一、问题的提出同一组麦克风两种互相冲突的诉求在免提通话与语音交互设备里麦克风阵列的信号往往同时承担两件事一条路要把语音送去增强、编码、识别另一条路要用来估计说话人方向。免提场景的核心痛点是远、乱、混——拾音距离从 10cm 拉到 5m直达声按距离衰减环境噪声与房间混响同时抬升语音链路必须靠深度降噪才能保住可懂度。但方向估计的需求恰好相反。AR-1106 是以声源定位DOA为主的模组输出 0–180° 半平面角度串口 9600bps 以十六进制回传90° 对应 0x5A并内置 SG90 舵机驱动带动云台或机器人转向。它的角度精度来源于两个通道之间的相对时延而不是单通道的听感。于是就有了一个容易被忽略的架构问题定位支路能不能直接吃降噪之后的信号本文的结论是不能并给出理由与量化边界。二、原理拆解降噪对互相关的破坏发生在哪里TDOA 类算法GCC 及其 PHAT 变体本质上是在两通道互谱上找相位斜率对应的峰值。若把降噪抽象成逐帧逐频点的实增益Gk(t)理论上实增益不改变相位看起来无害。问题出在实现细节上增益的时变性掩蔽/谱减的增益随帧跳动等效于在互相关积分窗内做了非平稳加权。原本有效带宽 B 上均匀积分的假设被打破峰值展宽甚至偏移。两通道增益不一致若左右通道各自独立跑降噪噪声估计与门控决策必然不同步互谱幅度不再是两路同源信号的乘积PHAT 白化会把低信噪频点的相位噪声按同样权重放大。非线性残留深抑制状态下的音乐噪声、谐波再生属于非线性效应两通道的非线性各不相同这部分误差无法用实增益不改相位来豁免。AGC 与静音门AGC 的攻击/释放常数、静音门的开合时刻若不共享会在通道间引入随时间漂移的幅度差直接体现为互相关峰值的抖动。因此工程上的常规做法是把链路劈开定位支路只保留线性前端隔直、抗混叠、固定或双通道联动的增益降噪与后处理放在语音输出支路。若受成本限制必须共享一份处理后信号最低要求是两通道强制共用同一增益因子与同一门控决策把通道间不一致压到可接受范围。三、指标解读45dB 与 90dB 抑制深度在定位上的代价AR-1106 所在产品族的 AI 降噪抑制深度覆盖 45–90dB 区间。对语音链路45dB 大体是背景明显变干净90dB 已接近把噪声段压到底噪的静音门效果。但换成定位视角两者的差别要另算抑制越深时变增益的动态范围越大非平稳加权越剧烈互相关方差随之上升。90dB 深抑制会让噪声主导的帧被整体压平这些帧对时延估计的贡献几乎归零。时延估计的方差下界近似 στ ∝ 1/(Beff·√(T·SNR))有效观测时长 T 被抽掉意味着方差恶化表现为角度输出跳动而非偏置。距离维度上这个矛盾更尖锐模组拾音范围 1–5m、最远触发距离 5m5m 处直达声占比下降语音链路更需要深降噪定位链路却更需要完整的观测帧。两条路的最优抑制深度根本不在同一档位。相比之下9600bps 的串口输出并不是瓶颈一帧角度报文仅十余字节理论帧率有数十帧每秒的余量。限制跟随速度的是估计方差与平滑窗的耦合而不是链路带宽。四、设计取舍为什么做成独立定位模组 角度输出把定位单独做成一颗模组而不是塞进通话 DSP是上面这条约束的直接结果信号链解耦定位模组内部保留线性前端通话模组专注 AEC 与深度降噪两边各自按自己的目标调参避免互相牵制。输出角度而非音频串口十六进制角度对接单片机或 PLC 的代价极低省掉了 I2S 音频总线的时钟域同步与采样率协商问题。代价是上位机拿不到定位支路的原始音频无法在系统侧复核判决依据。内置舵机驱动的边界机械转向成本低但 SG90 启动电流约 800mA堵转更高。规格里明确建议外接 1A–2A 的 5V 独立供电否则电源跌落会把模组拉进复位。功率负载与信号处理同板本身就是一次取舍。0–180° 半平面双麦线阵存在前后镜像模糊几何上无法区分对称方向做全向覆盖需要三麦以上或加背板遮挡这是体积与成本的边界。命令词作为触发门命令词需定制、单次最多 10 个、建议 4–6 字并规避重叠音与多音字。用命令词而非常开定位是在多声源环境下换取判决确定性代价是必须先唤醒。五、适用范围与局限这种架构适合单说话人为主、混响不过分、需要机械跟随的场合语音跟随监控、语音机器人与互动玩具、智能追踪终端、设备异响定位、工业声源监测等。选型时要正视几处硬边界多人同时说话时只输出能量占优方向没有多目标分离能力双麦线阵无仰角信息只能给方位房间混响超过临界距离后首峰未必是直达声角度会向反射方向偏深降噪与定位精度的矛盾必须靠支路分离解决靠调参很难同时兼顾舵机机械回差与供电裕度共同决定角度重复性机械误差往往大于算法误差。落到实现层面一份务实的分工是定位支路保持浅降噪或纯线性、两通道共享增益决策语音支路按场景放开抑制深度角度输出侧再叠加死区与速率限制把剩余抖动挡在机械动作之前。