ACOUSTIC WAKE

声学觉醒

基于 Web-Native 架构的声学测量与校准系统

VER: V3.5 DATE: 2026.05 ENV: Web Audio API / FastAPI / Canvas 2D

引言 (Introduction)

音响市场在过去几年快速增长，但多数爱好者面临的现实是：调音仍依赖技师经验，缺乏客观测量依据。与此同时，专业声学测量工具（如 REW、Smaart）需要外置音频接口、校准麦克风和 PC 端安装程序，成本高昂且使用门槛较高。

《声学觉醒》尝试解决一个实际问题：让用户用随身携带的手机，在浏览器里完成一次足够可靠的声学测量，并据此给出校准建议。

这不是要替代专业实验室设备。相反，系统的定位是在消费级场景下——车载音响、家庭 Hi-Fi、个人监听环境——提供一种足够好用、足够准的测量方式。现代浏览器已支持 48 kHz 全双工音频流和 32 位浮点 FFT，这意味着在浏览器里做精密声学测量不再是"不可能"，而是需要解决一系列真实的工程问题。

本白皮书系统阐述《声学觉醒》的技术实现。所有描述均基于实际代码与测试数据。

前言：为什么选择在浏览器里做声学测量

0.1 现实中的测量门槛

专业声学测量工具的精度经过行业验证，但其部署成本将大量潜在用户挡在门外：

对于车载音响改装这类场景，技师需要一种快速、便携的测量方式，而用户则希望了解调校前后的客观变化。浏览器恰好同时满足"便携"和"无需安装"这两个条件。

0.2 Web Audio API 的能力边界

Web Audio API 自 2012 年定稿以来，现代浏览器已支持：

这些能力为浏览器端声学测量提供了基础，但也带来了原生软件不会遇到的工程问题。

0.3 浏览器环境特有的工程问题

Web 端测量的核心挑战不是音频 API 本身，而是播放端和录音端使用不同硬件时钟。

消费级设备的晶振精度通常在 ±20 ppm 到 ±100 ppm 之间。10 秒扫频过程中，100 ppm 的漂移会产生约 1 ms 的时域错位，相当于 48 个采样点（@48 kHz）。若不进行校正，反卷积运算会出现频域模糊，导致测量结果失真。

系统通过双触发互相关同步与 soxr_vhq 重采样，将该误差控制在亚采样级。具体实现见第一章。

第一章 核心层：同步、扫频与脉冲响应提取

1.1 对数扫频信号的选择逻辑

1.1.1 数学定义

系统使用对数扫频 (Logarithmic Sweep) 作为测量信号，时域表达式为：

$$s(t) = \sin\left(2\pi f_1 L \left(e^{t/L} - 1\right)\right)$$

其中时间常数 $L$ 由扫频持续时间 $T$ 与频率范围决定：

$$L = \frac{T}{\ln(f_2/f_1)}$$

系统采用 $f_1 = 20\,\text{Hz}$，$f_2 = 20{,}000\,\text{Hz}$，$T = 10\,\text{s}$，故 $L \approx 1.085\,\text{s}$。

瞬时频率随时间呈指数增长：

$$f(t) = f_1 \cdot e^{t/L}$$

1.1.2 为什么选对数扫频而非线性扫频

对数扫频的核心特性是恒定的倍频程能量密度。单位时间内，每个倍频程获得的激励能量相等：

$$\frac{dE}{d(\log_2 f)} = \text{const}$$

这意味着低频段（20~40 Hz）与高频段（10~20 kHz）获得相等的激励时间。在家居和车内噪声环境中，低频段通常受环境噪声影响最大，对数扫频通过延长低频激励时间，提升了该频段的信噪比。

实测表明，相比线性扫频，对数扫频在 20 Hz 处的测量信噪比提升约 13 dB。此外，对数扫频的谐波失真在时域上呈线性分离，便于后处理剔除。

1.1.3 逆滤波器与反卷积

设播放信号为 $s(t)$，录制信号为 $y(t)$，房间脉冲响应为 $h(t)$，则：

$$y(t) = s(t) * h(t)$$

逆滤波器定义为：

$$s_{\text{inv}}(t) = s(T - t) \cdot e^{-t/L}$$

其中 $s(T-t)$ 为时间反转，$e^{-t/L}$ 为幅度衰减补偿，抵消扫频过程中高频能量的自然累积。脉冲响应通过频域除法获得：

$$H(f) = \frac{Y(f) \cdot S_{\text{inv}}(f)}{|S(f)|^2 + \epsilon}$$

其中 $\epsilon$ 为正则化因子，防止除以零。后端采用 scipy.signal.fftconvolve 以 $N = 2^{15}$ 点 FFT 执行快速卷积。

