麥克風陣列是一種音訊採集系統，它使用兩隻或更多麥克風協同工作，而不是依賴單一拾音元件。透過比較不同麥克風位置接收到的聲音，系統可以估計聲音來自哪裡，聚焦目標說話人，降低背景雜訊，抑制回聲，並提升語音清晰度。
這項技術廣泛用於會議系統、智慧音箱、筆記型電腦、視訊會議設備、語音助理、助聽設備、安防音訊、車載語音控制、控制室、機器人、遠距醫療、教室以及工業語音終端。它的價值來自物理麥克風佈置與數位訊號處理的結合。
為什麼多個拾音點會改變音訊採集
單隻麥克風只能從自身所在位置採集聲音。它可能同時拾取說話聲、房間雜訊、鍵盤敲擊聲、空調聲、風扇聲、交通雜訊、回聲以及其他人的聲音。它很難判斷哪一種聲音重要，哪一種聲音應該被降低。
當多隻麥克風以已知間距佈置時，系統就獲得了空間資訊。同一個聲音到達每隻麥克風的時間和電平會存在微小差異。這些細微差異讓處理器能夠推斷方向，並把有用語音與無關聲音區分開。
這正是陣列在複雜環境中能夠優於單隻麥克風的核心原因。它不只是採集聲音，還會分析聲音是如何到達的。
聲音到達時間是第一條線索
聲音在空氣中傳播需要時間。如果一個人從設備的一側說話，離他最近的麥克風會比更遠的麥克風略早接收到聲音。這個延遲可能非常小，但數位處理可以測量出來。
這種延遲通常稱為到達時間差。透過比較麥克風對之間的到達時間，系統可以估計聲源方向。麥克風數量越多、幾何佈局越合理，系統能夠獲得的空間資訊就越有價值。
麥克風之間的距離也很重要。如果距離太近，時間差很小，測量會更困難。如果距離太遠，系統在高頻段可能遇到空間混疊或拾音不一致。實際設計需要在尺寸、頻率範圍、成本和精度之間取得平衡。
訊號訊號處理鏈路
音訊採樣
每隻麥克風會把聲壓轉換成電訊號。隨後這些訊號由類比數位轉換器進行採樣。為了讓陣列正常工作，各個通道必須保持同步，這樣時間差才有意義。
如果通道發生漂移或沒有對齊，系統可能會錯誤估計方向，或者降低語音品質。因此，同步是非常關鍵的技術基礎。
通道校準
不同麥克風在靈敏度、相位響應、雜訊水平和頻率響應上可能略有差異。校準可以補償這些差異，使處理器更準確地比較各個通道。
如果沒有校準，某只麥克風可能會因為與真實聲源無關的原因顯得更響或更遲。這會降低波束形成和降噪性能。
方向估計
處理器分析輸入訊號，並估計主要聲音來自哪裡。它可能使用時間延遲、相位差、相關性、能量分佈或更高級的算法。
方向估計可用於語音追蹤、攝影機取景、說話人定位、自動會議系統以及定向拾音控制。
波束形成
波束形成是把多路麥克風訊號組合起來的過程，使目標方向的聲音被增強，而其他方向的聲音被削弱。系統會在合成前對每個麥克風通道施加延遲、權重和濾波。
這樣就形成了一個虛擬聆聽方向。處理器不需要把麥克風實際轉向說話人，而是透過電子方式調整拾音焦點。
後處理
在定向處理之後，系統可能繼續進行回聲消除、雜訊抑制、自動增益控制、去混響、均衡、語音活動偵測和語音增強。
這些附加步驟可以讓最終音訊更適合人工收聽、錄音、轉寫、語音識別或通信平臺使用。
波束轉向與聚焦聆聽
波束轉向允許系統在不移動硬體的情況下改變聆聽方向。如果說話人從房間左側移動到前方，系統可以調整虛擬波束來跟隨說話人。
