风噪 82 分贝，骨导传感器能补回多少语音

五米每秒的风吹到镜腿上，单只麦克风的信噪比掉到 −10 分贝，堆麦克风只能捞回 3 到 7 分贝。骨导传感器在 250 到 500 赫兹能给出 12 到 16 分贝，但它对 1 千赫以上基本无效，交叉点落在 1.2 千赫。

一句话答案　5 米每秒风噪下气导信噪比 −10 分贝，骨导在 250 赫兹补到 16 分贝、500 赫兹 12 分贝，1.2 千赫以上仍要靠气导。

风噪不是声音

骨导传感器（Bone Conduction Sensor，业内也叫 VPU）是指贴在颅骨或耳周、拾取说话时颅骨振动而不是空气声的换能器。它绕开风噪，靠的是物理量不同。

风噪不是声波，是湍流边界层扫过麦克风振膜时造成的压力波动。它的能量集中在 500 赫兹以下，随频率按 1/f 衰减，但对振膜而言与语音一样是压力，麦克风分不出来。

五米每秒的风（约 18 公里每小时，骑行与户外步行的常见值）吹在镜腿正面，单只 MEMS 麦克风的等效声压级在 82 分贝（A 计权、正对风向、镜腿 14 厘米处）。同位置语音 72 分贝，信噪比 −10 分贝。

风噪的频谱是 1/f 型，能量堆在低频。500 赫兹以下占总能量的八成，而语音可懂度主要靠 500 到 2000 赫兹，两个频段在 500 赫兹附近重叠，重叠区里风噪比语音高 8 分贝。

风向也影响量级。正对镜腿时压力波动最大，侧风只剩三成，82 分贝与 74 分贝的差别都来自这个。工程上按最不利风向标定。

骨导传感器不看空气压力。颅骨在说话时以纳米级振幅振动，这个振动经皮肤与骨传导到传感器，风压作用在皮肤表面产生的位移小两个数量级。

图 1　镜腿上的麦克风与骨导传感器位置及两条拾音路径（自行绘制，为原理示意，非原文原图复制）

25 分贝是两条路径的差

两条路径对语音与风噪的衰减不一样，差值就是信噪比增益。关系式为 SNR骨导 = SNR气导 + (L风噪 − L语音)，L 是颅骨传导损失。

风噪是空气压力，要变成颅骨振动得先过皮肤与软组织，衰减 50 到 62 分贝。语音本来就从颅骨发出来，损失小得多，25 到 55 分贝。两者相减，骨导通道的信噪比比气导高 25 分贝左右。

−10 分贝加 25 分贝等于 15 分贝。单看这个数，骨导通道足够听清。

15 分贝对应的可懂度在 0.9 以上，但音质很闷。1 千赫以上没有内容，齿音全部丢掉，听起来像隔着墙说话。

真正的限制在绝对电平。语音经颅骨损失 30 分贝后只剩 42 分贝等效声压，传感器自噪声折合 30 分贝，两者一减只剩 12 分贝的动态范围。频率越高损失越大，2 千赫处信号电平已经掉到 27 分贝，低于自噪声。

表注：气导信噪比为镜腿位置实测口径的估算值；颅骨传导损失与骨导自噪声（折合 30 dB SPL）取公开器件的典型区间；骨导有效信噪比取理论增益与“电平减自噪声”中的较小值。

图 2　气导与骨导通道的信噪比随频率的变化（据公开参数测算重绘，5 m/s 风噪、语音 72 dB SPL，交叉点约 1.2 kHz）

交叉点落在 1.2 千赫

把两列信噪比画在一张图上，两条线在 1.2 千赫附近交叉。左边骨导赢，右边气导赢。

这个交叉点解释了骨导传感器的定位：它只能补低频，而语音的可懂度恰恰对 500 赫兹到 2 千赫这一段最敏感。骨导补的是“有没有人在说话”，气导负责“说的是什么”。

所以工程上的用法不是拿骨导替换麦克风，是拿它做三件事：判断语音是否存在（VAD）、给自适应降噪提供干净的噪声参考、把 500 赫兹以下的低频包络补回去。

功耗上这条路也划算。一颗压电式 VPU 静态 0.1 毫安、工作时 0.2 毫安，折合 0.6 毫瓦；一只 MEMS 麦克风 0.7 毫瓦，四麦阵列光拾音就吃掉 2.8 毫瓦。

公开的双麦加骨导方案在风噪下的信噪比提升做到 8 到 12 分贝（Sensors 2020 的实时算法口径），提升主要来自 VAD 准确率，不是来自波束形成。

这套算法在 2020 年就能跑在 200 兆赫的 DSP 上，参数量 1.2 万，实时性不是瓶颈。难的是标定：骨导与气导的时延差随佩戴位置变，0.5 到 2 毫秒不等，标不准会让融合在 500 赫兹附近出现梳状滤波，听感像有金属回声。

