智能音箱音频信号质量评价标准

1. 前言

智能音箱的唤醒率和识别率除了受算法影响外，还跟音箱的音频信号质量直接相关。同样的算法库，音频信号质量越好，其唤醒率和识别率越高。根据工作经验，目前各厂家对智能音箱音频信号的判断标准，主要有以下几项：

1. 时延稳定性
2. 回声消除性能
3. 相干性
4. MIC阵列信噪比
5. MIC阵列灵敏度

2. 信号质量标准

2.1 时延稳定性

定义：
时延（Delay），指音频各通道间接收同一信号的时间差。时延稳定性，指规定时间范围内，时延值保持稳定的能力。

解释：
在智能音箱领域，时延值通常指MIC信号和REF信号之间的时间差。当扬声器发出一个信号时，REF通道同时接收到该信号，该信号经空气传播至MIC孔处，MIC孔接收到该信号。由于扬声器和MIC有固定距离，所以MIC接收到该信号会晚于扬声器播放该信号，这个时间差就是时延。

影响：
时延稳定通常是由于电路丢数据或时钟波动导致。从算法角度讲，时延不稳定会影响算法收敛。时延值过大也会影响算法信号处理的效率。另，时延值不可能为负值，这是不科学的，因为不可能扬声器还未发出信号，MIC就收到了信号。

2.2 回声消除性能

定义：
回声消除（Acoustic Echo Cancellation，AEC），指输出信号从扬声器发出，经过空气传播，被设备本身的MIC接收，最后在MIC信号中减去该输出信号的过程。

解释：
MIC接收到的信号中，除了人声的唤醒音，还有设备本身播放的声音。对于算法来讲，人声唤醒音是想要得到的有效音，设备发出的声音是干扰音。回声消除就是将有效音从干扰音中剥离出来的过程。将干扰音消除后，算法才能正确识