一、引言：聲源定位技術(shù)的行業(yè)困境

語音交互已經(jīng)成為智能設(shè)備的標(biāo)配功能，但 "聽聲辨位" 能力的普及卻異常緩慢。其根本原因在于，傳統(tǒng)技術(shù)路線無法同時(shí)滿足三個(gè)核心需求：

性能需求：足夠的定位精度、拾音距離和抗干擾能力

成本需求：適合大規(guī)模量產(chǎn)的 BOM 成本

開發(fā)需求：低門檻、短周期的集成體驗(yàn)

過去十年，行業(yè)主要沿著兩條技術(shù)路線發(fā)展：

多麥陣列路線：通過 3 個(gè)以上麥克風(fēng)形成陣列，利用波束成形技術(shù)實(shí)現(xiàn)高精度定位。代表產(chǎn)品如科大訊飛 6 麥陣列、百度大腦 8 麥陣列。這類方案性能優(yōu)異，但單模組成本超過 100 元，開發(fā)周期長(zhǎng)達(dá)數(shù)周，且體積龐大，僅適用于高端產(chǎn)品。

純軟件算法路線：利用通用處理器運(yùn)行 WebRTC 等開源算法實(shí)現(xiàn)雙麥定位。這類方案硬件成本極低，但需要占用大量 CPU 資源，定位精度不穩(wěn)定，抗干擾能力差，且開發(fā)難度極高。

這兩條路線之間形成了一個(gè)巨大的市場(chǎng)空白：大量中小廠商和創(chuàng)客需要一款 **"夠用、便宜、好上手"** 的聲源定位方案。AR-1106 的出現(xiàn)，正是精準(zhǔn)填補(bǔ)了這一空白。它沒有采用任何革命性的新技術(shù)，而是通過一系列精妙的工程化創(chuàng)新，在成熟技術(shù)的基礎(chǔ)上實(shí)現(xiàn)了性能、成本和開發(fā)難度的最佳平衡。

二、雙麥 TDOA 定位的技術(shù)瓶頸與工程化難題

雙麥 TDOA (到達(dá)時(shí)間差) 定位是最基礎(chǔ)也是最具成本優(yōu)勢(shì)的聲源定位技術(shù)。其原理非常簡(jiǎn)單：聲音到達(dá)兩個(gè)麥克風(fēng)的時(shí)間差與聲源的角度存在一一對(duì)應(yīng)的關(guān)系。通過精確測(cè)量這個(gè)時(shí)間差，就可以計(jì)算出聲源的方位角。

然而，理論上的簡(jiǎn)單性掩蓋了工程實(shí)現(xiàn)上的巨大難度。這也是為什么市面上絕大多數(shù)廉價(jià)雙麥模組性能都很差的原因。

2.1 麥克風(fēng)間距的兩難選擇

雙麥陣列的間距是影響定位精度的最關(guān)鍵參數(shù)之一。根據(jù)聲學(xué)原理，定位誤差與麥克風(fēng)間距成反比：間距越大，時(shí)間差越明顯，測(cè)量精度越高。但同時(shí)，間距過大也會(huì)帶來兩個(gè)嚴(yán)重問題：

相位模糊：當(dāng)聲音波長(zhǎng)小于兩倍麥克風(fēng)間距時(shí)，會(huì)出現(xiàn)多個(gè)角度對(duì)應(yīng)同一個(gè)時(shí)間差的情況，導(dǎo)致定位錯(cuò)誤

體積增大：過大的間距會(huì)使模組體積無法滿足小型化設(shè)備的需求

傳統(tǒng)廉價(jià)模組通常采用 2-3cm 的間距，雖然體積小巧，但時(shí)間差測(cè)量誤差極大，定位精度往往超過 ±30°。而高端方案則采用 6-8cm 的間距，雖然精度高，但體積過大，無法嵌入小型設(shè)備。

2.2 時(shí)間差測(cè)量的精度挑戰(zhàn)

TDOA 算法的核心是精確測(cè)量聲音到達(dá)兩個(gè)麥克風(fēng)的時(shí)間差。對(duì)于 4cm 間距的雙麥陣列，聲音從正前方 (90°) 傳播到兩個(gè)麥克風(fēng)的時(shí)間差為 0，從最左側(cè) (0°) 傳播到兩個(gè)麥克風(fēng)的時(shí)間差約為 117 微秒。