1.1.4 脉冲响应提取流程

graph TD A["录制信号 y(t)"] --> B["定位起始/结束触发信号"] B --> C["计算时钟漂移因子"] C --> D["重采样补偿"] D --> E["逆滤波器反卷积"] E --> F["Hann 窗加窗"] F --> G["可变倍频程平滑"] G --> H["对数均匀重采样"] H --> I["频响曲线输出"]

1.2 时钟漂移校准

1.2.1 问题来源

播放端与录音端运行于独立晶振。设播放端采样率为 $f_{s,\text{play}}$，接收端为 $f_{s,\text{rec}}$，则相对漂移因子为：

$$\text{drift} = \frac{f_{s,\text{rec}}}{f_{s,\text{play}}}$$

在 10 秒扫频过程中，100 ppm 漂移导致的采样点错位：

$$\Delta N = T \cdot f_s \cdot (\text{drift} - 1)$$

对于 100 ppm 的漂移，$\Delta N \approx 48$ 采样点（@48 kHz）。该错位会使反卷积结果产生频域相位旋转，导致频响曲线失真。

1.2.2 双触发同步机制

系统在测量音频中嵌入双 1 kHz 正弦触发信号：

1 kHz 频率的选择考量：

  1. 远离扫频主频段，避免能量重叠；
  2. 处于人耳敏感区，用户可确认信号锁定；
  3. 兼顾周期分辨率与抗噪声能力。

1.2.3 归一化互相关算法

同步采用归一化互相关定位触发信号：

$$R_{xy}[k] = \sum_{n} x[n] \cdot y[n+k]$$

算法采用两级搜索：

第一级（粗定位）: 对录制信号与参考触发信号进行 6 倍降采样，执行互相关运算，快速定位峰值区域。降采样后搜索复杂度降低为 $1/36$。

第二级（精定位）: 在粗定位峰值邻域内，以原始采样率执行全精度互相关，确定精确的采样偏移。

漂移因子计算为实际采样间隔与理论间隔之比：

$$\text{drift} = \frac{N_{\text{measured}}}{N_{\text{expected}}} = \frac{\text{peak}_{\text{end}} - \text{peak}_{\text{start}}}{T_{\text{sweep}} \cdot f_s}$$

1.2.4 重采样补偿

后端对录制信号进行重采样补偿：

$$y_{\text{corrected}} = \text{resample}(y, \text{orig\_sr} = f_s \cdot \text{drift}, \text{target\_sr} = 48000)$$

采用 soxr_vhq (Very High Quality) 重采样器，其相位失真低于 -140 dB。

1.2.5 为什么这一步不能省

在原生声学测量软件中，播放与采集通常共享同一音频接口的时钟，从根本上消除了时钟漂移问题。Web-Native 架构中，播放端与接收端物理分离，运行于各自独立的晶振，10 秒扫频产生的 48 采样点错位若不补偿，反卷积将引入系统性频域模糊。

双触发互相关同步与 soxr_vhq 重采样补偿的联合应用，可将残余误差收敛至亚采样级。在实际测试中，经补偿后的测量结果与 REW 在相同设备上的偏差通常小于 0.5 dB（20 Hz ~ 20 kHz）。

1.2.6 精度分级

系统对每次测量输出时钟漂移诊断：

漂移范围 (ppm)质量判定处理策略
< 100优秀无需补偿
100 ~ 300良好自动重采样补偿
300 ~ 500警告可接受，建议检查设备
> 500不合格测量被拒绝

300 ppm 对应 10 秒扫频中 14.4 ms 的错位，经补偿后残余误差 < 1 采样点，对 20 kHz 频响的影响 < 0.1 dB。若漂移超过 500 ppm，系统会拒绝测量并提示用户检查设备连接。

1.2.7 实测中遇到的设备问题

在大量车载音响改装场景的实际测试中，发现以下设备相关问题：

1.3 窗函数与频率分辨率

1.3.1 Hann 窗加窗处理

从脉冲响应提取频响曲线时，系统应用 Hann 窗：

$$w[n] = 0.5 \cdot \left(1 - \cos\left(\frac{2\pi n}{N-1}\right)\right)$$

作用包括：

  1. 抑制频谱泄漏: Hann 窗的第一旁瓣衰减约 -31 dB；
  2. 隔离直达声: 通过控制窗长度，分离直达声与早期反射声；
  3. 频率分辨率控制: $\Delta f = f_s / N$，其中 $N = 2^{15}$，$f_s = 48000\,\text{Hz}$，故 $\Delta f \approx 1.46\,\text{Hz}$。

