我之前也踩过数字麦克风频响测量的各种坑，结合你给出的硬件配置、代码逻辑和问题现象，咱们按优先级一步步拆解排查，重点解决同步匹配、信号有效性、对齐鲁棒性这三个核心问题：

一、最紧急：修复同步匹配问题（Timing Mismatch） #

这是你当前问题的最可能根源，流程逻辑存在先天时间差：

ESP32 发完 READY 后立刻开始录音125ms → Python 收到 READY 后才启动62.5ms的扫频

而Python调用 sd.play() 存在系统音频栈延迟（Windows/macOS通常20-50ms），导致扫频要么只被捕获后半段，要么完全落在ESP32的录音窗口之外。

不修改Arduino代码的解决方法 #

在Python端主动调整播放时机，确保扫频完全落在ESP32的125ms录音窗口内：

方案1：添加播放延迟

收到 READY 后，先等待一段时间再播放扫频（推荐先试30ms，可根据实际现象调整）：

# === Wait for ESP32 ===
ser = serial.Serial(SERIAL_PORT, BAUD_RATE, timeout=SERIAL_TIMEOUT)
print("Waiting for READY from ESP32...")
while True:
    line = ser.readline().decode('utf-8', errors='ignore').strip()
    if line == "READY":
        print("ESP32 is ready. Waiting 30ms before playing sweep...")
        time.sleep(0.03)  # 关键：添加延迟让扫频落在录音窗口中间
        print("Playing sweep...")
        break

# === Play Sweep ===
sd.play(sweep, samplerate=FS)
sd.wait()

方案2：给扫频前加静音前缀

把扫频和一段静音拼接，总长度接近ESP32的录音时长，确保扫频位置稳定：

# === Generate Chirp Sweep with Silence Prefix ===
def generate_sweep_with_silence(silence_duration=0.03):
    t = np.linspace(0, DURATION, N_SAMPLES, endpoint=False)
    f0 = 300
    f1 = 15000
    beta = np.log(f1 / f0) / DURATION
    phase = 2 * np.pi * f0 * (np.exp(beta * t) - 1) / beta
    sweep = np.sin(phase) * windows.hann(N_SAMPLES)
    
    # 添加30ms静音前缀（可调整）
    silence_samples = int(FS * silence_duration)
    silence = np.zeros(silence_samples)
    return np.concatenate([silence, sweep])

sweep = generate_sweep_with_silence()
# 播放拼接后的完整信号
sd.play(sweep, samplerate=FS)
sd.wait()

二、验证信号捕获有效性 #

先确认ESP32真的捕获到了扫频信号，避免后续对齐/FFT做无用功：

1. 可视化捕获的麦克风信号 #

在Python代码中添加绘图代码，直观检查是否有扫频：

# === Receive Mic Signal ===
mic_signal = np.array(raw_data)
if len(mic_signal) < 6000:
    print(f"⚠️ Only {len(mic_signal)} samples received — expected 6000.")
    exit()

# 新增：绘制完整麦克风信号
plt.figure(figsize=(12,4))
plt.plot(mic_signal)
plt.title("Captured Mic Signal (125ms, 6000 samples)")
plt.xlabel("Sample Index")
plt.ylabel("Amplitude")  
plt.grid(True)
plt.show()

• 如果图中是一条接近0的直线：说明音量太小、麦克风未正确连接，或同步完全失败
• 如果图中有一段明显的起伏段：说明扫频被捕获，只是位置可能不对

2. 检查信号峰值 #

确保扫频足够清晰，避免因音量不足导致对齐失败：

peak_amplitude = np.max(np.abs(mic_signal))
if peak_amplitude < 0.05:  # 阈值可调整，0.05对应约80dB SPL
    print(f"⚠️ Mic signal peak amplitude too low ({peak_amplitude:.3f})!")
    print("Check: Speaker volume, mic distance (keep 10-20cm), or mic wiring")
    exit()

三、增强对齐鲁棒性（Alignment Failure） #

如果扫频被捕获但对齐失败，会直接导致频响图异常，需给交叉互相关添加有效性校验：

# === Align and Extract Sweep Segment ===
corr = correlate(mic_signal, sweep, mode='valid')
peak_corr = np.max(corr)

# 新增：校验互相关峰值（避免无效对齐）
sweep_energy = np.sum(sweep ** 2)
if peak_corr < 0.01 * sweep_energy:  # 阈值可调整，需大于背景噪声能量
    print("⚠️ Cross-correlation peak too low — no valid sweep found in mic signal!")
    # 绘制互相关图排查
    plt.figure(figsize=(12,6))
    plt.subplot(211)
    plt.plot(mic_signal)
    plt.title("Captured Mic Signal")
    plt.subplot(212)
    plt.plot(corr)
    plt.scatter(np.argmax(corr), peak_corr, color='red', label=f"Peak: {peak_corr:.2f}")
    plt.title("Cross-Correlation with Sweep")
    plt.legend()
    plt.show()
    exit()

# 正常对齐流程
lag = np.argmax(corr)
aligned_mic = mic_signal[lag:lag + N_SAMPLES]
if len(aligned_mic) != N_SAMPLES:
    print(f"⚠️ Alignment failed: got {len(aligned_mic)} samples instead of {N_SAMPLES}")
    exit()
aligned_mic *= windows.hann(N_SAMPLES)

四、优化频响计算（FFT/Windowing Artifacts） #

直接用 H = M/S 会在扫频幅度小的频段引入大量噪声，改用Wiener滤波法计算传递函数，鲁棒性更强：

# === Compute Transfer Function (Robust Version) ===
S = np.fft.rfft(sweep, NFFT)
M = np.fft.rfft(aligned_mic, NFFT)

# 替代直接除法：用Wiener滤波减少噪声
S_power = np.abs(S) ** 2
H = M * np.conj(S) / (S_power + 1e-6)  # 1e-6避免除以0

freqs = np.fft.rfftfreq(NFFT, 1 / FS)
mag_db = 20 * np.log10(np.abs(H) + 1e-12) + CALIBRATION_OFFSET
phase_deg = np.angle(H, deg=True)

五、硬件与环境优化建议 #

1. 麦克风位置：固定在距离扬声器10-20cm的正前方，避免回声和角度衰减
2. 环境降噪：在安静的房间测试，关闭风扇、空调等背景噪声源
3. 避免削波：如果mic_signal的峰值接近±1.0，说明信号过载，需降低扬声器音量
4. I2S配置验证：
   • 确认32位采样是否被正确转换为float（INMP441实际输出是24位有效数据，需确保高8位被正确处理）
   • 确认DC偏移去除彻底（可通过查看np.mean(mic_signal)是否接近0来验证）

最终验证步骤 #

按上述调整后，先运行Python代码：

1. 查看捕获的mic_signal图，确认扫频段在中间位置
2. 查看互相关图，确认峰值明显且位置合理
3. 最后查看频响图，应该会呈现INMP441典型的频响曲线（低频略降，1-10kHz平坦，高频逐渐衰减）

如果还是有问题，可以把你绘制的mic_signal和互相关图贴出来，进一步排查！