2、声学基础：声波传播特性、距离衰减原理、声压级与分贝计算
智能音箱的远场识别能力，本质上是对声学物理规律的系统性工程应对。当用户在三米外轻声说“播放周杰伦的歌”，麦克风阵列接收到的信号已经经历了空气吸收、几何扩散、墙面反射、家具散射等多重衰减与畸变。理解声波如何传播、能量如何衰减、分贝如何计算，是设计远场识别算法、选择麦克风灵敏度、配置增益结构的前提。本章从声波传播的物理本质出发，逐步拆解距离衰减的数学表达与分贝计算的工程实践，为后续混响抑制与干扰处理奠定理论基础。
2.1 声波传播的物理特性
声波在空气中传播时，其能量衰减遵循两个基本机制：几何扩散（geometric spreading）和大气吸收（atmospheric absorption）。几何扩散是主导因素，它不依赖于频率，仅由声源与接收点之间的距离决定。对于点声源，声波以球面波形式向外扩散，声强与距离的平方成反比，即每增加一倍距离，声强下降 6 dB。这一规律被称为“平方反比定律”，是远场识别中距离衰减计算的核心依据。
大气吸收则与频率强相关。高频声波在传播过程中更容易被空气分子吸收，其衰减系数随频率升高而增大。在 20°C、相对湿度 50% 的典型室内环境下，1 kHz 声波的吸收系数约为 0.001 dB/m，而 8 kHz 声波则达到约 0.02 dB/m。这意味着在 3 米距离上，8 kHz 的高频成分额外衰减约 0.06 dB，虽然数值不大，但在多反射叠加的混响环境中，高频细节的丢失会直接影响辅音识别精度。此外，温度梯度和气流会引起声速不均匀，导致声波折射，使声源位置感知产生偏差，这对波束成形算法的到达角估计构成挑战。
2.2 距离衰减原理与声压级计算
声压级（Sound Pressure Level, SPL）是衡量声波强度的常用物理量，其定义为：
SPL = 20 × log₁₀(p / p₀) （单位：dB SPL）其中 p 为有效声压（Pa），p₀ 为参考声压 20 μPa（人耳可听阈值）。对于点声源，距离 r 处的声压级与参考距离 r₀ 处的声压级关系为：
SPL(r) = SPL(r₀) - 20 × log₁₀(r / r₀)当 r₀ = 1 m 时，距离每增加一倍，声压级下降 6 dB。例如，用户在 1 米处说话产生 65 dB SPL，则在 2 米处为 59 dB，4 米处为 53 dB。然而，实际室内环境并非自由场，反射声会部分补偿直达声的衰减。在混响半径（reverberation radius）以内，直达声占主导；超过该半径，混响声场占主导，声压级衰减速率减缓至每倍距离约 3-4 dB。对于普通客厅（体积约 60 m³，RT60 约 0.5 s），混响半径通常在 1-1.5 米左右，因此智能音箱在 3 米外的拾音场景中，接收到的信号中混响成分已超过直达声。
| 距离 (m) | 自由场衰减 (dB) | 室内实际衰减 (dB) | 典型 SPL (dB SPL) | 识别难度评估 |
|---|---|---|---|---|
| 0.5 | +6.0 | +4.5 | 69.5 | 轻松识别 |
| 1.0 | 0 | 0 | 65.0 | 正常识别 |
| 2.0 | -6.0 | -4.2 | 60.8 | 需增益补偿 |
| 3.0 | -9.5 | -6.8 | 58.2 | 需波束成形 |
| 5.0 | -14.0 | -10.5 | 54.5 | 高难度场景 |
上表对比了自由场与室内实际环境的衰减差异。室内环境由于反射声的叠加，衰减速率低于自由场，但混响带来的时间拖尾效应会降低语音的可懂度。因此，远场识别系统不能仅依赖声压级补偿，还需要通过去混响算法恢复语音的时域清晰度。
2.3 分贝计算在系统设计中的应用
分贝（dB）是一个对数单位，用于描述两个物理量的比值。在声学系统中，常见的分贝类型包括：
- dB SPL：声压级，参考值 20 μPa，用于描述声音的强度。
- dBFS：数字满量程，参考值为 ADC 最大量化电平，用于描述数字信号幅度。
- dBV / dBu：电压单位，分别参考 1 Vrms 和 0.775 Vrms，用于模拟音频接口。
- dBA：A 计权声压级，模拟人耳对不同频率的敏感度差异，常用于噪声评估。
