Phần cứng:

  + Module thu âm: 2 micro, mạch khuếch đại, lọc thông dải 150–1000 Hz, ADC/DAC 12-bit, USB, tai nghe.

  + Webcam góc rộng 120°, 12 MP, 30 fps.

  + Kích thước module: 45×30×5 mm.

• Phần mềm:
•   + Chạy trên tablet Windows 10, giao diện GUI, xử lý ảnh bằng OpenCV, luồng nhận/truyền âm thanh qua USB.
•   + Nhận diện khuôn mặt/đôi mắt, cho phép chọn người nói, tính khoảng cách & góc, suy ra TDOA.
•   + Bộ lọc ASEF dùng thuật toán LMS (leakage 0,0001, learning rate tối ưu ~0,4) để tăng SNR.
• - Thuật toán:
•   + Ước lượng khoảng cách dọc (Dvert) từ chiều cao mắt trên ảnh, khoảng cách ngang (Dhor) từ độ rộng mắt, tính góc và TDOA.
•   + Dùng TDOA để căn chỉnh pha tín hiệu giữa 2 micro, sau đó lọc thích nghi để loại bỏ nhiễu.
• - Kết quả:
•   + Sai số TDOA < 1,25×10⁻⁴ ms khi khoảng cách < 4 m.
•   + Giảm nhiễu hiệu quả ở nhiều mức SNR, kể cả nhiễu không tĩnh và môi trường phức tạp (lớp học, bệnh viện, gia đình).
•   + Hạn chế: hiệu quả giảm khi góc quá lớn hoặc người nói quay mặt (không thấy cả hai mắt).
• - So sánh:
•   + Chính xác hơn phương pháp cross-correlation trong môi trường nhiều nhiễu và vang.
•   + Cho phép chọn thủ công người nói, khác với các phương pháp beamforming hoặc phân loại môi trường.
•   + Nhược điểm: phụ thuộc độ sáng môi trường và góc nhìn.