一种具身机构的定向音频播放方法和具身机构与流程

本技术涉及人机交互，具体涉及基于具身机构的定向音频播放方法和具身机构。

背景技术：

1、随着具身智能技术的发展，机器人正在逐步进入商场、工厂等公共场所，执行引导、讲解、服务等交互任务。在嘈杂环境中，机器人需要向特定交互对象传递清晰的语音信息，同时避免对周围其他人造成声音干扰，并实现随着交互对象移动而动态调整声音投射方向的能力。

2、相关技术中，机器人普遍采用动圈扬声器作为定向音频播放装置，在实现上述功能时存在如下缺陷：一方面，受限于机器人头部尺寸，无法堆叠多个声学换能阵列以获得足够的声压级；另一方面，若将扬声器布置于身体部虽能提升声压，但声音方向固定，无法随机器人头部转动而改变投射方向，更无法主动跟随交互对象的位置变化，无法在有限的空间内获得足够的声压级，同时大指向角还会造成严重的声污染。因此，如何在有限空间内实现高指向性、可动态跟随交互对象的定向音频播放，是本领域亟待解决的技术问题。

技术实现思路

1、本技术提供了一种具身机构的定向音频播放方法和具身机构，以解决相关技术难以在有限空间内实现高指向性、可动态跟随交互对象的定向音频播放的问题。

2、第一方面，本技术提供了一种具身机构的定向音频播放方法，该方法包括：

3、获取目标对象的空间方位数据；

4、基于所述空间方位数据，确定声学换能器阵列的波束成形参数，所述波束成形参数包括对应于所述声学换能器阵列中多个换能单元的幅值数据和相位数据；

5、将待重放音频信号调制至超声载波，以生成超声调制信号；以及

6、基于所述波束成形参数，驱动所述多个换能单元发射所述超声调制信号，以形成朝向所述目标对象的超声波束，所述超声波束被配置为在向所述目标对象传播的过程中自解调出与所述待重放音频信号对应的可听声信号。

7、根据本技术提供的具身机构的定向音频播放方法，通过获取目标对象的空间方位数据，并基于所述空间方位数据确定声学换能器阵列中多个换能单元的幅值数据和相位数据，能够对所述声学换能器阵列进行电子波束成形控制，使所述多个换能单元发射的超声调制信号形成朝向目标对象的超声波束，同时，通过将待重放音频信号调制至超声载波，使所述超声调制信号在空气中传播时通过空气的非线性作用自解调形成对应于所述待重放音频信号的可听声信号。由此，可在具身机构有限的安装空间内形成具有较高指向性的定向音频播放声场，减少对多个传统扬声器或多个独立声学阵列的依赖，有利于降低系统体积、功耗和结构负载。进一步地，通过根据目标对象的空间方位数据动态更新波束成形参数，可使超声波束的主瓣方向、聚焦区域或可听声覆盖区域随目标对象的位置变化而调整，从而改善传统定向声场难以跟随交互对象移动的问题。此外，由于超声波束具有较强指向性，所形成的可听声信号主要覆盖目标对象所在区域，有利于降低非目标区域的声能泄露，减少环境声干扰并提升音频交互的私密性。因此，本技术提供的方法能够在有限空间内实现高指向性、可动态跟随且低声泄露的定向音频播放，从而提升具身机构的人机交互体验。

8、在一种可选的实施方式中，获取目标对象的空间方位数据包括：

9、通过声学传感器获取所述目标对象的声音信号，并基于所述声音信号确定所述目标对象的第一方位信息；和/或

10、通过视觉传感器获取所述目标对象的图像信息，并基于所述图像信息确定所述目标对象的第二方位信息；

11、基于所述第一方位信息、所述第二方位信息、或所述第一方位信息与所述第二方位信息的融合信息，确定所述空间方位数据。

12、在一种可选的实施方式中，所述形成朝向所述目标对象的超声波束，包括：控制由所述多个换能单元发射的所述超声波束的主瓣方向指向所述目标对象，和/或使所述超声波束的聚焦区域或者所述可听声信号的覆盖区域位于或保持在以所述目标对象的位置为基准的预设范围内。

13、在一种可选的实施方式中，方法还包括：

14、持续或周期性获取所述目标对象的空间方位数据；

15、响应于所述空间方位数据随时间的变化，确定用于保持所述超声波束朝向所述目标对象的指向控制信息；以及

16、基于所述指向控制信息，调整所述声学换能器阵列的物理朝向和更新所述波束成形参数，使所述超声波束随所述目标对象的方位变化而保持朝向所述目标对象。

17、在一种可选的实施方式中，所述确定用于保持所述超声波束朝向所述目标对象的指向控制信息，包括：

18、将所述目标对象确定为锁定对象；

19、基于持续或周期性获取的所述空间方位数据，确定所述锁定对象的移动状态或移动轨迹；

20、根据所述移动状态或所述移动轨迹生成驱动指令，以驱动所述具身机构的执行机构运动，从而调整所述声学换能器阵列的物理朝向。

21、在一种可选的实施方式中，将待重放音频信号调制至超声载波包括：

22、使用双边带调制、单边带调制、幅度调制或平方根预失真调制中的至少一种调制方法，将所述待重放音频信号加载到频率大于20khz的所述超声载波上。通过本实施方式，可灵活选择不同的调制策略，其中，双边带调制实现方式简单，单边带调制带宽效率较高，幅度调制实现方式成熟，平方根预失真处理可改善自解调后的音频质量，可根据应用需求在功耗、带宽和音频质量之间取得平衡，提升了系统的适用性和灵活性。