在智能音箱设计中，麦克风灵敏度通常以 dBFS/Pa 表示。例如，一颗灵敏度为 -26 dBFS/Pa 的 MEMS 麦克风，在 1 Pa（94 dB SPL）声压下输出 -26 dBFS 的数字信号。当用户以 65 dB SPL 在 3 米外说话时，到达麦克风的声压级约为 58 dB SPL，对应声压为 0.16 Pa，输出信号幅度约为：
输出电平 = -26 dBFS + 20 × log₁₀(0.16 / 1) = -26 - 15.9 = -41.9 dBFS这一信号电平远低于 ADC 的满量程，但高于麦克风的本底噪声（通常为 -85 dBFS 左右）。系统需要提供约 40 dB 的模拟增益或数字增益，将语音信号提升至 -10 dBFS 左右，同时确保噪声不被过度放大。AGC（自动增益控制）算法需要根据输入电平动态调整增益，避免在安静环境下过度放大背景噪声。
2.4 案例拆解：3 米远场语音识别失败排查
背景与约束：某智能音箱产品在实验室测试中，1 米距离唤醒率 98%，但用户反馈在 3 米外唤醒率骤降至 62%。产品采用 4 麦克风环形阵列，MEMS 麦克风灵敏度 -26 dBFS/Pa，ADC 动态范围 100 dB，DSP 增益结构为固定 30 dB 模拟增益 + 数字 AGC。
初始现象与数据：在 3 米距离、环境噪声 35 dBA 的条件下，录制唤醒词语音，分析发现：
- 语音信号峰值电平约 -38 dBFS，平均电平 -45 dBFS。
- AGC 输出电平仅提升至 -20 dBFS，未达到目标 -12 dBFS。
- 背景噪声电平从 -70 dBFS 被放大至 -40 dBFS，信噪比仅 20 dB。
- 唤醒引擎的置信度阈值为 0.7，实际得分 0.55。
分析判断过程：首先检查 AGC 配置，发现其最大增益限制为 25 dB，而实际需要约 33 dB 增益才能将 -45 dBFS 提升至 -12 dBFS。其次，固定 30 dB 模拟增益已接近前置放大器的线性上限，继续增加会导致 1 米近距离语音削波。进一步分析频谱，发现 3 米距离下 4 kHz 以上高频成分衰减比 1 米处多 8 dB，导致辅音能量不足，置信度下降。
实际操作步骤：
- 将 AGC 最大增益从 25 dB 提升至 40 dB，同时将目标电平调整为 -15 dBFS，留出更多余量。
- 增加高频预加重滤波器，在 2-6 kHz 频段提升 6 dB/oct，补偿距离衰减带来的高频损失。
- 调整波束成形算法的后置滤波器，将波束宽度从 60° 收窄至 45°，提升阵列增益 3 dB。
- 在 DSP 中增加噪声估计器，对 200 Hz 以下低频噪声进行 6 dB 衰减。
结果对比：优化后，3 米距离唤醒率从 62% 提升至 91%，信噪比从 20 dB 提升至 28 dB。1 米距离唤醒率保持 97% 不变，未出现近距离削波问题。代价是 AGC 响应时间变长（约 10 ms），在快速连续唤醒场景下略有延迟，但通过调整释放时间至 300 ms 得到缓解。
复盘经验：远场识别问题往往不是单一因素导致，而是增益不足、频响衰减、波束增益不足三者叠加的结果。排查时应先计算理论链路预算，再逐级测量实际信号电平，避免盲目调整单一参数。
2.5 常见误区与总结
误区二：过度依赖 AGC 补偿距离衰减。AGC 只能调整增益，无法恢复被混响破坏的时域包络。当混响时间超过 0.6 秒时，必须引入去混响算法，否则语音可懂度无法通过增益补偿恢复。
误区三：忽略分贝计算的参考基准。dB SPL、dBFS、dBV 混用会导致增益计算错误。例如，将麦克风灵敏度 -26 dBFS/Pa 误认为 -26 dBV/Pa，会导致 20 dB 的增益误差。
总结而言，声波传播的物理规律决定了远场识别的性能上限。距离衰减的 6 dB/倍距法则、混响半径的临界点、分贝计算的基准统一，是系统设计必须掌握的三项基本功。在实际工程中，建议建立完整的链路预算表，从声源声压级、传播衰减、麦克风灵敏度、ADC 动态范围到 DSP 增益，逐级计算并留出 10 dB 以上的余量。同时，通过实测数据验证理论模型，因为室内声场的复杂性往往使理论计算与实际情况存在 3-5 dB 的偏差。只有将声学基础与信号处理算法紧密结合，才能在真实家居环境中实现稳定可靠的远场语音交互。