Tối ưu hướng thu âm cho dàn microphone array trên tai nghe Cleer Arc5

Bạn có từng rơi vào tình huống này không? Đang đeo tai nghe mở kiểu ear-hook gọi điện ngoài đường, gió thổi vào tai khiến người bên kia chẳng nghe được gì. Hoặc đang trò chuyện với bạn bè trong khi đi bộ, tiếng xe cộ xung quanh át mất giọng nói, muốn tháo tai nghe xuống để nói lại...

Đây chính là "lời nguyền" mà tai nghe开放式 (open-ear) phải đối mặt suốt nhiều năm. Nhưng mới đây, Cleer Arc5 đã phá vỡ được ma thuật đó. Không có phần nhét vào tai, thế mà vẫn có thể gọi điện rõ ràng giữa nơi ồn ào - bí mật nằm ở hệ thống bốn microphone kết hợp với công nghệ beamforming thích ứng.

Nguyên lý hoạt động của dàn microphone

Hãy tưởng tượng: Bạn đang chạy bộ trong công viên, gió thổi qua tai, xa xa có tiếng chó sủa, gần có người nói chuyện. Tai nghe của bạn chỉ "nghe" thấy chính bạn - điều này được thực hiện như thế nào?

Bí mật nằm ở chỗ: Arc5 không dựa vào một microphone đoán mò, mà sử dụng bốn microphone tạo thành một "trạm radar" thu nhỏ. Thông qua độ lệch thời gian nhỏ (TDOA - Time Difference of Arrival) khi âm thanh đến từng microphone, hệ thống có thể xác định chính xác hướng nguồn âm.

Cụ thể, bốn microphone chính được đặt ở vị trí trước-sau và trong-ngoài của phần móc tai: - Hai microphone phía ngoài-trước: Thu âm chính, hướng về phía trước - Hai microphone phía trong-sau: Hỗ trợ định vị, cảm nhận gradient không gian

Bố trí này tạo ra một mảng lai gần như phẳng + tuyến tính, đường cơ sở hiệu quả khoảng 6-8cm. Đừng xem nhẹ khoảng cách này - ở tần số 1kHz, nó đủ để phân biệt thay đổi nguồn âm trong phạm vi ±15°.

Kỹ thuật Beamforming

Sau khi biết được nguồn âm ở đâu, làm sao để nó "to hơn" trong khi tiếng ồn xung quanh bị giảm xuống? Đến lúc Beamforming phát huy tác dụng.

Có thể hình dung beamforming như việc lắp cho microphone một "hướng thu có thể xoay", giống như đèn pin chiếu sáng đúng nơi bạn muốn.

Phương pháp cơ bản nhất gọi là Delay-and-Sum (Trễ-Cộng). Nguyên lý khá đơn giản: Giả sử bạn muốn tập trung vào âm thanh phía trước, thì âm thanh đến microphone bên trái sẽ sớm hơn bên phải một chút. Chỉ cần trì hoãn tín hiệu bên phải một chút rồi cộng với bên trái, hướng mục tiêu sẽ được khuếch đại; còn các hướng khác vì lệch pha nên sẽ triệt tiêu lẫn nhau!

Công thức toán học:

y(t) = Σ w_i · x_i(t - τ_i(θ))

Trong đó τ_i(θ) là độ trễ thời gian lý thuyết được tính toán dựa trên vị trí microphone và góc mục tiêu θ. Nghe có vẻ học thuật? Nhưng thực tế nó giống như một nhạc trưởng yêu cầu các ca sĩ ở vị trí khác nhau vào lệch nhịp, cuối cùng hòa lại lại càng tròn trịa.

Tuy nhiên, trong thực tế, chỉ "căn chỉnh" thôi chưa đủ. Môi trường phức tạp, tiếng ồn có thể đến từ khắp nơi. Vì vậy, Cleer Arc5 còn sử dụng thuật toán MVDR (Minimum Variance Distortionless Response):

w_MVDR = (R⁻¹ · d(θ)) / (d(θ)ᴴ · R⁻¹ · d(θ))

Trong công thức này, R là ma trận hiệp phương sai của tất cả tín hiệu microphone - nói cách khác, hệ thống tự "học" tiếng ồn hiện tại đến từ đâu, mạnh đến đâu. Sau đó tự động tính toán bộ trọng số tối ưu w, đảm bảo hướng bạn muốn nghe không bị biến dạng, trong khi công suất đầu ra các hướng khác được giảm thiểu.

Kết quả: So với giải pháp hai microphone truyền thống, Arc5 có thể tăng tỷ số tín hiệu/tạp âm (SNR) lên 6dB hoặc hơn. Hơn nữa, độ rộng búp sóng chính được kiểm soát trong khoảng 30°-40°, triệt tiêu các búp sóng phụ dưới -10dB.

Tích hợp cảm biến IMU

Nhưng khi bạn đang đi mà quay đầu thì sao? Góc tương đối giữa nguồn âm và tai nghe thay đổi, chẳng lẽ phải điều chỉnh thủ công?

