Microphone — यह क्या है, प्रकार और मोबाइल उपकरणों में कैसे काम करता है

माइक्रोफ़ोन क्या है?

माइक्रोफ़ोन एक इलेक्ट्रोकॉस्टिक उपकरण है जो ध्वनि दबाव दोलनों को विद्युत संकेत में परिवर्तित करता है। ऑपरेटिंग सिद्धांत के अनुसार, ये डायनेमिक (चुंबकीय क्षेत्र में कॉइल), कंडेंसर (धारिता परिवर्तन) और पीज़ोइलेक्ट्रिक में विभाजित होते हैं। मोबाइल उपकरणों में, विशाल बहुमत कंडेंसर MEMS माइक्रोफ़ोन हैं जो अपने लघु आकार (2.5 × 1.5 मिमी) और सतह माउंट तकनीक (SMD) के साथ संगतता के कारण हैं।

एक माइक्रोफ़ोन में ध्वनि दबाव के तहत कंपन करने वाला एक डायाफ्राम और एक स्थिर इलेक्ट्रोड होता है, जो एक कैपेसिटर बनाते हैं। प्लेटों के बीच की दूरी में परिवर्तन धारिता को बदलता है, जो आउटपुट वोल्टेज को मॉड्यूलेट करता है। MEMS माइक्रोफ़ोन में, डायाफ्राम फोटोलिथोग्राफी द्वारा पॉलीसिलिकॉन से बनाया जाता है — यह बैच में सभी माइक्रोफ़ोन की समान विशेषताओं को सुनिश्चित करता है।

MEMS माइक्रोफ़ोन का आउटपुट संकेत PDM (पल्स डेंसिटी मॉड्यूलेशन) है — 1–4 MHz की नमूना दर के साथ एक-बिट स्ट्रीम। स्मार्टफ़ोन कोडेक डिजिटल डेसीमेशन फ़िल्टर के माध्यम से PDM को PCM (पल्स कोड मॉड्यूलेशन) में डीकोड करते हैं, एप्लिकेशन प्रोसेसिंग के लिए 44.1–96 kHz पर 16–24 बिट का मानक ऑडियो प्रारूप प्राप्त करते हैं।

MEMS बनाम इलेक्ट्रेट माइक्रोफ़ोन

MEMS के आगमन से पहले, मोबाइल उपकरण इलेक्ट्रेट कंडेंसर माइक्रोफ़ोन (ECM) का उपयोग करते थे। इनमें, डायाफ्राम में स्थायी विद्युत आवेश (इलेक्ट्रेट) होता था, और डायाफ्राम कंपन एक वैकल्पिक वोल्टेज बनाते थे। ECM माइक्रोफ़ोन बड़े (4–6 मिमी) होते हैं और एक अलग प्रीएम्प्लीफायर की आवश्यकता होती है, जिससे PCB पर क्षेत्र बढ़ जाता है।

MEMS माइक्रोफ़ोन छोटे आकार, स्थिर विशेषताओं और मानक SMD लाइनों पर सोल्डरेबिलिटी के कारण हावी हैं। हालांकि, ECM कम घटक लागत ($0.15–0.30 बनाम MEMS के लिए $0.25–0.60) के कारण बजट उपकरणों में उपयोग जारी रखते हैं।

बहु-माइक्रोफ़ोन कॉन्फ़िगरेशन: प्राथमिक, सामने, पीछे

आधुनिक स्मार्टफ़ोन में 3 से 4 माइक्रोफ़ोन होते हैं, जिनका स्थान रिकॉर्डिंग गुणवत्ता और नॉइज़ कैंसिलेशन निर्धारित करता है। प्राथमिक माइक्रोफ़ोन (नीचे) USB-C पोर्ट के बगल में निचले किनारे पर स्थित होता है — यह कॉल और वीडियो रिकॉर्डिंग के दौरान उपयोगकर्ता की आवाज रिकॉर्ड करता है। सामने का (ऊपरी) माइक्रोफ़ोन वॉइस कमांड और स्टीरियो रिकॉर्डिंग में दूसरे चैनल के लिए ऊपरी किनारे पर होता है।

