人形机器人喇叭杂音全链路排查：扫频、共振与电源耦合治理

上周调一台双足人形样机，做自我介绍演示的时候遇到个挺磨人的问题：音量推到70%左右，喇叭里就飘出一层"嗡嗡"的低频尾巴，念到某些音节还会"噗"一下破掉；把音量压到50%以下，杂音又干净了。这种时有时无、跟音量强相关的喇叭杂音，第一反应往往是"喇叭坏了"或者"功放芯片有问题"，然后直接换件，换完发现还在响——因为问题根本不在喇叭上。

人形机器人的喇叭杂音和普通音箱完全是两码事。普通音箱你只要考虑喇叭、箱体、功放这老三样；人形机器人身上还背着一堆关节电机、大电流动力线束、紧凑到几乎没有余量的内部腔体，任何一样都可能把噪声喂给喇叭，也可能把喇叭的声音放大成共振噪音。所以排查这类问题，靠换件是撞大运，靠耳朵听也听不出门道，得有一条从音源到出声口的完整链路思路。

这篇就把我在几台样机上踩过的坑整理一遍，从怎么区分杂音类型，到扫频测试、电气排查、结构治理、DSP收尾，给一套能直接照着走的流程。不管你是整机结构工程师、负责音频固件的嵌入式开发，还是手上就有一台被杂音折磨到失眠的样机，都能在里面找到对应的一段。

1. 先给"杂音"分类：听感不同，排查路径完全分叉

杂音这两个字太笼统了。我见过太多人一上来就拆喇叭，结果拆了半天发现是电源纹波。分类做对了，后面一半的工作量就省了。我的习惯是把它分成四类，每一类的听感特征、触发条件、排查入口都不一样。

1.1 削波破音：音量越大越严重，特定音节先崩

削波的物理过程很直白：功放输出电压已经顶到供电轨了，波形顶部被削平，产生一大堆高次谐波。听感上就是"沙哑""毛刺""噗噗"，而且有个明确特征——它跟音量强相关，音量越大越严重，且往往在人声里能量最集中的那段先崩。

验证方法很简单：播一段1kHz正弦（别用音乐，音乐动态太大看不清楚），从-40dBFS开始慢慢加增益，盯住音频分析软件上的频谱。如果失真出现得远早于你预期的额定功率，别急着怪喇叭，先怀疑增益结构。从音源电平、DSP数字增益、到功放增益，任何一个环节提前削，后面都在放大这个失真。

提示：判断削波时，看的是总谐波失真THD随输出电平的拐点，不是听感。听感主观，拐点是客观的。

我遇到过一个典型情况：语音合成模块输出电平本身就比测试信号高6dB，固件里又叠了一层等响度补偿，结果功放还没出力，数字域已经削了两成。这种问题换十个喇叭都解决不了。

1.2 共振嗡鸣：只认特定音高，跟音量关系不线性

共振是人形机器人喇叭杂音里最容易被误判的一类。它的听感是单一音高的"嗡"或者"吱"，出现在某个音高附近，音源一离开这个音区就立刻消失。它跟音量有关系但不是线性的——有时候小音量就响，大音量反而被掩蔽掉了。

这类问题的本质是结构或气腔的固有频率被外部激励起来了。人声的基频男性大概85-180Hz，女性165-255Hz，这个范围正好覆盖了大量薄壁塑料件的板件共振频率。所以"说话时嗡嗡响，放音乐反而没事"这种现象非常常见，不是玄学。

判断方法就是扫频。固定频率的一条亮线，在瀑布图上不随扫频信号移动，那基本就是共振，跟信号内容无关。

1.3 电流底噪与啸叫：不出声的时候也在响

底噪是那种"沙沙"的高频噪声，安静环境里贴耳能听见，属于功放本底噪声、电源纹波、地环路或者数字信号串扰的混合产物。它的特点是：静音状态下依然存在，不受音源影响。

啸叫则是尖锐的高频单音，通常跟反馈、PWM载波泄漏或者DSP参数有关。区分方法：把音源静音，看尖叫声是否还在。还在，说明是系统自身产生的；不在，说明是音源激励出来的。

1.4 断续爆音：和运动、供电、通信状态绑定

这类最好辨认也最容易误判。"啪""咔咔"，关节一动就来，电机加速的时候格外密集。很多人的第一反应是喇叭打底（音圈擦磁隙），其实大多数情况根本不是——是电源被电机瞬时拉低、线缆共模耦合、或者软件层面的音频缓冲欠载。