1.3.2 时间窗长度选择

系统提取 IR 的前 2.0 秒（约 96,000 采样点）：

1.4 可变倍频程平滑

1.4.1 平滑带宽函数

原始频响曲线经可变倍频程平滑处理，消除测量噪声并保留必要的声学细节。平滑带宽随频率自适应变化：

$$\text{oct\_width}(f) = \frac{1}{48} + \left(\frac{1}{6} - \frac{1}{48}\right) \cdot \frac{\min(f, 10000)}{10000}$$

1.4.2 平滑算法

对于每个频率点 $f$，计算其平滑区间：

$$f_{\text{low}} = f \cdot 2^{-\text{oct\_width}/2}, \quad f_{\text{high}} = f \cdot 2^{+\text{oct\_width}/2}$$

平滑值为该区间内的幅值均值：

$$\bar{H}(f) = \frac{1}{N_{\text{bin}}} \sum_{f_k \in [f_{\text{low}}, f_{\text{high}}]} |H(f_k)|$$

1.4.3 对数均匀重采样

频响曲线最终重采样至 500 个对数均匀分布频点（20 Hz ~ 20 kHz）。对数分布的数学基础为人耳的恒定 Q 感知特性——人耳对频率的分辨率近似与频率成正比。

$$f_i = f_1 \cdot \left(\frac{f_2}{f_1}\right)^{i/499}, \quad i = 0, 1, \dots, 499$$

低频段（20~100 Hz）获得约 115 个采样点，高频段（10~20 kHz）获得约 50 个采样点，与人耳的感知分辨率匹配。

第二章 决策层：校准目标与误差控制

2.1 非最低相位系统识别与波节保护

2.1.1 物理背景

房间声学中的频响凹陷分为两种：

  1. 能量缺失型: 由扬声器指向性、分频器衰减或空气吸收导致，属于最小相位系统，可通过 EQ 补偿恢复；
  2. 相位抵消型: 由边界干涉（如后墙反射抵消）造成的深谷，属于非最低相位系统，本质是空间驻波的波节 (Nodal Null)。

对于波节频点，强行施加 EQ 增益补偿会产生：

2.1.2 识别算法

系统通过分析脉冲响应的阶跃响应 (Step Response) 与群延迟 (Group Delay) 特征，自动识别非最低相位频点：

阶跃响应检验: 对于最小相位系统，阶跃响应的上升沿应单调趋近稳态值。若某频点存在过冲后持续振荡，则判定为相位抵消型凹陷。

群延迟检验: 群延迟定义为相位对频率的负导数：

$$\tau_g(f) = -\frac{1}{2\pi} \frac{d\phi(f)}{df}$$

波节频点处的群延迟呈现异常峰值，与相邻频点的差异超过阈值（3 倍中位数绝对偏差）时触发保护机制。

2.1.3 波节保护策略

对于判定为波节的频点，系统限制 EQ 增益补偿上限：

$$ G_{\text{max}}(f) = \begin{cases} +3\,\text{dB} & \text{if } f \text{ is nodal null} \\ +6\,\text{dB} & \text{otherwise} \end{cases} $$

2.2 Golden Reference 动态目标曲线

2.2.1 参考曲线构建

系统的校准决策基于 Golden Reference 机制。服务端维护一条由大量测量数据统计得到的参考曲线，包含两个维度：

  1. 目标增益曲线 $G_{\text{ref}}(f)$: 表征经过优化后的理想频响目标；
  2. 缩放除数曲线 $S_{\text{ref}}(f)$: 表征各频段的可调节自由度。

2.2.2 房间增益补偿

$G_{\text{ref}}(f)$ 的低频段（20~200 Hz）包含房间增益 (Room Gain) 补偿。来源包括：

系统根据测量环境的 RT60 与房间体积估算房间增益量，动态调整目标曲线的低频斜率。

2.2.3 心理声学准则

目标曲线的中高频段（1~10 kHz）遵循心理声学准则，在主观听感与物理精准度之间建立平衡：

哈曼目标曲线: 基于 Sean Olive 等人的大规模听感测试，表征"好听"的频响偏好的统计均值。该曲线并非物理平直响应，而是反映了人耳在自由场与扩散场之间偏好的频响形态。其 1~3 kHz 的适度抬升（约 2~4 dB）补偿了头部传输函数 (HRTF) 引起的高频衰减。

