A-59U双通道独立拾音的串音抑制与分离度指标解读

一、一个容易被指标表掩盖的问题

A-59U 支持双麦双波束模式，两路波束各自输出到独立声道。规格上写得很清楚：双通道、独立定向、互不干扰。但在实际项目里，"互不干扰"这四个字究竟对应多少 dB，规格书往往不给。工程上真正需要回答的问题是：当 A 通道对应的说话人在讲话时，B 通道里能听到多少他的声音？这个量叫通道分离度（channel separation），或者叫串音抑制比。

对于双人独立记录、双分区翻译、智能工牌这类应用，分离度是决定方案能不能用的核心指标，比降噪深度更关键。降噪不够，声音脏一点还能听；分离度不够，两路录音互相混叠，后端做说话人分离或分轨转写就直接失效了。

二、串音从哪里来：三条路径

双通道拾音系统的串音不是单一来源，至少有三条独立路径，各自的量级和治理手段完全不同。

1. 声学路径串音

这是最主要的一条。波束形成本质上是空间滤波，它对主瓣方向的信号给单位增益，对旁瓣方向的信号给衰减。但衰减不是无穷大。一个双麦阵列能提供的方向性增益，在物理上受阵元数量和间距限制。两个麦克风构成的差分阵列，理论指向性指数（DI）上限约 6dB，实际实现中考虑到麦克风一致性、阵列间距与波长的关系，宽带条件下能稳定拿到 4~6dB 就算做得不错。

换算成串音：如果 B 方向的声源相对 A 波束被衰减 6dB，那么在 A 通道里，B 说话人的电平只比正对时低 6dB。若两人同时说话且声压相近，A 通道里 B 的成分只低 6dB——这远远达不到"分离"的程度。

A-59U 的波束分三个区域：蓝色主区域（幅度最大）、黄色跟踪区域（信号逐渐衰减）、灰色无效区域（声音被衰减屏蔽）。这个三段式描述其实就是主瓣、过渡带、阻带的通俗表达。真正的分离度取决于对方说话人落在哪个区域：落在灰色区，抑制量大；落在黄色区，抑制量有限；两人都落在同一主瓣内，分离度接近 0dB。

2. 电气路径串音

两路模拟输出在 PCB 上并行走线、共用地回路、共用 ADC 基准或电源时，会产生电气耦合。A-59U 的 LINE OUT 输出阻抗 10KΩ、SNR 91dB、最大幅度 1.5Vrms。10KΩ 的输出阻抗在双通道并行走线时对容性耦合并不友好——耦合电压与源阻抗成正比，高阻输出更容易被邻线串扰。

粗略估算：两条并行走线之间的互容典型值在 0.5~2pF/cm 量级。10cm 并行走线约 10pF，在 4kHz 时容抗约 4MΩ，与 10KΩ 源阻抗构成的分压比约 -52dB。这个数量级通常低于声学串音，不是瓶颈，但如果走线更长、间距更小、且中间没有地线隔离，就可能上升到 -40dB 附近，开始与算法层面的抑制量可比。

3. 算法内部串音

两路波束共用同一组麦克风信号，也共用同一个 AEC、AGC 和降噪后处理。如果 AGC 是全局的（两通道共用一个增益控制），那么 A 通道说话人的音量变化会引起 B 通道增益的联动变化——这是一种调制型串音。它在频谱上不表现为直接泄漏，但会造成 B 通道的背景电平随 A 通道说话节奏起伏，听感上非常明显，后端 VAD 也会被误触发。

三、指标之间的换算关系

把几个规格数字放在一起，可以推出分离度的上下限。

• LINE OUT SNR 91dB：这是通道自身的噪声底，决定了分离度的理论上限。串音抑制不可能优于噪声底。
• I2S 16kHz / 16bit：16bit 量化的理论动态范围约 96dB，与 91dB 的模拟 SNR 基本匹配，说明数字侧不是瓶颈。
• ENC 降噪 45dB：降噪算法对非人声有效，但对另一路人声无效——降噪算法无法区分"我要的人声"和"另一个人的人声"，这个区分只能靠波束形成完成。