对比测试是唯一可靠的入口：让机器人静态播放同一段音频，再让它边播放边做关节动作，两段录音叠在频谱上比。静态干净、动态出噪，问题就在供电或耦合上，跟喇叭没关系。

把上面四类分清之后，你会发现问题一下子被切成了四条独立的技术路线。接下来要做的，是把音频通路当作一个完整系统来拆。

2. 人形机器人的音频链路到底有多长

很多人脑子里的音频链路是"文件→喇叭"两环，实际上一台人形机器人从音源到出声口，中间至少有十个环节。每个环节都有它自己的失效模式，而且有些失效模式的听感是一模一样的，这就是为什么"凭感觉排查"效率极低。

2.1 完整链路分解与各环节典型失效

对着这张表一段一段往下切，比空想效率高得多。我一般建议在项目早期就把这张表打印出来贴在工位上，出问题直接在上面圈。

2.2 机器人特有的三个干扰源

第一个是关节电机与驱动器。现在主流是人形机器人关节用BLDC或PMSM加FOC驱动，PWM载波频率典型在16kHz到40kHz之间。载波本身听不见，但它的谐波和调制边带可能落到音频带内，尤其是多关节同时运动的时候，几个不同频率的PWM互相调制，会产出一组密度很高、频率又不太稳定的干扰谱线。这种噪声在频谱上看起来很"脏"，是一堆抖动的小峰，跟共振那种干净的单根亮线完全不是一个形态。

第二个是大电流动力线束。关节电机启动瞬间的电流可以是持续电流的好几倍，这种大电流在动力线上形成的磁场，如果和音频线束平行走一段，就通过互感耦合进音频回路。我在一台样机上量过，把音频线和动力线绑在一起走20cm，底噪直接抬高了8dB。

第三个是紧凑腔体。人形机器人的头部空间要塞进屏幕、摄像头、麦克风阵列、散热结构，留给喇叭的腔体往往只有几十毫升。腔体越小，气腔的亥姆霍兹共振频率越高，很容易落进人声中高频区域。

2.3 算一笔账：小腔体的共振频率会落在哪

亥姆霍兹共振频率的公式是 f = (c/2π)·√(S/(V·L_eff))，其中c是声速（约343m/s），S是出声孔总截面积，V是腔体有效容积，L_eff是出声孔等效长度（含端部修正）。

拿一台头部样机举个实际例子：腔体有效容积V=80cm³（8×10⁻⁵m³），出声孔总截面积S=4cm²（4×10⁻⁴m²），出声孔物理长度0.8cm，圆孔半径约1.13cm，带法兰端修正约0.85r≈0.96cm，所以L_eff≈1.76cm。

代入：f = 54.6 × √(4×10⁻⁴/(8×10⁻⁵×0.0176)) = 54.6 × √284 ≈ 920Hz。

900Hz出头，这正好落在人声中高频，也就是辅音和齿音最丰富的区域。这意味着这个腔体天生就会把某些音节染上一层金属感的共鸣。知道这个数之后，你要么扩大腔体容积，要么调整出声孔面积，要么就在DSP里打陷波——三条路都能走，但你得先知道该往哪个频点使劲。

反过来说，如果你的杂音出现在150-300Hz这种低频段，那基本可以排除气腔共振，往结构板件共振或者电源方向查。

3. 扫频测试：把"感觉有杂音"变成"能读出来的频点"

排查最怕的就是主观描述。"有点嗡嗡""听着发闷"这种话，开会讨论三小时也没结论。扫频测试的价值在于把主观听感转成客观数据：哪一段频率有问题、峰值多少dB、随音量怎么变，全都白纸黑字。

3.1 测试信号怎么选

不同信号有不同用途，我一般准备四套：

• 对数正弦扫频（20Hz-20kHz，10-20秒）：快速定位可疑频段，适合第一轮摸底。
• 定点单音步进（1/12倍频程，每点保持1-2秒）：精确定位共振峰，能测出具体的中心频率和Q值。
• 粉红噪声：看整体频响和底噪水平，能量分布均匀，接近人耳的感知方式。
• 语音扫频/实际语料：用男声、女声各念一段标准文本（比如数字1到100），因为最终考验的是人声回放。

这四套的顺序不能乱。先扫频摸底，再单音定位，再粉红噪声看整体，最后用真实语料验证。跳过前两步直接放音乐，你会发现什么问题都定位不了。

3.2 扫频的实操步骤

1. 找一个背景噪声低于30dBA的环境。实测里最常见的错误就是在办公区测，环境噪声本身就有45dBA，什么细节都淹掉了。
2. 测量麦克风固定在喇叭正前方0.5米轴上位置。距离一变，频响就变，前后数据没法对比。
3. 先静音，录一段本底噪声，做基线频谱。
4. 从-40dBFS开始，每加5dB采一次频谱，记录从哪个电平开始出现异常峰。
5. 播扫频信号，同时用频谱分析软件录制，生成瀑布图（spectrogram）。
6. 对着瀑布图读形态，这一步是核心。