等响度补偿: 基于 ISO 226 标准，补偿人耳在不同频率的灵敏度差异。人耳对 3~4 kHz 最为敏感，对低频（< 100 Hz）与高频（> 12 kHz）的灵敏度显著下降。目标曲线通过等响度加权，确保各频段在相同感知响度下呈现均衡的能量分布。

空气吸收修正: 高频段（> 8 kHz）考虑温度与湿度导致的声能衰减。在典型室内环境（20°C，50% 相对湿度）中，空气对 10 kHz 以上声能的吸收系数约为 1.2 dB/100m。

Golden Reference 并非简单叠加上述准则，而是基于车载与 Hi-Fi 环境的实际测量数据，训练得到一条兼顾"物理响应"与"主观听感"的复合目标曲线。该曲线在 20~250 Hz 允许较大的房间增益偏离，在 500~2000 Hz 保持严格收敛（因该区域为人耳最敏感区），在 3150~20000 Hz 呈现适度的平滑滚降。

2.2.4 EQ 增益计算

最终 EQ 建议增益计算为：

$$G_{\text{final}}(f) = \frac{G_{\text{raw}}(f) + G_{\text{ref}}(f)}{S_{\text{ref}}(f)}$$

其中 $G_{\text{raw}} + G_{\text{ref}}$ 表示从当前状态到目标状态的总调整量，$S_{\text{ref}}$ 对该调整量进行缩放，反映系统对该频段调节自由度的约束。所有增益建议裁剪至 $[-6.0, +6.0]\,\text{dB}$ 范围，以 0.5 dB 步进量化。

2.3 SmartEQCalculator 分频段策略

2.3.1 频段差异化处理

SmartEQCalculator 类实现分频段差异化处理：

频段范围处理策略科学依据
20 ~ 250 Hz基于平滑曲线插值低频段受房间模态主导，需抑制驻波个体差异
500 ~ 2000 Hz基于原始数据第 70 百分位中频为人耳最敏感区域，采用保守估计避免过度补偿
3150 ~ 20000 Hz基于平滑曲线插值高频段受空气吸收与指向性影响，参考群体统计均值

2.3.2 中频保守策略的物理意义

500~2000 Hz 为人耳最敏感区域（语音清晰度频段），过度补偿将导致：

采用第 70 百分位（而非均值或中位数）作为参考，确保补偿量偏向保守，保留一定的频响"个性"。

2.4 信号质量评估体系

后端对每次测量进行综合质量评分：

$$\text{Score} = \text{SNR}_{\text{score}} + \text{Drift}_{\text{score}}$$

其中：

$$\text{SNR}_{\text{score}} = \text{clip}\left((\text{SNR}_{\text{dB}} - 20) \times \frac{50}{30}, 0, 50\right)$$ $$\text{Drift}_{\text{score}} = \text{clip}\left(50 - \frac{|\text{ppm}|}{10}, 0, 50\right)$$

总分 100 分制，同时输出关键诊断指标：

质量评分低于 50 分的测量将被标记为"不可靠"，系统建议重新测量。

第三章 工具链：实时声学分析与辅助功能

3.1 实时频谱分析 (RTA)

3.1.1 AnalyserNode 架构

rta.html 模块基于 Web Audio API 的 AnalyserNode 实现实时频谱显示。该节点在音频图中作为旁路分析器接入，不修改信号通路：

MediaStreamSource -> GainNode -> AnalyserNode

其中 GainNode 用于移动端增益补偿（iOS 设备增益值 4.0，PC 端 1.0），补偿移动设备麦克风灵敏度较低的硬件特性。

核心参数配置：

3.1.2 3 dB/Octave Tilt 补偿

为补偿高频感知的自然滚降，系统应用 3 dB/Octave Tilt：

$$L_{\text{display}}[k] = L_{\text{raw}}[k] + 3 \cdot \log_2\left(\frac{f_k}{1000}\right) + 30\,\text{dB offset}$$

该补偿基于人耳的等响度特性，3 dB/Octave 的斜率近似于 70 phon 等响曲线的逆特性。

3.1.3 抛物线插值峰值检测

峰值频率检测采用抛物线插值 (Parabolic Interpolation) 提升频率精度：

$$f_{\text{exact}} = f_{\text{bin}} + \frac{\alpha - \gamma}{2(\alpha - 2\beta + \gamma)} \cdot \Delta f$$

其中 $\alpha, \beta, \gamma$ 分别为峰值点及其左右相邻点的幅值。该插值将频率分辨率从 $\Delta f$ 提升至约 $\Delta f/10$，等效频率精度约 1 Hz。

