【雕爷学编程】Arduino动手做(190)---MAX4466声音模块

37款传感器与模块的提法,在网络上广泛流传,其实Arduino能够兼容的传感器模块肯定是不止37种的。鉴于本人手头积累了一些传感器和执行器模块,依照实践出真知(一定要动手做)的理念,以学习和交流为目的,这里准备逐一动手试试多做实验,不管成功与否,都会记录下来——小小的进步或是搞不掂的问题,希望能够抛砖引玉。

【Arduino】168种传感器模块系列实验(资料代码+仿真编程+图形编程)
实验一百九十:MAX4466声音传感器 驻极体话筒放大器 麦克风可调功放模块 microphone

在这里插入图片描述
在这里插入图片描述
知识点:MAX4466芯片
是微功率运算放大器,经过优化,可用作麦克风前置放大器。它们提供了优化的增益带宽产品与电源电流的理想组合,以及超小型封装中实现低电压工件环境。 MAX4466具有增益稳定特性,仅需24μA的电源电流即可提供200kHz的增益带宽。经过解压缩,可实现+5V/V的最小稳定增益,并提供600KHZ增益带宽。此外这些放大器具有轨到轨输出,高 AVOL ,以及出色的电源抑制和共模抑制比,适合在嘈杂环境中工作。广泛应用于蜂窝电话、数字复读装置、耳机、助听器、麦克风前置放大器、便携计算机和语音识别系统中。

在这里插入图片描述
主要特性
1、+2.4V 至 +5.5V 电源电压运行版本,
2、可提供 5nA 完全关断(MAX4467/MAX4468)
3、出色的电源抑制比:112dB
4、出色的共模抑制比:126dB
5、高 AVOL:125dB (RL= 100kΩ)
6、轨到轨输出
7、低 24μA 静态电源
8、电流增益带宽积:
200kHz (MAX4465/MAX4467/MAX4469)
600kHz AV≥5 (MAX4466/MAX4468)
9、采用节省空间的封装
5-Pin SC70 (MAX4465/MAX4466)
8 引脚 SOT23 (MAX4467/MAX4468/MAX4469)

在这里插入图片描述

MAX4466芯片引脚图

在这里插入图片描述
在这里插入图片描述

MAX4466功能框图

在这里插入图片描述

MAX4466主要电气参数

在这里插入图片描述
在这里插入图片描述
MAX4466的经典应用电路

在这里插入图片描述
在这里插入图片描述

附件:MAX4466相关技术资料链接(英文,来自MAXIM美信公司官网)
https://datasheets.maximintegrated.com/en/ds/MAX4465-MAX4469.pdf

附注:MAXIM是美信公司(Maxim Integrated Products)的英文缩写,全球最好的模拟信号和混合信号半导体公司。Maxim Integrated Products成立于1983年,总部位于美国加利福尼亚的Sunnyvale,公司拥有9300多名员工,是世界范围内模拟和混合信号集成产品的设计、开发与生产领域的领导者之一。通过对温度、压力、声音等现实世界的各种信号进行检测、放大,并将其转换成计算机处理所需要的数字信号, Maxim的电路把现实世界与数字世界“连接”在一起。Maxim是全球模拟、混合信号、高频及数字电路设计、研发、制造的领导者,所提供的产品能够实现上述数字内核与周边系统的连接。它们在世界范围内拥有大约35,000个大型客户。

MAXIM官网:https://www.maximintegrated.com/cn.html

MAX4466模块描述:
使用这款精心设计的驻极体麦克风放大器为您的项目添加耳朵。这个完全组装和测试的电路板带有一个焊接在 20-20KHz 驻极体麦克风上。对于放大,我们使用Maxim MAX4466,这是一款专为这项精密任务而设计的运算放大器!该放大器具有出色的电源噪声抑制能力,因此该放大器听起来非常好,并且不像我们尝试过的其他麦克风放大器突破那样嘈杂或沙哑!

此突破最适合用于变声器、音频录制/采样和使用 FFT 的音频反应项目等项目。在背面,我们包含一个用于调节增益的小型微调电位器。您可以将增益设置为 25x 至 125x。这下降到大约 200mVpp(对于大约 6" 外的正常说话音量),这对于连接到期望“线路电平”输入而没有削波的东西很有用,或者高达大约 1Vpp,非常适合从微控制器 ADC 读取。输出是轨到轨,所以如果声音变大,输出可以达到 5Vpp!

