麦克风，其实就是手机的耳朵，那你希望手机长几只耳朵呢？
单麦克风，相当于用一只耳朵聆听世界，多多少少有点“耳背”，比如难以辨别方向和过滤杂音；双麦克风相当于两只耳朵，算是正常听力，可以辨别声音方向和初级降噪；而四麦克风，相当于四个耳朵，是神奇生物！能360度听音，构建三维声场地图。
当前不少手机已集成4颗麦克风，比如iPhone，一加等机型，这也从音频角度见证了手机从纯语音通话设备演变成智能终端的过程。
四颗麦克风通常分布在手机顶部（1颗，靠近听筒）、底部（2颗）和背部（1颗，靠近摄像头模组）。利用声音到达不同麦克风的时间差、相位差和音量差，通过算法进行实时处理，捕捉来自不同方向的声音信号，形成一个多维度、具有空间场特性的音频信号。
音频架构
如下图，为一加某旗舰机型的音频架构，使用了4颗模拟MIC，可以实现环境噪声消除、3D录音等功能。你可以做下堵麦克风（堵住开孔）的实验来验证四麦克风的效果。
AP，应用处理器，在音频系统中属于大脑的角色。内部集成了各种数字信号处理功能，可以运行各种软件算法，包括多麦克风降噪、定向等复杂算法。此外，既然是大脑，就不得不说统领作用。它通过通信接口（比如I2S、sound wire等）控制codec、Smart PA等外围小弟。
Audio Codec，音频编解码器，不是指MP3这种软件层面的编解码，而是指硬件芯片层面的编解码，籍由ADC（模数转换器），将麦克风送来的模拟电信号转换为数字信号，再交给AP处理。此外，高通平台的codec集成了音频开关，可以省掉一颗外部的音频开关IC。
那么四麦克风到底能干啥？
环境噪声消除
自适应噪声消除，即ANC，手机在通话时，通常会夹杂环境噪声，如果系统不能降低环境噪声，对方可能听不清你的声音，从而降低通话体验。
为了降噪，系统会着手从总信号中区分你的语音和环境噪声，提取出清晰的人声。
通常使用底部麦克风（靠近嘴）拾取强人声，顶部或背部麦克风（嘴外）用来拾取环境噪音。嘴部麦克风和嘴外麦克风所捕捉到的人声强弱是不一样的，但环境音大致是一样的。一种消除环境噪声的过程大致如下：
- 嘴部麦克风采集到的信号中，人声信号是V1、环境音信号是S，嘴外麦克风采集人声信号是V2、环境音信号是S；
- 信号送到处理器，先进行差分处理，即（V1+S）-（V2+S）;
- 差分后所得到的人声信号可能较为微弱，再进行放大，最终得到的便是较为可观的人声。
基于两颗麦克风就能实现降噪功能，但更多麦克风，意味着系统有更多的耳朵来获取信息，可以进行更复杂的算法运算，更精确地区分不同的声源。
音源定向
四麦克风分布在手机不同位置，利用时间/相位差（同一个声音到达不同麦克风的时间有差别）和强度差（距离声源近的麦克风收录到的声音更大，远的则更小），系统可以判断出声源的方向。
知晓声源的方向后，可以做很多有趣的功能，比如在会议室有多人线上开会的场景，利用音源定向，协同摄像头聚焦于说话的人，同时捕捉他的表情和声音，提升会议体验。
音频变焦
音频变焦，AUDIO ZOOM，在视频录制时，麦克风和摄像头协同工作。当你放大画面，欲拍摄更远的场景时，拾音范围也更聚焦于远处的拍摄对象，降低其他方向所传入的声音，使拍出来的视频更具有沉浸性。
这项技术最好使用全向性麦克风，麦克风越多、相互之间距离越远，越容易实现AUDIO ZOOM。手机各个位置上的麦克风设置不同的增益，然后将相位相加，以增强摄像头轴向所需的声音，削减侧面以降低离轴干扰。如下图（来自DXOMARK官网），麦克风所录到的信号组合构成超心形指向性。
3D录音
对于人耳来说，双耳听到的东西有差异便容易形成立体声，两个MIC就能构成立体声。
但相比两MIC，多麦克风更容易形成空间场，即形成包括前后、左右、上下的完整球型声场。当通过合适的耳机或扬声器系统回放时，用户能感受到来自四面八方的声音，仿佛身临其境。一种实施路径大致过程如下：
- 录制时，手机同时录制所有麦克风的原始信号，并通过算法实时处理，生成一个包含声音本身和带有声音位置信息的元数据文件。
- 回放时，通过支持空间音频的耳机（如AirPods Pro、部分安卓TWS耳机）回放时，手机会结合头部追踪数据（来自耳机或手机本身的陀螺仪），当你的头转动时，声音来源的方向在虚拟空间中保持固定，做到声音跟着场景走，你转头它也不跑偏。