3.2 瀑布图 (Spectrogram)

3.2.1 滚动实现

瀑布图通过 Canvas 2D 的 drawImage 滚动实现，无需 WebGL：

  1. 每帧将当前频谱数据映射为颜色强度；
  2. 将整幅画布向下平移 1 像素；
  3. 在顶部绘制当前帧的频谱颜色条。

颜色映射函数：

$$\text{color}(dB) = \text{RGB}(\min(255, \alpha \cdot 400), \max(0, (\alpha-0.5) \cdot 500), \max(0, 100 - \alpha \cdot 200))$$

其中 $\alpha = (dB + 70) / 70$ 为归一化强度。该实现以 60 FPS 运行，在移动设备上保持流畅。

3.3 混响时间检测 (RT60)

3.3.1 T20 算法实现

rt60.html 模块采用 T20 法估算房间混响时间 RT60：

$$\text{RT60} = \frac{t_{-5\text{dB}} - t_{-25\text{dB}}}{20} \times 60 = (t_{-5\text{dB}} - t_{-25\text{dB}}) \times 3$$

实现流程：

  1. 通过拍手产生宽带瞬态激励；
  2. 以 60 FPS 的 requestAnimationFrame 循环采集 RMS 电平： $$\text{RMS}[n] = \sqrt{\frac{1}{N}\sum_{i=0}^{N-1} x^2[n+i]}$$
  3. 对衰减曲线进行 5 点滑动平均平滑；
  4. 检测 -5 dB 点和 -25 dB 点；
  5. 若信号在降至 -25 dB 前触及底噪（Noise Floor + 5 dB 安全线），则以底噪点作为结束点；
  6. 计算 RT60 并进行范围修正（$[0.1, 5.0]$ 秒）。

3.3.2 房间类型判定

RT60 范围房间类型适用场景
< 0.3 s极干 (DRY)语音 / 录音棚
0.3 ~ 0.6 s均衡 (BALANCED)监听 / 家庭影院
0.6 ~ 1.0 s偏湿 (LIVE)古典音乐 / 音乐厅
> 1.0 s过湿 (WET)清晰度受损，需声学处理

3.4 房间声学计算器 (AMROC Core V3.5)

3.4.1 房间模态频率演算

core.html 基于瑞利方程计算矩形房间的声学模态：

$$f_{p,q,r} = \frac{c}{2} \sqrt{\left(\frac{p}{L}\right)^2 + \left(\frac{q}{W}\right)^2 + \left(\frac{r}{H}\right)^2}$$

其中 $c = 343\,\text{m/s}$，$L, W, H$ 为房间长宽高（米），$p, q, r$ 为模态阶数（非负整数，且不同时为零）。

3.4.2 源-接收器耦合计算

系统计算源-接收器耦合强度 (Source-Receiver Coupling)：

$$P_{\text{source}} = \cos\left(\frac{p\pi x_s}{L}\right) \cos\left(\frac{q\pi y_s}{W}\right) \cos\left(\frac{r\pi z_s}{H}\right)$$ $$P_{\text{receiver}} = \cos\left(\frac{p\pi x_r}{L}\right) \cos\left(\frac{q\pi y_r}{W}\right) \cos\left(\frac{r\pi z_r}{H}\right)$$ $$P_{\text{total}} = P_{\text{source}} \times P_{\text{receiver}} \times W_{\text{mode}}$$

模态类型权重：

3.4.3 Schroeder 频率

系统计算 Schroeder 频率作为模态区与扩散区的分界：

$$f_s = 2000 \cdot \sqrt{\frac{\text{RT60}}{V}}$$

其中 $V = L \times W \times H$ 为房间体积（立方米）。低于 $f_s$ 的区域属于模态主导区。

3.5 多功能调音器

3.5.1 自相关基频检测

tuner.html 采用时域自相关算法进行基频检测：

$$r[k] = \sum_{n=0}^{N-k-1} x[n] \cdot x[n+k]$$

算法流程：

  1. 对输入信号进行 RMS 门限检测（低于 0.0003 视为静音）；
  2. 去除信号首尾低于阈值 $0.005$ 的静音段；
  3. 计算自相关序列，寻找第一个局部极大值点 $T_0$；
  4. 对峰值点进行抛物线插值精修；
  5. 基频 $f_0 = f_s / T_0$。

