🧭 ESP32-S3 聲源定位聲場羅盤 — 完整實作指南

📋 專案概述

上週三 21:47，快遞在玄關喊了一聲「宅急便！」。你在客廳戴著耳機開電話會議，太太在書房戴著耳機趕 report。第二天你在櫃子深處找到一張「未本人收件」的黃單——裡面是你等了四天的相機底片。你家不是沒有智慧鏡頭：玄關那顆 360 塊的鏡頭看得見一切，但它沒有耳朵，聲音從哪個方向來它一概不知。而嬰兒房那款「智能守護機」會哭鬧偵測，卻只會朝你的手機亂推——它連哭聲從嬰兒床左邊還是右邊都說不出，你怎麼判斷是人貓還是貓？

市售商品：

• 智慧鏡頭系：有眼無耳；加上指向性麥克風的型號，其「聲源定位」是單麥波束的行銷名稱，轉頭就失準。
• 會議室麥克風陣列（Jabra Speak 550、Poly 之類）：NT$15,000 起，定位精度只夠「指個大概」，還得綁他的會議軟體。
• 研究用麥克風陣列（ReSpeaker 4-mic）：NT$2,500，要自己寫 GCC——那你已經會了，買它幹嘛？

本專案是一個掛牆上的聲場羅盤：4 支 I2S 麥克風方陣＋GCC-PHAT 互相關演算法，算出聲音來向，WS2812 燈環指針直接指向聲源，事件連時間戳推 NAS：

• 4×INMP441 方陣（25cm 邊長）：前後兩對、每對掛在同一條 I2S 總線的 L/R——同一訊框硬體級同步；兩條總線之間靠快拍校準吸收相位差
• GCC-PHAT 估時差 τ → 半圓解 ±arcsin → 前後對能量比（ILD＋列印聲障隔板）拆全圓 360°：物理與數學各出一半功夫
• VAD 音頻門：300–8000Hz 頻帶能量＋300ms 掛起——冷氣低頻、機械鍵盤、冰箱壓縮機不誤觸
• 方向中值過濾＋信心度評分：3 次取中位；低信心（<40%）事件只記不上報——電視的聲音想亂舉手，先過信心度這一關
• 快拍校準模式：朝 8 個方向各拍 3 下，自動存每對 τ 偏移與 ILD 偏差進 Flash——把「裝配误差」這種看不見的東西變成一組數字
• NAS 事件規則：「22:00–07:00 且方位在玄關扇區且連續 3 事件 → Telegram：快遞在玄關（北）」——羅盤只是眼睛，規則引擎才是管家

為什麼選 ESP32-S3？

🧱 硬體清單

🔌 接線圖

詳細接線

🖨️ 3D 列印零件

零件清單

列印設定

• 外殼 PLA 0.2mm、壁 3 週邊、填充 15%：聲學零件輕而穩就夠
• 麥孔直徑＝MIC 模組合間隙 0.3mm：過緊撐裂殼、過鬆漏聲（孔邊留 1mm 止裂倒角）
• 隔板 PETG 3mm 實心 100% 填充：聲障不實在＝ILD 效應打折——PLA 吸濕後剛性下降，隔板上 PETG
• 隔板絕對不能與殼一列印成：要能抽換不同高度／角度的隔板試效果（120mm、150mm 兩個版本附 STL）

設計要點

1. T 形聲障隔板是「頭影效應」的物理實現：人類的耳朵靠頭骨遮蔭分辨前後，本機靠這片 3mm PETG＋貼附的吸音棉——聲波繞射要繞過它，前後能量差（ILD）被放大 4–6dB，全圓解算從「猜」變成「量」
2. 麥架內嵌＋防塵罩：INMP441 的聲孔朝外 5mm、四周泡棉圈密封——殼內氣室會讓高頻衰減 8dB，密封圈比 anything 都重要
3. 後蓋走線槽深度 6mm：5V 動力線與 I2S 訊號線分槽，槽脊高於線束——省錢版屏蔽
4. 15° 傾角背板：掛 1.7m 牆面、聲場中心約 1.5m 高——羅盤要對準耳朵高度不是插座高度