पीछे का (बैक) माइक्रोफ़ोन आमतौर पर पीछे के पैनल पर कैमरे के पास रखा जाता है और विशेष रूप से नॉइज़ कैंसिलेशन के लिए उपयोग किया जाता है। इसका संकेत ऑडियो फ़ाइल में रिकॉर्ड नहीं किया जाता — इसे केवल डिजिटल प्रोसेसर द्वारा प्राथमिक माइक्रोफ़ोन संकेत से घटाया जाता है। कुछ फ्लैगशिप (iPhone 16 Pro, Samsung Galaxy S25) में, वीडियो कॉल के दौरान रिकॉर्डिंग में सुधार के लिए फ्रंट कैमरा नॉच में चौथा माइक्रोफ़ोन स्थापित किया जाता है।

स्टीरियो वीडियो रिकॉर्डिंग निचले और ऊपरी माइक्रोफ़ोन के संयोजन के माध्यम से कार्यान्वित की जाती है। iOS डिवाइस ओरिएंटेशन के आधार पर स्वचालित रूप से माइक्रोफ़ोन जोड़ी का चयन करता है — लैंडस्केप मोड में, बायां चैनल बाएं किनारे से, दायां दाएं किनारे से आता है। Android पर, यह तर्क OEM निर्माता के कार्यान्वयन पर निर्भर करता है और मॉडलों के बीच भिन्न हो सकता है।

Kotlin (Android) में ऑडियो स्रोत चुनने का उदाहरण

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)
    // PCM बफ़र प्रसंस्करण
}

AudioSource.CAMCORDER वीडियो रिकॉर्डिंग के लिए इष्टतम माइक्रोफ़ोन चुनता है — आमतौर पर स्वचालित गेन नियंत्रण के साथ निचला प्राथमिक माइक्रोफ़ोन। वॉइस रिकॉर्डिंग के लिए, VOICE_RECOGNITION का उपयोग किया जाता है — यह स्रोत स्पीच रिकॉग्निशन के लिए साफ संकेत हेतु सभी फ़िल्टर और नॉइज़ कैंसिलेशन को अक्षम करता है।

स्मार्टफ़ोन में नॉइज़ कैंसिलेशन कैसे काम करता है

सक्रिय नॉइज़ कैंसिलेशन (ANC) स्मार्टफ़ोन में अंतर विधि पर आधारित है: दूसरा (संदर्भ) माइक्रोफ़ोन मुख्य रूप से पृष्ठभूमि शोर रिकॉर्ड करता है, जबकि प्राथमिक माइक्रोफ़ोन आवाज और शोर का मिश्रण कैप्चर करता है। एक डिजिटल सिग्नल प्रोसेसर (DSP) संदर्भ संकेत को प्राथमिक से घटाता है, केवल साफ आवाज छोड़ता है।

नॉइज़ कैंसिलेशन गुणवत्ता माइक्रोफ़ोन के बीच की दूरी और उनकी दिशात्मकता पर निर्भर करती है। समान शोर (हवाई जहाज, पंखा) का सामान्य दमन 20–35 dB है। आवेग शोर (दरवाजा पटकना, बर्तन टकराना) के लिए, एक अतिरिक्त क्षणिक दमन ब्लॉक का उपयोग किया जाता है जो विकृत खंड को पड़ोसी नमूनों से अनुमानित संकेत से बदल देता है।

डेवलपर केवल ऑडियो सत्र मापदंडों के माध्यम से नॉइज़ कैंसिलेशन एल्गोरिदम को प्रभावित कर सकता है: Android पर — AudioManager.setParameters("noise_suppression=on/off"), iOS पर — AVAudioSession श्रेणी .playAndRecord विकल्प .allowBluetoothA2DP के साथ। पहचान के लिए रिकॉर्डिंग करते समय, नॉइज़ कैंसिलेशन आमतौर पर अक्षम किया जाता है — STT एल्गोरिदम मूल संकेत के साथ अधिक सटीक काम करते हैं।

