一口君后面会陆续更新基于瑞芯微rk3568的I2S系列文章。预计10篇左右。有对语音感兴趣的朋友，可以收藏该专题。
《瑞芯微 | I2S-音频基础 -1》
《瑞芯微-I2S | 音频驱动调试基本命令和工具-基于rk3568-2》
《瑞芯微-I2S | ALSA基础-3 》
调试I2S，最常用到的测试文件就是wav格式和pcm格式，本文主要讲解语音格式相关知识点。
本文还用到逻辑分析仪，使用方法如下：《推荐最近在使用的还不错的一款逻辑分析仪》
本文用到的 音频文件+逻辑分析仪软件+i2s数据波形 后台回复：i2s
一、pcm
与pcm相关的几个参数：
1. PCM数据常用量化指标
- 采样率(Sample rate)：每秒钟采样多少次，以Hz为单位。采样率表示音频信号每秒的数字快照数。该速率决定了音频文件的频率范围。采样率越高，数字波形的形状越接近原始模拟波形。低采样率会限制可录制的频率范围，这可导致录音表现原始声音的效果不佳。
根据 奈奎斯特采样定理，为了重现给定频率，采样率必须至少是该频率的两倍。例如，CD 的采样率为每秒 44,100 个采样，因此可重现最高为 22,050 Hz 的频率，此频率刚好超过人类的听力极限 20,000 Hz。
位深度(Bit-depth)：表示用多少个二进制位来描述采样数据，一般为16bit。位深度决定动态范围。采样声波时，为每个采样指定最接近原始声波振幅的振幅值。较高的位深度可提供更多可能的振幅值，产生更大的动态范围、更低的噪声基准和更高的保真度。
字节序：表示音频PCM数据存储的字节序是大端存储（big-endian）还是小端存储（little-endian），为了数据处理效率的高效，通常为小端存储。
声道数（channel number）：当前PCM文件中包含的声道数，是单声道（mono）、双声道（stereo）？此外还有5.1声道等。
采样数据是否有符号（Sign）：要表达的就是字面上的意思，需要注意的是，使用有符号的采样数据不能用无符号的方式播放。
以FFmpeg中常见的PCM数据格式s16le为例：
- 它描述的是有符号16位小端PCM数据
s表示有符号，
16表示位深，
le表示小端存储。
2. PCM数据流
PCM (Pulse Code Modulation) 也被称为脉冲编码调制。PCM 音频数据是未经压缩的音频采样数据裸流，它是由模拟信号经过采样、量化、编码转换成的标准的数字音频数据。
PCM 音频数据的存储
如果是单声道的音频文件，采样数据按时间的先后顺序依次存入（有的时候也会采用 LRLRLR 方式存储，只是另一个声道的数据为 0），如果是双声道的话通常按照 LRLRLR 的方式存储，存储的时候还和机器的大小端有关。
小端模式如下图所示：
PCM 音频数据是未经压缩的数据，所以通常都比较大，常见的 MP3 格式都是经过压缩的，128Kbps 的 MP3 压缩率可以达到 1:11
PCM 音频数据的参数
一般我们描述 PCM 音频数据的参数的时候有如下描述方式：
44100HZ 16bit stereo:
每秒钟有 44100 次采样,
采样数据用 16 位（2 字节）记录,
双声道（立体声）
44100Hz 指的是采样率，它的意思是每秒取样 44100 次。采样率越大，存储数字音频所占的空间就越大。
16bit 指的是采样精度，意思是原始模拟信号被采样后，每一个采样点在计算机中用 16 位（两个字节）来表示。采样精度越高越能精细地表示模拟信号的差异。
Stereo 指的是声道数，也即采样时用到的麦克风的数量，麦克风越多就越能还原真实的采样环境（当然麦克风的放置位置也是有规定的）。
其他格式例子：
22050HZ 8bit mono:
每秒钟有 22050 次采样, 采样数据用 8 位（1 字节）记录, 单声道
48000HZ 32bit 51ch:
每秒钟有 48000 次采样, 采样数据用 32 位（4 字节浮点型）记录, 5.1 声道
二、WAV文件
WAV 是 Microsoft 和 IBM 为 PC 开发的一种声音文件格式，它符合 RIFF（Resource Interchange File Format）文件规范，用于保存 Windows 平台的音频信息资源，被 Windows 平台及其应用程序所广泛支持。
1. wav文件头
WAVE 文件通常只是一个具有单个 “WAVE” 块的 RIFF 文件，该块由两个子块（”fmt” 子数据块和 ”data” 子数据块）。
该格式的实质就是在 PCM 文件的前面加了一个文件头，各字段含义如下：
| 偏移与大小 | 名称 | 说明 |
|---|---|---|
| 0 4 | ChunkID | 包含 ASCII 形式的字母“RIFF”（0x52494646 大端形式）。 |
| 4 4 | ChunkSize | 36 + SubChunk2Size，或更准确地说：4 + (8 + SubChunk1Size) + (8 + SubChunk2Size)这是此数字之后的块的其余部分的大小。这是整个文件的大小（以字节为单位）减去未包含在此计数中的两个字段的 8 字节：ChunkID 和 ChunkSize。 |
| 8 4 | 格式 | 包含字母“WAVE”（0x57415645 大端形式）。 |
| 12 4 | Subchunk1ID | 包含字母“fmt”（0x666d7420 大端格式）。 |
| 16 4 | Subchunk1Size | 16 用于 PCM。这是该数字之后的其余子块的大小。 |
| 20 2 | AudioFormat | PCM = 1（即线性量化）1 以外的值表示某种形式的压缩。 |
