颜画风的博客驱动
- MME：
- MME是最常见的Windows音频API，全称为MutiMedia Extensions，即多媒体扩展技术。它历史悠久，兼容性好，市面上基本所有设备都能良好支持。 它属于高级的API，并不直接和硬件交流，需要通过层层接口才能访问音频硬件，这也为它带来了高延迟。
- WDM：
- WDM是Windows Driver Module的缩写，拥有低延迟、支持多个音频流等特性。MME延迟高，而Direct Sound并非为专业音频设计，WDM的出现很好地弥补了这些缺点。WDM直接和音频芯片的驱动程序交流，减少了大量中间环节，把延迟降低到一个新的层次，目前不少专业音频软件都提供了WDM接口。
- ASIO：
- ASIO是由德国Steinberg公司提供的音频接口，主要应用于专业领域。它的特色在于延迟极地，Windows 自有的 MME 驱动程式其延迟时间为 200~500 毫秒，DirectSound 为 50~100 毫秒，使用ASIO却能把延迟降低至10毫秒以下，十分惊人。低延迟对声音录制和后期制作有着重大的意义，但是在声音回放上的效果却有争议。有的发烧友认为，ASIO的低延迟可以极大程度地减少音频Jitter（抖动），从而提高音质；但有另一种说法称ASIO对软硬件的环境要求都比较苛刻，如果音频驱动编写水平一般，很容易产生爆音、声音生冷等问题。asio一般在系统中无法直接调用，需配合支持asio的软件使用。
- Kernel Streaming（常见缩写为：KS）：
- 就和其名字一样，这个API可以使音频直接访问底层数据，绕过系统的各种接口。它能带给音频极低的延迟。不过Kernel Streaming也有其局限性，首先使用这个API会直接霸占音频硬件，你听歌的时候就没法听到QQ响；其次这个API没有音频输入功能，也没法使用麦克风。
- Windows WASAPI
- Wasapi就不同了，这是把音源的控制权交给了App应用程序，而且App可以独占解码声卡并不容许Windows作任何处理，解码声卡不变
ADC
- 逐次逼近型ADC（SAR ADC）
- 转换时间较长，中高精度
- 采样保持->逐次比较
- ΔΣ调制型ADC（Sigma-Delta ADC）
- 极高的分辨率，适合低频信号，转换时间慢
- 应用场景为音频、医疗、精密测量
- 过采样（远高于奈奎斯特频率）->PCM（脉冲占空比）->积分滤波->输出
- 流水线型ADC（Pipeline ADC）
- 高速转换，适合高速信号处理，精度不高
HUB
CH334系列 不但支持低成本的低成本的STT模式（单个TT分时调度4个下行端口），还支持高性能的高性能的MTT模式（4个TT各对应1个端口，并发处理并发处理）。
SL2.1A 采用 Single Transaction Translator (STT)技术
声卡
昆腾微电子的kt0210有的会冲突
中科蓝汛目前没有遇到冲突问题 https://www.bluetrum.com/product/ab136d.html
USB3.1
公头只接一半的数据线，所以无论如何也做不到10芯 母头有24和16PIN
2547多芯线
多一个屏蔽线
驱动
https://learn.microsoft.com/zh-cn/windows-hardware/drivers/audio/
Microsoft 通用音频体系结构 (UAA) 使符合体系结构的音频设备完全依赖于操作系统来支持驱动程序。
接口标准
①、国际标准（CTIA）的3.5毫米接口：插针接法是左声道-右声道-地线-麦克风。也是目前市场上最流行、使用量最大的接法。国际标准（CTIA）耳机适用手机范围：苹果（全系列）、小米（全系列）、魅族（全系列）、索尼（全系列）、LG（全系列）、HTC官方产品、三星（咨询客服）、摩托罗拉部分机型（ME865）、联想W101、诺基亚Lumia和WP7系列、华为(C8812/U9200)、亿通T900等
②、国家标准（OMTP）的3.5毫米接口：插针接法是左声道-右声道-麦克风-地线。要适用手机范围：诺基亚、索尼爱立信（全系列）、中兴（全系列）、步步高（全系列）、酷派（全系列）、HTC 非官方产品（A3380、A3360、T9188、A9188、Z510D）、三星旧产品（i8910、M3510C、M7500、F278、F700、F408、F490、G810、G818、G818E、i550W、8510、i560、S8000C、i8000、M2710C、i7500U、i9000、i6500U、F809、i8000、F859）、摩托罗拉XT531、联想A520/A750/P700、OPPO（全系列）等国产系列手机。
录音设备
声音延迟不是完全一样的
音调发生器
https://www.onlinemictest.com/zh/tone-generator/