在會議室中，這有助於遠端參會者更清楚地聽到當前發言人。在智慧音箱中，即使有音樂或室內雜訊，它也有助於設備聽到喚醒詞。在車輛中，它可以根據指令來源聚焦駕駛員或乘客。
波束轉向並不是魔法。只有當麥克風佈置、房間聲學、處理能力和目標距離合適時，它的效果才最好。非常嘈雜的房間、強回聲、多人同時說話或硬體位置不佳，仍然會限制性能。
真實空間中的降噪
降噪是陣列被廣泛使用的主要原因之一。背景聲音通常來自與說話人不同的方向。透過識別目標方向，系統可以降低側向雜訊、後方雜訊、風扇雜訊、鍵盤雜訊以及部分環境聲音。
有些雜訊具有方向性，有些雜訊則是瀰散的。方向性雜訊通常更容易被降低，因為系統可以在該方向形成空間零點或降低靈敏度。房間混響、人群低語這類瀰散雜訊則更難完全去除。
降噪必須謹慎平衡。如果處理過於激進，語音可能聽起來不自然、帶金屬感或被截斷。優秀系統會在降低無關聲音的同時保留語音品質。
回聲控制與遠端音訊
在會議設備中，麥克風可能會拾取設備自身揚聲器發出的聲音。這會讓遠端參會者聽到回聲。聲學回聲消除會估計揚聲器播放訊號，並將其從麥克風訊號中去除。
陣列會讓這項任務更複雜，因為每隻麥克風接收到的揚聲器聲音都不相同。處理器必須同時處理多通道、房間反射、揚聲器位置、音量變化和使用者說話。
良好的回聲控制可以實現全雙工通話，也就是雙方能夠自然交談，而不會出現一方被切斷。較差的回聲控制會造成嘯叫、重複語音或令人不適的通信體驗。
不同佈局及其用途
線性佈局
線性佈局把麥克風排成一條直線。它常見於聲霸、筆記型電腦、視訊會議設備和窄面板設備，適合在水平方向範圍內聚焦拾音。
它的局限是方向估計在一個維度上可能更強，而在另一個維度上較弱。如果需要垂直方向或複雜三維定位，可能需要其他佈局。
環形佈局
環形佈局把麥克風圍繞設備佈置。它常見於智慧音箱、桌面會議終端和室內音訊設備，可以偵測設備周圍多個方向的聲音。
當說話人可能圍坐在桌旁或在房間內移動時，這種設計很有用。
平面佈局
平面佈局把麥克風排列在一個表面上。它可以支持更高級的定向處理，可用於吸頂設備、面板、專業音訊系統或空間感知設備。
更大的物理孔徑可以提升空間選擇性，但安裝和校準也會變得更加重要。
分散式佈局
有些系統把麥克風分佈在房間或車輛內，而不是集中在一個設備裡。這可以提升覆蓋範圍，但需要網路同步、謹慎佈點和更複雜的處理。
分散式系統適用於較大的會議室、階梯教室、監控空間和專用聲學分析環境。
跨設備和系統的應用
會議室
會議室使用陣列來採集參會者聲音，而不需要每個人手持麥克風。系統可以聚焦當前發言人，降低房間雜訊，並提升遠端會議品質。
設備位置很重要。桌面終端、吸頂設備、視訊會議設備或壁掛設備都會以不同方式採集房間聲音。
語音助理和智慧音箱
語音助理依靠陣列從房間較遠位置偵測喚醒詞和指令。它們必須把使用者語音與音樂播放、電視聲音、廚房雜訊或多人說話區分開。
遠場拾音尤其重要，因為使用者可能在幾米之外說話。
車載語音控制
車輛中存在發動機雜訊、路噪、空調聲、乘客聲音以及車窗反射。陣列有助於聚焦駕駛員或指定乘客，從而提升免提通話和語音指令準確率。
車載系統可能會把麥克風處理與座椅位置、資訊娛樂訊號和雜訊模型結合起來。
機器人和智慧設備
