A-59U双通道独立拾音的串音抑制与分离度指标解读

一、一个容易被指标表掩盖的问题A-59U 支持双麦双波束模式两路波束各自输出到独立声道。规格上写得很清楚双通道、独立定向、互不干扰。但在实际项目里互不干扰这四个字究竟对应多少 dB规格书往往不给。工程上真正需要回答的问题是当 A 通道对应的说话人在讲话时B 通道里能听到多少他的声音这个量叫通道分离度channel separation或者叫串音抑制比。对于双人独立记录、双分区翻译、智能工牌这类应用分离度是决定方案能不能用的核心指标比降噪深度更关键。降噪不够声音脏一点还能听分离度不够两路录音互相混叠后端做说话人分离或分轨转写就直接失效了。二、串音从哪里来三条路径双通道拾音系统的串音不是单一来源至少有三条独立路径各自的量级和治理手段完全不同。1. 声学路径串音这是最主要的一条。波束形成本质上是空间滤波它对主瓣方向的信号给单位增益对旁瓣方向的信号给衰减。但衰减不是无穷大。一个双麦阵列能提供的方向性增益在物理上受阵元数量和间距限制。两个麦克风构成的差分阵列理论指向性指数DI上限约 6dB实际实现中考虑到麦克风一致性、阵列间距与波长的关系宽带条件下能稳定拿到 4~6dB 就算做得不错。换算成串音如果 B 方向的声源相对 A 波束被衰减 6dB那么在 A 通道里B 说话人的电平只比正对时低 6dB。若两人同时说话且声压相近A 通道里 B 的成分只低 6dB——这远远达不到分离的程度。A-59U 的波束分三个区域蓝色主区域幅度最大、黄色跟踪区域信号逐渐衰减、灰色无效区域声音被衰减屏蔽。这个三段式描述其实就是主瓣、过渡带、阻带的通俗表达。真正的分离度取决于对方说话人落在哪个区域落在灰色区抑制量大落在黄色区抑制量有限两人都落在同一主瓣内分离度接近 0dB。2. 电气路径串音两路模拟输出在 PCB 上并行走线、共用地回路、共用 ADC 基准或电源时会产生电气耦合。A-59U 的 LINE OUT 输出阻抗 10KΩ、SNR 91dB、最大幅度 1.5Vrms。10KΩ 的输出阻抗在双通道并行走线时对容性耦合并不友好——耦合电压与源阻抗成正比高阻输出更容易被邻线串扰。粗略估算两条并行走线之间的互容典型值在 0.5~2pF/cm 量级。10cm 并行走线约 10pF在 4kHz 时容抗约 4MΩ与 10KΩ 源阻抗构成的分压比约 -52dB。这个数量级通常低于声学串音不是瓶颈但如果走线更长、间距更小、且中间没有地线隔离就可能上升到 -40dB 附近开始与算法层面的抑制量可比。3. 算法内部串音两路波束共用同一组麦克风信号也共用同一个 AEC、AGC 和降噪后处理。如果 AGC 是全局的两通道共用一个增益控制那么 A 通道说话人的音量变化会引起 B 通道增益的联动变化——这是一种调制型串音。它在频谱上不表现为直接泄漏但会造成 B 通道的背景电平随 A 通道说话节奏起伏听感上非常明显后端 VAD 也会被误触发。三、指标之间的换算关系把几个规格数字放在一起可以推出分离度的上下限。LINE OUT SNR 91dB这是通道自身的噪声底决定了分离度的理论上限。串音抑制不可能优于噪声底。I2S 16kHz / 16bit16bit 量化的理论动态范围约 96dB与 91dB 的模拟 SNR 基本匹配说明数字侧不是瓶颈。ENC 降噪 45dB降噪算法对非人声有效但对另一路人声无效——降噪算法无法区分我要的人声和另一个人的人声这个区分只能靠波束形成完成。结论是分离度基本由波束形成的空间选择性单独决定SNR 和降噪指标都帮不上忙。一个 91dB SNR 的通道配上只能提供 6dB 空间抑制的双麦阵列实际分离度就是 6dB 量级而不是 91dB。这一点在选型时经常被误读——看到 91dB SNR 就以为两路是独立的实际上独立的只是电路声学上两个麦克风听到的是同一个声场。四、几何布置比参数更重要既然分离度主要由空间选择性决定那么提升它的手段就落在几何布置上而不是参数配置上。拉开角度两个说话人相对麦克风阵列的方位角差越大落入对方阻带的可能性越高。角度差小于 30° 时双麦阵列基本无法分辨角度差接近 180°分居阵列两侧时效果最好。这也是 A-59U 在双人独立拾音记录场景中通常被布置成两人对坐、模块居中的原因。拉近距离波束形成的方向性在近场比远场更容易实现因为近场还可以利用两个麦克风的幅度差距离平方反比而不只是相位差。说话人距对应麦克风 20cm、距另一个麦克风 40cm 时仅幅度差就有 6dB叠加相位差后总抑制量可以显著超过纯远场情形。A-59U 的拾音范围标称 10cm-500cm但要拿到好的分离度应该工作在这个范围的近端。加入物理隔离在两个麦克风之间放置声学隔断哪怕只是一片结构件能在中高频提供额外的几 dB 衰减。这对 1kHz 以上的辅音区间尤其有效而辅音正是语音可懂度的主要载体。五、AGC 与分离度的冲突A-59U 的 AGC 开启后拾音范围可达 50-500cm基于 -42dB 标准灵敏度麦克风。AGC 通过动态提升增益来扩展有效拾音距离但它同时也会提升串音。考虑这样一个场景A 说话人静默B 说话人在讲话。此时 A 通道的输入电平很低AGC 会把 A 通道增益推到高位于是从 B 泄漏过来的那点串音也被同样放大。结果是安静的通道反而听起来串音更重。这与单通道系统里AGC 在静音段放大底噪是同一个机制只不过这里放大的是另一路人声。治理办法是引入通道间的联动门限当检测到某通道为主导时抑制另一通道的 AGC 上冲。但这又与两通道完全独立的设计目标矛盾。这是一个没有完美解的取舍实际系统里通常按应用侧重来选偏重录音分轨的牺牲远场拾音距离把 AGC 收紧偏重覆盖范围的接受较高的串音。六、A-59U 的定位与边界把 A-59U 的规格串起来看它的取向是清晰的37mm×25mm 的封装、USB 免驱、-40℃~85℃ 工业级温度范围、35-60mA 工作电流、100dB AEC、45dB ENC、10 种工作模式。这是一个面向工业与嵌入式集成的通用型双通道方案双波束是它的能力之一而非全部。适合它的场景两人分坐、方位角差异大、距离较近的双向记录或分区通话需要 USB 免驱快速接入 PC/树莓派/安卓主机的原型与小批量产品工作环境温度跨度大的工业设备。不适合的场景多于两个说话人的分离说话人方位角接近的紧凑布置对分离度有明确 dB 指标要求例如要求优于 20dB的专业录音应用。后者需要的是更多阵元的麦克风阵列两个麦克风在物理上做不到。选型时更实际的做法是先用目标几何布置做一次录音测试直接测量单人说话时另一通道的电平差得到实际分离度数字再判断后端处理链能否接受。这个测试成本很低但能避免大部分后期返工。