3.3 瀑布图怎么读：四种形态对应四种病因

这个判读表我用了很久，几乎覆盖了九成以上的现场情况。举两个我实际碰到的例子：一次是瀑布图上出现以基频为中心、间隔约18kHz的对称边带，18kHz正好是某个关节驱动器的PWM载波，答案不言自明；另一次是一条死死钉在235Hz的水平亮线，扫频信号从100Hz扫到2kHz它都纹丝不动，那必然是235Hz附近有结构共振。

3.4 机械共振的定位手法：从"按压法"开始

知道频点了，下一步是找出到底哪个零件在振。我试过好几种方法，最土也最好用的是按压法。

用一根前端包了软胶的细棒（别用金属，会引入新的噪声），在喇叭发声的同时，逐一按压结构件：外壳盖板、网罩、喇叭支架、腔体侧壁。按到某个零件时杂音突然变小，那它就是嫌疑对象。这方法听着不专业，但在样机阶段效率极高，往往五分钟就能圈定范围。

比按压法更进一步的是贴胶带法。找到嫌疑件之后，在它和相邻件的接缝处贴一层美纹纸或者临时阻尼胶，如果杂音明显下降，说明是接触面之间的微动摩擦或者缝隙振动。这个方法能定量：贴一层和贴三层，效果差异很明显。

如果样机允许拆解，逐件拆除法最彻底：先拆装饰网罩，测一次；再拆喇叭单元裸装，测一次；再把喇叭装到单独的测试腔体上，测一次。三次数据一比，就能判断问题出在腔体、支架还是外壳。

还有一种精度更高的手段是近场声强扫描。拿麦克风贴着不同位置（腔体壁、支架、盖板内侧）逐一测，看哪个位置辐射最强，那个位置就是声源。这个方法对复合结构最有效。

4. 电气侧：电源、接地、线束三件事

结构问题解决了，还有一半的杂音来自电气。这部分排查需要用示波器，光靠听是听不出所以然的。

4.1 电源纹波和功放供电余量

功放对电源的要求比一般负载苛刻得多。一个4Ω负载输出3.46Vrms（约3W）时，电流有效值约0.87A，峰值约1.23A。这个瞬时电流如果从电池或者DC-DC到功放要经过一段长而细的走线，走线阻抗带来的压降就会让输出波形顶部塌陷，听感上就是破音。

测量方法：示波器交流耦合，带宽限制到20MHz（避免拾取高频干扰误判），探头探在功放供电引脚旁边，地线要短（用探头接地弹簧，不要用长鳄鱼夹，长地线本身就会拾取干扰）。分别在静音、中等音量、最大音量三种状态下测纹波峰峰值。

我对这个指标的经验阈值是：功放供电脚的纹波峰峰值不要超过供电电压的3%。超过这个值，就要考虑加π型滤波或者就近补大容量陶瓷电容+钽电容组合。加电容的时候要注意，大容量钽电容的ESR要在几十毫欧级才有意义，随便抓一颗高ESR的电容加进去，效果还不如不加。

4.2 地环路和接地设计

音频地和功率地混在一起，是底噪问题的头号祸首。理想的做法是单点接地：音频地、数字地、功率地各自成网络，最终在电池负极或者主接地点汇聚一次。实际产品里很难做到这么干净，但至少要保证喇叭的回流路径不和电机回流路径共用一段走线。

检测方法：用示波器两通道，一通道测喇叭负端对系统主地，另一通道测音频Codec的模拟地对系统主地，两个波形做差。如果喇叭负端上有和电机PWM同频的波动，说明地回流被污染了。

我还遇到过一个更隐蔽的情况：喇叭固定螺丝同时充当了音频地连接点，螺丝扭矩变化会改变接触电阻，导致底噪大小跟着装配工艺漂移。这种问题在批量生产里极其难查，所以音频地一定要用专门的接地点，不要和结构紧固件共用。

4.3 线束干扰的验证

音频线和动力线的关系，就两个原则：能不平行就不平行，必须平行就拉开距离；屏蔽层单端接地，双绞走线。

验证方法用分段法：第一段，把电机全部下使能（只上电不驱动），播放音频录音；第二段，电机使能但空载，播放录音；第三段，电机带载运动，播放录音。三段录音在频谱上叠起来看，噪声是在哪一段出现的，问题就出在对应的环节。

