Cleer Arc5耳机双麦降噪SNR提升实测

最新推荐文章于 2025-11-21 13:55:05 发布

原创最新推荐文章于 2025-11-21 13:55:05 发布 · 675 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#Cleer Arc5 # 双麦降噪 # 信噪比

AI助手已提取文章相关产品：

Cleer Arc5耳机双麦降噪SNR提升实测技术分析

在地铁站里，你刚接起电话，对面只听到“呜——呼——”，风声、人声、广播混成一片；
走在街头，语音助手却把“打电话给妈妈”听成了“打开灯的模式”……

这不只是尴尬，更是现代TWS耳机必须跨越的一道坎。

而Cleer最近推出的 Arc5开放式耳机 ，偏偏要在“没耳罩遮挡”的先天劣势下，挑战一个高难度动作： 让通话清晰得像在安静办公室里一样 。他们靠的是什么？双麦克风系统 + 深度算法优化，核心目标就一个—— 大幅提升信噪比（SNR） 。

听起来很技术？别急，咱们一边拆硬件，一边跑数据，看看这副耳机到底有没有“真功夫”。

双麦降噪不是新概念，但用好了真能“逆天改命”

先说清楚： 双麦克风降噪 ≠ 主动降噪（ANC） 。很多人容易搞混。
播放端的ANC是让你“听得清净”，而我们今天聊的双麦降噪，是解决“说得清楚”——也就是你在说话时，对方能不能听清你。

它的基本思路其实挺朴素：

一个麦克风靠近嘴边录你的声音（主麦），另一个放在远处感知环境噪声（参考麦）。然后用算法从主麦信号里“减掉”估计出来的噪声，剩下的就是干净语音了。

听起来简单，做起来可不容易。关键在于： 你怎么确定哪个是噪声？怎么保证不把人声也一起干掉？

这就引出了两个核心技术路径：

自适应滤波（比如NLMS） ：动态建模噪声传递路径，实时更新滤波器；
波束成形（Beamforming） ：利用两个麦克风之间的相位差，形成指向性“拾音枪”，只对正前方的声音敏感。

理论上，这种结构能把信噪比提升 10~15dB ——相当于把喧闹街道的背景音压低一大截，让语音浮出水面 🎯。

相比之下，单麦降噪大多依赖“谱减法”这类静态处理，面对突发噪声（比如突然鸣笛）就有点束手无策。而且一旦过度抑制，人声会发闷、失真，听着特别累。

所以你看，虽然多加一个麦克风意味着成本上升、PCB布局更复杂，但对于高端通话体验来说，这笔账值得算。

来点硬货：代码级看懂NLMS是怎么“去噪”的

别怕，咱们不堆公式，直接上一段接近真实产线逻辑的C代码 👇

#include "arm_math.h"

#define BLOCK_SIZE      64
#define FILTER_LENGTH   32

float32_t primary_mic[BLOCK_SIZE];     // 主麦：语音 + 噪声
float32_t reference_mic[BLOCK_SIZE];   // 次麦：主要是噪声
float32_t output_audio[BLOCK_SIZE];
float32_t filter_coeffs[FILTER_LENGTH];
float32_t error_signal[BLOCK_SIZE];

void init_nlms() {
    arm_fill_f32(0.0f, filter_coeffs, FILTER_LENGTH);
}

void process_noise_cancellation() {
    float32_t norm;
    float32_t mu = 0.1f;

    arm_dot_prod_f32(&reference_mic[0], &reference_mic[0], BLOCK_SIZE, &norm);
    norm += 1e-6f;

    for (int n = 0; n < BLOCK_SIZE; n++) {
        float32_t y = 0.0f;
        int delay_idx = n - FILTER_LENGTH + 1;