在这里插入图片描述

MAX4466模块电原理图

在这里插入图片描述
在这里插入图片描述
MAX4466模块特点及优点:
电源电压:+2.4V至+5.5V(可直接接STM/ARDUNIO/树莓派等开发板)
电源抑制比:112dB
共模抑制比:126dB
AVOL:125dB(RL = 100kΩ) 轨到轨输出
静态电源电流:24μA
增益带宽:600kHz
尺寸:20.8mm x 13.8mm x 7.5mm/0.8 x 0.5 x 0.3inch

在这里插入图片描述
该模块在 Vcc 和接地引线上都包含铁氧体,以最大限度地减少电源噪声。如果与 MCU 一起使用,最好使用 2.4V – 5.5V 范围内可用的最安静的电源。在 Arduino 上,这通常是 3.3V 电源。
输出是直流耦合的。当输出信号处于静止状态时,它将位于 Vcc/2。如果 Vcc 为 5V,则输出将为 2.5V。如果输出需要交流耦合,可以在输出引脚和它驱动的电路的输入之间增加一个100uF的电容。
背面的小型单圈电位器可让您将增益从 25x 调整到 125x。逆时针旋转电位器会增加增益,而逆时针旋转会降低增益。
在这里插入图片描述

使用它很简单:
OUT接A0,GND 接地,VCC 接 2.4-5VDC。
为了获得最佳性能,请使用可用的“最安静”电源(在 Arduino 上,这将是 3.3V 电源)。音频波形将从 OUT 引脚输出。输出将具有 VCC/2 的直流偏置,因此当它完全安静时,电压将是稳定的 VCC/2 伏(它是直流耦合的)。如果您使用的音频设备需要交流耦合音频,请在输出引脚和设备输入之间放置一个 100uF 电容器。如果您连接到具有差分输入或包含去耦电容器的音频放大器,则不需要 100uF 电容。

输出引脚并非设计用于驱动扬声器或任何东西,而是用于驱动最小的入耳式耳机——如果您想将放大器直接连接到扬声器,则需要一个音频放大器(例如 3.7W 立体声放大器)。如果您连接到微控制器引脚,则不需要放大器或去耦电容器 - 将 OUT 引脚直接连接到微控制器 ADC 引脚。

对于音频反应项目,我们建议使用 FFT 驱动程序库,它可以获取音频输入并将其“转换”为频率。

在这里插入图片描述

【Arduino】168种传感器模块系列实验(资料代码+仿真编程+图形编程)
实验一百八十五:MAX4466声音传感器 低功耗驻极体话筒放大器 麦克风可调功放模块 microphone
项目之一:串口输出人声波形

实验开源代码

/*
【Arduino】168种传感器模块系列实验(资料代码+仿真编程+图形编程)
实验一百八十五:MAX4466声音传感器 低功耗驻极体话筒放大器 麦克风可调功放模块 microphone
项目之一:串口输出人声波形
模块接线:
MAX4466  Arduino
VCC        5V
GND        GND
OUT         A0
*/void setup() 
{Serial.begin(9600);pinMode(A0,INPUT); 
}void loop() 
{Serial.println(analogRead(A0));delay(100);
}

实验串口返回情况

在这里插入图片描述
打开IDE——工具——串口绘图器,查看环境噪音与人声的实际波形

在这里插入图片描述
实验串口绘图器返回情况

在这里插入图片描述
将调节电阻逆时针旋转,加大运放增益,顺时针则减少增益。
图为调高一些运放增益的人讲话声音的波形

在这里插入图片描述

房间里面背景噪音的波形

在这里插入图片描述

实验场景图

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/25437.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

(五)Node.js -模块的加载机制

1. 优先从缓存中加载 模块在第一次加载后会被缓存。这意味着多次调用require()不会导致模块的代码被执行多次。 注意:不论是内置模块、用户自定义模块、还是第三方模块,它们都会优先从缓存中加载,从而提高模块的加载效率。 2. 内置模块的加载…

Jenkins Gerrit Trigger实践

1.创建Gerrit Trigger 2.jenkins master节点生成gerrit用户的密钥 这里的用户名得写登录gerrit后个人信息中的 Username 3.gerrit 配置刚刚jenkins生成密钥的公钥 4.gerrit 用户加入群组 不加这个群组,下一步测试就会报错“User aeshare has no capability conn…

通过VBA宏合并Excel工作表

工作中经常会用到的把几个Excel文件合并到一个,或者是把一个Excel文件里的所有Sheet合并到一个Sheet来进行统计。下面分别提供用vba宏来解决这两个问题的方法。 1、合并Excel文件 打开一个空Excel文件,AltF11,插入一个模块,开始…

Dueling Network

Dueling Network —— Dueling Network Architectures for Deep Reinforcement Learning 论文下载地址 论文介绍 图9. Dueling Network 模型结果示意图 Dueling Network与传统DQN的区别在于神经网络结构的不同,Dueling Netowrk在传统DQN的基础上只进行了微小的改动…

Flowise AI:用于构建LLM流的拖放UI

推荐:使用NSDT场景编辑器助你快速搭建可二次编辑的3D应用场景 什么是Flowise AI? Flowise AI是一个开源的UI可视化工具,用于帮助开发LangChain应用程序。在我们详细介绍 Flowise AI 之前,让我们快速定义 LangChain。LangChain是…

MapTR论文笔记

MAPTR: STRUCTURED MODELING AND LEARNING FOR ONLINE VECTORIZED HD MAP CONSTRUCTION 目的 传统高精地图 通过一些离线的基于 SLAM 的方法生成,需要复杂的流程以及高昂的维护费用。基于 bev 分割的建图方法,缺少向量化 实例级的信息,比如…