音频阵列
声音衍射原理，声学相干。 对于声速很高的声波的波束与振动源结构紧密相关。由于波速本身非常快，所以很有可能我测到的是驻波。 可以用文影可视化方法查看声波，其原理是在光的焦点区放置障碍物，通过气流影响空气折射率导致光产生纹影。
高频衰减确实快
探测间距小于裂缝才能分辨缺陷 源的距离可以确定受空气共振的影响的频率。 相当于用滤波器进行了一个载波。高频空洞会快速衰减（惠更斯原理）。 空气对信号衰减非常夸张，对于薄层有效果
近场声学模型
近场声学模型用于描述声源附近区域的声场特性，其数学公式通常基于声波方程和边界条件。以下是近场声学模型的详细公式及其推导过程：
1. 声波方程
声波在介质中的传播可以用声波方程描述。对于均匀介质中的小振幅声波，声波方程为： [ \nabla^2 p - \frac{1}{c^2} \frac{\partial^2 p}{\partial t^2} = 0 ] 其中：
- ( p ) 为声压（Pa）；
- ( c ) 为声速（m/s）；
- ( t ) 为时间（s）；
- ( \nabla^2 ) 为拉普拉斯算子。
2. 近场声压公式
在近场区域，声压 ( p ) 和质点速度 ( v ) 的关系复杂，声压可以表示为： [ p(\mathbf{r}, t) = \frac{j \omega \rho_0}{4 \pi} \int_S v_n(\mathbf{r}_0) \frac{e^{-j k R}}{R} , dS ] 其中：
- ( \mathbf{r} ) 为观测点位置；
- ( \mathbf{r}_0 ) 为声源表面位置；
- ( v_n(\mathbf{r}_0) ) 为声源表面的法向质点速度；
- ( R = |\mathbf{r} - \mathbf{r}_0| ) 为观测点到声源点的距离；
- ( k = \frac{\omega}{c} ) 为波数；
- ( \omega ) 为角频率；
- ( \rho_0 ) 为介质密度；
- ( S ) 为声源表面。
3. 近场声强公式
近场声强 ( I ) 是声压 ( p ) 和质点速度 ( v ) 的乘积的时间平均： [ I = \frac{1}{T} \int_0^T p(t) v(t) , dt ] 在频域中，声强可以表示为： [ I = \frac{1}{2} \text{Re}{p \cdot v^*} ] 其中：
- ( v^* ) 为质点速度的复共轭；
- ( \text{Re}{\cdot} ) 表示取实部。
4. 近场声全息（NAH）模型
近场声全息是一种基于声压测量的声场重建技术，其数学模型为： [ p(\mathbf{r}) = \int_S G(\mathbf{r}, \mathbf{r}_0) v_n(\mathbf{r}_0) , dS ] 其中：
- ( G(\mathbf{r}, \mathbf{r}_0) ) 为格林函数，表示声源点 ( \mathbf{r}_0 ) 到观测点 ( \mathbf{r} ) 的声场传播特性；
- ( v_n(\mathbf{r}_0) ) 为声源表面的法向质点速度。
通过测量近场声压 ( p(\mathbf{r}) )，可以反推出声源表面的质点速度 ( v_n(\mathbf{r}_0) )，从而重建声场。
5. 近场波束成形模型
波束成形是一种基于阵列信号处理的声源定位技术，其近场模型为： [ p(\mathbf{r}) = \sum_{i=1}^N w_i p_i(\mathbf{r}) ] 其中：
- ( p_i(\mathbf{r}) ) 为第 ( i ) 个麦克风接收到的声压；
- ( w_i ) 为权重系数，用于调整各麦克风信号的贡献。
通过优化权重系数 ( w_i )，可以实现对近场声源的定位和聚焦。
6. 近场声学的数值模拟
近场声学的数值模拟通常基于有限元法（FEM）或边界元法（BEM）。其离散化模型为： [ \mathbf{A} \mathbf{p} = \mathbf{b} ] 其中：
- ( \mathbf{A} ) 为系统矩阵，表示声场传播特性；
- ( \mathbf{p} ) 为声压向量；
- ( \mathbf{b} ) 为激励向量。
通过求解该线性方程组，可以得到近场声压分布。
7. 近场声学的简化模型
对于点声源，近场声压可以简化为： [ p(r) = \frac{A}{r} e^{-j k r} ] 其中：
- ( A ) 为声源强度；
- ( r ) 为观测点到声源的距离。
该模型适用于简单的近场声学分析。
总结
近场声学模型基于声波方程和边界条件，通过声压、质点速度和声强的数学描述，揭示了近场声场的复杂特性。近场声全息、波束成形和数值模拟等方法为近场声学研究提供了重要工具。这些模型在声源定位、声场重建和噪声控制等领域具有广泛应用。