        if (delay_idx >= 0) {
            arm_dot_prod_f32(&filter_coeffs[0], 
                             &reference_mic[delay_idx], 
                             FILTER_LENGTH, &y);
        } else {
            int start = FILTER_LENGTH + delay_idx;
            arm_dot_prod_f32(&filter_coeffs[FILTER_LENGTH - start], 
                             &reference_mic[0], start, &y);
        }

        error_signal[n] = primary_mic[n] - y;

        float32_t factor = mu * error_signal[n] / norm;
        for (int k = 0; k < FILTER_LENGTH && (n-k) >= 0; k++) {
            filter_coeffs[k] += factor * reference_mic[n - k];
        }
    }

    arm_copy_f32(error_signal, output_audio, BLOCK_SIZE);
}

这段代码基于ARM的CMSIS-DSP库实现了一个 NLMS（归一化最小均方）滤波器 ，正是双麦降噪中最常用的自适应算法之一。

它干了这么几件事：

用次麦克作为“噪声参考源”；
训练一个FIR滤波器来逼近噪声从次麦到主麦的传播路径；
把预测出的噪声从主信号中扣除；
输出残差——也就是我们认为的“纯净语音”。

💡 小贴士：实际产品中还会叠加VAD（语音检测）、AGC（自动增益）、频域变换甚至轻量级AI模型（如RNNoise），形成多级净化流水线。毕竟现实世界太复杂，单靠一种方法撑不起全天候清晰通话。

Cleer Arc5怎么把这套理论变成现实？

光有算法不够，还得看工程落地。来看看Cleer Arc5是怎么构建这条“语音高速公路”的：

[主麦克] → ADC → ───────────────┐
                                ├──→ [双麦降噪引擎] → [蓝牙编码器] → 射频发送
[次麦克] → ADC → [前端预处理] ─┘
                                     ↑
                              [AI语音增强模块]
                                     ↑
                          [Qualcomm QCC5171芯片]

整套链路走下来，有几个亮点值得一说：

🔹 麦克风选型与布局：物理层打好基础

主控平台用的是 高通QCC5171 ，支持cVc 8.0通话降噪技术，内置专用DSP核，低功耗运行信号处理毫无压力；
麦克风来自楼氏或瑞声的高性能MEMS器件，信噪比≥65dB(A)，THD<0.5%，底噪控制得很干净；
双麦采用“前后差分布局”：主麦藏在耳挂内侧，尽量贴近嘴角；次麦放在外侧暴露于环境。两者间距超过20mm，满足波束成形的基本条件 ✅

这个设计很聪明：既避免了声学串扰，又利用空间差异强化了噪声感知能力，尤其对付风噪特别有效。

🔹 算法组合拳：传统+AI双管齐下

Cleer没只靠高通原生的cVc算法，而是额外注入了一层 轻量化神经网络模型 （推测为RNNoise改进版），专门应对非稳态噪声。

举个例子：

当你骑车经过一辆鸣笛的汽车，传统算法可能来不及反应，导致那一小段语音被淹没。但AI模型可以通过训练识别“突发高频瞬态噪声”，快速启动强抑制模式，保住关键语义。

不仅如此，系统还能根据场景自动切换模式：

安静办公室 → 轻度降噪，保留自然感；
地铁站台 → 强波束聚焦 + 噪声门限收紧；
户外骑行 → 启用风噪检测，配合气流导向开孔结构物理过滤。

🧠 这种“智能感知 + 自适应响应”的思路，才是高端耳机和普通TWS拉开差距的关键。

🔹 实际痛点解决清单

用户烦恼	Arc5解决方案
“别人说我声音忽大忽小”	AGC自动平衡音量波动
“风一吹就像打鼓”	差分麦克+风噪专用滤波器
“咖啡馆里听不清关键词”	波束成形聚焦人声方向
“语音助手老理解错”	AI增强辅音能量（/p/, /t/等爆破音）

甚至连未来都考虑到了： 支持Bluetooth LE Audio协议准备 ，后续可通过UCNC（通用通话与媒体增强）实现跨设备无缝漫游通话。