Skip to main content

MEMS麦克风介绍、集成与实现

发布于2023-01-03

当前消费者对移动性更高且更加美观的电子产品的需求日益增大,这不仅需要集成不同的电路组件,还需要不断改进面向多种应用的单个设备的性能。随着大流行的爆发和视频会议或视频/语音通信的突增,需要能从任何地方连接多个应用程序。微机电系统 (MEMS) 是20世纪70年代和80年代快速发展的一类组件,为消费者提供了更小、更强且不断发展的移动设备。特别是,MEMS麦克风的集成和实现更是为这些设备提供了先进的声学性能。

MEMS概述

什么是MEMS?

MEMS是将机械元件、传感器、执行器或开关集成在一个通用芯片上的器件。尽管定义会有所不同,但MEMS器件的长度通常小于1mm,并且采用了基于硅衬底的制造工艺。MEMS器件采用多种集成电路 (IC) 半导体表面微机械加工制造工艺(例如,光刻以及湿法和干法刻蚀)。MEMS器件利用了半导体行业的成熟技术和基础设施,从而得到了低成本、稳定可靠且高性能的器件。尽管MEMS和IC采用相似的制造工艺,但仍存在一些差异,主要表现在,MEMS采用更深的刻蚀、允许机械结构与本体衬底分离的释放工艺,并且还考虑到了粘滞和寄生效应。总之,MEMS需要考虑不同的制造条件,尤其是机械性能(如杨氏模量、残余应力和疲劳极限)。

MEMS通常用于日常电子设备中。值得注意的是,MEMS器件包括加速计、陀螺仪、压力传感器等。MEMS在器件小型化的总体趋势和当前器件的尖端性能方面发挥着关键作用。接下来,让我们深入了解一下MEMS麦克风。

MEMS麦克风

MEMS麦克风是指与所有需要小型封装、高性能、低功耗和可靠性能的音频应用相关的声学设备。从工作原理上来说,MEMS麦克风是一种将声压波转换为电信号的换能器。与许多其他器件一样,MEMS可以根据信号(模拟或数字)、输出(单端或差分 [模拟MEMS])和工作原理(电容式或压电式)分为不同类型。

表1 列出了这些类型的MEMS麦克风,并对其优点进行了说明,以供参考。

MEMS麦克风应用

笔记本电脑、手机、视频电话会议平台和降噪耳机等设备至少会用到一个MEMS麦克风。在许多情况下,入耳式耳机等设备如果没有MEMS麦克风,将无法达到现在的性能水平。MEMS麦克风技术的进步,实现了以超小型封装提供噪声消除、音频记录和音频播放、超低失真,以及高性能等特性的设备。

集成和实现MEMS麦克风

尺寸、重量、功率和成本

电容式MEMS麦克风具有以下六个特性:

  1. 包装和外壳
  2. 声学端口
  3. 膜片
  4. 背板
  5. 后腔
  6. 前腔

这六个特性会影响麦克风的性能(图1)。因此在考虑尺寸、重量、功率和成本时,需要根据这些特性对麦克风的影响,设定一些基本限制并进行权衡。与普通麦克风相比,MEMS麦克风具有更优的尺寸、重量、成本和功率,非常出色。但是,必须考虑具体的应用情况,并规定麦克风的选择。

图1:MEMS麦克风的总体设计和结构。机械设计决定了MEMS麦克风的性能。MEMS麦克风的突出特点对MEMS的性能起着重要作用。

动态范围

MEMS麦克风的动态范围由设备的声过载点 (AOP) 和噪声基底表征(图2)。高性能麦克风的一个关键因素是要确保动态范围不会限制设备的性能,并覆盖所需的全部电平范围。如果设计得当,麦克风的动态范围将指示麦克风的测量范围,从最柔和到最响亮的声音,而且无明显失真(或声压级[SPL])。

图2:动态范围图示。注意,由于应用要求限制在高SPL(失真要求)和低SPL(SNR要求),麦克风的可用动态范围通常会更小。

MEMS麦克风的AOP描述了MEMS麦克风在较高SPL下的失真性能。AOP通常定义为THD超过10%时的声压级。AOP越高代表在给定失真水平下准确捕捉声音的能力越强。如果设计的设备需要较高SPL的高质量音频,则需要较高的AOP。在某些数据手册中,可能会指定AOPpeak或AOPRMS。在这些情况下,可以添加3dB以将AOPRMS转换为AOPpeak。

要计算模拟MEMS麦克风的动态范围,需要知道输出电压最大摆幅, 并始终确保电压摆幅与动态范围相匹配。

对于数字MEMS麦克风,在讨论动态范围时,应考虑模数转换器 (ADC)。ADC需要有足够的位数来完整表示整个信号摆动。要计算ADC电平(对于脉冲编码调制信号),请使用以下公式:

噪声与失真

使用MEMS麦克风时,应考虑噪声和失真。噪声和失真代表着两个不同的设计因素。MEMS麦克风的失真通常由百分比形式的THD表示,该百分比表示高次谐波能量与基频或一次谐波之比。THD的计算公式如下所示:

请注意,在描述THD时必须指定高次谐波的次数 (n),并且在检查给定麦克风时也应考虑这些次数。THD是在麦克风的输出处测量;因此,较低的THD电平意味着输出是所需声学信号的更准确表示。此外,还需根据应用和声学信号分布情况进行精心设计,才能尽可能降低失真。某些算法可能更容易造成失真;同样,在相同的THD水平下,某些音符对于人耳来说可能更容易产生失真。