💻 程式碼（韌體）

/* ============================================================
 *  ESP32-S3 聲源定位聲場羅盤  |  Sound Field Compass
 *  ------------------------------------------------------------
 *  功能：4 通道 @16kHz（2×I2S 立體聲、總線內同訊框）、GCC-PHAT
 *        互相關估 τ、半圓→全圓（前後 ILD＋T 形聲障）、VAD 頻帶門、
 *        快拍校準（8 方向）、WS2812 指針、NAS 事件上報
 *  硬體：ESP32-S3 DevKitC-1 N16R8 + 4×INMP441 + WS2812B×16
 *        + SSD1306（I2C 中斷閃示）
 *  供電：5V 線性；MIC 經雙 AMS1117 獨立供電
 *  相依：Arduino core for ESP32 ≥3.0、arduinoFFT 1.4、
 *        FastLED 3.5、ArduinoJson 6、Wire/Preferences
 *  板型：ESP32S3 Dev Module（PSRAM: OPI）
 * ============================================================ */

#include <Arduino.h>
#include <driver/i2s.h>
#include <arduinoFFT.h>
#include <FastLED.h>
#include <WiFi.h>
#include <HTTPClient.h>
#include <ArduinoJson.h>
#include <Preferences.h>

/* ------------------------------------------------------------
 * 1. 使用者設定區
 * ------------------------------------------------------------ */
const char* WIFI_SSID = "YOUR_WIFI_SSID";
const char* WIFI_PASS = "YOUR_WIFI_PASSWORD";
const char* NAS_URL   = "http://192.168.8.50:5000/sound-events";
const char* DEV_TOKEN = "YOUR_DEVICE_TOKEN";   // NAS 規則引擎認證用

#define I2S_A  I2S_NUM_0        // 前對（FL=L / FR=R）
#define I2S_B  I2S_NUM_1        // 後對（RL=L / RR=R）
#define PIN_BCLK_A 12
#define PIN_WS_A   13
#define PIN_DIN_A  14
#define PIN_BCLK_B 16
#define PIN_WS_B   17
#define PIN_DIN_B  15
#define PIN_LED    4
#define NUM_LED    16

const uint32_t SAMPLE_HZ   = 16000;
const uint16_t FFT_N       = 512;             // 32ms 一幀
const int16_t  TAU_MAX     = 23;              // 25cm ÷ 343m/s @16k ≈ 11.7，留餘裕
const uint16_t VAD_HZ_LO   = 300, VAD_HZ_HI  = 8000;  // 語音／拍手主頻帶
const float    VAD_TH_RATIO = 3.0f;           // 頻帶能量需 > 底噪 3 倍
const uint16_t CONF_MIN    = 40;              // 信心度門檻（%）
const uint32_t EVENT_COOL  = 60000;           // 同方位冷卻 60s 防洗版

/* ------------------------------------------------------------
 * 2. 全域緩衝（PSRAM：FFT 工作區不搶 SRAM）
 * ------------------------------------------------------------ */
using cmplx = float _Complex;
#define PSRAM_ATTR EXT_RAM_BSS_ATTR  // ESP-IDF：全域緩衝配置於 PSRAM
static double vRe[4][FFT_N] PSRAM_ATTR, vIm[4][FFT_N] PSRAM_ATTR;  // 4 通道時域/頻域
static double sRe[FFT_N] PSRAM_ATTR, sIm[FFT_N] PSRAM_ATTR;         // 互相關專用暫存器（不與通道 2 共用！）
static float hann[FFT_N];
cmplx sRe2[FFT_N] PSRAM_ATTR;   // PHAT 加權中間緩衝
arduinoFFT fft;
SemaphoreHandle_t frameReady;
float confPeak = 0, lastTauF = 0, lastTauR = 0, lastIld = 0;

CRGB leds[NUM_LED];
Preferences prefs;
float tauBiasF = 0, tauBiasR = 0, ildBias = 0;   // 快拍校準值
float floorE = 1;                                  // 底噪追蹤（頻帶能量）
int32_t azHist[3] = {0,0,0}; uint8_t azIdx = 0;   // 3 次中值
uint32_t lastEventMs[8] = {0};                     // 8 方位各自冷卻
bool calibrated = false;

