AR-1106声源定位模组：TDOA算法原理与舵机联动的响应延迟分析
一、声源定位的技术路线对比与TDOA的适用性分析
声源定位（Direction of Arrival, DOA）在语音交互系统中具有广泛的应用场景：智能摄像头需要将镜头转向说话人以获得更好的图像采集角度，机器人需要确定用户方位以完成转身交互，会议系统需要追踪当前发言者以控制摄像头切换。实现DOA的技术路线主要有三类：基于最大输出功率的方向估计（Steered-Response Power, SRP）、基于到达时间差的方向估计（Time Difference of Arrival, TDOA）、以及基于空间谱估计的方向估计（如MUSIC、ESPRIT算法）。
AR-1106采用TDOA算法路线，这一选择在成本与性能之间取得了良好的平衡。TDOA的核心原理是：对于空间中两个空间位置固定的麦克风，来自某一方向的声源到达两个麦克风的时间不同，这一时间差与声源方向和麦克风基线方向之间存在确定的几何关系。通过测量到达时间差（TDOA），结合麦克风间距已知的前提，可以反推声源方向。
设两个麦克风间距为d，声速为c（约340m/s），TDOA为τ，则声源方向角θ满足：d·cos(θ) = c·τ。因此，θ = arccos(c·τ/d)。当τ=0时（声源在基线法线方向），θ=90°；当τ接近d/c时（声源在基线延长线方向），θ接近0°或180°。这一关系是TDOA方向估计的数学基础。
二、TDOA估计算法的实现细节与误差来源
TDOA测量的精度直接决定了方向估计的精度。在数字信号处理中，TDOA的测量通常通过互相关（Cross-Correlation）算法实现：对两个麦克风信号计算互相关函数，找到互相关峰值对应的时延，即为TDOA估计值。互相关算法的性能受几个因素影响：信噪比（SNR）、信号带宽、以及信号的非平稳性。
在高信噪比条件下，互相关峰值清晰，TDOA估计误差主要来源于采样精度（量化误差约±0.5个采样周期，在16kHz采样率下对应±31.25μs，对应角度误差约1-2°）。在低信噪比条件下（环境噪声大或声源距离远），噪声会对互相关函数产生干扰，导致峰值位置偏移，可以通过在互相关前加入带通滤波器（保留语音主要频段300Hz-3400Hz）来改善SNR。
AR-1106的串口输出格式（9600Kbps，16进制角度值）是TDOA方向估计结果的后处理输出。9600bps的波特率在8-N-1的帧格式下每秒最多传输960个字符，若每帧输出一个角度值（假设3字节：方向角+校验+分隔符），刷新率约320Hz，足以支持实时追踪应用。
三、舵机联动的控制延迟与系统响应带宽
AR-1106内置SG90舵机驱动，通过PWM信号控制舵机转动角度。舵机控制的响应延迟来自两个环节：模组内部从DOA计算完成到PWM输出变化的延迟，以及舵机自身的机械响应时间。
SG90舵机的规格参数：工作电压4.8-6V，舵机转速约0.12秒/60°（在4.8V时），最大扭矩约1.8kg·cm。这些参数决定了舵机联动系统的实际响应速度：若需要转动60°来追踪说话人位置，机械响应时间约0.12秒（120ms）。加上AR-1106的DOA计算延迟（通常在50-100ms量级，取决于算法复杂度和处理器性能），从声源方位变化到摄像头实际转到对应位置的总延迟约在170-220ms。
MEMORY.md特别指出"建议外部1A-2A 5V电源独立为SG90供电"，这一建议基于SG90的启动电流特性。舵机在静止状态下突然收到转动指令时，内部电机需要克服静摩擦力启动，启动电流可达工作电流的3-5倍（约500-800mA峰值）。若由AR-1106模组直接供电，模组的电源设计可能无法提供这一峰值电流，导致舵机启动失败（抖动但不转动）或模组复位。建议使用独立的5V/1A电源为舵机供电，并在电源输入端增加1000μF以上的电解电容储能，以吸收舵机启动时的瞬态电流冲击。
四、5米远距触发与唤醒词声学设计约束
AR-1106支持5米远距离命令词触发，这一规格在智能追踪摄像头等应用中非常重要。5米远距离触发的实现涉及两个技术挑战：远距离拾音和命令词检测。
远距离拾音意味着麦克风接收到的声压级较低——假设标准灵敏度麦克风在1米处测量94dB SPL，在5米处按自由场衰减规律（约-20log10(r) dB），声压级约74dB SPL。考虑到环境噪声（典型室内环境约40-50dB SPL），信噪比约24-34dB，在这一SNR下进行命令词检测具有可行性，但仍需要算法的鲁棒性保证。
唤醒词的声学设计约束（4-6字，4字最佳，禁止重叠音，避免口语化词汇，避免多音字等）是保证远距离识别率的实用经验总结。4字唤醒词在远距离场景中具有最佳的识别效果，原因在于：语音识别算法通常基于关键词模板匹配（Keyword Spotting），较长的词序列提供了更多的声学特征用于匹配，减少了误触发概率；同时，4字词的持续时间（约1-1.5秒）足以让麦克风在远距离条件下积累足够的声能，提升信噪比。
五、声源定位在工业监测中的拓展应用
除了消费级的智能追踪摄像头和语音机器人外，AR-1106的声源定位能力在工业场景中也有独特的应用价值。设备异响定位是一个典型案例：工厂中的大型机械（如电机、泵、压缩机）在发生故障前通常会表现出异常的声学特征（振动频率变化、摩擦声增加），通过在设备周围部署多个AR-1106模组（构成多基线TDOA网络），可以实时追踪异常声源的空间位置，实现预测性维护。
多基线TDOA网络的设计要点是：每个模组的两个麦克风形成一条基线，不同模组之间的基线方向应尽量正交，以获得空间的全方向覆盖。对于平面运动物体的定位（2D DOA），至少需要两条不共线的基线；对于三维定位，则需要至少三条不共面的基线。