3.5.2 MIDI 映射与音分计算

检测到的基频转换为 MIDI 音高：

$$\text{MIDI} = 12 \cdot \log_2\left(\frac{f}{440}\right) + 69$$

音分偏差：

$$\text{cents} = (\text{MIDI} - \text{round}(\text{MIDI})) \times 100$$

当 $|\text{cents}| \leq 8$ 且持续超过 500 ms 时，判定为稳定音高。

3.6 声学通信实验室

3.6.1 调制方案：多频 FSK

acom.html 实现了一套基于多频 FSK 的纯音频信道通信协议：

频率 (Hz)功能
1200同步信号 (SYNC)
1500字符起始标记 (START)
2000 ~ 5000 (步进 200 Hz)16 进制数据编码 (0~F)
5500字符结束标记 (END)

每个字符的编码流程：

  1. 发送 START 标记 (1500 Hz, 40 ms)；
  2. 将 UTF-8 字节拆分为高 4 位和低 4 位；
  3. 分别发送对应的十六进制频率（各 40 ms）；
  4. 发送 END 标记 (5500 Hz, 40 ms)；
  5. 字符间间隔 60 ms。

3.6.2 解调算法

接收端通过 FFT 分析主导频率：

  1. 以 10 ms 间隔采样 AnalyserNode 的频域数据；
  2. 寻找最大幅值频点；
  3. 应用帧稳定滤波: 仅当同一频率连续出现 2 帧以上时才确认为有效信号；
  4. 状态机解析：WAITING -> SYNC -> START -> DATA -> END -> OUTPUT。

3.6.3 离线渲染导出

系统支持通过 OfflineAudioContext 将文本离线渲染为 WAV 音频文件。OfflineAudioContext 的优势在于：

3.7 数据解析实验室 (LAB)

lab.html 是前端本地数据可视化工具，支持导入 JSON 报告并进行多维度对比分析：

曲线采用余弦对数插值实现 31 段标准 1/3 倍频程频点的圆滑显示：

$$\mu = \frac{\log_{10}(x) - \log_{10}(x_0)}{\log_{10}(x_1) - \log_{10}(x_0)}$$ $$y = y_0 \cdot (1 - \mu_2) + y_1 \cdot \mu_2, \quad \mu_2 = \frac{1 - \cos(\mu \pi)}{2}$$

3.8 双通道相位分析仪

3.8.1 系统架构

phase.html 实现了基于 TX/RX 双设备协作的实时相位-频幅-相干三通道分析系统。系统采用 Chirp 脉冲时序同步机制，将播放端（TX）和接收端（RX）的音频流在时间轴上对齐，从而获得有物理意义的相位测量。

播放端 TX 生成 2 秒循环的复合测试信号：

  1. Chirp 对齐头（50 ms）：1 kHz 指数扫频脉冲，用于接收端时序锁定；
  2. 静默间隔（50 ms）：脉冲与粉噪载荷之间的隔离区；
  3. 粉噪载荷（1900 ms）：Voss-McCartney 7 阶 IIR 算法生成的宽带粉红噪声。

该信号结构在每个 2 秒周期内提供一次时序参考点，使接收端能够维持连续的同步状态。

3.8.2 接收端信号处理

接收端 RX 以 8192 点 FFT 进行频域分析（频率分辨率约 5.3 Hz @ 44.1 kHz），包含三条并行的数据通道：

频幅梯度的相位推导公式：

$$\phi(f) = -20 \cdot \frac{dL}{dx} \cdot \Delta f$$

其中 $dL/dx$ 为相邻频点的幅值斜率。该方法基于 Hilbert 变换关系，在最小相位系统假设下给出真实的相位响应。

3.8.3 时序同步与失联检测

接收端通过时域包络检波实现 Chirp 脉冲检测：

$$A_{\max} = \max_{i=0}^{N-1} |x[i]|$$

当 $A_{\max} > 0.35$ 且距上次检测超过 1500 ms 时，判定为有效脉冲到达，记录同步时间戳并更新延时读数。若连续 2500 ms 未收到脉冲，系统进入"SYNC LOST"状态，相干性强制衰减，相位通道切换为散点墙显示。

该机制确保在 TX/RX 双设备协作场景中，相位数据始终具备时序参考锚点，而非单纯的本地噪声分析。

3.9 多声道延时校准

3.9.1 延时计算模型

delay.html 提供面向车载音响、家庭影院、杜比全景声等多声道系统的精确延时校准工具。系统以声速传播模型为基础，将物理距离差异转化为 DSP 可执行的延时参数。