结论是：分离度基本由波束形成的空间选择性单独决定，SNR 和降噪指标都帮不上忙。一个 91dB SNR 的通道，配上只能提供 6dB 空间抑制的双麦阵列，实际分离度就是 6dB 量级，而不是 91dB。

这一点在选型时经常被误读——看到 91dB SNR 就以为两路是"独立的"，实际上独立的只是电路，声学上两个麦克风听到的是同一个声场。

四、几何布置比参数更重要

既然分离度主要由空间选择性决定，那么提升它的手段就落在几何布置上，而不是参数配置上。

拉开角度：两个说话人相对麦克风阵列的方位角差越大，落入对方阻带的可能性越高。角度差小于 30° 时，双麦阵列基本无法分辨；角度差接近 180°（分居阵列两侧）时，效果最好。这也是 A-59U 在"双人独立拾音记录"场景中通常被布置成两人对坐、模块居中的原因。

拉近距离：波束形成的方向性在近场比远场更容易实现，因为近场还可以利用两个麦克风的幅度差（距离平方反比），而不只是相位差。说话人距对应麦克风 20cm、距另一个麦克风 40cm 时，仅幅度差就有 6dB，叠加相位差后总抑制量可以显著超过纯远场情形。A-59U 的拾音范围标称 10cm-500cm，但要拿到好的分离度，应该工作在这个范围的近端。

加入物理隔离：在两个麦克风之间放置声学隔断（哪怕只是一片结构件），能在中高频提供额外的几 dB 衰减。这对 1kHz 以上的辅音区间尤其有效，而辅音正是语音可懂度的主要载体。

五、AGC 与分离度的冲突

A-59U 的 AGC 开启后拾音范围可达 50-500cm（基于 -42dB 标准灵敏度麦克风）。AGC 通过动态提升增益来扩展有效拾音距离，但它同时也会提升串音。

考虑这样一个场景：A 说话人静默，B 说话人在讲话。此时 A 通道的输入电平很低，AGC 会把 A 通道增益推到高位，于是从 B 泄漏过来的那点串音也被同样放大。结果是：安静的通道反而听起来串音更重。这与单通道系统里"AGC 在静音段放大底噪"是同一个机制，只不过这里放大的是另一路人声。

治理办法是引入通道间的联动门限：当检测到某通道为主导时，抑制另一通道的 AGC 上冲。但这又与"两通道完全独立"的设计目标矛盾。这是一个没有完美解的取舍，实际系统里通常按应用侧重来选：偏重录音分轨的，牺牲远场拾音距离，把 AGC 收紧；偏重覆盖范围的，接受较高的串音。

六、A-59U 的定位与边界

把 A-59U 的规格串起来看，它的取向是清晰的：37mm×25mm 的封装、USB 免驱、-40℃~85℃ 工业级温度范围、35-60mA 工作电流、100dB AEC、45dB ENC、10 种工作模式。这是一个面向工业与嵌入式集成的通用型双通道方案，双波束是它的能力之一而非全部。

适合它的场景：两人分坐、方位角差异大、距离较近的双向记录或分区通话；需要 USB 免驱快速接入 PC/树莓派/安卓主机的原型与小批量产品；工作环境温度跨度大的工业设备。

不适合的场景：多于两个说话人的分离；说话人方位角接近的紧凑布置；对分离度有明确 dB 指标要求（例如要求优于 20dB）的专业录音应用。后者需要的是更多阵元的麦克风阵列，两个麦克风在物理上做不到。

选型时更实际的做法，是先用目标几何布置做一次录音测试，直接测量单人说话时另一通道的电平差，得到实际分离度数字，再判断后端处理链能否接受。这个测试成本很低，但能避免大部分后期返工。