人機(jī)界面技術(shù) (HMI) 在過(guò)去 10 到 15 年取得了長(zhǎng)足的進(jìn)步：直到 2000 年代初，嵌入式設(shè)備（最早的手持電話，然后被智能手機(jī)取代）上的彩色屏幕和觸摸屏絕對(duì)不是那么-負(fù)擔(dān)得起的加。隨著處理性能的提高、成本的降低以及新的通信技術(shù)的出現(xiàn)，能夠?qū)⒂脩粝胍膬?nèi)容轉(zhuǎn)換為命令的設(shè)備已經(jīng)出現(xiàn)。

直到幾年前，能夠連接到云并允許通過(guò)使用語(yǔ)音命令（如亞馬遜的 Alexa）遠(yuǎn)程控制物聯(lián)網(wǎng)設(shè)備的設(shè)備都是純粹的科幻小說(shuō)。迄今為止，智能傳感器和智能音頻設(shè)備使您可以輕松地為您的語(yǔ)音控制個(gè)人助理創(chuàng)建硬件。

本文將指導(dǎo)您選擇最佳組件來(lái)設(shè)計(jì)您獨(dú)特的“Alexa”版本

語(yǔ)音助手：系統(tǒng)概覽

數(shù)字語(yǔ)音輔助系統(tǒng)是一種能夠執(zhí)行以下步驟的電子設(shè)備：

• 捕捉語(yǔ)音信息
• 將語(yǔ)音消息轉(zhuǎn)換為音頻流
• 通過(guò)復(fù)雜的算法處理音頻流，將其解釋為一個(gè)獨(dú)特的命令
• 將命令與動(dòng)作相關(guān)聯(lián)
• 播放音頻反饋消息

這一切的背后，是一整套的軟硬件技術(shù)。

圖 1 顯示了語(yǔ)音助手的框圖。

圖1：語(yǔ)音助手框圖（來(lái)源：作者）

與任何其他通信通道一樣，該通道也涉及源信號(hào)、采集和轉(zhuǎn)換系統(tǒng)、編碼系統(tǒng)、處理系統(tǒng)、解碼系統(tǒng)和輸出信號(hào)發(fā)射系統(tǒng)。

在語(yǔ)音輔助系統(tǒng)的情況下，源信號(hào)是語(yǔ)音信息，它是通過(guò)我們的聲帶調(diào)制并作為振動(dòng)在空氣（通信方式）中傳播的機(jī)械波。振動(dòng)由充當(dāng)信號(hào)傳感器的麥克風(fēng)獲取。然后，對(duì)信號(hào)進(jìn)行調(diào)節(jié)和編碼以進(jìn)行處理。此時(shí)，編碼的音頻流可以在本地（通過(guò)微控制器或微處理器）進(jìn)行操作，也可以通過(guò)語(yǔ)音識(shí)別算法和云端 AI 以更有效的方式遠(yuǎn)程發(fā)送以進(jìn)行處理。因此，處理輸出將是提供給致動(dòng)系統(tǒng)的命令。

至于音頻反饋，路徑類似但相反：將流解碼并發(fā)送到放大器，放大器將通過(guò)揚(yáng)聲器再現(xiàn)音頻。

系統(tǒng)組件

從頭開(kāi)始設(shè)計(jì)語(yǔ)音輔助系統(tǒng)是一項(xiàng)復(fù)雜的任務(wù)。直到幾十年前，只有擁有出色音頻設(shè)計(jì)技能的工程師團(tuán)隊(duì)才可行。如今，我們很幸運(yùn)能夠利用一系列硬件和軟件組件，這無(wú)疑使任務(wù)變得更簡(jiǎn)單。

該項(xiàng)目最關(guān)鍵的部分之一是音頻采集和再現(xiàn)部分，這需要應(yīng)用領(lǐng)域的出色知識(shí)以及模擬電子技能。為了簡(jiǎn)化任務(wù)，我們可以使用數(shù)字傳感器，它集成了必要的模擬組件并傳輸已經(jīng)數(shù)字編碼的數(shù)據(jù)。

至于輸入部分，我們可以使用全向麥克風(fēng)INMP441，它采用MEMS技術(shù)（Micro Electro-Mechanical Systems）進(jìn)行轉(zhuǎn)換，實(shí)現(xiàn)了I2S數(shù)字接口進(jìn)行數(shù)據(jù)交換。這樣就避免了有關(guān)信號(hào)調(diào)節(jié)的問(wèn)題，并且與處理單元的接口不受噪聲影響。此外，要處理的信號(hào)已經(jīng)是數(shù)字格式。

至于音頻輸出級(jí)，我們可以使用 MAX98357A，它是一個(gè) 2 通道 3W D 類放大器，也配備了一個(gè) I2S 接口。與輸入級(jí)類似，硬件設(shè)計(jì)極為簡(jiǎn)化：放大器通過(guò) I2S 接口在輸入端接收數(shù)字信號(hào)，解碼音頻樣本并將其再現(xiàn)為芯片 L 和 R 端的電壓，只需簡(jiǎn)單連接給揚(yáng)聲器。