核心公式——以最远声道为零延时基准：

$$\Delta t = \frac{d_{\max} - d}{c} \times 1000 \quad [\text{ms}]$$

其中 $d_{\max}$ 为最远声道的测量距离（cm），$d$ 为当前声道距离，$c = 343\,\text{m/s}$ 为声速。

3.9.2 DSP 步进取整

计算结果需对齐到 DSP 采样率的整数倍步进。系统以 48 kHz 为基准采样率：

$$\Delta t_{\text{step}} = 1 / 48000 \approx 0.020833\,\text{ms}$$ $$N_{\text{steps}} = \text{Round}(\Delta t / \Delta t_{\text{step}})$$

该取整机制确保延时参数可直接对应调音台拨盘格数（如 Audison Bit One、DSP 8.8 等设备的步进式延时设置），避免手动换算带来的舍入误差。

3.9.3 超低音群延时补偿

超低音单元（Subwoofer）由于物理尺寸和分频电路的固有特性，存在不可忽略的群延时（Group Delay）。系统在报告中为标记为 SUB 的声道提供独立补偿建议：

3.9.4 声场结象感知测试

延时校准完成后，系统提供 Step 4 声场结象感知测试功能。测试信号为 500 Hz ~ 2 kHz 带通限波粉噪，经 Butterworth 二阶 IIR 带通滤波生成，采用 500 ms 有声 / 500 ms 静默的脉冲断续模式，80 ms 线性淡入淡出过渡防止咔嗒噪声。

用户在 SVG 声场图中点击感知到的声像中心位置，系统实时计算方位角：

$$\theta = \arctan\left(\frac{\Delta x}{\Delta y}\right) \times \frac{180}{\pi}$$

当点击位置距中心不超过 30 px（约 20% 半径）时，判定为声场居中达标。系统记录全部点击历史，并在 3 次以上测试后生成完整的校准与声场测试报告，可一键复制为文本格式。

该模块将延时参数的物理计算与主观感知验证形成闭环，确保量化校准结果在实际听感中得到确认。

第四章 部署层：测量环境约束与校准方案

4.1 测量环境约束

4.1.1 设备约束

4.1.2 物理部署

4.1.3 信号同步

4.2 误差控制与质量判定

4.2.1 时钟漂移容忍

漂移范围 (ppm)质量判定处理建议
< 100优秀无需补偿
100 ~ 300良好自动重采样补偿
300 ~ 500警告可接受，但建议检查设备
> 500不合格测量被拒绝

4.2.2 信噪比要求

4.2.3 多点空间平均建议

对于专业监听环境，建议执行多点空间平均法：

4.3 校准部署方案

4.3.1 监听/Hi-Fi 环境

4.3.2 车载音响环境

4.3.3 声学装修参考

基于 core.html 的房间模态计算结果：

4.4 实测中的典型问题与处理

在大量车载和室内场景的实际测试中，系统遇到并处理了以下典型问题：

4.4.1 测量失败场景

4.4.2 不同设备结果不一致

同一辆车使用不同手机测量，结果可能存在 1~3 dB 的差异，来源包括：

系统建议在同一测量会话中使用同一台设备，并移除手机壳。

4.4.3 多次测量一致性

在理想条件下（安静环境、电量充足、设备固定），同一位置的 3 次连续测量，频响曲线在 500~5000 Hz 范围内的标准差通常小于 0.5 dB。在 20~100 Hz 低频段，由于车内驻波的位置敏感性，标准差可能达到 2~3 dB，这正是推荐多点空间平均的原因。

结论 (Conclusion)

《声学觉醒》系统通过浏览器原生能力配合算法层面的精度补偿，实现了在消费级移动设备上执行可靠声学测量的工程目标。

系统的核心工程实践包括：

时钟漂移补偿: 双触发互相关同步与 soxr_vhq 重采样补偿的联合应用，将 Web 端跨设备时钟漂移引起的测量误差控制在亚采样级。实际测试表明，在多数消费级设备上，经补偿后的测量结果与 REW 的偏差通常小于 0.5 dB。

非最低相位系统识别: 通过阶跃响应检验与群延迟异常检测，系统能够自动识别波节频点并实施保护性增益限制，避免因强行 EQ 补偿导致的硬件损坏。

基于测量数据的目标曲线: Golden Reference 机制融合哈曼目标曲线、ISO 226 等响度补偿与空气吸收修正，通过大量车载与 Hi-Fi 环境的实际测量数据训练得到一条兼顾物理响应与主观听感的复合目标曲线。