這意味著，要實(shí)現(xiàn) ±10° 的定位精度，時(shí)間差的測(cè)量精度必須達(dá)到13 微秒以內(nèi)。這對(duì)于低成本硬件來說是一個(gè)巨大的挑戰(zhàn)：

普通 ADC 的采樣率通常為 44.1kHz，采樣周期約為 22.7 微秒，無法滿足精度要求

麥克風(fēng)之間的通道不一致性會(huì)引入額外的時(shí)間誤差

環(huán)境噪音和反射聲會(huì)嚴(yán)重干擾時(shí)間差的測(cè)量

2.3 誤觸發(fā)率的頑疾

持續(xù)輸出角度數(shù)據(jù)是傳統(tǒng)雙麥模組的另一個(gè)致命缺陷。這類模組會(huì)對(duì)所有聲音進(jìn)行計(jì)算并輸出角度，包括環(huán)境噪音、無關(guān)對(duì)話和反射聲。這導(dǎo)致誤觸發(fā)率極高，在實(shí)際使用中幾乎無法接受。

為了解決這個(gè)問題，很多方案加入了能量閾值判斷，但效果有限。當(dāng)環(huán)境噪音較大時(shí)，閾值設(shè)置過高會(huì)導(dǎo)致漏觸發(fā)，閾值設(shè)置過低則會(huì)導(dǎo)致誤觸發(fā)。

三、AR-1106 的核心技術(shù)創(chuàng)新與設(shè)計(jì)取舍

AR-1106 的成功，在于它沒有試圖解決所有問題，而是針對(duì)最常見的應(yīng)用場(chǎng)景，做出了一系列精準(zhǔn)的設(shè)計(jì)取舍，將有限的資源集中在解決最核心的痛點(diǎn)上。

3.1 最優(yōu)間距雙麥陣列：聲學(xué)與硬件的協(xié)同優(yōu)化

AR-1106 采用了4cm的麥克風(fēng)間距，這是經(jīng)過上千次實(shí)驗(yàn)驗(yàn)證的工程最優(yōu)值。這個(gè)間距在精度、體積和抗相位模糊之間取得了完美的平衡：

對(duì)于頻率低于 4kHz 的語音信號(hào)，4cm 間距不會(huì)產(chǎn)生相位模糊

117 微秒的最大時(shí)間差，在經(jīng)過算法優(yōu)化后可以實(shí)現(xiàn) ±10° 的定位精度

4cm 的間距使得模組整體尺寸可以控制在 18mm×16mm，滿足絕大多數(shù)小型設(shè)備的需求

更重要的是，AR-1106 在硬件層面進(jìn)行了嚴(yán)格的通道一致性校準(zhǔn)。兩顆麥克風(fēng)經(jīng)過嚴(yán)格篩選，靈敏度差異小于 1dB；PCB 布線采用等長(zhǎng)設(shè)計(jì)，確保兩個(gè)通道的電信號(hào)延遲一致；內(nèi)置的校準(zhǔn)算法可以在出廠時(shí)自動(dòng)補(bǔ)償通道差異，將時(shí)間差測(cè)量誤差控制在 5 微秒以內(nèi)。

3.2 輕量化 TDOA 算法：ASIC 硬件加速與精準(zhǔn)裁剪

為了在低成本 ASIC 上實(shí)現(xiàn)高精度的時(shí)間差測(cè)量，AR-1106 對(duì)傳統(tǒng) TDOA 算法進(jìn)行了深度的輕量化和硬件化改造：

互相關(guān)運(yùn)算硬件加速：將最耗時(shí)的互相關(guān)運(yùn)算用專用硬件電路實(shí)現(xiàn)，運(yùn)算速度比軟件實(shí)現(xiàn)快 100 倍以上，且不占用 CPU 資源

定點(diǎn)化算法優(yōu)化：將所有浮點(diǎn)運(yùn)算轉(zhuǎn)換為定點(diǎn)運(yùn)算，在保證精度的同時(shí)大幅降低了算力需求

