GSC 波束形成

概述

ESP-SR GSC（Generalized Sidelobe Canceller，广义旁瓣抵消器）模块是面向麦克风阵列的自适应波束形成器。在给定目标说话人方向的条件下，它可以增强该方向的语音，同时抑制其他方向的干扰和噪声，输出单通道增强信号。它通常与 DOA 模块级联使用，由 DOA 实时提供目标方向，广泛应用于远场语音交互、会议转写等场景。

备注

GSC 模块目前仅支持 ESP32-P4。

GSC 模块具有以下特点：

支持任意阵列几何形状：2 个及以上麦克风，麦克风坐标在运行时配置
帧长：16 kHz 采样率下每通道 128 个采样点（每帧 8 ms）
输入为多通道 16-bit PCM（planar 排布），输出为单通道 16-bit PCM
定向方向可按帧更新，支持移动说话人

使用方式

头文件为 include/esp32p4/esp_gsc.h。

基本流程：

定义麦克风阵列几何坐标

麦克风坐标以米为单位，采用右手坐标系，每个麦克风一项。各坐标项可以是任意顺序，但传入 esp_gsc_process() 的第 i 路音频必须始终来自 mic_coord[i] 对应的麦克风。

#include "esp_gsc.h"

/* 4 麦均匀圆阵，半径 5 cm；第 i 个麦克风位于 i*90 度方向 */
PlaneCoord mic_coords[4] = {
    { 0.05f, 0.0f, 0.0f},
    { 0.0f,  0.05f, 0.0f},
    {-0.05f, 0.0f, 0.0f},
    { 0.0f, -0.05f, 0.0f},
};

创建 GSC 实例

gsc_handle_t *gsc = esp_gsc_create(mic_coords, 4);

处理音频帧

输入为 mic_num 通道 16-bit PCM 音频，planar（分通道） 排布（[ch0_0..ch0_127, ch1_0..ch1_127, ...]），每帧每通道 128 个采样点。loc_phi 为目标说话人方向，单位为度，范围 0–360，定义在阵列绝对坐标系中（0° = x 轴正方向，逆时针）。输出为 128 个采样点的单通道 16-bit PCM。
```
int16_t mic_data[128 * 4];  // 4 通道，planar 排布
int16_t out_data[128];
esp_gsc_process(gsc, mic_data, 0.0f, out_data);  // 定向到 0 度
```
备注

自适应滤波器需要一定时间（约 1 秒）收敛。实例创建或定向方向改变后，增强效果会逐渐建立。
释放资源
```
esp_gsc_destroy(gsc);
```

与 DOA 级联

在典型应用中，DOA 模块逐帧估计说话人方向，GSC 模块将波束对准该方向：

/* 两个模块传入相同的坐标数组 */
esp_doa_capon_embedded_handle_t *doa =
    esp_doa_capon_embedded_create(mic_coords, 4);
gsc_handle_t *gsc = esp_gsc_create(mic_coords, 4);

while (1) {
    /* mic_planar：planar 排布的 4 通道 x 128 采样点（DOA 与 GSC 共用） */
    float angle = esp_doa_capon_embedded_process(doa, mic_planar, vad);
    esp_gsc_process(gsc, mic_planar, angle, out_data);
}

警告

两个模块必须使用相同的麦克风坐标数组，否则估计出的角度会对应错误的通道。

内存配置

在 ESP32-P4 上，GSC 核心的内部缓冲区默认分配在 PSRAM 中。如需改用内部 RAM，可定义编译选项 GSC_P4_INTERNAL_RAM。
在包含 esp_gsc.h 之前定义 ESP_GSC_DISABLE_PSRAM，只会将少量的封装层缓冲区（句柄和帧转换缓冲区）移到内部 RAM，不影响 GSC 核心缓冲区。

性能测试

测试程序 test_apps/esp-sr-gsc-stream 配合主机脚本 host_gsc_stream.py 评估 GSC 的增强性能：

主机通过 USB-serial-JTAG 控制台，以二进制锁步协议将多通道含噪混合音频逐帧发送到芯片。
芯片使用 esp_gsc_process() 对每帧做波束形成（定向到已知的目标方向），并将单通道输出回传。
主机分别计算输入混合音频和波束形成输出相对于干净目标参考的 SNR（信噪比），并报告 SNR 提升量。前 125 帧（1 秒）不计入指标，以等待自适应滤波器收敛。

测试结果：

信噪比	提升 (dB)
-5 dB	+13.3
0 dB	+12.1
+5 dB	+10.6
总体	+12.0

资源消耗

下表为典型的资源占用与性能数据（16 kHz 采样率）：

提供有关此文档的反馈