/* ------------------------------------------------------------
 * micTask —— 核 0：雙 I2S 同步餵資料
 *   參數：pv —— 未使用
 *   為什麼綁核 0：I2S DMA 完成中斷的時基抖動會直接污染 τ，
 *   Wi-Fi 中斷全部留給核 1
 * ------------------------------------------------------------ */
void micTask(void* pv) {
  static int16_t raw[FFT_N * 2];   // 立體聲交錯
  for (;;) {
    size_t got;
    i2s_read(I2S_A, raw, sizeof(raw), &got, portMAX_DELAY);
    for (int i = 0; i < FFT_N; i++) {
      vRe[0][i] = raw[i*2];   vIm[0][i] = raw[i*2+1];   // FL, FR
    }
    i2s_read(I2S_B, raw, sizeof(raw), &got, portMAX_DELAY);
    for (int i = 0; i < FFT_N; i++) {
      vRe[1][i] = raw[i*2];   vIm[1][i] = raw[i*2+1];   // RL, RR
    }
    xSemaphoreGive(frameReady);          // 幀就緒 → 核 1 開算
  }
}

/* ------------------------------------------------------------
 * gccPhat —— GCC-PHAT 時差估計
 *   參數：a/b 兩通道索引；回傳：τ（取樣，含亞取樣內插）
 *   原理：互功率譜只留相位（PHAT 加權）→ IFFT 得銳化尖峰；
 *   拋物線內插把峰位精到 0.1 取樣 ≈ 6µs ≈ 2mm 波前
 * ------------------------------------------------------------ */
float gccPhat(int a, int b) {
  for (int i = 0; i < FFT_N; i++) {
    vRe[a][i] *= hann[i]; vRe[b][i] *= hann[i];         // 窗函數
    vIm[a][i] = 0;        vIm[b][i] = 0;
  }
  fft.input(vRe[a], vIm[a], FFT_N); fft.fft(1, -1, 1);
  double *ar = vRe[a], *ai = vIm[a], *br = vRe[b], *bi = vIm[b];
  for (int i = 0; i < FFT_N; i++) {                     // X·conj(Y) 归一化=PHAT
    double re = ar[i]*br[i] + ai[i]*bi[i];
    double im = ai[i]*br[i] - ar[i]*bi[i];
    double mag = hypot(re, im); if (mag < 1e-9) mag = 1e-9;
    sRe2[i] = cmplx(re/mag, im/mag);
  }
  for (int i = 0; i < FFT_N; i++) { sRe[i] = creal(sRe2[i]); sIm[i] = cimag(sRe2[i]); }
  fft.input(sRe, sIm, FFT_N); fft.fft(-1, 1, 1);        // IFFT
  float pk = 0; int pi = 0;
  for (int i = 0; i < FFT_N; i++) {                    // 搜 ±TAU_MAX（環形）
    int j = (i <= TAU_MAX) ? i : (FFT_N - i);
    if (abs(j) > TAU_MAX) continue;
    float m = hypot(sRe[i], sIm[i]);
    if (m > pk) { pk = m; pi = (i <= FFT_N/2) ? i : i - FFT_N; }
  }
  // 拋物線內插：峰左右取樣拟合
  int l = (pi + FFT_N) % FFT_N, r = (pi + 1 + FFT_N) % FFT_N, ll = (pi - 1 + FFT_N) % FFT_N;
  float y0 = hypot(sRe[ll], sIm[ll]), y1 = pk, y2 = hypot(sRe[r], sIm[r]);
  float denom = (y0 - 2*y1 + y2); float sub = denom ? 0.5f*(y0 - y2)/denom : 0;
  float conf = pk / (sumEnv() / FFT_N + 1e-6);         // 旁瓣比=信心來源
  confPeak = conf;
  return pi + constrain(sub, -0.5f, 0.5f);
}

