众所周知，人的听觉系统可以对所听到的特定声音来源进行定位。所谓的“鸡尾酒会效应”^[1]就是指人耳可以在一定的噪音背景下惟一地关注一个指定的声音。结合嵌入式系统小巧灵活的特点和日益强大的功能，实现这样的一种仿生声源定位器" title="定位器">定位器，可以有效地对听障人士的日常生活起到帮助作用，例如躲避突发的危险状况、日常的人际交往等。更广泛地看，这种系统可应用于机器人的听觉系统、保安保密设施等诸多领域。
　　为与基于ASIC技术的声源定位器^[2]区别，本文基于SoPC技术，在Altera的stratix系统平台上，充分利用SoPC灵活的可重用设计特性和FPGA的信号并行处理能力，用一个MIC阵列，模拟人耳的听觉系统，实现声源定位器。并利用其良好的扩展性，进一步将系统从单CPU架构扩展至双CPU架构，加入了语音识别" title="语音识别">语音识别的功能(本文只重点论述声源定位的研究与实现)。
　　在一个相对安静的房间里对定位器进行测试，在5米的直径范围内，可以较准确地通过LCD输出声源的位置坐标。同时，对于简单的短语，经过训练之后，系统能够在不超过1秒的时间内产生指定的响应，如在LCD上显示相应的文字、振动器振动报警等。
1 人耳听觉模型的基本原理
　　在一个简单的人耳听觉系统模型中，声源定位可以描述为：(1)从各种不同频率的声音中解析发现特定的声音，如从一定的环境噪声背景中找到特定声源所发出的声音。(2)获得声音到达MIC阵列的端点，即端点检测" title="端点检测">端点检测。(3)听觉系统根据声音到达两耳的时间差，判断出声源的方向和位置。
　　根据上述人耳听觉的机理，所设计的声源定位器需要解决声音的噪音过滤、端点检测及方位距离算法等问题。
　　(1)声音的噪音过滤和端点检测。对于噪音的简单过滤和声音的端点检测，可以通过常用的“双门限法”实现。
　　本文利用Matlab下的Simulink作为原理验证工具。验证无误后，将对应的FIR数字滤波器的阶数和系数直接填入到Quartus II提供的FIR IP Core模块中参数化，再在VHDL用户模块例化，即可完成FPGA中的语音信号预处理模块的搭建工作。
　　(2)声源定位算法。系统中共使用了3个MIC，分别位于水平面上边长为20cm的等边三角形的三个顶点。借助于端点检测，可获取声音到达各个MIC时对应的不同计数值n(对应有t=n/f，其中t为声音传播时间，f为采样频率)，从而得到时延估计。经过前端的信号预处理工作，再充分利用声源传播中的先验信息，基于空间几何知识建立的算法模型，定位精度基本上达到了应用要求。MIC阵列摆放如图1所示。

　　因为该设备主要是针对聋哑人的语音辅助开发的，所以通常情况下声源是与MIC阵列确定的平面共面或近似共面的。在近似共面的情形时，将数学模型扩展到三维的情况，即MIC阵列确定一个平面，而声源不在该平面内。此时，以原点为中心，假设声源位于一个横截面直径为3～10m的环状空间中，且声源到MIC阵列平面(横截面)的垂直距离不超过±1m。可验证，声源到原点的距离与声源在MIC阵列平面投影点到原点的距离，二者偏差仅在4%左右。所以，为便于计算和构建模型，可以假设声源与MIC阵列共面。
2 系统架构
　　系统基本架构由Avalon Bus和两个NIOS II CPU组成。NIOS II是基于哈佛结构的RISC通用嵌入式处理器软核，能与用户逻辑相结合。该处理器具有32位指令集、32位数据通道和可配置的指令及数据缓冲。本文选用标准型内核搭建系统。
　　利用外围ADC电路并通过IIS总线，三路" title="三路">三路MIC并行地将各自采集到的语音信号传入AD Receiver模块。该模块是利用VHDL构建的用户外设，用以桥接Avalon总线和ADC，同时完成三路语音信号的并行预处理。
　　单路信号处理过程如下所述：
　　将ADC传入的串行信号转换成16位的并行信号送入FIFO1。每一个并行信号即一个采样点，定义每2 400个点为一帧，选取FIFO1容量为16bit×2560=5KB。存储点数达到一帧后，将该帧逐点送入短时能量分析模块、短时过零率分析模块和FIFO2，计数器同时计数。FIFO2的容量与FIFO1相同。如果该帧没有达到短时能量和过零率的阈值触发要求，则该帧为无效帧；如果只达到过零率的触发要求，则该帧为有效帧，暂时保留在FIFO2中，其后一帧若短时能量阈值触发则回溯前一帧定位端点，否则两帧都舍弃；如果某帧同时达到短时能量和过零率的触发要求，则声音起始端点即为该帧内部触发过零率阈值的那一点。在这里，设置短时能量的触发阈值EH为0.01，约为平稳状态时能量值的5倍；短时过零率公式中修正阈值T为0.01，当短时过零率幅值发生大于3倍的突变时，则认为过零率阈值触发。另外，为便于能量阈值触发后的回溯查寻，设置了同样为5KB的FIFO3、FIFO4，分别存储短时过零率和短时能量的数据。
　　将取得的声音端点值传至CPU1进行定位计算。CPU1利用Avalon总线与CPU2及系统其他模块进行信息交换和处理。
　　系统硬件结构如图2、图3所示。

　　NIOS II提供了良好的系统扩展性和可编辑性，当系统引入语音识别功能使性能要求提高时，在不改变原有系统架构的基础上，通过增加共享内存互斥锁和共享内存，系统即可方便快速地扩展成为双CPU架构。其中定义CPU1对前段采集的数据进行定位处理，将处理过的数据传入CPU2，由CPU2完成识别及LCD显示的功能，如图3所示。
3 实验
　　在一个相对安静的房间中对系统进行了测试。房间大小约为(8×6×3)m³，环境噪声以持续的音乐模拟，约为40~50dB，待检测声音约为65~70dB。人发声的位置在图1所示的平面坐标系中选择。
　　图4显示了实验中某个MIC的声音预处理波形。声音信号从左往右依次是你好、危险、早上好三句话，其中利用了223阶的FIR线性滤波器实现信号处理功能，其窗函数为矩形窗。