多幀融合算法：通過對(duì)連續(xù)多幀數(shù)據(jù)進(jìn)行融合處理，有效抑制了環(huán)境噪音和突發(fā)干擾的影響

角度范圍限制：只計(jì)算 0°-180° 范圍內(nèi)的角度，進(jìn)一步簡(jiǎn)化了算法復(fù)雜度

這些優(yōu)化使得 AR-1106 能夠在10 毫秒內(nèi)完成一次定位計(jì)算，響應(yīng)速度遠(yuǎn)超絕大多數(shù)同類產(chǎn)品。同時(shí)，整個(gè)模組的工作電流僅為 200mA (舵機(jī)動(dòng)作時(shí))，非常適合電池供電的設(shè)備。

3.3 命令詞觸發(fā)式定位：從根源解決誤觸發(fā)問題

AR-1106 最具創(chuàng)新性的設(shè)計(jì)是采用了命令詞觸發(fā)式定位機(jī)制。與傳統(tǒng)持續(xù)輸出角度的模組不同，AR-1106 僅在檢測(cè)到預(yù)設(shè)的有效命令詞時(shí)才會(huì)進(jìn)行定位計(jì)算并輸出角度數(shù)據(jù)。

這個(gè)設(shè)計(jì)從根源上解決了誤觸發(fā)問題：

只有當(dāng)用戶說出預(yù)設(shè)的命令詞時(shí)，模組才會(huì)響應(yīng)，環(huán)境噪音和無關(guān)對(duì)話不會(huì)觸發(fā)定位

命令詞識(shí)別算法經(jīng)過專門優(yōu)化，能夠在 60dB 背景噪音下保持 95% 以上的識(shí)別率

誤觸發(fā)率低于 1%，遠(yuǎn)優(yōu)于傳統(tǒng)的能量閾值判斷方案

此外，AR-1106 還支持命令詞個(gè)性化定制，用戶可以聯(lián)系廠家配置最多 10 條專屬命令詞。這種 "喚醒 + 定位" 一體化的設(shè)計(jì)，極大地提升了用戶體驗(yàn)。

3.4 系統(tǒng)級(jí)集成：內(nèi)置舵機(jī)驅(qū)動(dòng)的設(shè)計(jì)哲學(xué)

AR-1106 另一個(gè)廣受好評(píng)的功能是內(nèi)置 SG90 舵機(jī)驅(qū)動(dòng)。這不僅僅是在模組上增加了一個(gè)驅(qū)動(dòng)電路，而是一種系統(tǒng)級(jí)的設(shè)計(jì)理念：將感知和執(zhí)行在同一個(gè)硬件上完成。

傳統(tǒng)的聲源跟隨方案需要經(jīng)過以下步驟：

聲源定位模組計(jì)算出聲源角度

通過串口將角度數(shù)據(jù)發(fā)送給單片機(jī)

單片機(jī)將角度數(shù)據(jù)轉(zhuǎn)換為舵機(jī)控制信號(hào)

單片機(jī)通過 PWM 信號(hào)驅(qū)動(dòng)舵機(jī)轉(zhuǎn)動(dòng)

整個(gè)過程的延遲通常在 50-100 毫秒，而且需要開發(fā)者編寫舵機(jī)控制代碼。而 AR-1106 將整個(gè)流程整合在模組內(nèi)部：

檢測(cè)到命令詞后立即進(jìn)行定位計(jì)算

直接將角度數(shù)據(jù)轉(zhuǎn)換為舵機(jī)控制信號(hào)

通過內(nèi)置的驅(qū)動(dòng)電路驅(qū)動(dòng)舵機(jī)轉(zhuǎn)動(dòng)

整個(gè)過程的延遲僅為10-20 毫秒，而且不需要開發(fā)者編寫任何代碼。用戶只需將 SG90 舵機(jī)直接插入模組的 3Pin 接口，上電即可實(shí)現(xiàn)聲源自動(dòng)跟隨功能。

四、技術(shù)路線對(duì)比：不同方案的本質(zhì)差異與適用邊界

為了更清晰地展示 AR-1106 的技術(shù)優(yōu)勢(shì)，我們將它與主流的聲源定位方案進(jìn)行了全面的對(duì)比分析：

表格

從對(duì)比結(jié)果可以看出，AR-1106 在開發(fā)難度和響應(yīng)速度上具有壓倒性優(yōu)勢(shì)，在性能上已經(jīng)接近高端 6 麥陣列的 80%，而成本僅為其 1/7。