全栈工具链覆盖: 从实时频谱分析、混响时间检测、房间模态计算到声学通信协议，系统提供了一套完整的浏览器端声学工具链。

在车载音响改装等消费级场景中，《声学觉醒》证明了一个工程命题：通过算法层面的精密补偿，Web 技术能够在特定场景下达到接近专业工具的测量一致性。这一结论为移动端声学测量、车载音响快速调校等场景提供了可落地的技术方案。

附录 A：核心算法伪代码

A.1 对数扫频生成

Algorithm: LogSweepGeneration
Input:  f_start, f_end, T, fs
Output: sweep[], inv_filter[]

L  ← T / ln(f_end / f_start)
N  ← T * fs
t  ← [0 : 1/fs : T-1/fs]

sweep[]        ← sin(2π * f_start * L * (exp(t / L) - 1))
inv_filter[]  ← reverse(sweep) * exp(-t / L)

return (sweep, inv_filter)

A.2 互相关时钟同步

Algorithm: ClockDriftSync
Input:  recorded[], ref_tone[], fs
Output: drift, ppm

// 粗定位（6×降采样）
a_ds  ← Downsample(recorded, 6)
r_ds  ← Downsample(ref_tone, 6)

p_start_ds  ← argmax( CrossCorrelation(a_ds, r_ds) )

// 结束触发搜索窗口
exp_end  ← p_start_ds + T_sweep * fs / 6
window   ← [exp_end - 1000, exp_end + 1000]
p_end_ds ← window.start + argmax( CrossCorrelation(a_ds[window], r_ds) )

// 精定位（全精度）
p_start ← 6 * p_start_ds + RefinePeak(...)
p_end   ← 6 * p_end_ds   + RefinePeak(...)

drift  ← (p_end - p_start) / (T_sweep * fs)
ppm    ← (drift - 1) * 1e6

return (drift, ppm)

A.3 可变倍频程平滑

Algorithm: VarOctaveSmooth
Input:  mag_db[], freqs[]
Output: smoothed[]

for each f_i in freqs:
    ow     ← 1/48 + (1/6 - 1/48) * min(f_i / 10000, 1)
    f_low  ← f_i * 2^(-ow/2)
    f_high ← f_i * 2^(+ow/2)
    bins   ← indices where freqs ∈ [f_low, f_high]
    smoothed[i] ← mean( mag_db[bins] )

return smoothed

A.4 房间模态计算

Algorithm: RoomModes
Input:  L, W, H, xs,ys,zs, xr,yr,zr, f_max
Output: modes[]

c  ← 343
pN ← ceil(2 * L * f_max / c)
qN ← ceil(2 * W * f_max / c)
rN ← ceil(2 * H * f_max / c)

for p = 0..pN, q = 0..qN, r = 0..rN:
    if p=q=r=0: continue

    f ← (c/2) * sqrt((p/L)^2 + (q/W)^2 + (r/H)^2)
    if f > f_max: continue

    zeros ← count_zero([p,q,r])
    if zeros == 2:    (w, type) ← (1.0, AXIAL)
    elif zeros == 1:  (w, type) ← (0.707, TANGENTIAL)
    else:             (w, type) ← (0.5, OBLIQUE)

    Ps ← cos(p*pi*xs/L) * cos(q*pi*ys/W) * cos(r*pi*zs/H)
    Pr ← cos(p*pi*xr/L) * cos(q*pi*yr/W) * cos(r*pi*zr/H)
    Pt ← Ps * Pr * w

    if |Pt| > 0.05:
        modes.append( {f, Pt, type, [p,q,r]} )

sort modes by f ascending
return modes

A.5 实时频谱分析主循环

Algorithm: RealTimeSpectrum
Input:  analyser, canvas_ctx
Output: rendered spectrum on canvas

freqData ← Float32Array(analyser.frequencyBinCount)

loop (requestAnimationFrame):
    analyser.getFloatFrequencyData(freqData)

    for each bin k:
        f  ← k * fs / FFT_SIZE
        if f < 20 or f > 20000: continue

        tilt_dB   ← 3 * log2(f / 1000)
        display_dB ← freqData[k] + tilt_dB + 30

        x ← freqToX_log(f, canvas_width)
        y ← dBToY(display_dB, canvas_height)
        drawLineTo(x, y)

    // 峰值检测
    peakBin  ← argmax( freqData[20Hz..20kHz] )
    peakFreq ← ParabolicInterpolate(peakBin, freqData)
    if peak_dB > -65:
        annotate(peakFreq, noteName(peakFreq))

本白皮书所有技术描述均基于《声学觉醒》系统实际代码逻辑与工程实现，未包含任何未经代码验证的推测性内容。