機器人可以使用陣列來定位人員、跟隨語音指令、朝向聲源並改善交互。智慧設備也可以使用類似處理來偵測警報、指令或環境聲音。
聲源定位有助於機器在人類環境中做出更自然的響應。
安防與監測
音訊監測系統可以使用陣列估計聲音方向、偵測異常事件或聚焦特定區域。這有助於事件複盤、周界監測或控制室態勢感知。
在公共區域或工作場所使用音訊採集時，應始終考慮隱私和法律要求。
影響性能的設計因素
麥克風間距
間距決定系統能夠觀察到多少時間差，也會影響定向處理效果良好的頻率範圍。設計人員必須根據設備尺寸和目標用途選擇間距。
通道數量
更多麥克風可以提供更豐富的空間資訊，但也會增加成本、處理負載、功耗和校準複雜度。如果演算法和佈置較差，通道更多並不自動意味著音訊更好。
房間聲學
硬牆、玻璃表面、高天花板和反光桌面都會產生回聲和混響。軟性材料、聲學處理和良好的設備位置可以提升採集品質。
說話人距離
遠場拾音比近場拾音更難。隨著說話人距離變遠，目標語音相對房間雜訊和反射聲會變得更弱。
處理延遲
訊號處理需要時間。會議和實時通信要求延遲足夠低，這樣交談才會保持自然。
常見問題與故障排查
聲音聽起來很遠
當說話人離拾音區太遠、設備擺放不當、麥克風增益較低或房間混響過強時，可能出現這種情況。
降噪把語音切掉
過強的抑制可能把較輕的語音誤判為雜訊。調整靈敏度、增益控制、波束設定或設備位置可能會有所幫助。
通話中有回聲
回聲可能來自回聲消除效果差、揚聲器音量過高、反射表面、錯誤的音訊路由，或同一房間內使用了多台設備。
追蹤了錯誤的說話人
系統可能會聚焦另一個說話者、較大的噪聲源或反射聲。當多人同時說話，或噪聲源比目標說話人更近時，這種情況較常見。
喚醒詞偵測不穩定
識別不穩定可能由背景播放、距離、口音差異、網路延遲、韌體問題或麥克風遮擋引起。
麥克風陣列在硬體幾何結構、房間位置、音訊處理和預期使用者行為被一體化設計時，才能發揮最佳效果。
部署與維護建議
應把設備放在能清晰接收預期說話人的位置。避免把設備藏在顯示器後面、放在大雜訊風扇附近，或安裝在牆面會產生強反射的位置。
保持麥克風開孔清潔。灰塵、佈料、膠帶、螢幕保護膜或意外遮擋都會降低收音品質，並破壞通道平衡。
在合適時更新韌體。許多系統會透過軟體更新改進波束形成、回聲消除和語音偵測。
應在真實環境中測試。設備在安靜測試室中表現良好，但在大型會議室、車廂、教室、倉庫或開放辦公區中的表現可能不同。
FAQ
麥克風陣列只能聽到一個人嗎？
它可以聚焦某個方向或說話人，但不能在所有情況下完美隔離一個聲音，尤其是在多人同時說話時。
麥克風越多性能就一定越好嗎？
不是。佈置、同步、處理演算法、房間聲學和設備設計與麥克風數量同樣重要。
為什麼同一設備在不同房間表現不同？
房間大小、牆面材料、天花板高度、桌面形狀、背景雜訊和設備擺放都會影響聲音到達和反射。
它可以在沒有網際網路的情況下工作嗎？
本地音訊採集和處理可以離線工作，但雲端語音識別、遠端會議服務或AI功能可能需要網路接入。
語音識別準確率差時應該檢查什麼？
應檢查麥克風遮擋、設備位置、背景雜訊、說話人距離、回聲、韌體版本、輸入增益、網路服務狀態，以及是否選擇了正確的音訊輸入。
