二、声学基础：声波传播、频率与波长、声压级、近场与远场、混响与直达声

波束形成技术的本质，是对空间中传播的声波进行采样、分析和重构。如果不理解声波在介质中的行为特性，就无法正确设计麦克风阵列的几何布局、处理算法和性能指标。本章将系统梳理声学基础中的五个核心概念：声波传播机制、频率与波长的关系、声压级的度量方法、近场与远场的物理边界，以及混响与直达声对阵列信号处理的影响。这些概念不仅是后续阵列信号处理的理论基石，也是工程调试中判断问题根源的关键依据。

2.1 声波传播：介质中的能量传递机制

声波是机械波，必须依赖弹性介质（空气、水、固体）进行传播。在空气中，声波以纵波形式传播，即介质粒子沿传播方向振动，形成疏密相间的压力波动。声波传播的核心物理量包括声速 c、介质密度 ρ 和声阻抗 Z = ρ·c。在标准大气压、20°C 的空气中，声速约为 343 m/s，温度每升高 1°C，声速约增加 0.6 m/s。

声波在自由场中的传播遵循球面波扩散规律：声压与距离成反比（p ∝ 1/r），声强与距离的平方成反比（I ∝ 1/r²）。这意味着距离每增加一倍，声压级下降约 6 dB。这一规律是麦克风阵列设计中动态范围预算的基础——近处声源与远处声源的信号幅度差异可能高达 40-60 dB，对 ADC 的动态范围和阵列增益提出了严苛要求。

除几何扩散外，空气吸收也是不可忽略的衰减因素。空气吸收系数与频率、湿度、温度密切相关，高频声波衰减远快于低频。例如，在 20°C、相对湿度 50% 的条件下，4 kHz 声波每传播 10 米约衰减 1 dB，而 10 kHz 声波每 10 米衰减可达 3-4 dB。这一特性直接影响波束形成系统对高频声源的探测距离和定位精度。

2.2 频率与波长：阵列设计的几何标尺

频率 f 与波长 λ 的关系由公式 λ = c / f 决定。在波束形成中，波长是决定阵列几何尺寸的最关键参数。表 2-1 列出了常见频率对应的波长值，以及相应的半波长阵元间距建议。

阵列设计中的空间混叠（Spatial Aliasing）问题与波长直接相关。当阵元间距 d 大于 λ/2 时，阵列对不同方向入射的声波会产生相同的相位差，导致方向图出现栅瓣（Grating Lobes），使波束形成器无法区分真实声源与虚假声源。因此，阵元间距必须满足 d ≤ λ_min / 2，其中 λ_min 对应系统最高工作频率。

实际工程中，阵列的工作频带往往跨越多个倍频程。例如，一个语音识别阵列需要覆盖 300 Hz 到 8 kHz 的频率范围，对应的波长从 114 cm 到 4.3 cm。若采用均匀线性阵列，阵元间距需按最高频率 8 kHz 设计为 2.1 cm，但这样会导致低频段阵列孔径过小，波束宽度过宽，方向性不足。解决思路包括：采用嵌套阵列（Nested Array）、非均匀间距设计，或使用多频段分治处理策略。

2.3 声压级：从线性声压到对数标度

声压级（Sound Pressure Level, SPL）是声学中最常用的度量单位，定义为：

SPL = 20 · log₁₀(p / p₀)  [dB]

其中 p 为有效声压（RMS），p₀ 为参考声压，空气中取 20 μPa（人耳刚能感知的阈值）。声压级将人耳可听范围（20 μPa 到 200 Pa）压缩到 0 dB 到 140 dB 的对数标度内，极大方便了工程计算。

在波束形成系统中，声压级的概念贯穿始终：

• 灵敏度预算：麦克风灵敏度通常以 mV/Pa 或 dBV/Pa 表示，需要将声压级转换为电信号幅度，确保 ADC 输入范围不被削波。
• 动态范围：阵列处理需要同时处理近处 90 dB SPL 的语音和远处 40 dB SPL 的环境声，50 dB 的动态范围要求对 ADC 的有效位数（ENOB）提出了至少 9-10 bit 的需求。
• 信噪比计算：波束形成的增益最终体现在输出信噪比的提升上，而输入信噪比直接由声压级与麦克风自噪声（通常 20-30 dBA）决定。

值得注意的是，声压级是标量，不包含相位信息。波束形成算法需要的是各阵元接收信号的复幅度（幅度+相位），因此在实际系统中，声压级用于描述信号强度，而相位差则通过时延或频域相位谱提取。