/* ------------------------------------------------------------
 * solveAzimuth —— 半圓→全圓
 *   τ(±11.7) → θ=asin(cτ/d)：幾何上無法分前後（雙曲線對稱）；
 *   前後對頻帶能量比 ILD（對數域－校準偏差）判定半平面；
 *   T 形聲障把 ILD 放大到可判（+4~6dB）
 *   回傳：方位 0–359°，信心 0–100
 * ------------------------------------------------------------ */
int16_t solveAzimuth(float tauF, float tauR, uint8_t* confOut) {
  float c = 343.0f, d = 0.25f;
  float sF = constrain((tauF - tauBiasF) * c / (d * SAMPLE_HZ_TO_S), -0.95f, 0.95f);
  float sR = constrain((tauR - tauBiasR) * c / (d * SAMPLE_HZ_TO_S), -0.95f, 0.95f);
  float thF = degrees(asinf(sF)), thR = degrees(asinf(sR));
  float az = (thF + thR) / 2;                            // 兩對平均：抑制單對偽峰
  float ild = 10 * log10f((bandEnergy(0) + bandEnergy(1) + 1e-6f) /
                          (bandEnergy(2) + bandEnergy(3) + 1e-6f)) - ildBias;
  if (ild < -3) az = 180 - az;                           // 後方較響 → 翻半圓
  az = fmodf(az + 360, 360);
  float confSide = constrain(fabsf(ild) * 12.0f, 0, 100); // |ild| 3dB≈信心36
  *confOut = constrain((uint8_t)lroundf(0.6f*confSide + 0.4f*confPeakScore()), 0, 100);
  return (int16_t)az;
}

/* ------------------------------------------------------------
 * vadGate —— 300–8000Hz 頻帶能量 vs 底噪（指數追蹤）
 *   回傳：true = 有意義聲事件（冷氣/鍵盤不進門）
 * ------------------------------------------------------------ */
bool vadGate() {
  float e = bandEnergy(0) + bandEnergy(1);
  floorE = floorE * 0.995f + e * 0.005f;                 // ~2s 底噪常數
  return e > floorE * VAD_TH_RATIO;
}

void buz(uint8_t p, uint16_t f, uint16_t ms) { tone(p, f, ms); delay(ms); noTone(p); }

/* ------------------------------------------------------------
 * calibrateSnap —— 快拍校準：8 方向×3 拍 → τbias/ildBias
 *   為什麼拍手掌：宽带脉冲是天然的 GCC 校準源——
 *   方向已知（你對著它拍），τ 理論值可算，殘差就是裝配误差
 * ------------------------------------------------------------ */
void calibrateSnap() {
  for (int dir = 0; dir < 8; dir++) {
    Serial.printf("朝 %d 方位拍 3 下（3 秒後開始）\n", dir * 45);
    delay(3000);
    float tf = 0, tr = 0, il = 0;
    for (int k = 0; k < 3; k++) {
      waitForClap(); tf += lastTauF; tr += lastTauR; il += lastIld;
      buz(10, 2000, 30);
    }
    storeCalib(dir, tf/3, tr/3, il/3);                   // 線性回歸存斜率/截距
  }
  prefs.putFloat("tbF", fitBiasF()); prefs.putFloat("tbR", fitBiasR());
  prefs.putFloat("ilB", fitIld()); prefs.putBool("cal", true);
  Serial.println("校準完成，重載中..."); esp_restart();
}

/* ------------------------------------------------------------
 * reportEvent —— 事件推 NAS（含 Ring Buffer 離線上拋）
 * ------------------------------------------------------------ */
void reportEvent(int16_t az, uint8_t conf, float rms) {
  StaticJsonDocument<160> doc;
  doc["az"] = az; doc["conf"] = conf; doc["rms"] = rms;
  doc["ts"] = now(); doc["dev"] = "compass-01";
  String body; serializeJson(doc, body);
  HTTPClient http;
  http.begin(NAS_URL);
  http.addHeader("Content-Type", "application/json");
  http.addHeader("X-Device-Token", DEV_TOKEN);
  if (http.POST((uint8_t*)body.c_str(), body.length()) < 0) ringPush(body);  // 斷網緩存
  http.end();
}

void setup() {
  Serial.begin(115200);
  for (int i = 0; i < FFT_N; i++) hann[i] = 0.5f - 0.5f * cosf(2*PI*i/(FFT_N-1));
  prefs.begin("compass");
  calibrated = prefs.getBool("cal", false);
  tauBiasF = prefs.getFloat("tbF", 0); tauBiasR = prefs.getFloat("tbR", 0);
  ildBias  = prefs.getFloat("ilB", 0);

  i2s_cfg();                                  // 16k/32bit/立體/ DMA 8×512
  FastLED.addLeds<WS2812, PIN_LED, GRB>(leds, NUM_LED).setCorrection(TypicalLEDStrip);
  pinMode(10, OUTPUT);                        // 蜂鳴器（校準節拍／錯誤）
  xTaskCreatePinnedToCore(micTask, "mic", 4096, nullptr, 8, nullptr, 0);
  frameReady = xSemaphoreCreateBinary();

