Mikropono — ano ito, mga uri at paano ito gumagana sa mga mobile device

Ano ang mikropono?

Mikropono — isang electroacoustic device na nagko-convert ng mga oscillation ng sound pressure sa electrical signal. Ayon sa prinsipyo ng pagpapatakbo, nahahati sila sa dynamic (coil sa magnetic field), capacitive (pagbabago ng kapasidad) at piezoelectric. Sa mga mobile device, ang karamihan ay capacitive MEMS mikropono dahil sa miniature size (2.5 × 1.5 mm) at compatibility sa surface-mount technology (SMD).

Ang mikropono ay binubuo ng isang membrane na nag-o-oscillate sa ilalim ng sound pressure at isang nakatigil na electrode, na bumubuo ng isang capacitor. Ang pagbabago ng distansya sa pagitan ng mga plates ay nagbabago ng kapasidad, na nagmo-modulate ng output voltage. Sa MEMS mikropono, ang membrane ay gawa sa polysilicon gamit ang photolithography — tinitiyak nito ang pagkakakilanlan ng mga katangian ng lahat ng mikropono sa isang batch.

Ang output signal ng MEMS mikropono — PDM (Pulse Density Modulation) — isang one-bit stream na may sampling frequency na 1–4 MHz. Ang mga codec ng smartphone ay nagde-decode ng PDM sa PCM (Pulse Code Modulation) sa pamamagitan ng digital decimation filter, na nakakakuha ng standard audio format na 16–24 bit na may frequency na 44.1–96 kHz para sa pagproseso ng app.

MEMS vs electret mikropono

Bago dumating ang MEMS sa mga mobile device, ginamit ang electret capacitor mikropono (ECM). Sa mga ito, ang membrane ay may permanenteng electrical charge (electret), at ang mga oscillation ng membrane ay lumikha ng variable voltage. Ang mga ECM mikropono ay mas malaki (4–6 mm) at nangangailangan ng hiwalay na preamplifier, na nagpapataas ng area sa board.

Ang MEMS mikropono ay nangingibabaw dahil sa mas maliit na sukat, stability ng mga katangian at solderability sa standard SMD lines. Gayunpaman, ang ECM ay patuloy na ginagamit sa mga budget device dahil sa mas mababang halaga ng component ($0.15–0.30 kumpara sa $0.25–0.60 para sa MEMS).

Multi-mikropono configuration: pangunahin, harap, likuran

Ang mga modernong smartphone ay naglalaman ng 3 hanggang 4 na mikropono, na ang pagkakalagay ay tumutukoy sa kalidad ng pag-record at noise cancellation. Ang pangunahing mikropono (ibaba) ay matatagpuan sa ibabang gilid malapit sa USB-C port — nire-record nito ang boses ng user habang tumatawag at nagve-video. Ang harap (itaas) — sa itaas na gilid para sa voice command at pangalawang channel sa stereo recording.

Ang likurang mikropono ay karaniwang inilalagay malapit sa camera sa likurang panel at ginagamit lamang para sa noise cancellation. Ang signal nito ay hindi nire-record sa audio file — ito ay ibinabawas lamang ng digital processor mula sa signal ng pangunahing mikropono. Sa ilang flagship (iPhone 16 Pro, Samsung Galaxy S25), naka-install ang ikaapat na mikropono sa front camera notch para mapabuti ang pag-record sa mga video call.

Ang stereo video recording ay naisasakatuparan sa pamamagitan ng kombinasyon ng ibaba at itaas na mikropono. Awtomatikong pinipili ng iOS ang pares ng mikropono depende sa orientation ng device — sa landscape recording, ang kaliwang channel ay kinukuha mula sa kaliwang gilid, kanan mula sa kanang gilid. Sa Android, ang logic na ito ay depende sa implementasyon ng OEM manufacturer at maaaring mag-iba sa pagitan ng mga modelo.

Halimbawa ng pagpili ng audio source sa 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)
    // Pagproseso ng PCM buffer
}

Pinipili ng AudioSource.CAMCORDER ang pinakamainam na mikropono para sa video recording — karaniwan ito ang ibabang pangunahing mikropono na may automatic gain control. Para sa voice recording, ginagamit ang VOICE_RECOGNITION — ang source na ito ay nagdi-disable ng lahat ng filter at noise cancellation para sa malinis na signal para sa speech recognition.