適用邊界分析：

AR-1106：適用于絕大多數(shù)普通智能設(shè)備，如服務(wù)機(jī)器人、智能玩具、簡(jiǎn)易安防、科創(chuàng)畢設(shè)等。它能夠以最低的成本和最快的開發(fā)速度實(shí)現(xiàn)可用的聲源定位功能。

高端 6 麥陣列：適用于對(duì)定位精度和拾音距離要求極高的場(chǎng)景，如高端智能音箱、會(huì)議系統(tǒng)、專業(yè)聲學(xué)設(shè)備等。

WebRTC 純軟件算法：適用于擁有高性能處理器且有足夠開發(fā)資源的場(chǎng)景，如 PC 端應(yīng)用、高端嵌入式設(shè)備等。

廉價(jià)雙麥模組：僅適用于玩具級(jí)別的演示項(xiàng)目，無法用于實(shí)際產(chǎn)品。

五、實(shí)測(cè)驗(yàn)證：AR-1106 的性能邊界與極限測(cè)試

為了驗(yàn)證 AR-1106 的真實(shí)性能，我們?cè)跇?biāo)準(zhǔn)聲學(xué)實(shí)驗(yàn)室中進(jìn)行了一系列嚴(yán)格的測(cè)試。

5.1 定位精度測(cè)試

測(cè)試條件：安靜環(huán)境 (背景噪音 < 30dB)，測(cè)試距離 3 米，測(cè)試角度 0°、45°、90°、135°、180°，每個(gè)角度測(cè)試 100 次。

測(cè)試結(jié)果：

表格

測(cè)試表明，AR-1106 的平均定位誤差小于 3.5°，最大誤差小于 8°，優(yōu)于官方標(biāo)稱的 ±10° 精度。在正前方 90° 附近精度最高，在邊緣角度精度略有下降，但仍在可接受范圍內(nèi)。

5.2 拾音距離測(cè)試

測(cè)試條件：安靜環(huán)境，測(cè)試角度 90°，測(cè)試距離 1 米、2 米、3 米、4 米、5 米、6 米，每個(gè)距離測(cè)試 100 次。

測(cè)試結(jié)果：

表格

測(cè)試表明，AR-1106 在 5 米以內(nèi)的識(shí)別成功率超過 90%，符合官方標(biāo)稱的 5 米有效拾音距離。在 6 米距離下仍有 75% 的識(shí)別率，說明其實(shí)際性能還有一定余量。

5.3 抗干擾能力測(cè)試

測(cè)試條件：測(cè)試距離 3 米，測(cè)試角度 90°，背景噪音分別為 40dB、50dB、60dB、70dB，每個(gè)噪音水平測(cè)試 100 次。

測(cè)試結(jié)果：

表格

測(cè)試表明，AR-1106 在 60dB 背景噪音下仍能保持 95% 的識(shí)別成功率，誤觸發(fā)率僅為 0.1 次 / 分鐘。即使在 70dB 的嘈雜環(huán)境下 (相當(dāng)于繁忙的街道)，仍有 82% 的識(shí)別成功率，表現(xiàn)遠(yuǎn)超預(yù)期。

六、技術(shù)范式轉(zhuǎn)變：從 "算法優(yōu)先" 到 "場(chǎng)景優(yōu)先"

AR-1106 的成功，不僅僅是一款產(chǎn)品的成功，更是一種技術(shù)范式的勝利。它代表了嵌入式開發(fā)從 "算法優(yōu)先" 向 "場(chǎng)景優(yōu)先" 的轉(zhuǎn)變。

過去，智能硬件的開發(fā)模式是 "先有算法，再找硬件"。算法工程師追求技術(shù)的先進(jìn)性，不斷增加算法的復(fù)雜度，導(dǎo)致硬件成本和開發(fā)難度不斷上升。而大多數(shù)用戶實(shí)際上并不需要這么復(fù)雜的功能，他們只需要一個(gè)能夠穩(wěn)定工作、容易集成的解決方案。

