一、概述
當将語音識别算法接入到裝置時，務必要保證裝置的音頻通路具有足夠的品質。是以對裝置進行音頻測試，以評估能夠影響語音識别性能的音頻前端的音頻參數。如下要點對語音識别至關重要：
- 自然聲音
- 合适的增益
- 良好的信噪比
- 一緻的響應，信号不能包括如下資訊： 自動增益控制 AGC 啟動響應 直流偏置過大
- 适當的頻響 （高低滾降，理想平滑，沒有混跌）
二、測試裝置
- 帶有錄音軟體的被測試裝置
- 音頻測試儀器：CD機，均衡器，音箱，人工嘴和聲壓計
- 帶分析工具的PC機（CoolEditor、Audition、Audacity和Wavesurfer等）
三、音頻檔案
- 正常音頻檔案：用于主觀判斷音頻品質和增益設定以及信噪比；
- 大增益檔案：用于判定削波時的增益設定；
- 1K-sine增益Sweep檔案0~105dB：用于評估削波，決定最大數值和判定AGC存在與否；
- 0~8K/16K掃頻檔案：用于測試裝置的頻響和混跌；
四、測試項目
1. 主觀聽音
用品質好的耳機去聽裝置的音質，進而發現一些非正常聲音；比如：雜音、諧波和共振等；
音頻路徑上過多的信号處理可能導緻聲音畸變為人造聲，不符合正常自然聲音，會對軟體識别造成很大困難。
2. 增益評估
裝置在各種使用場景下，務必保持增益的設定不要使信号削波；削波會嚴重降低識别性能，必須禁止。
95dB的聲音應該剛好填滿16bit音程；
3. 信噪比
靜默值作為底噪，聲音波形的中部作為信号；尤其注意某些記錄将具有資料實際值為零的引導/拖尾部分，不要使用這部分作為靜默測量；麥克風單體的信噪比，除了本身規格書之外，在實際産品中收到電路噪聲影響很大，尤其注意模拟麥克風bias電源。
信号比：S/N＞30對于識别是良好的比值，大于20也是可行的；如果小于20的話，則說明音頻路徑上太吵了導緻很難識别成功。
4. 自動增益控制AGC
AGC的存在，當音頻信号的幅度增大時，它通常表現為增益逐漸減小。它會影響識别效果，是以得關閉此功能，類似的有自動電平控制寄存器ALC等。
同時部分功放帶有動态調節音量的功能，務必關閉此項功能，否則嚴重影響AEC效果；所有的動态調節都務必在AEC采樣點之前進行，具體如下圖示意：
5. 啟動瞬态Startup transients
音頻系統經常在錄音指令下達後，需要一段時間才能真正啟動操作，這導緻了啟動瞬态；如果這主要包括低頻的話，将不會對識别造成影響，因為識别器中有低通濾波器。
然而試圖消除瞬态的話，将信号鉗位在零電平上超過幾十毫秒的話，會嚴重影響識别。在這種情況下，最好完全跳過音頻，而不是将此錯誤資訊發送給識别器。
上圖中紅色框中125ms的啟動瞬态，應該跳過。
6. 直流偏置過大DC offset
直流偏置可以看作是靜音信号在零信号線上高于或者低于的信号；
如果偏移量為滿刻度限制的百分之幾或者更少，是沒有問題的；
但是如果超過10%則需要糾正，很大的偏移将導緻不對稱削波。
7. 頻響曲線Response curve
為了隔絕麥克分錄音到其他雜音，麥克風需要與喇叭足夠近，大緻2.5cm處錄音。
檢查FFT大小設定為2048個采樣點，采樣視窗設定為Blackmann Harris；
理想的頻率響應曲線在頂端220Hz和3200~3900Hz之間的幾分貝内是平坦的，內插補點一般控制在10dB以内是可以接受的（16K采樣率的為6400Hz～7400Hz）如下圖所示：
頻響曲線是個慢慢的漸變過程，如果個别區域出現急劇變化，應該重點關注并研究，音頻可能存在其他問題。
8. 混疊Aliasing
當超過采樣速率的一半（奈奎斯特極限）的信号被允許進入模數轉換器（ADC）時，出現混疊現象。如下為ES7210調試初期出現的混疊現象：
混疊是影響識别的一個重大因素，必須消除混疊；
故ADC需要有抗混疊處理，例如抗混疊濾波器等。
9. 諧波失真Harmonic distortion
當錄音系統增加輸入信号的泛音時，會出現諧波失真；
AEC對信号失真是非常敏感的，音頻通路的整體諧波失真需要控制在5%以内，故從麥克風到功放到揚聲器和音腔，均需要嚴格控制；除了單體品質之外，尤其注意功放和揚聲器的功率比對、阻抗比對和頻率比對；
如下圖為1K-sine信号的頻譜圖，有奇次諧波、偶次諧波：
如下圖為8K-sweep信号的頻譜圖，有奇次諧波、偶次諧波：
諧波失真越小越好，一般要求最好是小于3%。
補充小結項：
| 1-靈敏度和諧波失真 |
| 2-頻響和混疊 |
| 3-失真和完整性 |
| 4-麥陣相關性 |
| 5-相對延遲、系統延遲 |
| 6-底噪 |
彙總補充如下：
麥克風信噪比：60~70 分近中遠三場景；
麥克風靈敏度：-40（模拟） -26（數字）；
頻響平坦度：2dB （100Hz~6KHz）；
收音孔氣密性：大于20dB；
麥克風一緻性：相位小于10，幅度小于2dB；
麥克風間距：25~60mm之間； 間距小影響低頻，間距大影響高頻；疊加裝配的誤差率，體驗上在正常噪音環境下影響喚醒率和打斷率1個點左右；
采樣信号幅度：最大幅度下不截幅；
采樣信号非線性失真：低頻小于10%，300Hz~2KHz小于3%；
采樣信号底噪：小于-70dB；
各通道信号同步；采樣波形無畸變，無混疊；
參考信号信噪比：大于40dB；
參考信号：無截幅；