麦克风阵列是如何分类的？ 由于前端算法是看不见也摸不着的，所以我们经常参考麦克风的布局和数量来进行麦克风阵列的分类。目前常见的分类，基本上是按照麦克风布局的形状来区分的。参考我们中学教材中描述的点-线-面体，麦克风阵列可以分为：线阵、平面阵列、立体阵列（一个点就是一个麦克风）。 1、线阵 常见的是由两个麦克风组成的线性阵列。目前，几乎所有中高端手机和耳机都采用双麦克风降噪技术来提升对于通话效果，部分智能音箱也采用了这种方案。 由两个麦克风组成的线性阵列最大的优点是成本低，功耗也比多个麦克风低。缺点也比较明显，降噪效果有限，即对远处场景的交互效果不好。 2、平面阵列 平面阵列的组合更加多样化。常用的是4-mic阵列和6-mic阵列，以及升级的4+1-mic阵列和6+1-mic阵列，甚至8+1-mic阵列。平板阵列常见于智能音箱和语音交互机器人上。 3、立体阵列 立体声阵列多为球形或圆柱形，可以实现真正的全空间360度无损拾音，解决了平面阵列在高俯仰角下信号响应差的问题，效果最好是的，成本也最高的。但在生活中很少使用，在专业领域经常使用。
对麦克风阵列的需求 消费级麦克风阵列的兴起得益于蓬勃发展的语音交互市场，主要解决远距离语音识别问题，保证真实场景下的语音识别率。 麦克风阵列声音定位 这涉及到语音交互用户场景的变化。当用户从手机切换到类似的智能音箱或机器人时，面对麦克风的环境其实完全变了，就像两个人窃窃私语和大喊大叫的区别。 几年前，语音交互应该最常见的就是以 Siri 为代表的智能手机，一般采用单麦克风系统。 单个麦克风系统可以获得满足语音识别需要的低噪声、无混响、非常接近声源的声音信号。 但是，如果声源距离麦克风较远，并且在真实环境中存在大量噪声、多径反射和混响，则拾取信号的质量会下降，严重影响语音识别率. 此外，单个麦克风接收到的信号是由多个声源和环境噪声叠加的，很难将每个声源分开。 这样就无法实现声源定位和分离，这很重要，因为还有另一种声音叠加，不是噪声，但在语音识别中也应该被抑制，那就是人声的干扰。语音识别显然不能同时识别两个。不止一种声音。
麦克风阵列是由一组麦克风按一定的几何结构（通常是线性和圆形）放置而成，对采集到的不同空间方向的声音信号进行时空处理，以实现噪声抑制、混合噪声去除、人声干扰抑制、声源测向、声源跟踪、阵列增益等功能，从而提高语音信号处理质量，提高真实环境下的语音识别率。 事实上，仅通过麦克风阵列很难保证语音识别率。 麦克风阵列只是一个物理入口，它只是在物理世界中完成声音信号处理，获得语音识别所需的声音，但语音识别率是在云端得到的结果，所以两个系统必须匹配在一起得到最好的结果。 不仅如此，麦克风阵列处理的信号质量也无法由标准来定义。因为目前的语音识别基本上都是深度学习训练的结果，而深度学习有一个局限性，就是严重依赖样本数据库进行输入训练。如果处理后的语音与样本数据库不匹配，识别效果不会很好。
