Mikrofon — co to je, typy a jak funguje v mobilních zařízeních

Co je mikrofon?

Mikrofon — elektroakustické zařízení převádějící kmity akustického tlaku na elektrický signál. Podle principu činnosti se dělí na dynamické (cívka v magnetickém poli), kapacitní (změna kapacity) a piezoelektrické. V mobilních zařízeních tvoří absolutní většinu kapacitní MEMS mikrofony díky miniaturním rozměrům (2.5 × 1.5 mm) a kompatibilitě s povrchovou montáží (SMD).

Mikrofon se skládá z membrány kmitající působením akustického tlaku a pevné elektrody, které tvoří kondenzátor. Změna vzdálenosti mezi deskami mění kapacitu, což moduluje výstupní napětí. V MEMS mikrofonech je membrána vyrobena z polykřemíku metodou fotolitografie — to zajišťuje identické charakteristiky všech mikrofonů v sérii.

Výstupní signál MEMS mikrofonu — PDM (Pulse Density Modulation) — jednobitový tok s vzorkovací frekvencí 1–4 MHz. Kodeky chytrého telefonu dekódují PDM na PCM (Pulse Code Modulation) pomocí digitálního decimačního filtru, čímž získávají standardní audio formát 16–24 bitů s frekvencí 44.1–96 kHz pro zpracování aplikací.

MEMS vs elektretové mikrofony

Před příchodem MEMS se v mobilních zařízeních používaly elektretové kapacitní mikrofony (ECM). V nich měla membrána trvalý elektrický náboj (elektret) a kmity membrány vytvářely proměnné napětí. ECM mikrofony jsou větší (4–6 mm) a vyžadují samostatný předzesilovač, což zvětšuje plochu na desce.

MEMS mikrofony dominují díky menším rozměrům, stabilitě charakteristik a možnosti pájení na standardních SMD linkách. ECM se však stále používají v levnějších zařízeních kvůli nižší ceně komponenty ($0.15–0.30 oproti $0.25–0.60 za MEMS).

Vícemikrofonní konfigurace: hlavní, přední, zadní

Moderní chytré telefony obsahují 3 až 4 mikrofony, jejichž umístění určuje kvalitu nahrávání a potlačení šumu. Hlavní mikrofon (spodní) je umístěn na spodním okraji vedle USB-C portu — nahrává hlas uživatele během hovoru a videonahrávání. Přední (horní) — na horním okraji pro hlasové příkazy a druhý kanál při stereo nahrávání.

Zadní mikrofon je obvykle umístěn vedle fotoaparátu na zadním panelu a používá se výhradně pro potlačení šumu. Jeho signál není nahráván do audio souboru — je pouze odečítán digitálním procesorem od signálu hlavního mikrofonu. V některých vlajkových lodích (iPhone 16 Pro, Samsung Galaxy S25) je instalován čtvrtý mikrofon v zářezu přední kamery pro zlepšení nahrávání během videohovorů.

Stereo nahrávání videa je realizováno kombinací spodního a horního mikrofonu. iOS automaticky vybírá pár mikrofonů v závislosti na orientaci zařízení — při horizontálním nahrávání je levý kanál snímán z levého okraje, pravý z pravého. Na Androidu tato logika závisí na implementaci výrobce OEM a může se lišit mezi modely.

Příklad výběru audio zdroje v Kotlin (Android)

val recorder = AudioRecord(
    MediaRecorder.AudioSource.CAMCORDER,
    44100,
    AudioFormat.CHANNEL_IN_MONO,
    AudioFormat.ENCODING_PCM_16BIT,
    bufferSize
)
recorder.startRecording()

val buffer = ShortArray(bufferSize)
while (recorder.recordingState == AudioRecord.RECORDSTATE_RECORDING) {
    recorder.read(buffer, 0, buffer.size)
    // Zpracování PCM bufferu
}

AudioSource.CAMCORDER vybírá mikrofon optimální pro videonahrávání — obvykle je to spodní hlavní mikrofon s automatickým nastavením zesílení. Pro hlasové nahrávání se používá VOICE_RECOGNITION — tento zdroj vypíná všechny filtry a potlačení šumu pro čistý signál určený k rozpoznávání řeči.

Jak funguje potlačení šumu v chytrých telefonech

Aktivní potlačení šumu (Active Noise Cancellation, ANC) v chytrých telefonech je založeno na diferenciální metodě: druhý mikrofon (referenční) nahrává převážně okolní šum a hlavní (primární) — směs hlasu a šumu. Digitální signálový procesor (DSP) odečítá referenční signál od primárního, čímž ponechává pouze čistý hlas.