MEMS麦克风的噪声源包括自噪声在内可能有很多种。与其他传感器一样,MEMS麦克风也会受到电子元件(约翰逊噪声)、量化噪声 (ADC) 等的影响。噪声源也可能来自机械组件(即麦克风膜的设计、进入设备的碎屑等)。此外,噪声还可能由周边环境产生;风是最常见的噪声源之一。为了减少来自环境因素的噪声,尤其需要注意集成期间传感器的放置以及MEMS传感器外壳的设计。当然也可以采用诸如噪声消除之类的技术,来帮助提高设备整体性能。

MEMS麦克风中的噪声称为等效输入噪声 (EIN),用传感器输出处的dBSPL表示。

灵敏度

灵敏度是高性能MEMS麦克风的关键性能指标。在设计时,需要确保麦克风足够灵敏,以有效地将声压转换为具有足够SNR的电信号(图3)。灵敏度通常在94dBSPL (1Pa) 的参考声压下测得;然而,模拟和数字麦克风的测量方式也有所不同。对于模拟麦克风来说,由于测量的是电压,所以灵敏度以dBV/Pa或mVRMS/Pa表示。而数字麦克风的灵敏度则以dBFS(满刻度分贝)为单位来表示。

在判断性能时不能只看灵敏度,还需同时考虑AOP、动态范围和EIN。

图3:高性能MEMS麦克风应足够灵敏,以有效地将声压转换为电信号。

声学与电气规范

MEMS麦克风的电气/声学规范以性能、可靠性和一致性度量为考量。在设计应用时,可靠性和一致性有时须优先于性能。例如,在需要多个麦克风的应用(如立体声)中,频率响应/灵敏度的一致性可能比总体AOP更重要。

电气/声学规范的重要指标包括频率响应、方向性和电源抑制 (PSR)/电源抑制比 (PSRR) 等。频率响应是指麦克风对不同音频的灵敏度。该度量应尽可能平坦或稳定一致。亥姆霍兹共振发生在高频下,并会限制麦克风的性能范围(图4)。

图4:MEMS麦克风频率响应的概念图。亥姆霍兹共振器在图示的结尾处引起共振或导致灵敏度增加。

指向性或方向性表示麦克风对声音到达传感器的角度范围的灵敏度。方向性强的麦克风将只能在一个小的区域中收录声音。将多个麦克风作为阵列使用可以通过接收波束成形来提高方向性。

PSRR/PSR用于指示麦克风抑制电源噪声的能力。PSRR/PSR作为在电源电压下具有寄生输入信号的麦克风输出的残余噪声来测量。通常,PSRR/PSR值越高越好。PSRR和PSR的计算公式如下所示:

安装

设计设备整体性能和外形时,要考虑到MEMS麦克风的放置。在组件层面上,一个或多个MEMS麦克风的放置将直接影响麦克风最终的性能能否超出数据手册中的值。麦克风的放置和安装将会影响其性能特性,如可能会引起性能有很大的改变或降级,以及能否按预期运行。例如,如果麦克风放置在致动和声学有源组件附近,则无论MEMS麦克风规格如何,都会出现包括失真和噪声增加在内的干扰因素。这些设计因素对于MEMS器件的选择来说非常重要。

在确定MEMS麦克风的位置时,请考虑以下事项:

  1. 具有适当声学密封的声学声道(声道长度应尽可能短,并尽可能匹配声学端口尺寸,以避免产生另一个亥姆霍兹谐振器)
  2. 安装牢固性(MEMS麦克风的安装方式和外壳可通过将振动传播到组件来影响频率响应, 将声噪声传递到麦克风的可能性降至最低)
  3. 相对于其他电路元件的距离(保持器件间的空间隔离)
  4. 器件包装以及表面、角落和边缘的距离/形状(通常越靠近边缘和表面越好)
  5. 与声学和射频噪声源隔离
  6. 与热梯度隔离
  7. 靠近所需声源

对于立体声等特定应用,麦克风的放置需要特别注意。例如,在立体声应用中,麦克风应尽可能横向分开放置。

接口

MEMS麦克风的接口可以通过麦克风具有模拟还是数字输出来细分。如前所述,模拟MEMS麦克风的接口分为单端输出和差分输出。考虑到模拟MEMS麦克风的输出阻抗可以达到数百欧姆,因此需要注意,不能通过麦克风后面的阻抗失配来衰减信号。另一个需要考虑的因素是,使用一个至少1µF的电容器来进行直流滤波。

对于数字MEMS麦克风来说,设计要简单一些;然而,却需要特别注意界面布局。数字麦克风必须考虑脉冲密度调制和I2S等输出接口, 其中源端接电阻器就是一种比较好的做法。

对于模拟和数字MEMS麦克风,确保阻抗匹配且走线上不存在寄生现象对于信号完整性来说非常重要。此外,还需避免线路与噪声源间可能产生的耦合问题(微带线设计的走线可能会有用)。在这些情况下,数字接口优于模拟接口(抗噪声/干扰)。

结语

MEMS为消费者提供了更小、更强且不断发展的移动设备。本文详细介绍了在这些设备中提供高级声学功能的MEMS麦克风,以及集成提示和关键参数,便于根据具体应用选择合适的MEMS麦克风类型。当然本文并不全面,还有一些没有讨论或值得关注的主题(例如,相位失真);您可以通过应用注释了解更多信息,并进行更深入的分析。

作者简介

Tenner Lee是机器学习/人工智能研发项目的技术负责人,在算法开发/设计、系统优化和算法测试/验证方面拥有15年的领导、开发、项目管理和咨询经验。他拥有电气工程研究生学位,在信号处理和电磁方面有一定的基础。