应急响应-web后门(中间件)的排查思路

0x01 获取当前网络架构 语言,数据库,中间件,系统环境等 0x02 分析思路 1.利用时间节点筛选日志行为 2.利用已知的漏洞在日志进行特征搜索,快速定位到目标ip等信息 3.后门查杀,获取后门信息,进一步定位目…

基于Vue+wangeditor实现富文本编辑

目录 前言分析实现具体解决的问题有具体代码实现如下效果图总结前言 一个网站需要富文本编辑器功能的原因有很多,以下是一些常见的原因: 方便用户编辑内容:富文本编辑器提供了类似于Office Word的编辑功能,使得那些不太懂HTML的用户也能够方便地编辑网站内容。提高用户体验…

从零开始实现一个 mini-Retrofit 框架

前言 本篇文章将采用循序渐进的编码方式,从零开始实现一个Retorift框架,在实现过程中不断提出问题并分析实现,最终开发出一个mini版的Retrofit框架 演示一个使用OkHttp的项目Demo 为了更好的演示框架的实现过程,这里我先创建了一…

Compose应用案例(利用docker compose安装lnmp实例)

目录 Compose应用案例 一、前提配置 (一)安装docker-ce(Linux安装Docker) (二)安装docker-compose 二、安装docker compose部署lnmp (一)目录结构: (二…

SPM(Swift Package Manager)开发及常见事项

SPM怎么使用的不再赘述,其优点是Cocoapods这样的远古产物难以望其项背的,而且最重要的是可二进制化、对xcproj项目无侵入,除了网络之外简直就是为团队开发的项目库依赖最好的管理工具,是时候抛弃繁杂低下的cocoapods了。 一&…

c语言——杨辉三角

//杨辉三角 #include<stdio.h> int main() {int i,j,k,n0,a[10][10];while(n<0||n>13){/*行数不超过13&#xff0c;为了显示规范*/printf("n即输入行数");scanf("%d",&n);}printf("%d行杨辉三角如下&#xff1a;\n",n);for(i1;i…

SpringCloud(29):Nacos简介

1 什么是配置中心 1.1 什么是配置 应用程序在启动和运行的时候往往需要读取一些配置信息&#xff0c;配置基本上伴随着应用程序的整个生命周期&#xff0c;比如&#xff1a;数据库连接参数、启动参数等。 配置主要有以下几个特点&#xff1a; 配置是独立于程序的只读变量 …

IPsec

数据认证 数据认证是指验证数据的真实性、完整性和可信度的过程。它确保数据在传输、存储和处理过程中没有被篡改或损坏&#xff0c;并且数据的来源可信。 数据认证的主要作用包括&#xff1a; 数据完整性保护&#xff1a;通过校验和、哈希算法等方法&#xff0c;检测数据是否…

GoogLeNet卷积神经网络-笔记

GoogLeNet卷积神经网络-笔记 GoogLeNet是2014年ImageNet比赛的冠军&#xff0c; 它的主要特点是网络不仅有深度&#xff0c; 还在横向上具有“宽度”。 由于图像信息在空间尺寸上的巨大差异&#xff0c; 如何选择合适的卷积核来提取特征就显得比较困难了。 空间分布范围更广的…

On Evaluation of Embodied Navigation Agents 论文阅读

论文信息 题目&#xff1a;On Evaluation of Embodied Navigation Agents 作者&#xff1a;Peter Anderson&#xff0c;Angel Chang 来源&#xff1a;arXiv 时间&#xff1a;2018 Abstract 过去两年&#xff0c;导航方面的创造性工作激增。这种创造性的输出产生了大量有时不…

MyBatis快速入门

MyBatis快速入门 MyBatis简介 什么是MyBatis? MyBatis 是一款优秀的持久层框架&#xff0c;用于简化JDBC开发MyBatis本是Apache 的一个开源项目iBatis,2010年这个项目由apache softwarefoundation 迁移到了google code&#xff0c;并且改名为MyBatis 2013年11月迁移到Githu…

go 内置函数copy()

go内置函数copy go 内置函数copy()函数说明&#xff1a;代码例子1&#xff1a;代码例子2&#xff1a;代码例子3&#xff1a; go 内置函数copy() 函数说明&#xff1a; 当我们在Go语言中需要将一个切片的内容复制到另一个切片时&#xff0c;可以使用内置的copy()函数。copy()函…

如何推导椭圆的参数方程

椭圆基础知识 椭圆定义&#xff1a;椭圆上任意一点到两焦点的距离之和为2a 如何由椭圆定义推出椭圆标准方程呢&#xff1f; 如上图所示。 由定义可得已知条件为 ∣ M C 1 ∣ ∣ M C 2 ∣ 2 a 当 M 落在顶点 P 上时&#xff0c;可得另一已知条件 a 2 − b 2 c 2 当有了已…

在Python中应用RSA算法实现图像加密:基于Jupyter环境的详细步骤和示例代码

一、引言 在当今的数字化社会中,信息安全问题备受关注。随着数字图像在生活中的应用越来越广泛,图像的安全性和隐私性也成为人们关心的焦点。如何在网络上安全地传输和存储图像已经成为一项重要的挑战。RSA(Rivest-Shamir-Adleman)算法作为一种被广泛应用的公钥密码体系,…