AR-1106定位支路旁路降噪的相位一致性分析-育师

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 5m，5m 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。