Kvalita potlačení šumu závisí na vzdálenosti mezi mikrofony a jejich směrovosti. Typické potlačení rovnoměrného šumu (letadlo, ventilátor) — 20–35 dB. Pro impulsní šumy (bouchnutí dveří, úder nádobí) se používá další blok pro potlačení přechodových jevů, který nahrazuje zkreslený segment aproximovaným signálem sousedních vzorků.

Vývojář může ovlivnit algoritmy potlačení šumu pouze prostřednictvím parametrů audio relace: na Androidu — AudioManager.setParameters("noise_suppression=on/off"), na iOS — kategorie AVAudioSession .playAndRecord s volbou .allowBluetoothA2DP. Při nahrávání pro rozpoznávání je potlačení šumu obvykle vypnuto — algoritmy STT pracují přesněji s původním signálem.

Zachycení audia: Android AudioRecord a iOS AVAudioEngine

AudioRecord (Android) — nízkoúrovňové API pro přímé nahrávání PCM dat z mikrofonu. Aplikace přijímá buffery s nezpracovanými audio daty, které lze zpracovávat v reálném čase: analýza hlasitosti, frekvenční analýza (FFT), VAD (Voice Activity Detection). Minimální buffer se vypočítá pomocí AudioRecord.getMinBufferSize() — použití menší velikosti způsobuje zpoždění nebo chybu nahrávání.

AVAudioEngine (iOS) — modulární graf pro zpracování audia, kde se vstupní uzel (AVAudioInputNode) připojuje k hlavnímu mixéru nebo přímo k tap handleru. Engine umožňuje analýzu v reálném čase RMS (Root Mean Square) — ukazatele hlasitosti signálu — a frekvenčního spektra prostřednictvím AVAudioUnitEQ.

Klíčové rozdíly platforem: na iOS vyžaduje nahrávání povinnou aktivaci AVAudioSession s kategorií .playAndRecord nebo .record; na Androidu — oprávnění RECORD_AUDIO (runtime oprávnění) a zdroj AudioSource. Flutter používá plugin record pro abstrakci těchto rozdílů.

Příklad zachycení audia ve Swift (iOS)

import AVFoundation

let engine = AVAudioEngine()
let inputNode = engine.inputNode
let format = inputNode.outputFormat(forBus: 0)

inputNode.installTap(onBus: 0, bufferSize: 1024,
    format: format) { buffer, time in
    guard let channelData = buffer.floatChannelData else { return }
    let frameLength = Int(buffer.frameLength)
    var sumSquares: Float = 0

    for i in 0..<frameLength {
        sumSquares += channelData[0][i] * channelData[0][i]
    }
    let rms = sqrt(sumSquares / Float(frameLength))
    print("RMS hlasitost: \(rms)")
}

try engine.start()

Kód nastaví tap na vstupní uzel enginu AVAudioEngine. Každý audio buffer obsahuje float data monofonního signálu z mikrofonu. RMS se vypočítá jako střední kvadratická hodnota amplitudy — standardní ukazatel hlasitosti zvuku v rozsahu od 0.0 (ticho) do přibližně 0.5–1.0 (hlasitý hlas).

Charakteristiky mikrofonu: SNR, AOP, frekvenční rozsah

Pro hodnocení kvality mikrofonu se používají klíčové parametry. SNR (Signal-to-Noise Ratio) — poměr úrovně signálu k vlastnímu šumu mikrofonu, měřený v dBA. Čím vyšší SNR, tím tišší je okolní šum v nahrávce. Pro hlasové hovory stačí 62–64 dBA, pro nahrávání hudby — 68+ dBA.

AOP (Acoustic Overload Point) — maximální úroveň akustického tlaku (SPL), kterou mikrofon dokáže převést bez ořezávání. Pro typický MEMS mikrofon je AOP = 125 dB. Na koncertech (110–120 dB) bude nahrávka čistá, ale při 130+ dB (blízký ohňostroj) se objeví nelineární zkreslení (THD > 10%).

Frekvenční rozsah určuje, jaké frekvence mikrofon nahrává bez útlumu. Pro hlas stačí 300–3400 Hz (telefonní standard, POTS). Pro hudbu a video — 20–20000 Hz. MEMS mikrofony v chytrých telefonech poslední generace (Knowles SPH9855) poskytují rozsah 30–18000 Hz s nerovnoměrností ±3 dB.