这个方法跟我排查服务器进程异常增长、通信故障时用的"分段隔离"是同一个思路——本质都是把复合系统切成几段，每次只让一段变量变化。思路是通用的，只是这里的变量变成了电机状态。

5. 结构治理：不是简单"堵"住，而是改阻尼和刚度

结构层面的共振治理，很多人第一反应就是"加吸音棉""塞东西"。这是对的方向但用错了方法。加质量会降低共振频率，加阻尼会降低共振峰的高度，这两个效果完全不一样，用错了反而会把问题挪到更难处理的频段。

5.1 腔体密封与吸音填充

先检查密封。腔体漏气有两个后果：一是低频输出被削弱（本来小腔体低频就弱，漏了更弱），二是漏气缝隙在气流通过时产生"噗噗"的气流噪声。检查方法很土但有效：把腔体装好，对着出声孔轻轻吹气，用手感受接缝处有没有漏风。有漏风的地方，补密封胶或者加密封条。

吸音填充的用量有讲究。聚酯纤维吸音棉填充腔体容积的30%到50%比较合适，太少效果不明显，太多会明显降低有效容积，反而把共振频率抬高。填充位置优先靠近腔体壁面，因为驻波的声压腹区在壁面附近，吸音棉放在那里效率最高。

5.2 减振垫与螺丝扭矩

喇叭单元和腔体之间一定要有弹性垫，常用EVA或者硅胶。垫片的压缩量控制在20%到30%之间，压太死弹性失效，等于没装；压不够又起不到隔振作用。这个压缩量的控制，靠的是结构设计时预留的高度差，不能指望装配工人的手感。

螺丝扭矩这件事必须写进工艺文件，而且要用扭力起子。经验值：M2螺丝在塑料件上取0.15到0.25 N·m，M3取0.4到0.6 N·m，塑料件一律取下限。我在样机上做过对比，同一套结构，扭力从0.5 N·m降到0.2 N·m，235Hz那个共振峰直接降了4dB——原因是过度紧固把喇叭支架压变形了，支架和腔体贴死，原本的弹性隔振失效。

注意：扭矩不是越大越可靠。音频结构里，"拧紧"往往意味着"拧坏"。

5.3 结构调整：避免大平面和悬臂

注塑件上的大平面是共振的温床。一个200mm×150mm、厚1.5mm的平板，在没有支撑的情况下，一阶模态频率很容易落在200-400Hz。解决办法不是加厚（增重且效果有限），而是在背面加筋。筋的高度取壁厚的3到5倍，间距控制在20到30mm，能把模态频率抬到人声激励不到的区域。

悬臂结构同样危险。喇叭支架如果只用两颗螺丝单边固定，另一边悬空，那个悬空端就是个振子。改成四点固定，或者增加一个支撑点，改善往往立竿见影。我在一台样机上把喇叭支架从两点固定改成四点固定，之前那个"说话时偶尔嗡嗡"的问题直接消失了，成本增加不到两块钱。

网罩也是个容易忽略的点。金属网罩刚性比塑料好，但如果金属网罩直接压在腔体上、没有任何缓冲，它本身会成为一个高Q的共振体，反而更容易产生尖锐的金属音。金属网罩和腔体之间最好有一圈软胶条过渡。

6. DSP侧的收尾：修系统不是修音色

结构和电气的问题解决完之后，剩下的一点点残余可以用DSP来收，但一定要清楚DSP能做什么、不能做什么。DSP能压电声响应上的峰，压不掉结构非线性产生的失真。

6.1 增益结构：别让功放替你做限幅

做一张从音源到喇叭的增益预算表很有必要。每一级的增益、最大输出电平、削波点都标清楚，保证在最大音量设置下，数字域还有3到6dB的余量。我见过太多项目是把DSP数字增益拉满去凑响度，结果功放永远在削波边缘工作，任何一点动态峰值都破音。

原则很简单：让功放工作在它线性最好的区间，响度不够就换灵敏度更高的喇叭或者加大腔体，不要靠数字增益硬顶。

6.2 限幅器和参数均衡的实际调法

限幅器的参数起点可以参考：启动时间1到5ms，释放时间50到200ms，阈值设在削波点下方1到2dB。启动太快会吃掉瞬态，声音变闷；太慢又拦不住突发峰值。这个需要边测边调，别一次拍死。

针对已经测准的共振峰，用参数均衡做一个窄带陷波：中心频率对准共振点，Q值取5到10，衰减3到6dB。Q值太高会导致相位突变明显，听感上会有"空洞"；Q值太低又会把邻近的有用频率一起压掉。

