Microfon — ce este, tipuri și cum funcționează în dispozitivele mobile

Ce este un microfon?

Microfonul — un dispozitiv electroacustic care transformă oscilațiile presiunii sonore în semnal electric. După principiul de funcționare se împart în dinamice (bobină în câmp magnetic), capacitive (modificarea capacității) și piezoelectrice. În dispozitivele mobile, majoritatea absolută sunt microfoane capacitive MEMS datorită dimensiunilor miniaturale (2.5 × 1.5 mm) și compatibilității cu montajul de suprafață (SMD).

Microfonul constă dintr-o membrană care oscilează sub acțiunea presiunii sonore și un electrod fix, formând un condensator. Modificarea distanței între plăci schimbă capacitatea, ceea ce modulează tensiunea de ieșire. În microfoanele MEMS, membrana este fabricată din polisiliciu prin fotolitografie — aceasta asigură identitatea caracteristicilor tuturor microfoanelor dintr-un lot.

Semnalul de ieșire al microfonului MEMS — PDM (Pulse Density Modulation) — un flux de un bit cu frecvența de eșantionare de 1–4 MHz. Codecurile smartphone-ului decodează PDM în PCM (Pulse Code Modulation) printr-un filtru digital-decimator, obținând formatul audio standard de 16–24 biți cu frecvența de 44.1–96 kHz pentru procesarea de către aplicație.

MEMS vs microfoane electret

Înainte de apariția MEMS în dispozitivele mobile se utilizau microfoane capacitive electret (ECM). În acestea, membrana avea o sarcină electrică permanentă (electret), iar oscilațiile membranei generau o tensiune variabilă. Microfoanele ECM sunt mai mari (4–6 mm) și necesită un preamplificator separat, ceea ce mărește suprafața pe placă.

Microfoanele MEMS domină datorită dimensiunilor reduse, stabilității caracteristicilor și posibilității de lipire pe liniile standard SMD. Totuși, ECM continuă să fie utilizate în dispozitivele bugetare datorită costului mai scăzut al componentului ($0.15–0.30 față de $0.25–0.60 pentru MEMS).

Configurația multi-microfon: principal, frontal, posterior

Smartphone-urile moderne conțin între 3 și 4 microfoane, a căror amplasare determină calitatea înregistrării și a anulării zgomotului. Microfonul principal (inferior) este situat pe marginea de jos lângă portul USB-C — înregistrează vocea utilizatorului în timpul convorbirii și filmării. Cel frontal (superior) — pe marginea de sus pentru comenzi vocale și al doilea canal la înregistrarea stereo.

Microfonul posterior este de obicei amplasat lângă cameră pe panoul din spate și este utilizat exclusiv pentru anularea zgomotului. Semnalul său nu este înregistrat în fișierul audio — este doar scăzut de procesorul digital din semnalul microfonului principal. În unele flagship-uri (iPhone 16 Pro, Samsung Galaxy S25) se instalează un al patrulea microfon — în crestătura camerei frontale pentru îmbunătățirea înregistrării în apelurile video.

Înregistrarea stereo video se realizează prin combinarea microfoanelor inferior și superior. iOS selectează automat perechea de microfoane în funcție de orientarea dispozitivului — la filmarea peisaj, canalul stâng este preluat de pe marginea stângă, cel drept — de pe marginea dreaptă. Pe Android, această logică depinde de implementarea producătorului OEM și poate diferi între modele.

Exemplu de selectare a sursei audio în 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)
    // Procesarea bufferului PCM
}

AudioSource.CAMCORDER selectează microfonul optim pentru filmare — de obicei, acesta este microfonul principal inferior cu reglare automată a câștigului. Pentru înregistrarea vocală se utilizează VOICE_RECOGNITION — această sursă dezactivează toate filtrele și anularea zgomotului pentru un semnal curat destinat recunoașterii vorbirii.

