一、背景：免提通话场景中声源定位的核心诉求

在智能音箱、会议系统、AI摄像头等设备中，"谁在说话"往往是激活后续语音识别、摄像跟踪或波束形成的第一步。与近场语音处理不同，免提通话场景存在几个结构性矛盾：说话人位置不确定（可在设备前方360°任意方位）、距离可能在0.5m至5m甚至更远、且设备往往部署在混响较为明显的室内环境。这使得传统的单麦克风方案无法独立完成声源定位任务，必须借助多麦克风阵列与相应的时延估计方法。

AR-1106是一款基于TDOA（Time Difference of Arrival，时差到达）算法的声源定位专用模块，支持±180°半平面定位（覆盖360°全方向），最大触发距离5m，内置AI降噪与舵机驱动，适用于AI小智音箱、语音机器人、摄像头云台、机器异动检测等场景。本文重点分析该模块所采用的半平面TDOA定位算法在工程实现中的鲁棒性边界，以及多径环境对定位性能的实际影响。

二、TDOA算法的基本原理与半平面约束的内在逻辑

TDOA定位的核心思想可以表述为：若有两个麦克风M1和M2分别位于空间中已知位置，声源发出的声音以球面波前形式传播，由于传播路径不同，声音到达两麦克风的时间存在差异Δt。已知麦克风间距d与声速c（空气中约343m/s），可计算两麦克风到声源的距离差Δd = c·Δt，进而确定声源位于以两麦克风为焦点的双曲线簇上。将这一关系投影到水平面，即得到角度信息。

实际工程中，Δt的估计依赖互相关算法（GCC, Generalized Cross-Correlation）：将两路麦克风信号分别做FFT，在频域计算互功率谱，加权后做逆FFT，得到互相关函数，其峰值对应的时间偏移即为Δt的估计值。这一过程在AR-1106模块内部由DSP固件实时完成。

值得注意的是，AR-1106规格标注的定位角度为"±180°（半平面定位）"。从算法角度理解，这一表述指的是模块在单次TDOA计算中给出的输出范围为180°，但通过相位展开（Phase Unwrapping）或附加的相位检测逻辑，可以覆盖360°全方向。换言之，半平面是TDOA时延估计的数学约束，而非物理覆盖范围的限制。在实际使用中，两个麦克风构成一条基线，声源位于基线法线同侧时角度唯一确定，跨越基线时需借助其他信息（如同相/反相信号的符号判别）来消除模糊。

三、算法鲁棒性边界：误差来源与距离依赖性

TDOA定位的核心误差来源主要有三类：麦克风匹配误差、信号带宽限制误差和多径传播误差。

（1）麦克风匹配误差。理想情况下，两麦克风的频率响应完全一致。但在实际模块中，麦克风个体差异客观存在，尤其在高频段（>4kHz）相位响应偏差可能达到数十度，直接影响时延估计精度。AR-1106在麦克风选型与一致性筛选上需要控制这一偏差，以保证定位角度在规格范围内的一致性。

（2）信号带宽与采样率约束。时延估计的理论分辨率与采样率直接相关：若ADC采样率为fs，则时延估计的最小量化单位为1/fs。对于16kHz采样的语音信号，量化精度约为62.5μs，对应空间分辨率约2.1cm。这意味着在1m距离上，角度估计的理论极限精度约为1.2°，而在5m距离上同样1.2°的偏差对应的空间位置偏差约为10.5cm。换言之，距离越远，相同角度误差导致的定位偏差越大，这是TDOA定位系统的内在距离-精度衰减关系。

（3）多径传播误差。室内环境中，声音经墙壁、天花板、桌面等反射后，同一声源信号可能通过多条路径到达麦克风。直达波与反射波在时域叠加后，互相关函数的峰值位置可能被偏移，导致Δt估计出现系统性偏差。这一误差在AR-1106的5m最大触发距离场景下尤为值得注意——在较大的房间中，多径信号与直达信号的时间差可能达到数十毫秒，远超语音信号的相干带宽。

四、内置AI降噪对定位鲁棒性的补偿机制

AR-1106的一个设计亮点在于内置了AI降噪算法（AI ENC），用于在嘈杂环境中过滤背景噪声和无关语音。在定位场景中，这一功能的直接意义在于：提高信噪比（SNR）能够显著改善互相关峰值检测的可靠性。

当信噪比较低时（例如会议室中同时有多人说话），互相关函数的主峰会与噪声底噪融合，峰值检测的门限设置变得困难，可能导致角度输出跳变或丢失锁定。AI降噪通过对非语音成分进行抑制，可以在进入TDOA计算之前将有效信噪比提升15~20dB，相当于将互相关峰值的显著性（Peak-to-Sidelobe Ratio）提高一个数量级。

但需要指出的是，AI降噪本身也引入一定的处理延迟（通常在10~20ms量级），这与TDOA的实时性要求存在一定矛盾。AR-1106在两者之间做了权衡：AI降噪优先保证定位的可用性（在高噪声环境下不丢失目标），而将绝对精度指标（角度分辨率标称1°）建立在相对理想的声学环境假设之上。

五、设计取舍与典型应用场景分析

从系统设计角度看，AR-1106做出了以下几个关键取舍：

• 9600bps串口输出的速度-精度权衡。9600bps对应每个字节约1.04ms，16步进格式（每帧约16字节）传输耗时约16.7ms，加上舵机响应时间（SG90舵机机械响应约0.1~0.2s/60°），总响应延迟远超TDOA本身的计算延迟。这意味着该模块更适合作为静态场景定位（如会议系统开机后锁定发言人方向），而非需要毫秒级跟踪的动态场景。
• SG90舵机驱动的大电流需求。舵机启动电流峰值可达800mA，已超过USB供电的常规限流值（500mA）。AR-1106建议外接5V/2A独立电源，正是为了避免供电不足导致的舵机抖动或复位问题——这一设计体现了定位模块在机电一体化应用中对电源完整性的刚性要求。
• 5m最大触发距离与室内家居场景的匹配。绝大多数室内家居场景（智能音箱、会议摄像头、语音机器人）的使用距离落在0.5~5m范围内，AR-1106的覆盖范围与这一实际场景高度吻合。在更远的距离（如6m以上的会议室）上，角度误差与多径干扰会同步增大，定位可靠性下降。

总体而言，AR-1106是一款定位目标明确、工程实现完整的声源定位模块。其TDOA算法在半平面约束下通过合理的硬件选型（麦克风一致性）和固件处理（AI降噪预滤波）实现了较好的鲁棒性，但在多径复杂环境、大距离场景或需要快速动态跟踪的情况下，仍需结合应用场景做额外的算法补偿或选用其他定位方案。