2.4 近场与远场：平面波假设的适用边界

波束形成算法通常基于远场假设，即声源距离阵列足够远，到达各阵元的声波可近似为平面波。此时，各阵元接收到的信号仅存在时延差，幅度差异可忽略。远场条件由瑞利距离（Rayleigh Distance）界定：

r_far > 2D² / λ

其中 D 为阵列最大孔径（最远两阵元间距），λ 为工作波长。当声源距离小于该边界时，系统处于近场区域，声波呈现球面波特性，各阵元接收到的信号不仅存在时延差，还存在显著的幅度差和到达角差异。

表 2-2 给出了不同阵列孔径和频率下的远场边界距离：

从表中可以看出，阵列孔径越大、工作频率越高，远场边界越远。对于智能音箱（孔径约 10 cm）的语音频段，远场条件很容易满足；但对于大型会议阵列（孔径 1 m）的高频段，远场边界可达 23 米，此时若声源距离仅 2 米，必须采用近场波束形成模型。

近场波束形成与远场的核心区别在于：近场需要精确建模球面波传播，各阵元的导向矢量（Steering Vector）不仅包含时延，还包含幅度衰减因子 1/r_i（r_i 为声源到第 i 个阵元的距离）。工程上，近场处理通常采用聚焦波束形成（Focused Beamforming），通过调整各阵元的时延和增益，使波束在特定距离处聚焦。

2.5 混响与直达声：室内声场的双重挑战

在真实室内环境中，麦克风接收到的信号由直达声（Direct Sound）和混响声（Reverberant Sound）叠加而成。直达声是声源直接传播到麦克风的声波，携带声源的方向和距离信息；混响声则是声波经墙壁、天花板、家具等界面多次反射后到达麦克风的声波，方向随机、相位杂乱。

描述室内声场的关键参数包括：

• 混响时间 RT60：声源停止发声后，声压级衰减 60 dB 所需的时间。典型办公室 RT60 为 0.4-0.6 s，会议室为 0.6-1.0 s，空旷大厅可达 2-3 s。
• 直达-混响比（D/R Ratio）：直达声能量与混响声能量的比值，随距离增加而下降。临界距离 r_c 是 D/R = 1 的位置，超过该距离后混响声占主导。
• 临界距离 r_c：由房间体积 V、RT60 和声源指向性 Q 决定：r_c ≈ 0.057·√(V/(Q·RT60))。

混响对波束形成的影响体现在三个方面：

1. 相位破坏：混响声的随机相位使各阵元接收信号的相关性下降，波束形成器的相干增益无法完全实现，实际增益低于理论值。
2. 定位偏差：强混响环境下，基于到达时间差（TDOA）的定位算法容易锁定到反射声路径，产生"虚像"定位。
3. 去相关效应：高频混响的空间去相关性强，导致自适应波束形成器的协方差矩阵估计不准确，算法稳定性下降。

工程应对策略包括：采用延迟求和波束形成器配合后置维纳滤波抑制混响；使用多通道去混响预处理（如加权预测误差 WPE 算法）；在自适应波束形成中引入对角加载（Diagonal Loading）提高稳健性；以及利用混响的时间平稳性进行噪声协方差矩阵估计。

2.6 声学基础综合应用：阵列设计参数推导

综合本章知识，一个完整的波束形成阵列设计需要遵循以下参数推导流程：

1. 确定工作频带：根据应用场景定义 f_min 和 f_max。语音识别取 300 Hz - 8 kHz，声学监测取 20 Hz - 20 kHz。
2. 计算最小波长：λ_min = c / f_max，据此确定阵元间距上限 d ≤ λ_min / 2。
3. 确定阵列孔径：根据低频方向性需求确定 D，通常 D ≥ 2λ_min（对应 3 dB 波束宽度约 30°）。
4. 验证远场条件：计算 r_far = 2D²/λ_min，确认目标声源距离是否满足远场假设；若不满足，需采用近场模型。
5. 评估混响影响：估算临界距离 r_c，若目标声源距离大于 r_c，需在算法中增加去混响模块。
6. 动态范围预算：计算最大声压级与最小可检测声压级之差，确定 ADC 位深和麦克风灵敏度。

2.7 总结与复盘

本章的五个核心概念构成了波束形成技术的物理基础。声波传播规律决定了信号随距离的衰减模型；频率与波长的关系直接约束了阵列的几何设计；声压级为系统动态范围提供了度量工具；近场与远场的边界决定了算法模型的选取；混响与直达声的平衡则影响了信号处理策略的复杂度。在实际工程中，这些因素相互耦合，例如增大阵列孔径虽能提升低频方向性，但会推远远场边界并加剧混响去相关效应。因此，阵列设计本质上是一个多目标优化问题，需要根据具体应用场景权衡取舍。

建议读者在后续学习波束形成算法时，始终将本章的物理概念作为判断依据：当算法仿真结果与理论预期不符时，首先检查是否违反了远场假设、阵元间距是否满足空间采样定理、混响是否导致协方差矩阵病态。这些基础判断往往能快速定位问题根源，避免在复杂算法中盲目调参。