麦克风阵列系统性能由硬件和算法指标共同决定。硬件方面需关注：信噪比(SNR>66dB)确保清晰拾音，声学过载点(AOP>120dB)防止破音，灵敏度一致性(±1dB)保证定位精度，以及平坦的宽频响应。系统指标包括：3-5米拾音距离，±5°~10°定位精度，高唤醒率(噪音环境>90%)和低误唤醒率(<1次/24小时)。建议采用6-7麦克风阵列，间距3-10cm，实现全向感知。选型核心是"高SNR、大AOP、好一致性、多麦克风"。

麦克风阵列系统的性能由硬件指标（麦克风本体）和算法指标（阵列处理能力）共同决定。在具身智能选型时，需要关注以下核心参数。

一、 硬件指标 (麦克风单元性能)

1. 信噪比 (SNR - Signal-to-Noise Ratio) —— 最重要指标

• 定义： 麦克风接收到的标准信号功率与自身底噪功率的比值。
• 典型值：
  • 普通级： 62 - 64 dB。
  • 高性能： 68 - 72 dB。
• 具身智能需求： 越高越好。机器人本体（电机、风扇）噪音很大，如果麦克风底噪也大，微弱的人声就会被淹没，根本没法做远场拾音。推荐 > 66dB。

2. 声学过载点 (AOP - Acoustic Overload Point) —— “怕不怕吵”

• 定义： 麦克风失真度 (THD) 达到 10% 时的最大声压级。
• 典型值： 120 - 135 dB SPL。
• 具身智能需求： 机器人可能在嘈杂的工厂或音乐现场工作，或者就在扬声器旁边。AOP 必须高，否则大声说话时麦克风会破音 (Clipping)，导致语音识别失效。

3. 灵敏度一致性 (Sensitivity Matching)

• 定义： 阵列中不同麦克风之间灵敏度的偏差。
• 指标： ±1 dB 以内。
• 意义： 波束成形算法假设所有麦克风都是一样的。如果一致性差，计算出的相位差就会有误差，导致定位不准。

4. 频率响应 (Frequency Response)

• 需求： 平坦的宽频响（如 50Hz - 16kHz）。尤其是低频部分不能衰减太多，否则人声会变得单薄，影响识别率。

二、 系统与算法指标 (阵列整体性能)

1. 拾音距离 (Pickup Range)

• 定义： 在保证一定语音识别率（如 WER < 10%）下的最远距离。
• 典型值： 3米 - 5米 (远场)。
• 影响因素： 阵列孔径（麦克风间距越大，低频定位越准）、麦克风数量、降噪算法强弱。

2. 声源定位精度 (DOA Accuracy)

• 定义： 机器人算出的角度与真实声源角度的误差。
• 指标： ±5° ~ ±10°。
• 具身智能需求： 只要能准确转头面向用户即可，不需要激光雷达那种极致精度。

3. 唤醒率 (Wake-up Rate)

• 定义： 喊“嘿，Siri”时，机器人成功被唤醒的概率。
• 指标：
  • 安静环境： > 98%。
  • 噪音环境 (65dB)： > 90% (这是难点)。
  • 打断唤醒 (Barge-in)： 机器人在说话时被唤醒的概率，需 > 90%。

4. 误唤醒率 (False Alarm Rate)

• 定义： 没人喊它时，它自己乱答应的频率。
• 指标： < 1次/24小时。这点极其影响用户体验。

5. 阵列构型与孔径

• 麦克风数量： 4 麦（低成本） vs 6-7 麦（主流高性能）。
• 间距： 通常为 3cm - 10cm。间距太小，相位差不明显，定位难；间距太大，高频信号会出现空间混叠（Spatial Aliasing）。

总结

具身智能选型口诀：
“SNR 要高（听得清），AOP 要大（不怕吵），一致性要好（定得准），至少 6 个麦（全向感知）。”