这里有个我踩过的坑：一开始扫描出来的共振峰在235Hz，我按235Hz加了陷波，结果只降了2dB。后来发现这个共振峰是会跟着腔体装配状态漂移的——同一批样机里，有的在230Hz，有的在242Hz。最后改成240Hz、Q=4、衰减4dB的宽一点的处理，虽然峰值没压到最低，但一致性好了很多。批量产品要考虑公差，不要为单台样机的精确值做优化。

6.3 采样率、缓冲和固件层面的坑

采样率不匹配是隐形杀手。音源是44.1kHz，DSP链路跑48kHz，中间要靠重采样，算法质量不好的话会引入额外的失真和底噪。统一到48kHz全链路口径，能省掉很多麻烦。

缓冲欠载（underrun）导致的断续爆音也很常见。判断方法：看音频驱动的欠载计数器，如果和爆音出现的时间点对得上，就是缓冲区太小或者任务调度被高优先级任务抢占了。人形机器人的音频任务经常和运动控制任务抢CPU，优先级配置不当就会出这个问题——这种杂音跟结构、电气都没关系，纯粹是软件调度问题。

7. 一次完整的排查实录

说个具体案例，把上面的流程串一遍。

问题现象：一台样机，音量超过65%时出现低频嗡鸣，集中在200到250Hz，只在播放人声时明显，播放音乐时不明显。

第一步，扫频。对数扫频20Hz到20kHz，瀑布图上在235Hz出现一条稳定的水平亮线，不随扫频信号移动。同时发现255Hz有一条较弱的次峰。归类为共振。

第二步，按压法定位。一边播放人声语料一边按压各结构件。按到后盖板中央位置时，嗡鸣明显减弱。初步判断后盖板参与共振。

第三步，拆解验证。拆掉后盖板，裸机播放，嗡鸣依旧存在但强度下降约3dB。说明后盖板只是"帮凶"，主振源在更里面。继续按压，按到喇叭支架下沿时杂音再次减弱。

第四步，检查装配。发现喇叭支架设计上只有对角线两颗M2螺丝固定，另外两个角是卡扣式定位，实际上处于自由状态。用扭力起子测，两颗螺丝的扭矩分别是0.42和0.38 N·m，都超过了塑料件的推荐值。

第五步，临时验证。拆掉卡扣处的塑料毛边，在支架与腔体之间垫入1.5mm厚EVA垫片，把两颗螺丝扭矩降到0.2 N·m，装上后盖板并在盖板内侧贴一层丁基阻尼胶。复测：235Hz峰值下降约7dB，255Hz次峰下降约4dB。听感上，音量推到85%才勉强能听出一点残余。

第六步，回归设计。把这个问题的结论反馈给结构：支架改为四点固定，注塑件扭矩规范写进工艺文件，后盖板增加两条加强筋。改模之后的样机复测，235Hz附近已经没有明显峰值了。

这个案例里，最后DSP上只加了一个240Hz、Q=4、-3dB的轻微陷波做兜底，没有再动别的。原因很简单：结构和装配的问题解决干净之后，DSP要做的只是收个尾，不是去掩盖。

8. 复测和验收该怎么定标准

修完之后一定要复测，而且要用和之前完全相同的测试条件：同样的信号、同样的麦克风位置、同样的环境。条件变了，数据就没有可比性。

我一般会做三组对比数据：维修前的瀑布图、维修后的瀑布图、以及和同批次正常样机的瀑布图。第三组最重要，因为单台样机的改善不代表达到了批量产品的水平。

验收指标我习惯看三个：共振峰的绝对幅度（相对基频衰减多少dB）、从多大音量开始出现可听杂音、以及近场1米处的THD。经验上，共振峰比主峰低20dB以上、可听杂音阈值高于额定最大音量的90%、THD在额定功率下低于1%，这三条同时满足，基本可以判定通过。

最后还要建一个快速回归测试清单，把扫频、定点单音、语音语料三套信号和三个测试音量固化成脚本，产线抽检或者每次装配工艺调整之后跑一遍。这个清单看起来是额外工作，但它能让你在装配公差波动的时候第一时间发现问题，比等到用户投诉要划算得多。

我个人在实际操作中的体会是：人形机器人的喇叭杂音，八成以上不是喇叭的错，而是结构和供电的错。真正花时间的不是修，而是定位。把扫频测试这一套流程练熟，把"感觉有杂音"变成"235Hz有一个峰"，问题就已经解决一半了。剩下的一半，往往是一颗螺丝的扭矩、一层垫片的厚度，或者两根线束之间的距离。