嵌入式音频软件的架构

Posted 2020-09-24 谈谈音频开发

原创，如转载请注明出处。谢谢！

嵌入式产品中语音通信和音乐播放的软件架构是有差别的，这里还是把这两种case分开来讲。

1， 语音通信
语音通信的软件架构通常如下：

语音发送时由codec芯片采集到语音的模拟信号转换成PCM数据然后通过I2S总线发送给CPU（这是音频驱动负责的，不同的OS会有不同的驱动架构，会在后面音频采集和播放中详细讲，重点讲linux的）。CPU收到PCM数据后首先做前处理，主要包括回音消除(AEC)/噪声抑制(ANS)/自动增益控制(AGC)/VAD等，然后把PCM数据根据指定的codec编码成码流，再打上RTP包头，根据需要还有可能做FEC/重传语音的RTP包等以补偿网络的丢包。最后把生成的RTP包通过UDP socket发到网络中。

语音接收时首先通过UDP socket收RTP包，根据指定看是否需要做FEC等，然后把RTP包或者RTP包的payload(不同的方案有不同的做法)放进jitter buffer中等待取走。
从jitter buffer取时取走的是payload，也就是码流。然后对码流解码得到PCM数据，还要看是否需要做PLC/CNG等。最后把PCM数据通过I2S总线送给codec芯片再转换成模拟信号播放出来。这样双方就可以通话了。

2，音乐播放
音乐播放分播放本地音乐和播放云端音乐。播放本地音乐相对简单。播放云端音乐通常是边下载边播放，一般用DLNA或者Apple的Airplay等协议实现下载，其他的就跟
播放本地音乐一样了。播放本地音乐的软件架构通常如下：

首先要解析音频文件头得到相关信息，有codec类型，采样率，通道数等。然后根据这些对每一帧音频数据进行解码得到PCM数据，如果有需要的话还要做后处理，比如均衡器，使音乐更美妙动听。处理完后把PCM数据放进ring buffer中。播放线程会定时的从ring buffer中取走需要的PCM通过I2S总线送给codec芯片，codec芯片把PCM数据转换成模拟信号然后播放出来，这样就可以听到动听的音乐了。