4. 麦克风阵列基础：从单耳到多耳

各位同学，欢迎来到第四章。前面几章我们聊了单通道的声学处理，说白了就是一个麦克风能做的事。但现实世界里的声音是三维的，有方向、有距离、有混响。一个麦克风就像一只耳朵，你很难判断声音到底从哪来。所以，我们需要多只耳朵——也就是麦克风阵列。

这一章我会带大家把麦克风阵列的底子打牢。我们从麦克风本身的类型讲起，再到阵列怎么摆，最后引出波束形成这个核心概念。嗯，这些都是后面自适应算法的地基。

4.1 麦克风类型：全向 vs 指向性

先说说麦克风本身。我刚开始做项目时，总觉得麦克风就是个拾音器，随便买一个就行。后来在某个会议系统项目里吃了亏——用了全向麦，结果把空调噪声、键盘声全收进来了，后处理怎么降噪都费劲。从那以后，我选型时都会先问一句：你要全向还是指向？

4.1.1 全向麦克风

全向麦克风对所有方向的声音灵敏度基本一致。它的极性图是个圆，像个球体。好处是能捕捉整个声场，适合环境监听、会议录音这种场景。但坏处也很明显——噪声和混响一起收进来，信噪比不好控制。

4.1.2 指向性麦克风

指向性麦克风只对特定方向的声音敏感。常见的有心形、超心形、枪式等。它的极性图像个心形或更窄的波瓣。指向性麦克风能有效抑制侧向和后方的噪声，但代价是低频响应会下降，而且对安装角度要求很高。

我在做车载语音系统时，用过一种双振膜差分麦克风，它通过前后声压差实现指向性。这种麦克风对声学端口的一致性要求极高，稍微有点灰尘堵塞，指向性就偏了。嗯，避坑指南来了——

4.1.3 对比总结

4.2 阵列几何结构：怎么摆有讲究

麦克风选好了，接下来就是怎么摆。阵列的几何结构直接决定了你能分辨什么方向的声音、能覆盖多宽的频带。我个人习惯把阵列结构分成三类：线性、圆形、球形。每种都有它的脾气。

4.2.1 线性阵列

线性阵列就是把麦克风排成一条直线。这是最简单的结构，也是我最早接触的。它的波束在阵列法线方向最窄，在端射方向最宽。说白了，它只能分辨一个平面内的角度（方位角），不能分辨俯仰角。

线性阵列的阵元间距很关键。间距太大，会出现空间混叠（栅瓣）；间距太小，阵列孔径不够，低频指向性差。我一般遵循半波长原则——阵元间距取最高工作频率对应波长的一半。

4.2.2 圆形阵列

圆形阵列把麦克风均匀分布在圆周上。它的好处是能实现 360° 全向覆盖，而且方位角分辨率在各方向基本一致。圆形阵列适合做声源定位和全向波束形成。

圆形阵列的半径选择是个权衡。半径越大，低频指向性越好，但高频会出现空间混叠。我建议半径取最低工作频率波长的 1/4 到 1/2 之间。举个例子，如果最低频率是 500Hz（波长约 68cm），半径取 17-34cm 比较合适。

4.2.3 球形阵列

球形阵列是三维结构，麦克风分布在球面上。它能同时分辨方位角、俯仰角和距离，适合做全空间声场分析。球形阵列的数学基础是球谐函数，听起来很唬人，但说白了就是把声场分解成不同阶数的球谐分量。

我记得在做一个 3D 音频采集项目时，用过 Eigenmike 那种 32 通道球形阵列。它的优势是能重建完整的声场，但计算量也大得吓人。如果你只是做简单的声源定位，用圆形阵列就够了，别上来就上球形，容易把自己绕进去。

4.2.4 结构对比

4.3 波束形成的基本概念

好了，麦克风选好了，阵列也摆好了。接下来就是核心问题：怎么让阵列只听某个方向的声音，忽略其他方向？这就是波束形成。

波束形成，说白了就是给每个麦克风的信号加一个时延和权重，然后叠加起来。时延用来对齐目标方向的声音，权重用来控制波束的形状。你想想看，如果所有麦克风都对齐了同一个方向，那这个方向的声音就会同相叠加，信号变强；其他方向的声音相位不一致，叠加后相互抵消，信号变弱。

4.3.1 延迟求和波束形成

这是最简单的波束形成方法。假设目标方向是 θ，那么每个麦克风接收到的信号需要补偿一个时延 τ_i，使得所有麦克风在目标方向上的信号相位一致。然后直接求和。

// 延迟求和波束形成伪代码
function delay_sum_beamforming(signals, theta, mic_positions, fs):
    // signals: 二维数组 [num_mics][num_samples]
    // theta: 目标方向（弧度）
    // mic_positions: 麦克风坐标 [num_mics][2]
    // fs: 采样率
    
    c = 343  // 声速 (m/s)
    num_mics = len(signals)
    output = zeros(len(signals[0]))
    
    for i in range(num_mics):
        // 计算相对于参考点的时延
        tau = (mic_positions[i][0] * cos(theta) + 
               mic_positions[i][1] * sin(theta)) / c
        delay_samples = round(tau * fs)
        
        // 时延补偿后叠加
        for n in range(len(output)):
            if n - delay_samples >= 0 and n - delay_samples < len(signals[0]):
                output[n] += signals[i][n - delay_samples]
    
    // 归一化
    output /= num_mics
    return output

这段代码看着简单，但实际用起来坑不少。时延补偿需要插值，因为采样点是离散的，时延不一定是整数倍。我一般用 sinc 插值或者分数延迟滤波器，直接取整会引入量化误差，波束指向性会变差。

4.3.2 波束图与主瓣

波束图描述了阵列对不同方向信号的增益。主瓣是增益最大的方向，旁瓣是其他方向的泄漏。主瓣越窄，指向性越好；旁瓣越低，干扰抑制能力越强。

衡量波束形成性能有几个关键指标：

• 主瓣宽度（3dB 波束宽度）：主瓣增益下降 3dB 时的角度范围。阵元越多、孔径越大，主瓣越窄。
• 旁瓣电平：最大旁瓣相对于主瓣的增益。一般要求低于 -20dB，否则干扰信号会从旁瓣漏进来。
• 指向性指数：主瓣方向增益与全空间平均增益的比值。反映了阵列抑制各向同性噪声的能力。

4.3.3 自适应波束形成

延迟求和是固定的，不能适应环境变化。自适应波束形成会根据接收到的信号实时调整权重，自动在干扰方向形成零陷。最经典的是 MVDR（最小方差无失真响应）波束形成器。

MVDR 的核心思想是：在保证目标方向增益不变的前提下，最小化输出功率。说白了，就是让阵列自动去抑制干扰和噪声。我在做智能语音助手时，用过 MVDR 来抑制电视背景音，效果比固定波束形成好很多，但计算量也大了不少。

4.4 知识体系总览

这一章的内容比较多，我画了一张图帮你理清脉络。从麦克风类型到阵列结构，再到波束形成，是一条完整的链路。

这张图把这一章的核心内容串起来了。你从麦克风类型出发，选择适合的阵列结构，再根据应用场景选择波束形成算法。每一步都有它的物理约束和工程权衡。

好了，这一章就到这里。麦克风阵列的基础打牢了，后面我们才能聊自适应波束形成、声源定位这些更高级的话题。记住，阵列设计没有银弹，每个参数都是取舍。多动手仿真，多在实际场景里测试，慢慢你就能找到感觉。