I2S—音频播放与录音输入

本章参考资料：《STM32F4xx 中文参考手册》、《STM32F4xx规格书》、库帮助文档《stm32f4xx_dsp_stdperiph_lib_um.chm》及《I2S BUS》。

若对I2S通讯协议不了解，可先阅读《I2S BUS》文档的内容学习。

关于音频编译码器WM8978，请参考其规格书《WM8978_v4.5》来了解。

38.1 I2S简介

Inter-IC Sount Bus(I2S)是飞利浦半导体公司(现为恩智浦半导体公司)针对数字音频设备之间的音频数据传输而制定的一种总线标准。在飞利浦公司的I2S标准中，既规定了硬件接口规范，也规定了数字音频数据的格式。

38.1.1 数字音频技术

现实生活中的声音是通过一定介质传播的连续的波，它可以由周期和振幅两个重要指标描述。正常人可以听到的声音频率范围为20Hz~20KHz。现实存在的声音是模拟量，这对声音保存和长距离传输造成很大的困难，一般的做法是把模拟量转成对应的数字量保存，在需要还原声音的地方再把数字量的转成模拟量输出，参考图 381。

图 381 音频转换过程

模拟量转成数字量过程，一般可以分为三个过程，分别为采样、量化、编码，参考图 382。用一个比源声音频率高的采样信号去量化源声音，记录每个采样点的值，最后如果把所有采样点数值连接起来与源声音曲线是互相吻合的，只是它不是连续的。在图中两条蓝色虚线距离就是采样信号的周期，即对应一个采样频率(FS)，可以想象得到采样频率越高最后得到的结果就与源声音越吻合，但此时采样数据量越越大，一般使用44.1KHz采样频率即可得到高保真的声音。每条蓝色虚线长度决定着该时刻源声音的量化值，该量化值有另外一个概念与之挂钩，就是量化位数。量化位数表示每个采样点用多少位表示数据范围，常用有16bit、24bit或32bit，位数越高最后还原得到的音质越好，数据量也会越大。

图 382 声音数字化过程

WM8978是一个低功耗、高质量的立体声多媒体数字信号编译码器，集成DAC和ADC，可以实现声音信号量化成数字量输出，也可以实现数字量音频数据转换为模拟量声音驱动扬声器。这样使用WM8978芯片解决了声音与数字量音频数据转换问题，并且通过配置WM8978芯片相关寄存器可以控制转换过程的参数，比如采样频率，量化位数，增益、滤波等等。

WM8978芯片是一个音频编译码器，但本身没有保存音频数据功能，它只能接收其它设备传输过来的音频数据进行转换输出到扬声器，或者把采样到的音频数据输出到其它具有存储功能的设备保存下来。该芯片与其他设备进行音频数据传输接口就是I2S协议的音频接口。

38.1.2 I2S总线接口

I2S总线接口有3个主要信号，但只能实现数据半双工传输，后来为实现全双工传输有些设备增加了扩展数据引脚。STM32f42x系列控制器支持扩展的I2S总线接口。

(1)    SD(Serial Data)：串行数据线，用于发送或接收两个时分复用的数据通道上的数据(仅半双工模式)，如果是全双工模式，该信号仅用于发送数据。

(2)    WS(Word Select)：字段选择线，也称帧时钟(LRC)线，表明当前传输数据的声道，不同标准有不同的定义。WS线的频率等于采样频率(FS)。

(3)    CK(Serial Clock)：串行时钟线，也称位时钟(BCLK)，数字音频的每一位数据都对应有一个CK脉冲，它的频率为：2*采样频率*量化位数，2代表左右两个通道数据。

(4)    ext_SD(extend Serial Data)：扩展串行数据线，用于全双工传输的数据接收。

另外，有时为使系统间更好地同步，还要传输一个主时钟(MCK)，STM32F42x系列控制器固定输出为256* FS。

 

38.1.3 音频数据传输协议标准

随着技术的发展，在统一的I2S硬件接口下，出现了多种不同的数据格式，可分为左对齐(MSB)标准、右对齐(LSB)标准、I2S Philips标准。另外，STM32F42x系列控制器还支持PCM(脉冲编码调)音频传输协议。下面以STM32F42x系列控制器资源解释这四个传输协议。

STM32f42x系列控制器I2S的数据寄存器只有16bit，并且左右声道数据一般是紧邻传输，为正确得到左右两个声道数据，需要软件控制数据对应通道数据写入或读取。另外，音频数据的量化位数可能不同，控制器支持16bit、24bit和32bit三种数据长度，因为数据寄存器是16bit的，所以对于24bit和32bit数据长度需要发送两个。为此，可以产生四种数据和帧格式组合：

