Man kann mit den AVRs auch eine FFT machen. Die Rechenleistung ist da gar nicht mal das Problem. Das ging schließlich auch mit Rechnern wie C64, Apple2 oder so. Die waren gut 20 mal langsamer, bei der Multiplikation sogar noch deulich mehr.

Ein kleines Problem hat man durch das recht begrenzte RAM. Für die FFT braucht man 2 mal den Platz für die Rohdaten. Bei 1 KByte RAM hat man als höchstens rund 500 Byte für Rohdaten das Reicht dann für 256 Werte a 8 Bit oder 128 Werte a 16 Bit. Für das doppelte reicht das nicht ganz, denn man braicht wohl wenigstens etwas Platz für den Stack. Das ist nicht wirklich viel, kann aber für einige Fälle ausreichen. Es gibt auch Beispiele dafür.

Noch was zum Mikrofon:
Die Elektretmikrofone sind schon die richtige Wahl. Wenn man nicht sehr laut ist, wird man aber noch wenigstens eine Verstärkerstufe brauchen. Die Abschätzung oben mit dem 6 µV ist wohl etwas pessimistisch, etwa mehr kann man man schon erwarten. Die 6µV wären für 34 dB, das wäre schon recht leise.

Die Umsetzung von Schall nach IR ist ein etwas ungewöhnlicher Weg. Da sollte es einen besseren Weg geben für die komunication zwischen 2 µCs die Dicht beieinander sind.