麦克风 — 定义、类型及在移动设备中的工作原理

什么是麦克风？

麦克风 — 一种电声设备，将声压振荡转换为电信号。按工作原理分为动圈式（磁场中的线圈）、电容式（电容变化）和压电式。在移动设备中，绝大多数是电容式 MEMS 麦克风，得益于其微型尺寸（2.5 × 1.5 毫米）和表面贴装（SMD）兼容性。

麦克风由在声压作用下振动的振膜和固定电极组成，形成电容器。极板之间距离的变化改变电容，从而调制输出电压。在 MEMS 麦克风中，振膜通过光刻法由多晶硅制成 — 这确保了一批次中所有麦克风特性的一致性。

MEMS 麦克风的输出信号 — PDM（脉冲密度调制） — 以 1–4 MHz 采样率的单比特流。智能手机的编解码器通过数字抽取滤波器将 PDM 解码为 PCM（脉冲编码调制），获得标准的 16–24 位、44.1–96 kHz 音频格式供应用处理。

MEMS 与驻极体麦克风

在 MEMS 出现之前，移动设备中使用 驻极体电容麦克风 (ECM)。其中振膜具有永久电荷（驻极体），振膜的振动产生可变电压。ECM 麦克风更大（4–6 毫米），需要单独的前置放大器，增加了电路板面积。

MEMS 麦克风因其更小的尺寸、稳定的特性和可在标准 SMD 生产线上焊接而占据主导地位。然而，ECM 由于组件成本更低（0.15–0.30 美元对比 MEMS 的 0.25–0.60 美元）仍在低成本设备中使用。

多麦克风配置：主麦克风、前置、后置

现代智能手机包含 3 到 4 个麦克风，其位置决定了录音和降噪质量。主麦克风（底部）位于 USB-C 端口旁的下边缘 — 它在通话和视频录制时录制用户的声音。前置（顶部） — 在上边缘，用于语音命令和立体声录制时的第二声道。

后置麦克风通常位于后面板的摄像头旁边，专门用于降噪。其信号不记录在音频文件中 — 仅由数字处理器从主麦克风信号中减去。在一些旗舰机型（iPhone 16 Pro、Samsung Galaxy S25）中，前置摄像头的刘海处安装了第四个麦克风，以改善视频通话时的录音效果。

立体声视频录制通过底部和顶部麦克风的组合实现。iOS 根据设备方向自动选择麦克风对 — 横向录制时，左声道从左边缘采集，右声道从右边缘采集。在 Android 上，此逻辑取决于 OEM 制造商的实现，可能因型号而异。

Kotlin 中的音频源选择示例 (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)
    // PCM 缓冲区处理
}

AudioSource.CAMCORDER 选择最适合视频录制的麦克风 — 通常是带有自动增益控制的底部主麦克风。语音录制使用 VOICE_RECOGNITION — 此源会关闭所有滤波器和降噪功能，以获得干净的语音识别信号。

智能手机中的降噪原理

主动降噪 (ANC) 在智能手机中基于差分方法：第二个麦克风（参考）主要录制背景噪声，主麦克风（主要）录制语音和噪声的混合。数字信号处理器 (DSP) 从主要信号中减去参考信号，只留下干净的语音。

降噪质量取决于麦克风之间的距离及其方向性。均匀噪声（飞机、风扇）的典型抑制 — 20–35 dB。对于脉冲噪声（关门声、餐具碰撞声），使用额外的瞬态抑制模块，用相邻样本的近似信号替换失真部分。

开发人员只能通过音频会话参数影响降噪算法：在 Android 上 — AudioManager.setParameters("noise_suppression=on/off")，在 iOS 上 — AVAudioSession 类别 .playAndRecord 配合 .allowBluetoothA2DP 选项。为语音识别录制时，通常会关闭降噪 — STT 算法使用原始信号更精确。

音频捕获：Android AudioRecord 和 iOS AVAudioEngine

AudioRecord (Android) — 用于直接从麦克风录制 PCM 数据的低级 API。应用程序接收包含原始音频数据的缓冲区，可进行实时处理：音量分析、频率分析 (FFT)、语音活动检测 (VAD)。最小缓冲区通过 AudioRecord.getMinBufferSize() 计算 — 使用更小的大小会导致延迟或录制错误。

AVAudioEngine (iOS) — 用于音频处理的模块化图，其中输入节点 (AVAudioInputNode) 连接到主混音器或直接连接到 tap 处理器。引擎允许实时分析 RMS（均方根）— 信号音量指标 — 以及通过 AVAudioUnitEQ 分析频谱。

平台的主要区别：在 iOS 上，录制需要强制激活类别为 .playAndRecord 或 .record 的 AVAudioSession；在 Android 上 — RECORD_AUDIO 权限（运行时权限）和 AudioSource 源。Flutter 使用 record 插件来抽象这些差异。

Swift 中的音频捕获示例 (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 音量：\(rms)")
}

try engine.start()

代码在 AVAudioEngine 引擎的输入节点上设置 tap。每个音频缓冲区包含来自麦克风的单声道信号的 float 数据。RMS 计算为幅度的均方根 — 标准音量指标，范围从 0.0（静音）到约 0.5–1.0（大声说话）。

麦克风特性：SNR、AOP、频率范围

评估麦克风质量使用关键参数。SNR（信噪比）— 信号电平与麦克风自身噪声的比率，以 dBA 为单位。SNR 越高，录音中的背景噪声越小。语音通话 62–64 dBA 足够，音乐录制需要 68+ dBA。

AOP（声学过载点）— 麦克风能够不失真转换的最大声压级 (SPL)。典型 MEMS 麦克风的 AOP = 125 dB。在音乐会上（110–120 dB），录音是干净的，但在 130+ dB（附近烟花）时会出现非线性失真 (THD > 10%)。

频率范围决定麦克风录制哪些频率而不衰减。语音需要 300–3400 Hz（电话标准，POTS）。音乐和视频需要 20–20000 Hz。最新一代智能手机中的 MEMS 麦克风（Knowles SPH9855）提供 30–18000 Hz 的范围，不均匀度为 ±3 dB。