| 22 2 | NumChannels | Mono = 1、Stereo = 2 等 |
| 24 4 | SampleRate | 8000、44100 等 |
| 28 4 | ByteRate | == SampleRate * NumChannels * BitsPerSample/8 |
| 32 2 | BlockAlign | == NumChannels * BitsPerSample/8 1 的字节数样本包括所有通道。 |
| 34 2 | BitsPerSample | 8 位 = 8，16 位 = 16，等等 |
| 2 | ExtraParamSize | 如果是 PCM，则不存在 |
| X | ExtraParams | 用于额外参数的空间 |
| 36 4 | Subchunk2ID | 包含字母“数据”（0x64617461 大端形式）。 |
| 40 4 | Subchunk2Size | == NumSamples * NumChannels * BitsPerSample/8 这是数据中的字节数。您还可以将其视为该数字后面的子块的读取大小。 |
| 44 * | Data | 实际的声音数据。 |
2. wav文件头结构体
wav文件头信息对应结构体：
typedef struct {
char ChunkID[4]; //内容为"RIFF"
unsigned long ChunkSize; //存储文件的字节数（不包含ChunkID和ChunkSize这8个字节）
char Format[4]; //内容为"WAVE“
} WAVE_HEADER;
typedef struct {
char Subchunk1ID[4]; //内容为"fmt"
unsigned long Subchunk1Size; //存储该子块的字节数（不含前面的Subchunk1ID和Subchunk1Size这8个字节）
unsigned short AudioFormat; //存储音频文件的编码格式，例如若为PCM则其存储值为1。
unsigned short NumChannels; //声道数，单声道(Mono)值为1，双声道(Stereo)值为2，等等
unsigned long SampleRate; //采样率，如8k，44.1k等
unsigned long ByteRate; //每秒存储的bit数，其值 = SampleRate * NumChannels * BitsPerSample / 8
unsigned short BlockAlign; //块对齐大小，其值 = NumChannels * BitsPerSample / 8
unsigned short BitsPerSample; //每个采样点的bit数，一般为8,16,32等。
} WAVE_FMT;
typedef struct {
char Subchunk2ID[4]; //内容为“data”
unsigned long Subchunk2Size; //接下来的正式的数据部分的字节数，其值 = NumSamples * NumChannels * BitsPerSample / 8
} WAVE_DATA;
3. WAV 文件头解析实例
下面通过提供给大家的音频文件《xiaoniao.wav》来详细讲解wav文件格式，该音频文件格式为：S16_LE
peng@ubuntu:~/test$ ls -l xiaoniao.wav
-rwxrw-rw- 1 peng peng 1764448 May 10 20:41 xiaoniao.wav
用ue打开该文件，自动显示为十六进制数字，
文件头信息解析如下图：
数据是小端，比如采样率4个字段是 44 AC 00 00实际数据是0x0000ac44,转换成10进制是44100
读者对照结构体，可以解析出改文件的所有信息。
三、i2s音频波形分析
wav文件格式我们搞清楚了，那么它和i2s是什么关系呢？
1. 嵌入式设备音频架构
一个典型的嵌入式设备的音频架构大致如下【以rk3568为例】，
当我们使用aplay工具播放wav文件时：
- 解析wav文件头，读取相应信息然后通过i2s控制器驱动，将pcm音频流通过i2s接口发送给codec rk809，codec rk809会将pcm音频流进行DAC转换成对应的模拟信号，并通过耳机/喇叭播放出去。
2. 播放命令
播放命令：
root@ATK-DLRK356X:/sdcard# aplay -v xiaoniao.wav
Playing WAVE 'xiaoniao.wav' : Signed 16 bit Little Endian, Rate 44100 Hz, Stereo
ALSA <-> PulseAudio PCM I/O Plugin
Its setup is:
stream : PLAYBACK
access : RW_INTERLEAVED
format : S16_LE
subformat : STD
channels : 2
rate : 44100
exact rate : 44100 (44100/1)
msbits : 16
buffer_size : 22050
period_size : 5512
period_time : 125000
tstamp_mode : NONE
tstamp_type : GETTIMEOFDAY
period_step : 1
avail_min : 5512
period_event : 0
start_threshold : 22050
stop_threshold : 22050
silence_threshold: 0