此時(shí)，您需要選擇的最后一個(gè)設(shè)備是微控制器，它必須能夠處理（或發(fā)送到云端）來(lái)自麥克風(fēng)的音頻流，并發(fā)送音頻流以供放大器再現(xiàn)。最適合這個(gè)用途的 MCU 當(dāng)然是樂(lè)鑫的ESP32模塊（最好是 WROVER 模塊，配備 8MB 的 RAM，以及高達(dá) 16MB 的閃存）。由于其高連接性（BLE 和 WiFi）和高性能以及極低的價(jià)格，該模塊是智能家居應(yīng)用的正確選擇。它還具有兩個(gè)獨(dú)立的 I2S 接口，非常適合該項(xiàng)目的目的。

圖 2 顯示了該項(xiàng)目中使用的三個(gè)主要組件。

圖 2：MAX98357A（左）、ESP32-WROVER（中）、INMP441（右）（來(lái)源：網(wǎng)絡(luò)）

I2S 通信總線

I2S 接口協(xié)議是該項(xiàng)目的關(guān)鍵點(diǎn)，因?yàn)樗褂布蛙浖甲兊煤?jiǎn)單，使設(shè)計(jì)人員和開(kāi)發(fā)人員從與模擬采集和再現(xiàn)相關(guān)的一系列問(wèn)題中解脫出來(lái)。

I2S 代表 Inter-IC Sound，它是為連接數(shù)字音頻設(shè)備而創(chuàng)建的串行接口的電氣標(biāo)準(zhǔn)。它在音頻應(yīng)用中用于在集成電路之間傳輸 PCM 音頻樣本，如我們的例子（MCU 和麥克風(fēng)/放大器）。I2S 創(chuàng)建于 1986 年，是飛利浦半導(dǎo)體（現(xiàn)為 NXP 半導(dǎo)體）的產(chǎn)品。

I2S 總線是同步的，因?yàn)樗鼜臄?shù)據(jù)線提供不同的時(shí)鐘信號(hào)，這比異步設(shè)備更容易接收，在異步設(shè)備中，通信系統(tǒng)直接從數(shù)據(jù)流中獲取時(shí)鐘。它還在同一條數(shù)據(jù)線上提供最多兩個(gè)多路復(fù)用通道（右通道和左通道）。

I2S至少包括以下三行：

• 時(shí)鐘線（BCLK）：用于標(biāo)記位時(shí)間并允許連接設(shè)備之間的同步
• 字選擇（WS）或左右時(shí)鐘（LRCLK）線：用于復(fù)用左聲道（WS低）和右聲道（WS高）。因此，它呈現(xiàn)為占空比為 50% 的方波
• 數(shù)據(jù)線：用于PCM樣本的傳輸，根據(jù)WS的狀態(tài)復(fù)用；數(shù)據(jù)以 2 的補(bǔ)碼編碼

時(shí)鐘切換頻率（f _ck）不能任意選擇，而是根據(jù)輸入信號(hào)的采樣頻率（f _s）、通道數(shù)（n _ch）和單個(gè)采樣的位數(shù)（n _bit )，其中 f _ck結(jié)果是

f _ck = f _s *n_位*n _ch

例如，要傳輸 2 個(gè) 8kHz 采樣數(shù)據(jù)流，每個(gè)采樣有 12 位，我們需要設(shè)置

f _ck = 8000 * 12 * 2 = 192000 次/秒。

圖 3 顯示了總線線路的時(shí)序圖示例。

圖3：I2S總線時(shí)序圖（來(lái)源：hackaday.com）

電氣連接和軟件片段

圖 4 顯示了系統(tǒng)三個(gè)主要組件之間的連接。這些連接非常容易理解，因?yàn)樗阋赃B接麥克風(fēng)/放大器和 MCU 之間的時(shí)鐘信號(hào)、字同步和數(shù)據(jù)線。所有模擬調(diào)節(jié)、濾波和放大都集成到數(shù)字設(shè)備中。

圖 4：連接數(shù)字組件（來(lái)源：作者）

最后，圖 5 顯示了在 ESP32 的 ESP-IDF 環(huán)境中正確使用 I2S 總線的結(jié)構(gòu)配置。該配置是指輸入信號(hào)以 8kHz 采樣，每個(gè)單通道采樣 16 位，作為輸入和輸出（因?yàn)橛幸粋€(gè)麥克風(fēng)，并且有一個(gè)單聲道輸出）。

圖 5：I2S 總線配置示例（來(lái)源：作者）

一個(gè)項(xiàng)目，千種可能

該項(xiàng)目是任何需要音頻輸入、放大輸出以及處理和通信系統(tǒng)的設(shè)備的起點(diǎn)：類似的平臺(tái)可以在大量應(yīng)用中實(shí)現(xiàn)，例如智能家居助手、音頻播放器、環(huán)境警報(bào)系統(tǒng)，嬰兒監(jiān)視器和許多其他。

您將使用該平臺(tái)用于什么類型的應(yīng)用程序？

審核編輯：湯梓紅