项目名称：基于双耳听觉原理的智能声源定位系统 (Ear-Inspired Sound Source Localization System)

一、项目概述

本项目灵感来源于自然界中许多生物（包括人类）利用双耳接收声音的细微差异来精准判断声源方向的机制。我们旨在通过电子技术复现这一生物听觉功能，构建一个直观、高效的教育与创意互动演示平台。

核心原理：

系统通过两颗高灵敏度麦克风模拟“双耳”，以 ESP32-S3 微控制器作为“大脑”。当左右麦克风捕获到同一声音信号时，由于声波到达两麦克风的路径长度不同，会产生两种关键物理量：

时间差 (Interaural Time Difference, ITD)：声音到达两耳的时间先后差异。

声级差 (Interaural Level Difference, ILD)：声音到达两耳时的音量大小差异。

ESP32-S3 实时采集并分析这两路音频信号，计算其 ITD 与 ILD，从而解算出声音来源相对于设备中心的角度，并在屏幕上进行可视化展示。

二、硬件架构

本项目的硬件设计简洁而强大，主要包含以下核心模块：

主控单元 (大脑)

型号: eeed Studio XIAO ESP32-S3 Sense

核心: 乐鑫 ESP32-S3，双核 Xtensa LX7 处理器，主频高达 240 MHz。

优势: 强大的算力足以应对实时的音频采样与复杂的 ITD/ILD 算法运算；内置 Wi-Fi 4 与 Bluetooth 5.0，为后续无线数据传输或远程监控提供了可能；8MB PSRAM 确保了大数据缓存与处理的流畅性。

感知单元 (双耳)

方案: 通过 XIAO-Expansion-Board 扩展板连接两颗 MEMS 麦克风。

布局: 两颗麦克风被精确地固定在一定间距的位置上，以确保 ITD 测量的准确性。

显示与交互单元

载体: XIAO-Expansion-Board 上集成的 OLED 显示屏。

功能: 实时、动态地显示计算得出的声源方位角度（例如：0°代表正前方，90°代表右侧），让抽象的声源定位过程变得直观可见。

这块麦克风扩展板原本取自一台智能插座，属于成品设备里的音频采集模块，整体做工紧凑，适合直接二次利用。板载 两颗 PCM 麦克风，构成立体声/双麦阵列，常用于语音唤醒、关键词识别和环境音采集等场景。

主控使用的是 ESP32‑S3，它内部已经集成了 PDM 硬件解码器，可以直接通过 I2S 接口 接收 PDM 数字音频流，无需额外的 CODEC 芯片。因此在接线方面非常简洁：仅需一根 PDM 时钟线（CLK）和一根数据线（DATA） 即可完成通信，再配合电源和地，就能快速跑起音频输入。相比传统模拟麦克风方案，这种数字麦克风抗干扰更好，走线也更省心，很适合嵌入式语音项目直接复用。

三、系统设计：基于时延差（TDOA）的声源定位

模型选择与判定

在对麦克风阵列进行数学建模之前，首要任务是根据实际物理尺寸和声学特性，选择近场模型（Near Field）还是远场模型（Far Field）。两者的核心区别在于声波的传播形态：

近场模型：声源距离较近，波前呈球面状，需同时考虑幅度衰减和相位差。

远场模型：声源距离较远，波前近似为平面，各麦克风接收到的声波可视为平行入射，主要利用相位差（时延差）进行计算。

判定公式：

通常使用临界距离公式 d=λ2L2作为分界点。

其中：

L：麦克风间距的一半（或阵列孔径特征长度）。

λ：声音信号的波长。

若实际距离 R<d，则为近场；若 R>d，则为远场。

本项目模型论证

针对本项目的硬件参数及应用场景，具体论证如下：

硬件参数：两颗 PCM 麦克风之间的直线距离 Lmic=5.4cm。

频率范围：日常人声及环境音主要集中在 100Hz∼3000Hz之间。

波长计算：取最低频率 100Hz计算（频率越低，波长越长，越容易进入近场）。声速 c≈340m/s，则 λ=c/f=340/100=3.4m。

临界距离计算：

由于实际应用场景中，音源与麦克风的距离通常远大于 1.7cm（基本都在 10cm 以上），即 R≫d。因此，本项目完全符合远场模型特征。

远场模型处理策略

基于上述分析，在后续的算法设计中，我们将音源到达两个麦克风的路径视为平行线。这意味着：

忽略幅度差异：假设两路麦克风接收到的信号能量衰减一致。

仅计算时延差（TDOA）：通过计算同一声波到达两颗麦克风的时间差（Δt），结合已知的麦克风间距，即可解算出入射角度（Angle of Arrival, AoA）。

这种简化大幅降低了计算复杂度，非常适合 ESP32-S3 这类嵌入式平台进行实时处理。