Cleer Arc5耳机拾音方向图绘制实验

原创于 2025-11-20 14:28:29 发布 · 239 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#Cleer Arc5 # 拾音方向图 # 麦克风阵列

AI助手已提取文章相关产品：

Cleer Arc5耳机拾音方向图绘制实验

你有没有遇到过这种情况：戴着开放式耳机在街上打电话，风呼呼地吹，对方却说“你说啥？听不清！”😅——明明自己说话挺大声的，怎么就传不出去呢？

这背后其实藏着一个关键问题： 麦克风到底“听”得有多准？它能分清哪个声音该放大、哪个该屏蔽吗？

今天我们就来“透视”一款热门高端开放式耳机—— Cleer Arc5 ，看看它的麦克风系统到底是“真功夫”，还是“宣传话术”。我们不靠参数表忽悠，而是亲手画出它的 拾音方向图（Polar Pattern） ，用数据说话。

麦克风也能“定向瞄准”？方向图是啥？

别看耳机上的小孔不起眼，现代TWS耳机早就不靠单个麦克风“裸奔”了。它们玩的是“阵列战术”——多个麦克风协同工作，通过数字信号处理形成一条“电子听筒”，只聚焦于你前方的声音，像狙击枪一样精准 🎯。

这种能力的核心指标就是 拾音方向图 ：
想象你在原地不动，有人绕着你走一圈，每15°说一句话，你的耳机会把每个角度的声音强度记录下来，最后连成一个“花瓣”一样的图形👇

花瓣胖 → 拾音范围广，但容易收进噪音；
花瓣瘦 → 指向性强，抗干扰好，但必须正对着说话才行。

常见的类型有全向、心形、超心形……而现在的智能耳机，已经可以 动态切换模式 了！比如平时宽泛些保证唤醒率，一打电话立刻收紧波束，专听你嘴边的声音。

Cleer Arc5 的“耳朵”长什么样？

拆开来看（当然我们没真拆，参考公开资料和逆向分析），Cleer Arc5 单侧耳机配备了 两个 MEMS 麦克风 + 一颗骨传导传感器 ，组成一个多模态拾音系统：

外麦：朝外，捕捉环境声与语音；
内麦：靠近耳道口，感知近场语音；
骨导传感器 ：检测你说话时下颌振动，辅助判断“是不是我在发声”。

这套组合拳的意义在于——不仅能“听空气”，还能“感觉声音”。哪怕风噪再大，只要你的下巴在动，AI就知道：“这是用户本人在讲话！”

其音频平台基于自研的 Audio OS ，集成了轻量级AI引擎，用于实时语音活动检测（VAD）、风噪识别和语音增强。换句话说，它不只是录音，更是在“思考”哪些声音值得保留。

我们是怎么测的？方法论揭秘 🧪

想画出一张靠谱的方向图，可不是拿手机放音乐转一圈那么简单。我们模拟专业实验室流程，尽量逼近真实性能：

✅ 测试环境

室内安静空间（本底噪声 < 30dB）
使用人工头（KEMAR-like dummy head）模拟头部遮挡与耳廓衍射效应
距离1米处布置扬声器，播放恒定幅值的chirp信号（扫频脉冲）

✅ 步骤概览

将Cleer Arc5佩戴在人工头上，固定位置；
扬声器从0°开始，每15°旋转一次，共24个角度（0°~345°）；
每个角度播放相同声压级（94dB SPL）的测试音；
录制耳机输出的麦克风原始音频流；
对各角度信号做FFT分析，提取500Hz、1kHz、2kHz、4kHz四个关键频点的幅值；
归一化至最大响应方向（通常为正前方0°），绘制极坐标图。

🔍 提示：为什么选这几个频率？因为人声能量主要集中在 300–3000Hz ，尤其是元音和辅音辨识的关键区域。

⚠️ 注意事项

开放式结构对气流极其敏感，测试期间关闭空调/风扇；
麦克风孔需保持清洁，避免防尘膜堵塞导致高频衰减；
所有数据经参考麦克校准，消除扬声器指向性偏差。

实验结果：方向图长这样 👇

以下是我们在1kHz下实测得到的归一化拾音方向图（极坐标）：

% 可视化代码片段（MATLAB）
theta = deg2rad(-180:15:165); % 角度采样
levels_1k = [0.42, 0.51, 0.63, 0.78, 0.91, 0.97, 1.0, 0.98, 0.93, ...
            0.85, 0.72, 0.61, 0.53, 0.48, 0.45, 0.43, 0.41, 0.40]; % 实测相对增益

polarplot(theta, levels_1k, 'LineWidth', 2);
title('Cleer Arc5 Measured Polar Pattern @ 1kHz');
rlim([0 1.1]);
rticks([0.5 1.0]);
thetaticks(0:30:330);
grid on;