ऑडियो कैप्चर: Android AudioRecord और iOS AVAudioEngine

AudioRecord (Android) माइक्रोफ़ोन से सीधे PCM डेटा रिकॉर्डिंग के लिए निम्न-स्तरीय API है। एप्लिकेशन कच्चे ऑडियो डेटा के साथ बफ़र प्राप्त करता है जिसे रीयल टाइम में संसाधित किया जा सकता है: वॉल्यूम विश्लेषण, आवृत्ति विश्लेषण (FFT), VAD (वॉइस एक्टिविटी डिटेक्शन)। न्यूनतम बफ़र AudioRecord.getMinBufferSize() के माध्यम से गणना की जाती है — छोटे आकार का उपयोग करने से रिकॉर्डिंग में देरी या विफलता होती है।

AVAudioEngine (iOS) ऑडियो प्रोसेसिंग के लिए एक मॉड्यूलर ग्राफ है जहां इनपुट नोड (AVAudioInputNode) मुख्य मिक्सर या सीधे टैप हैंडलर से जुड़ता है। इंजन RMS (रूट मीन स्क्वायर) — एक संकेत वॉल्यूम संकेतक — और AVAudioUnitEQ के माध्यम से आवृत्ति स्पेक्ट्रम का रीयल-टाइम विश्लेषण की अनुमति देता है।

मुख्य प्लेटफ़ॉर्म अंतर: iOS पर, रिकॉर्डिंग के लिए .playAndRecord या .record श्रेणी के साथ AVAudioSession का अनिवार्य सक्रियण आवश्यक है; Android पर, RECORD_AUDIO अनुमति (रनटाइम अनुमति) और एक माइक्रोफ़ोन AudioSource आवश्यक है। Flutter इन अंतरों को अमूर्त करने के लिए record प्लगइन का उपयोग करता है।

Swift (iOS) में ऑडियो कैप्चर का उदाहरण

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 ध्वनि स्तर: \(rms)")
}

try engine.start()

कोड AVAudioEngine के इनपुट नोड पर एक टैप सेट करता है। प्रत्येक ऑडियो बफ़र में माइक्रोफ़ोन से मोनोफ़ोनिक संकेत का फ्लोट डेटा होता है। RMS की गणना आयाम के मूल माध्य वर्ग के रूप में की जाती है — 0.0 (मौन) से ~0.5–1.0 (तेज आवाज) की रेंज में ध्वनि वॉल्यूम का एक मानक संकेतक।

माइक्रोफ़ोन विशेषताएँ: SNR, AOP, आवृत्ति रेंज

माइक्रोफ़ोन गुणवत्ता का मूल्यांकन करने के लिए मुख्य मापदंडों का उपयोग किया जाता है। SNR (सिग्नल-टू-नॉइज़ रेशियो) संकेत स्तर और माइक्रोफ़ोन के स्वयं के शोर का अनुपात है, जिसे dBA में मापा जाता है। SNR जितना अधिक होगा, रिकॉर्डिंग में पृष्ठभूमि शोर उतना ही शांत होगा। वॉइस कॉल के लिए, 62–64 dBA पर्याप्त है; संगीत रिकॉर्डिंग के लिए, 68+ dBA आवश्यक है।

AOP (ध्वनिक अधिभार बिंदु) अधिकतम ध्वनि दबाव स्तर (SPL) है जिसे माइक्रोफ़ोन क्लिपिंग के बिना परिवर्तित कर सकता है। सामान्य MEMS माइक्रोफ़ोन के लिए, AOP = 125 dB है। कॉन्सर्ट (110–120 dB) में, रिकॉर्डिंग साफ होगी, लेकिन 130+ dB (पास में आतिशबाजी) पर, नॉनलाइनियर विरूपण दिखाई देगा (THD > 10%).

आवृत्ति रेंज निर्धारित करती है कि माइक्रोफ़ोन क्षीणन के बिना कौन सी आवृत्तियाँ रिकॉर्ड करता है। आवाज के लिए, 300–3400 Hz (टेलीफ़ोन मानक, POTS) पर्याप्त है। संगीत और वीडियो के लिए — 20–20000 Hz। नवीनतम पीढ़ी के स्मार्टफ़ोन (Knowles SPH9855) में MEMS माइक्रोफ़ोन ±3 dB की समतलता के साथ 30–18000 Hz की रेंज प्रदान करते हैं।