多麦克风救不了风噪

堆麦克风是另一条路，收益比想象小。延迟求和阵列在扩散噪声场里的增益是 10·log10(M)，2 只 3 分贝，5 只 7 分贝。

风噪不是扩散场。每只麦克风自己的湍流边界层是独立产生的，两只间距 1.5 厘米的麦克风收到的风噪相关性很低，自适应降噪无法用一只预测另一只；而阵列增益对不相干噪声本来就只有 3 分贝这一档，靠它填 10 分贝的坑不够。

加麦还有反作用。镜腿 14 厘米，塞 4 只麦克风后间距压到 3 厘米，低频指向性变差；4 只麦克风的功耗与走线让镜腿宽度增加 1.2 毫米，直接顶到佩戴舒适度的边界。

阵列增益还有个前提，噪声要是扩散场、各通道相干性一致。风噪下这个前提不成立，3 分贝只是理论值，实测常常只有 1 到 2 分贝。这个差距在 5 米每秒的风里就是可懂度 0.7 与 0.8 的区别，用户体感是“要重复一遍”与“一次听懂”的差别。

行业把 AI 眼镜的语音问题归到麦克风数量不够，从 2 麦堆到 5 麦，这个判断在风噪场景里方向错了。风噪是近场压力波动，各麦克风的自生湍流互不相关，加麦的阵列增益停在 3 到 7 分贝这一档；换成一条与风噪物理上不相关的通道，一次拿到 25 分贝。可证伪的边界是风速 2 米每秒：这时风噪落到 62 分贝，气导信噪比回到 +10 分贝，骨导的 12 分贝增益被它 1 千赫的带宽上限抵掉，加麦更划算。

场景走一遍选型

按以下约束走一遍选型：AI 眼镜，镜腿可用长度 14 厘米、宽度 6 毫米，语音链路功耗预算 8 毫瓦，器件成本上限 6 元，目标是在 5 米每秒风噪下把语音可懂度做到 0.85（STOI 口径）。

候选三个。A 双麦延迟求和加单通道降噪，风噪下信噪比 −9 分贝，可懂度 0.62，不达标。B 四麦环形阵列加 DNN 降噪，信噪比 −5 分贝，可懂度 0.74，功耗 11 毫瓦，超预算。C 双麦加一颗骨导传感器，VAD 用骨导、低频包络用骨导、1 千赫以上用气导，信噪比等效 +4 分贝，可懂度 0.87，功耗 7.5 毫瓦。

选 C。理由是它用一条 0.2 毫安（约 0.6 毫瓦）的通道换掉了两只麦克风与 3.5 毫瓦的 DNN 算力，功耗反而比 B 低 3.5 毫瓦，给 NPU 留出了余量。

代价与风险：骨导传感器要贴在乳突或耳甲腔附近，贴在镜腿中段时振动传递路径变长，1 千赫以上多衰减 10 分贝，等于把交叉点往 700 赫兹压，可懂度掉到 0.81；这颗器件对佩戴松紧敏感，镜腿夹持力从 1.2 牛降到 0.8 牛，耦合损失 6 分贝；成本从 4.2 元涨到 5.8 元，贴近 6 元上限。

结构上还要给骨导传感器留 0.8 毫米背腔，镜腿内侧因此凸起，整机散热面积少 4%，SoC 的热预算要重新分一次。这颗器件的引线要走单独的地，靠麦克风的地回流会把开关电源的纹波耦合进来，低频信噪比掉 3 分贝。

如果风速常年高于 3 米每秒且语音链路功耗预算低于 8 毫瓦，就选双麦加骨导，代价是 1 千赫以上仍要靠气导降噪、可懂度上限卡在 0.88 附近。

一句话 骨导传感器不是更好的麦克风，是一条不吃风噪的旁路，它补的是低频与语音存在性，不是全部语音。

文献依据：Sensors，2020 年，第 20 卷第 18 期，文章号 5050

文献标题：A Real-Time Dual-Microphone Speech Enhancement Algorithm Assisted by Bone Conduction Sensor

作者：Yi Zhou、Yufan Chen、Yongbao Ma、Hongqing Liu

期刊卷期：Sensors，第 20 卷，第 18 期，文章号 5050，2020 年 9 月

DOI：10.3390/s20185050

第二来源：A Robust Dual-Microphone Generalized Sidelobe Canceller Using a Bone-Conduction Sensor for Speech Enhancement，Yi Zhou、Haiping Wang、Yijing Chu、Hongqing Liu，Sensors，第 21 卷，第 5 期，文章号 1878，2021 年 3 月，DOI 10.3390/s21051878

配图说明：图 1、图 2 均为自行绘制，图 1 为原理示意，图 2 据公开参数重绘，非原文原图复制

改动声明：基于开放获取文献的独立解读，标题、结构、行文、表格、案例与配图为原创

来源：21ic电子网