silence_size : 0
boundary : 6206523236469964800
3.波形分析
现在我在图中i2s控制器与codec之间位置用逻辑分析仪抓取了i2s数据波形，
【该操作需要飞线，建议找硬件工程师帮忙】
波形文件aplay_xiaoniao.kvdat，
一口君实际测试的i2s控制器为24位小端格式。
由上图可知：
-
- xiaomiao.wav文件为s16_le格式，所以i2s控制器依次每次读取
data
- 后面2个字节的数据根据帧时钟，依次在左右声道时隙，将pcm数据放到数据线中。因为控制器是24位，所以各channel会有24个bit的时钟周期；根据i2s协议，默认有效数据靠左，并且空1个bit的位置；多出来的8个bit位置默认补充填0。
5. codec就会通过该波形提取对应的pcm数据，做出相应处理之后就可以播放出去了。
四、如何在各种音频格式之间进行转换
处于测试需要，我们还需要经常转换文件格式，可以通过FFmpeg工具
1. FFmpeg
对于其他格式的音频文件，一般用FFmpeg软件进行转换，先在当前的设备安装好FFmpeg软件，然后用命令行就可以进行转换了，常用的示范如下：
- 将mp4视频提取wav格式：
ffmpeg -i D:input.mp4 -vn -acodec pcm_s16le -ar 44100 -ac 2 D:output.wav
- 将wav格式转变为pcm格式：
ffmpeg -i D:output.wav -f s16le -acodec pcm_s16le D:output.pcm
- 将pcm格式转变为wav格式：
ffmpeg -f s16le -ar 44100 -ac 2 -i D:output.pcm c:output.wav
注意上面的命令中指定的采样率为44.1k ,双声道，存储格式是s16le
2. 编写代码实现PCM → WAV 代码
下面是一个实现将pcm文件转换成wav文件的代码实例：
int simplest_pcm16le_to_wave( const char *pcmpath, int channels, int sample_rate, const char *wavepath )
{ // 省去错误判断
short pcmData;
FILE* fp = fopen( pcmpath, "rb" );
FILE* fpout = fopen( wavepath, "wb+" );
// 填充 WAVE_HEADER
WAVE_HEADER pcmHEADER;
memcpy( pcmHEADER.ChunkID, "RIFF", strlen( "RIFF" ) );
memcpy( pcmHEADER.Format, "WAVE", strlen( "WAVE" ) );
fseek( fpout, sizeof( WAVE_HEADER ), 1 );
//填充 WAVE_FMT
WAVE_FMT pcmFMT;
pcmFMT.SampleRate = sample_rate;
pcmFMT.ByteRate = sample_rate * sizeof( pcmData );
pcmFMT.BitsPerSample = 8 * sizeof( pcmData );
memcpy( pcmFMT.Subchunk1ID, "fmt ", strlen( "fmt " ) );
pcmFMT.Subchunk1Size = 16;
pcmFMT.BlockAlign = channels * sizeof( pcmData );
pcmFMT.NumChannels = channels;
pcmFMT.AudioFormat = 1;
fwrite( &pcmFMT, sizeof( WAVE_FMT ), 1, fpout );
//填充 WAVE_DATA;
WAVE_DATA pcmDATA;
memcpy( pcmDATA.Subchunk2ID, "data", strlen( "data" ) );
pcmDATA.Subchunk2Size = 0;
fseek( fpout, sizeof( WAVE_DATA ), SEEK_CUR );
fread( &m_pcmData, sizeof( short ), 1, fp );
while ( !feof( fp ) ) {
pcmDATA.dwSize += 2;
fwrite( &m_pcmData, sizeof( short ), 1, fpout );
fread( &m_pcmData, sizeof( short ), 1, fp );
}
int headerSize = sizeof( pcmHEADER.Format ) + sizeof( WAVE_FMT ) + sizeof( WAVE_DATA ); // 36
pcmHEADER.ChunkSize = headerSize + pcmDATA.Subchunk2Size;
rewind( fpout );
fwrite( &pcmHEADER, sizeof( WAVE_HEADER ), 1, fpout );
fseek( fpout, sizeof( WAVE_FMT ), SEEK_CUR );
fwrite( &pcmDATA, sizeof( WAVE_DATA ), 1, fpout );
fclose( fp );
fclose( fpout );
return 0;
}
大家可以用我提供的sound.pcm、xiaoniao.wav语音文件，测试一下。