Tất nhiên là không! Đây mới là phần thể hiện sự "thông minh" thực sự: Arc5 kết hợp dàn microphone với IMU (Inertial Measurement Unit).

Tai nghe được tích hợp con quay hồi chuyển ba trục và gia tốc kế, có thể cảm nhận tốc độ và góc quay đầu của bạn theo thời gian thực. Khi hệ thống phát hiện bạn đang quay đầu nhanh (ví dụ như nhìn lại sau gọi bạn bè), dù lúc đó tín hiệu thoại bị nhiễu gió khiến ước lượng DOA không chính xác, nó vẫn ưu tiên tin tưởng dự đoán chuyển động từ IMU, sớm đưa beamforming quay về hướng mới.

Code minh họa:

// Ước tính hướng âm thanh
float acoustic_doa = audio_direction_estimator.getDOA();

// Lấy vận tốc quay đầu từ IMU
float head_velocity = imu_sensor.getAngularVelocityYaw();

float target_angle;

if (Math.abs(head_velocity) > ROTATION_THRESHOLD) {
    // Theo chuyển động đầu
    target_angle = previous_doa + integrateRotation(head_velocity);
} else {
    // Kết hợp với ước lượng âm thanh
    target_angle = kalmanFilter.fuse(acoustic_doa, head_velocity);
}

beamformer.setTargetAngle(target_angle);

Giống như xe tự hành sử dụng "sensor fusion": thị giác + radar + IMU đưa ra quyết định chung. Ở đây cũng vậy: dữ liệu âm thanh + chuyển động được kết hợp, giúp tai nghe không chỉ "nghe" mà còn "cảm nhận".

Tuy nhiên cần lưu ý: IMU dễ bị drift theo thời gian, cần hiệu chuẩn định kỳ; và trong điều kiện SNR thấp, ước lượng DOA có thể sai, nên cần kết hợp VAD (Voice Activity Detection) để lọc các đoạn im lặng, tránh lãng phí tài nguyên xử lý.

Kiến trúc hệ thống

Về trải nghiệm thực tế, toàn bộ chuỗi xử lý của hệ thống này hoạt động như sau:

Dàn Microphone
    ↓
Chuyển đổi ADC
    ↓
Bộ xử lý DSP
    ├→ Beamforming
    ├→ Ước lượng DOA
    └→ Mô hình AI khử tiếng ồn
    ↓
Bộ mã hóa Bluetooth → Điện thoại

Toàn bộ quá trình được xử lý ngay trên tai nghe, độ trễ từ đầu đến cuối dưới 200ms, vừa bảo vệ quyền riêng tư vừa đảm bảo độ trễ thời gian thực. Hơn nữa, DSP chỉ hoạt động hết công suất khi phát hiện có giọng nói, lúc chờ gần như không tiêu tốn điện năng.

Đặc biệt, các thuật toán này hỗ trợ cập nhật OTA! Điều này có nghĩa là trong tương lai có thể tối ưu hình dạng beamforming, tăng cường đáp ứng tần số cụ thể, thậm chí thêm tính năng mới.

Thiết kế phần cứng

Tất nhiên, thiết kế phần cứng cũng không kém phần quan trọng. Bốn microphone MEMS đều là loại có tỷ số tín hiệu/tạp cao (>60dB), kích thước nhỏ (Ø3.7mm), cân bằng giữa độ nhạy và khả năng chống nước/bụi. Các lỗ thông hơi còn được thiết kế theo kiểu đường dẫn maze, giảm thiểu luồng không khí trực tiếp tác động lên màngmicrophone, từ đó giảm coupling tiếng ồn gió.

Kết luận

Nhìn lại, giải pháp của Arc5 đã giải quyết được những vấn đề gì?

• Thu âm không rõ trong môi trường mở? → Beamforming tập trung vào hướng giọng nói, triệt tiêu tiếng ồn từ bên.
• Tiếng gió to không nghe được? → Cấu trúc vi sai + lọc tần số kép, thậm chí đi xe đạp cũng không sợ.
• Mất tiếng nói khi di chuyển? → DOA + IMU liên kết theo dõi, quay đầu vẫn giữ vững giọng nói.

Đằng sau đó không chỉ đơn giản là "chất(stack) phần cứng". Đây là sự phối hợp sâu giữa vật lý âm thanh, xử lý tín hiệu, hệ thống nhúng, mô hình AI và thiết kế công nghiệp. Mỗi khâu đều phải cân chỉnh: khoảng cách giữa các microphone quá ngắn thì độ phân giải không đủ; quá dài thì không lắp vào móc tai; thuật toán quá phức tạp thì tiêu thụ điện; quá đơn giản thì hiệu quả giảm...

Đến một ngày nào đó, tai nghe của chúng ta không chỉ có thể lọc tiếng ồn, mà còn có thể giúp bạn "hiểu được trọng tâm".

Còn bây giờ, Cleer Arc5 đã bước đi bước quan trọng - chứng minh rằng: dù không nhét vào tai, vẫn có thể có cuộc gọi rõ ràng. Đây không chỉ là tiến bộ công nghệ, mà còn là sự cân bằng hoàn hảo giữa tự do và an toàn.