23、在一种可选的实施方式中，所述待重放音频信号的最高频率小于或等于所述超声载波的频率的预设比例，且在采用幅度调制的情况下，所述待重放音频信号调制至所述超声载波时采用的调制深度小于或等于预设阈值；

24、其中，所述预设比例与所述预设阈值分别根据所述超声载波的频率、所述调制方法和目标失真指标预先设定。

25、在一种可选的实施方式中，所述基于所述波束成形参数驱动所述多个换能单元发射所述超声调制信号包括：

26、基于所述波束成形参数和所述超声调制信号，生成与所述多个换能单元一一对应的多通道驱动数据；以及

27、对所述多通道驱动数据进行时间同步和/或相位同步输出，以分别驱动所述多个换能单元按照对应的幅值数据和相位数据发射所述超声调制信号。

28、第二方面，本技术提供了一种具身机构，包括：

29、声学换能器阵列，包括多个换能单元；

30、至少一个传感器；以及

31、与所述声学换能器阵列和所述至少一个传感器耦合的控制器，所述控制器被配置为：

32、通过所述至少一个传感器获取目标对象的空间方位数据；

33、基于所述空间方位数据，确定所述声学换能器阵列的波束成形参数，所述波束成形参数包括对应于所述多个换能单元的幅值数据和相位数据；

34、将待重放音频信号调制至超声载波以生成超声调制信号；以及

35、基于所述波束成形参数，驱动所述多个换能单元发射所述超声调制信号，以形成朝向所述目标对象的超声波束，所述超声波束被配置为在向所述目标对象传播的过程中自解调出与所述待重放音频信号对应的可听声信号。

36、在一种可选的实施方式中，所述声学换能器阵列中的多个换能单元的排布结构包括矩形阵列、蜂窝状阵列、同心环状阵列、弧面阵列和曲面共形阵列中的至少一种。

37、在一种可选的实施方式中，所述声学换能器阵列具有最高超声工作频率，相邻两个所述换能单元之间的中心间距配置为不大于所述最高超声工作频率对应的声波波长的一半。

38、在一种可选的实施方式中，最高超声工作频率大于20khz；

39、在一种可选的实施方式中，多个换能单元的数量不小于64个。

40、在一种可选的实施方式中，所述具身机构为机器人，所述声学换能器阵列设置于所述机器人的头部或躯干部，且关于所述头部或躯干部的中轴线对称分布。

41、在一种可选的实施方式中，所述声学换能器阵列设于所述头部或躯干部的壳体外表面或壳体内。

42、在一种可选的实施方式中，所述控制器包括第一处理单元和与所述第一处理单元耦合的第二处理单元；其中，

43、所述第一处理单元被配置为执行所述超声调制信号的生成、所述波束成形参数的确定；

44、所述第二处理单元经由数据总线或通信接口与所述第一处理单元耦合，并且被配置为基于所述波束成形参数和所述超声调制信号执行多通道并行计算，以生成对应于所述多个换能单元的多通道驱动数据。

45、在一种可选的实施方式中，所述控制器还包括多通道驱动电路，所述多通道驱动电路电连接在所述第二处理单元与所述声学换能器阵列之间，被配置为接收所述第二处理单元传输的所述多通道驱动数据并驱动所述多个换能单元。

46、在一种可选的实施方式中，至少一个传感器包括以下至少一项：

47、声学传感器，被配置为获取所述目标对象的声音信号以进行声源定位，用以确定第一方位信息；

48、视觉传感器，被配置为获取所述目标对象的图像信息以进行目标识别，用以确定第二方位信息；或

49、姿态传感器，被配置为获取所述具身机构的姿势数据，以用于确定所述目标对象相对于所述声学换能器阵列的相对方位。

50、在一种可选的实施方式中，所述具身机构还包括与所述控制器耦合的执行机构，所述控制器还被配置为执行以下追踪锁定操作：

51、持续或周期性获取所述目标对象的空间方位数据；

52、根据获取的所述空间方位数据的变化动态更新所述目标对象的移动状态或移动轨迹，并基于所述移动状态或移动轨迹生成驱动指令以驱动所述执行机构运动，从而调整所述声学换能器阵列的物理朝向；以及

53、根据所述目标对象相对于调整后的所述声学换能器阵列的相对方位更新所述波束成形参数，并基于更新后的所述波束成形参数驱动所述多个换能单元发射所述超声调制信号，使所述超声波束的主瓣方向指向所述目标对象，和/或使所述超声波束的聚焦区域或者所述可听声信号的覆盖区域位于或保持在以所述目标对象的位置为基准的预设范围内。

54、在一种可选的实施方式中，所述执行机构包括多自由度云台、颈部关节模组或腰部关节模组；

55、所述声学换能器阵列设置于所述具身机构的头部或躯干部，所述执行机构被配置为驱动所述头部或躯干部进行水平转动和/或俯仰运动，用以调整所述声学换能器阵列的物理朝向。