第一章：声学基础与阵列概念

大家好，我是你们这门课的老朋友。做麦克风阵列这行十几年了，每次带新人，我都是从这一章开始讲起。为什么？因为后面的波束形成、自适应算法，说白了都是建立在这些基础概念之上的。地基不牢，楼盖得再高也容易塌。

1.1 声音的物理特性——你得先懂它长什么样

声音是什么？说白了就是空气的振动。一个声源发声，就像往平静的水面扔了块石头，波纹一圈圈往外扩散。只不过水里是水波，空气里是疏密波——我们叫它纵波。

这里有几个关键参数，我建议你刻在脑子里：

• 频率（f）：单位Hz。人耳能听到的大概是20Hz到20kHz。低于20Hz叫次声波，高于20kHz叫超声波。做语音增强，我们主要关心300Hz到3400Hz这个频段。
• 波长（λ）：声波在一个周期内传播的距离。公式很简单：λ = c / f，c是声速（常温下约343m/s）。
• 声速（c）：温度每升高1℃，声速增加约0.6m/s。我在北方冬天做测试时吃过这个亏，算好的延迟结果全偏了——嗯，温度的影响不能忽略。

λ = c / f

还有一个概念叫声压级（SPL），单位是dB。0dB是人耳能听到的最小声压，120dB是痛阈。做阵列设计时，动态范围是个硬指标——我见过有人用廉价MEMS麦克风做远场拾音，结果底噪比信号还大，那叫一个惨。

1.2 波束形成的基本思想——让麦克风“听”向特定方向

波束形成，名字听着高大上，其实原理很简单。你想想看，两个人站一排，一个人从左边说话，声音先传到左边的人，再传到右边的人——中间有个时间差。如果我们把这个时间差补偿回去，再把两路信号加起来，左边来的声音就变强了，右边来的声音反而被削弱了。

这就是波束形成的核心：时延补偿 + 加权求和。

用数学语言表达就是：

y(t) = Σ w_i · x_i(t - τ_i)

其中w_i是权重，τ_i是时延补偿。调整w_i和τ_i，就能让阵列“指向”不同方向。

波束形成主要分两类：

• 固定波束形成：权重和时延是固定的，指向一个预设方向。实现简单，但灵活性差。
• 自适应波束形成：根据实际信号环境动态调整权重。能自动抑制干扰，但计算量大，容易发散。

我刚开始做自适应波束形成时，遇到过算法发散的情况——输出全是噪声，比不做处理还差。后来发现是协方差矩阵估计出了问题。避坑指南：一定要加对角加载（diagonal loading），这是稳定性的保障。

1.3 麦克风阵列的几何构型——摆在哪、怎么摆

阵列的几何构型直接决定了它的性能。说白了，就是麦克风怎么放的问题。我见过有人随便摆几个麦克风就号称阵列，结果方向图一塌糊涂——嗯，这里要讲清楚。

1.3.1 线性阵列

最简单也最常用。麦克风排成一条直线，间距通常取半波长（λ/2）。为什么是半波长？因为间距太大会出现栅瓣（grating lobe），相当于方向图上多了几个“假耳朵”。

线性阵列的优点是结构简单，适合一维方向（比如水平方向）的波束形成。缺点是只能区分左右，分不清前后——这叫“前后模糊”。

1.3.2 圆形阵列

麦克风均匀分布在圆周上。圆形阵列没有前后模糊的问题，能实现360°全方位覆盖。适合智能音箱、会议系统这类需要全向拾音的场景。

圆形阵列的设计参数主要有两个：

• 半径R：决定了阵列的低频响应。R越大，低频指向性越好。
• 麦克风数量M：决定了高频的波束分辨率。M越多，波束越窄。

我一般建议：半径取10-15cm，麦克风数量至少6个。少于6个，高频方向图会变得很难看。

1.3.3 平面阵列

麦克风分布在二维平面上，常见的有矩形阵、十字阵、L形阵。平面阵列能同时分辨水平角和俯仰角，适合三维空间定位。

平面阵列的设计自由度更高，但计算量也更大。我做过一个8×8的矩形阵，64个通道同时处理，DSP差点跑冒烟。后来降采样到16kHz，才勉强跑起来。

下面这张图展示了三种常见阵列的几何构型：

1.4 阵列性能的关键指标

选阵列构型时，我一般看这几个指标：

1.5 本章小结

这一章我们聊了声音的物理特性、波束形成的基本思想，以及三种常见的阵列构型。我个人觉得，理解这些基础概念比背公式更重要。公式忘了可以查，但物理直觉丢了就很难找回来。

做阵列设计这么多年，我最大的体会是：没有最好的阵列，只有最合适的阵列。线性阵列简单高效，圆形阵列全向覆盖，平面阵列三维定位——选哪个，取决于你的应用场景。

下一章我们会深入波束形成的数学推导，包括延迟求和、MVDR这些经典算法。到时候我会拿实际项目中的代码来演示，保证让你看得过瘾。