюс мы получим задержку между выборками правого и левого канала всего в половину меньшую, чем период дискретизации да еще и соразмеримую с задержкой между сигналами каналов из-за "разности хода".
2. 128 раз по 242 мкс плюс два БПФ по 9мс - 49мс - если ардуина больше ничем серьезным заниматься не будет, то сможет двадцать раз в секунду контролировать "эфир". Слово длительностью полсекунды, будет обработано раз 10.

Выводы: общая производительность на грани допустимого, но проблема с задержкой между выборками левого и правого канала очень серьезна и с этой проблемой в первую очередь требуется что-то сделать.