AR-1106 則采用了完全相反的思路：先定義場(chǎng)景，再做硬件。它深入分析了 90% 以上普通應(yīng)用場(chǎng)景的核心需求，然后針對(duì)性地進(jìn)行技術(shù)設(shè)計(jì)和優(yōu)化，砍掉了所有非必要的功能，將有限的資源集中在解決最核心的痛點(diǎn)上。

這種 "場(chǎng)景化硬件" 的設(shè)計(jì)理念，帶來了三個(gè)革命性的變化：

技術(shù)門檻大幅降低：普通嵌入式開發(fā)者不需要掌握復(fù)雜的聲學(xué)算法，就能輕松實(shí)現(xiàn)聲源定位功能

開發(fā)周期大幅縮短：從過去的數(shù)周甚至數(shù)月，縮短到現(xiàn)在的幾個(gè)小時(shí)

產(chǎn)品成本大幅下降：使得聲源定位技術(shù)能夠應(yīng)用于更多低成本產(chǎn)品中

隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，越來越多的傳統(tǒng)設(shè)備需要智能化升級(jí)。對(duì)于這些設(shè)備來說，"夠用、便宜、好上手" 遠(yuǎn)比 "技術(shù)先進(jìn)" 更重要。AR-1106 所代表的技術(shù)范式，將會(huì)在更多的領(lǐng)域得到應(yīng)用。

七、局限性與未來演進(jìn)方向

盡管 AR-1106 取得了巨大的成功，但它也存在一些局限性，未來還有很大的演進(jìn)空間：

7.1 當(dāng)前局限性

定位范圍有限：只能實(shí)現(xiàn)正面 180° 定位，無法實(shí)現(xiàn) 360° 全向感知

定位精度瓶頸：受限于雙麥陣列的物理特性，定位精度難以突破 ±5°

遠(yuǎn)場(chǎng)拾音能力不足：有效拾音距離最大為 5 米，無法用于大型空間

命令詞定制不靈活：需要聯(lián)系廠家進(jìn)行定制，不支持用戶離線自定義

7.2 未來演進(jìn)方向

多模組級(jí)聯(lián)技術(shù)：通過多個(gè) AR-1106 模組級(jí)聯(lián)，實(shí)現(xiàn) 360° 全向定位

算法優(yōu)化升級(jí)：通過改進(jìn) TDOA 算法，將定位精度提升到 ±5° 以內(nèi)

遠(yuǎn)場(chǎng)拾音增強(qiáng)：通過增加麥克風(fēng)數(shù)量和優(yōu)化波束成形算法，將有效拾音距離提升到 8-10 米

離線自定義命令詞：支持用戶通過上位機(jī)離線自定義命令詞，提高產(chǎn)品的靈活性

多傳感器融合：集成紅外、超聲波等傳感器，實(shí)現(xiàn)更豐富的感知能力

八、結(jié)語：工程化創(chuàng)新的價(jià)值

在這個(gè)技術(shù)快速迭代的時(shí)代，我們往往過于關(guān)注革命性的科學(xué)發(fā)現(xiàn)，而忽視了工程化創(chuàng)新的價(jià)值。AR-1106 的成功告訴我們：真正推動(dòng)技術(shù)普及的，不是那些高大上的黑科技，而是將成熟技術(shù)進(jìn)行巧妙的工程化優(yōu)化，解決實(shí)際應(yīng)用中的痛點(diǎn)。

它沒有發(fā)明任何新的聲學(xué)原理，也沒有使用任何先進(jìn)的半導(dǎo)體工藝，但它通過一系列精準(zhǔn)的設(shè)計(jì)取舍和精妙的工程化創(chuàng)新，打破了聲源定位技術(shù)長(zhǎng)期存在的不可能三角，讓這項(xiàng)曾經(jīng)只有高端產(chǎn)品才能擁有的能力，走進(jìn)了千家萬戶。

對(duì)于嵌入式開發(fā)者來說，AR-1106 不僅是一款好用的模組，更是一種啟示：在做產(chǎn)品設(shè)計(jì)時(shí)，不要盲目追求技術(shù)的先進(jìn)性，而要深入理解用戶的真實(shí)需求，在性能、成本和易用性之間找到最佳平衡點(diǎn)。只有這樣，才能做出真正有價(jià)值的產(chǎn)品。

審核編輯 黃宇