车厢里说话时，声音会先后到达不同麦克风。阵列利用这点估计来向，再把对应通道对齐叠加，让目标方向更突出。反射、移动和扬声器回声仍会限制效果。
开车时用免提通话，发动机、轮胎和空调都在响，副驾乘客也可能插话。为什么系统有时还能较清楚地收下驾驶员的话，却未必同样放大其他方向的声音？关键不在某一只麦克风更灵敏，而在几只麦克风记录到声音的先后差异。
再看会议桌上的设备。发言者稍微挪动位置，或房间墙面把声音反射回来，远端听到的人声可能突然变薄、飘忽。阵列要做的工作并非凭空分离所有声音，而是在已知或估计的方向上，让多路信号尽量同相叠加，并降低其他方向的影响。
声音为何会留下方向线索
把几只麦克风按固定间距排开，同一句话到达各麦克风的时刻会略有不同。这个到达时间差很小，却与声源相对阵列的方向有关。处理器比较各通道的波形，就能提出候选方向。
一种直观做法是，逐个假设声音来自不同角度，并为每个通道补上相应延时。某个角度下，多路信号叠加后的能量最大，那个角度便可作为声源来向的估计。这里的来向估计，指的是判断声音从哪里传来，并不等于精确得到说话者的三维位置。
这个推断依赖阵列几何关系和声音传播模型。在线性阵列、声源距离相对阵列尺寸较远时，声波前沿可近似看成平面。麦克风间距也不能任意加大，否则不同方向可能产生难以区分的时间关系，造成空间混叠。
先定位，再把波束转过去
得到候选方向后，阵列进入波束形成。波束形成是对每一路信号施加不同延时或滤波，再进行求和的处理。目标方向的语音被对齐后相互加强，偏离目标方向的声音由于对不齐，叠加效果通常较弱。
这相当于在软件中改变接收重点。阵列本身没有机械转动，处理器只需更新各通道的延时和权重，就能把主波束指向新的方向。若延时不是采样点整数倍，还需要插值来实现分数采样延时。
波束不会只接收一个数学上的细点，而有一定宽度。波束较窄，区分相邻方向的能力通常更强，却更怕定位偏差。说话者移动后，若主波束仍指向旧位置，特别在较高频段，目标语音的频率响应可能发生明显变化。
反射为什么会误导阵列
车窗、仪表台和车内边界会把声音反射到阵列。麦克风接收到的，因而既有直达声，也有不同路径、不同到达时间的反射声。若把最强的相关线索直接当作直达声方向，阵列可能锁定错误方向，或出现多个候选峰值。
一种用于缓解此问题的处理，会先弱化各频率成分的幅度差异，突出通道之间的相位关系。相位可以通俗理解为波形在一个振动周期里走到哪一步。这样处理后，与到达时间差有关的相关峰更尖锐，有助于在反射环境中寻找方向。
这不意味着反射会被彻底消除。该处理需要按数据块在频域计算，结果也依赖当前信号。安静、直达声占优势的环境里，简单延时求和已可能定位良好。反射和干扰增强时，方向估计才更需要考虑稳健性。
更窄的波束与回声的难题
为了让主方向更集中，可以采用超指向设计。它通过选择各通道权重，在保持目标方向响应的条件下压低其他方向的噪声贡献。相比基础的延时求和，主波束能够更窄，但权重过大时会增加实现和稳定性压力。
因此实际设计常加入正则化，也就是给权重变化设置约束。约束较强时，结果会更接近普通延时求和，容易实现但指向性较弱。约束较弱时，指向性可能提升，同时对低频增益、器件误差和数值稳定性提出更高要求。
免提系统还有另一条声音路径。远端语音从车内扬声器播放后，又被麦克风收进来，形成声学回声。自适应滤波器可根据扬声器的已知播放信号，估计这条回声路径并抵消其成分。可是波束随说话者转动时，等效回声路径也会变化，波束形成与回声消除同时工作时可能影响自适应过程。
怎样观察一台设备的实际表现
可在相对安静的房间里，让一人固定说话，另一人从侧后方说话或播放语音，分别录下远端效果。随后让主说话者缓慢改变位置，留意人声是否突然变薄、音量跳变，或设备是否把重点转向错误方向。
也可在有硬墙反射的房间和较开阔空间重复观察。若环境一变，拾音方向就频繁摇摆，说明反射、噪声或定位条件正在挑战系统。听感变化只能帮助辨认现象，不能单独证明某种算法或性能指标。
对音频从业者而言，还应把说话距离、阵列摆放、扬声器音量和是否存在双向通话分开记录。阵列的优势来自多通道、方向估计和对齐求和的配合。它能改善特定方向的拾音条件，却不能保证在任何车厢、房间、人数和移动状态下都稳定分离出单一人声。