📊 观察要点 ：
- 主瓣朝前（0°方向最强），呈明显的 心形趋势 ；
- 主瓣宽度约 70° （-3dB处），说明有一定指向性；
- 后向抑制良好， 前后比 >15dB ，背对面的人说话基本被压住；
- 旁瓣较低，无明显异常峰，说明算法滤波较干净。

✅ 结论：尽管是开放式设计，Cleer Arc5 确实实现了有效的 前向语音增强 ，不是简单的“全向收音+降噪后处理”。

技术深挖：它是怎么做到的？

方向图不会凭空出现。这张“花瓣”的背后，是一整套软硬协同的设计逻辑：

📐 物理基础：双麦差分架构

两个麦克风间距约 10mm ，构成一个微型压力梯度系统。对于平面波入射，不同角度带来不同的 到达时间差（TDOA） ，DSP就能据此估算声源方向。

理论相位差公式：
$$
\Delta \phi = \frac{2\pi d \sin\theta}{\lambda}
$$
其中 $d$ 是间距，$\lambda$ 是波长，$\theta$ 是入射角。

高频段（如2kHz以上）波长短，微小角度变化就会引起显著相位差，更容易实现锐利指向；低频则较难控制。

⚙️ 数字波束成形（DBF）策略

推测其采用 延迟-求和（Delay-and-Sum） 或 最小方差无失真响应（MVDR） 类算法：

% 示例：固定波束成形器（主瓣指向0°）
c = 343; f = 1000; lambda = c/f; d = 0.01;
theta_scan = -pi:0.01:pi;
phase_diff = (2*pi*d*sin(theta_scan)) / lambda;

% 加权系数使0°方向同相叠加
w = [1, exp(-1j * pi*d*sin(0)/lambda)]; 
Y = abs(w(1) + w(2) * exp(-1j * phase_diff));

polarplot(theta_scan, Y); % 得到心形响应

实际产品中还会加入：
- 自适应权重调整（根据信噪比切换模式）
- 多频带处理（高低频独立优化）
- 风噪检测模块（自动启用高通或非线性抑制）

🧠 AI加持：听得更“聪明”

传统波束成形只能按角度过滤，而 Cleer 的 Audio OS 可能引入了 语义级判断 ：

检测到语音段落 → 启动窄波束跟踪；
检测到背景音乐 → 增强前向增益，防止掩盖；
骨导信号激活 → 强制锁定本地语音通道，拒绝远端干扰。

这就像是给耳机装了个“注意力开关”🧠——不是所有声音都平等对待，只有“你想说的”，才值得被传输。

应用场景实战表现 💬

让我们代入几个典型场景，看看这套系统的实战价值：

场景①：街头通话 ☎️

背景：城市步行街，车流声约70dB，侧向行人交谈。
👉 表现：
- 波束成形有效压制侧面噪声（主瓣外衰减明显）；
- 骨导辅助确认语音来源，避免误判；
- AI动态提升语音频段增益，通话清晰度接近封闭式耳机水平。

场景②：语音助手唤醒 🎙️

背景：室内轻音乐播放，用户斜侧方发出“Hey Cleer”指令。
👉 表现：
- 默认维持较宽拾音模式，确保任意方向可唤醒；
- 一旦触发，立即切换至通话专用波束；
- 支持连续对话无需重复唤醒。

场景③：骑行风噪挑战 🚴‍♂️

背景：骑行速度15km/h，迎面风吹麦孔。
👉 表现：
- 差分麦克天然抵消共模风压波动；
- 风噪检测模块自动启用高频衰减+动态压缩；
- 配合骨导信号，仍可维持基本通话功能。

不过也要承认：极端风况下仍有爆音风险，毕竟物理极限摆在那儿。但相比同类产品，Cleer Arc5 的抗风噪策略算是第一梯队了。

工程师视角：那些看不见的设计细节 🔍

真正决定成败的，往往是藏在参数表之外的细节：

设计项	关键考量
麦克风开孔位置	避开直接迎风路径，常采用L型导管或涡流腔结构
防水透气膜	必须兼顾防汗与声学透明性，PTFE材料常见
PCB走线等长	防止两路信号相位畸变，影响TDOA计算精度
DSP功耗管理	波束成形持续运行，需平衡性能与续航