Paano gumagana ang noise cancellation sa mga smartphone

Active noise cancellation (ANC) sa mga smartphone ay batay sa differential method: ang pangalawang mikropono (reference) ay nagre-record ng pangunahing background noise, at ang pangunahing mikropono (primary) — pinaghalong boses at ingay. Ang digital signal processor (DSP) ay nagbabawas ng reference signal mula sa primary, nag-iiwan lamang ng malinis na boses.

Ang kalidad ng noise cancellation ay depende sa distansya sa pagitan ng mga mikropono at ng kanilang directivity. Tipikal na pagsugpo ng uniform noise (eroplano, bentilador) — 20–35 dB. Para sa impulsive noise (pagsara ng pinto, pagkabasag ng pinggan) ginagamit ang karagdagang transient suppression block na pumapalit sa distorted segment ng approximated signal ng mga kalapit na sample.

Ang developer ay maaaring maka-impluwensya sa noise cancellation algorithms lamang sa pamamagitan ng mga parameter ng audio session: sa Android — AudioManager.setParameters("noise_suppression=on/off"), sa iOS — AVAudioSession category .playAndRecord na may opsyon na .allowBluetoothA2DP. Kapag nagre-record para sa pagkilala, ang noise cancellation ay karaniwang naka-off — ang STT algorithms ay gumagana nang mas tumpak sa orihinal na signal.

Pagkuha ng audio: Android AudioRecord at iOS AVAudioEngine

AudioRecord (Android) — low-level API para sa direktang pag-record ng PCM data mula sa mikropono. Ang app ay tumatanggap ng mga buffer na may raw audio data na maaaring iproseso sa real-time: volume analysis, frequency analysis (FFT), VAD (Voice Activity Detection). Ang minimum buffer ay kinakalkula sa pamamagitan ng AudioRecord.getMinBufferSize() — ang paggamit ng mas maliit na sukat ay nagdudulot ng pagkaantala o error sa pag-record.

AVAudioEngine (iOS) — isang modular graph para sa audio processing, kung saan ang input node (AVAudioInputNode) ay kumokonekta sa main mixer o direkta sa tap handler. Ang engine ay nagpapahintulot ng real-time analysis ng RMS (Root Mean Square) — indicator ng volume ng signal — at frequency spectrum sa pamamagitan ng AVAudioUnitEQ.

Mga pangunahing pagkakaiba ng platform: sa iOS, ang pag-record ay nangangailangan ng mandatoryong pag-activate ng AVAudioSession na may category na .playAndRecord o .record; sa Android — permission na RECORD_AUDIO (runtime permission) at AudioSource. Ginagamit ng Flutter ang record plugin para sa abstraction ng mga pagkakaibang ito.

Halimbawa ng pagkuha ng audio sa 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 volume: \(rms)")
}

try engine.start()

Ang code ay nagse-set ng tap sa input node ng AVAudioEngine engine. Ang bawat audio buffer ay naglalaman ng float data ng monophonic signal mula sa mikropono. Ang RMS ay kinakalkula bilang root mean square ng amplitude — ang standard na indicator ng volume ng tunog sa range na 0.0 (tahimik) hanggang ~0.5–1.0 (malakas na boses).

Mga katangian ng mikropono: SNR, AOP, frequency range

Para sa pagtatasa ng kalidad ng mikropono, ginagamit ang mga pangunahing parameter. SNR (Signal-to-Noise Ratio) — ratio ng signal level sa sariling ingay ng mikropono, sinusukat sa dBA. Kung mas mataas ang SNR, mas tahimik ang background noise sa recording. Para sa voice calls, sapat na ang 62–64 dBA, para sa music recording — 68+ dBA.

AOP (Acoustic Overload Point) — ang maximum na sound pressure level (SPL) na kayang i-convert ng mikropono nang walang clipping. Para sa tipikal na MEMS mikropono, AOP = 125 dB. Sa mga concert (110–120 dB), magiging malinis ang recording, ngunit sa 130+ dB (paputok sa malapit) lilitaw ang non-linear distortion (THD > 10%).

Ang frequency range ay tumutukoy kung aling mga frequency ang nire-record ng mikropono nang walang attenuation. Para sa boses, sapat na ang 300–3400 Hz (telephone standard, POTS). Para sa musika at video — 20–20000 Hz. Ang MEMS mikropono sa mga pinakabagong smartphone (Knowles SPH9855) ay nagbibigay ng range na 30–18000 Hz na may non-uniformity na ±3 dB.