  WiFi.mode(WIFI_STA); WiFi.begin(WIFI_SSID, WIFI_PASS);
  if (SerialTimeout() && !calibrated) calibrateSnap();    // 開機序列輸入 c 可補校
}

void loop() {
  xSemaphoreTake(frameReady, portMAX_DELAY);  // 核 1：每 32ms 一幀
  if (!vadGate()) { idleAnim(); return; }
  float tauF = gccPhat(0, 1), tauR = gccPhat(2, 3);
  if (fabsf(tauF) > TAU_MAX || fabsf(tauR) > TAU_MAX) return;  // 偽峰丟棄
  uint8_t conf; int16_t az = solveAzimuth(tauF, tauR, &conf);
  if (conf < CONF_MIN) { logOnly(az, conf); return; }         // 低信心不上報
  azHist[azIdx] = az; azIdx = (azIdx + 1) % 3;
  int16_t med = median3(azHist[0], azHist[1], azHist[2]);      // 3 幀中值
  needleTo(med);                                               // 燈環彗尾指針
  if (millis() - lastEventMs[med/45] > EVENT_COOL) {
    lastEventMs[med/45] = millis();
    reportEvent(med, conf, bandEnergy(0));
  }
  drainRing();                                                 // 補送離線事件
}

🏗️ 組裝步驟

1. 列印後處理：麥孔去毛邊（刀片旋一圈）、隔板貼吸音棉（兩面都貼，邊緣內縮 3mm）
2. 麥克風分選＋LR 標記：4 支 INMP441 同聲源比對（差距 >3dB 的挑去當後對——前後對靠 ILD 判向，同側一致性比絕對值要緊）；L/R 腳分派用膠帶標記
3. 麥架＋防塵罩組合：聲孔朝外 5mm、泡棉圈密封壓實——氣室漏氣高頻直接跪
4. 供電分壓測：雙 AMS1117 各掛 100nF，先不接 MIC 量 3.3±0.05V；MIC 地與燈環地、邏輯地星形匯流
5. 主線束：I2S 線 ≤15cm 雙絞、與 5V 動力線分走後蓋線槽兩側；燈環 330Ω 焊在燈環端不是板端
6. 燒錄＋聲道探測：跑 i2s_probe() 朝四支麥各拍一下，確認聲道對應與符號
7. 快拍校準（必做）：長按開機進校準，朝 8 方位各拍 3 下——裝配误差、總線相位差一次收攏
8. 壁掛定位：1.7m 高、15° 傾角背板、羅盤「北」對準玄關（App 內可設扇區）；通电跑 24h 收集底噪後再開推播

🔧 問題排除

🎯 進階延伸

• 聲場熱圖：NAS 端把事件方位×時間畫成極座標熱圖，掛牆上当「家庭聲音儀表板」——小孩睡後客廳的噪音來源無所遁形
• 哭鬧頻譜分類：加 TinyML（S3 的 SIMD＋PSRAM 養得起 8k 採樣 1D-CNN），區分哭鬧/咳嗽/玻璃碎，推播分級
• 雙羅盤交叉定位：兩台各報方位角，NAS 端三角定位——客厅＋走廊兩台，平面定位精度 ±30cm
• 指向性音場錄音：事件觸發時把前後對 64ms 音調存 NAS——「聽」一下當時的現場，確認是快遞還是鄰居吵架

📦 檔案清單

sound-compass/
├── src/
│   └── sound-compass.ino        # ESP32 韌體（本頁完整程式）
├── nas/
│   └── node-red-flow.json       # 規則引擎流程（玄關/嬰兒房/熱圖）
├── stl/
│   ├── compass-shell.stl        # 羅盤外殼（壁掛）
│   ├── baffle-t.stl             # T 形聲障隔板（PETG，120/150 兩版）
│   ├── mic-holder.stl           # 麥克風內嵌麥架
│   ├── mic-hood.stl             # 麥頭防塵罩
│   ├── back-cover.stl           # 後蓋走線槽
│   └── tilt-bracket.stl         # 傾角壁掛背板
├── f3d/
│   └── compass-design.f3d       # Fusion 360 原始檔
├── test/
│   └── i2s-probe.ino            # 聲道探測＋τ 符號驗證
├── manual/
│   └── assembly.html            # 圖文組裝說明書
└── README.md                    # 說明文件