Cum funcționează anularea zgomotului în smartphone-uri

Anularea activă a zgomotului (Active Noise Cancellation, ANC) în smartphone-uri se bazează pe metoda diferențială: al doilea microfon (de referință) înregistrează în principal zgomotul de fundal, iar cel principal (primar) — amestecul de voce și zgomot. Procesorul digital de semnal (DSP) scade semnalul de referință din cel primar, lăsând doar vocea curată.

Calitatea anulării zgomotului depinde de distanța dintre microfoane și de direcționalitatea acestora. Atenuarea tipică a zgomotului uniform (avion, ventilator) — 20–35 dB. Pentru zgomotele impulsive (bătaia ușii, lovitura vaselor) se utilizează un bloc suplimentar de suprimare a tranzientelor, care înlocuiește segmentul distorsionat cu un semnal aproximat al eșantioanelor vecine.

Dezvoltatorul poate influența algoritmii de anulare a zgomotului doar prin parametrii sesiunii audio: pe Android — AudioManager.setParameters("noise_suppression=on/off"), pe iOS — categoria AVAudioSession .playAndRecord cu opțiunea .allowBluetoothA2DP. La înregistrarea pentru recunoaștere, anularea zgomotului este de obicei dezactivată — algoritmii STT funcționează mai precis cu semnalul original.

Captarea audio: Android AudioRecord și iOS AVAudioEngine

AudioRecord (Android) — API de nivel scăzut pentru înregistrarea directă a datelor PCM de la microfon. Aplicația primește buffere cu date audio brute care pot fi procesate în timp real: analiza volumului, analiza frecvenței (FFT), VAD (Voice Activity Detection). Bufferul minim se calculează prin AudioRecord.getMinBufferSize() — utilizarea unei dimensiuni mai mici cauzează întârziere sau eroare de înregistrare.

AVAudioEngine (iOS) — un graf modular pentru procesarea audio, unde nodul de intrare (AVAudioInputNode) se conectează la mixerul principal sau direct la handler-ul tap. Engine permite analiza în timp real a RMS (Root Mean Square) — indicatorul volumului semnalului — și a spectrului de frecvență prin AVAudioUnitEQ.

Diferențele cheie între platforme: pe iOS, înregistrarea necesită activarea obligatorie a AVAudioSession cu categoria .playAndRecord sau .record; pe Android — permisiunea RECORD_AUDIO (permisiune runtime) și sursa AudioSource. Flutter utilizează pluginul record pentru abstractizarea acestor diferențe.

Exemplu de captare audio în 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("Volum RMS: \(rms)")
}

try engine.start()

Codul setează un tap pe nodul de intrare al motorului AVAudioEngine. Fiecare buffer audio conține date float ale semnalului monofonic de la microfon. RMS se calculează ca rădăcina pătrată a mediei pătratelor amplitudinii — indicatorul standard al volumului sonor în intervalul 0.0 (tăcere) până la aproximativ 0.5–1.0 (voce tare).

Caracteristicile microfonului: SNR, AOP, domeniul de frecvență

Pentru evaluarea calității microfonului se utilizează parametri cheie. SNR (Signal-to-Noise Ratio) — raportul dintre nivelul semnalului și zgomotul propriu al microfonului, măsurat în dBA. Cu cât SNR este mai mare, cu atât zgomotul de fundal în înregistrare este mai redus. Pentru apelurile vocale sunt suficiente 62–64 dBA, pentru înregistrarea muzicii — 68+ dBA.

AOP (Acoustic Overload Point) — nivelul maxim al presiunii sonore (SPL) pe care microfonul îl poate converti fără clipping. Pentru un microfon MEMS tipic, AOP = 125 dB. La concerte (110–120 dB) înregistrarea va fi curată, dar la peste 130+ dB (focuri de artificii apropiate) apare distorsiunea neliniară (THD > 10%).

Domeniul de frecvență determină ce frecvențe microfonul înregistrează fără atenuare. Pentru voce sunt suficiente 300–3400 Hz (standardul telefonic, POTS). Pentru muzică și video — 20–20000 Hz. Microfoanele MEMS din smartphone-urile de ultimă generație (Knowles SPH9855) asigură un domeniu de 30–18000 Hz cu o neuniformitate de ±3 dB.