    将16位数据封装在16位帧中

    将16位数据封装在32位帧中

    将24位数据封装在32位帧中

    将32位数据封装在32位帧中

当使用32位数据包中的16位数据时，前16位(MSB)为有效位，16位LSB被强制清零，无需任何软件操作或DMA请求（只需一个读/写操作）。如果程序使用DMA传输(一般都会用)，则24位和32位数据帧需要对数据寄存器执行两次DMA操作。24位的数据帧，硬件会将8位非有效位扩展到带有0位的32位。对于所有数据格式和通信标准而言，始终会先发送最高有效位(MSB优先)。

1.    I2S Philips标准

使用WS信号来指示当前正在发送的数据所属的通道，为0时表示左通道数据。该信号从当前通道数据的第一个位(MSB)之前的一个时钟开始有效。发送方在时钟信号(CK)的下降沿改变数据，接收方在上升沿读取数据。WS信号也在SCK的下降沿变化。参考图 383，为24bit数据封装在32bit帧传输波形。正如之前所说，WS线频率对于采样频率FS，一个WS线周期包括发送左声道和右声道数据，在图中实际需要64个CK周期来完成一次传输。

图 383 I2S Philips标准24bit传输

2.    左对齐标准

在WS发生翻转同时开始传输数据，参考图 384，为24bit数据封装在32bit帧传输波形。该标准较少使用。注意此时WS为1时，传输的是左声道数据，这刚好与I2S Philips标准相反。

图 384 左对齐标准24bit传输

3.    右对齐标准

与左对齐标准类似，参考图 385，为24bit数据封装在32bit帧传输波形。

图 385 右对齐标准24bit传输

4.    PCM标准

PCM即脉冲编码调制，模拟语音信号经过采样量化以及一定数据排列就是PCM了。WS不再作为声道数据选择。它有两种模式，短帧模式和长帧模式，以WS信号高电平保持时间为判别依据，长帧模式保持13个CK周期，短帧模式只保持1个CK周期，可以通过相关寄存器位选择。如果有多通道数据是在一个WS周期内传输完成的，传完左声道数据就紧跟发送右声道数据。图 386为单声道数据16bit扩展到32bit数据帧发送波形。

图 386 PCM标准16bit传输

38.2 I2S功能框图

STM32f42x系列控制器有两个I2S，I2S2和I2S3，两个的资源是相互独立的，但分别与SPI2和SPI3共用大部分资源。这样I2S2和SPI2只能选择一个功能使用，I2S3和SPI3相同道理。资源共用包括引脚共用和部分寄存器共用，当然也有部分是专用的。SPI已经在之前相关章节做了详细讲解，建议先看懂SPI相关内容再学习I2S。

控制器的I2S支持两种工作模式，主模式和从模式；主模式下使用自身时钟发生器生成通信时钟。I2S功能框图参考图 387。

 

图 387 I2S功能框图

1.    功能引脚

I2S的SD映射到SPI的MOSI引脚，ext_SD映射到SPI的MISO引脚，WS映射到SPI的NSS引脚，CK映射到SPI的SCK引脚。MCK是I2S专用引脚，用于主模式下输出时钟或在从模式下输入时钟。I2S时钟发生器可以由控制器内部时钟源分频产生，亦可采用CKIN引脚输入时钟分频得到，一般使用内部时钟源即可。控制器I2S引脚分布参考表 381。

表 381 STM32f42x系列控制器I2S引脚分布

引脚	I2S2	I2S3
SD	PC3/PB15/PI3	PC12/PD6/PB5
ext_SD	PC2/PB14/PI2	PC11/PB4
WS	PB12/PI0/PB9	PA4/PA15
CK	PB10/PB13/PI1/PD3	PC10/PB3
MCK	PC6	PC7
CKIN	PC9

其中，PI0和PI1不能用于I2S的全双工模式。

2.    数据寄存器

I2S有一个与SPI共用的SPI数据寄存器(SPI_DR)，有效长度为16bit，用于I2S数据发送和接收，它实际由三个部分组成，一个移位寄存器、一个发送缓冲区和一个接收缓冲区，当处于发送模式时，向SPI_DR写入数据先保存在发送缓冲区，总线自动把发送缓冲区内容转入到移位寄存器中进行传输；在接收模式下，实际接收到的数据先填充移位寄存器，然后自动转入接收缓冲区，软件读取SPI_DR时自动从接收缓冲区内读取。I2S是挂载在APB1总线上的。

3.    逻辑控制

I2S的逻辑控制通过设置相关寄存器位实现，比如通过配置SPI_I2S配置寄存器(SPI_I2SCFGR)的相关位可以实现选择I2S和SPI模式切换、选择I2S工作在主模式还是从模式并且选择是发送还是接收、选择I2S标准、传输数据长度等等。SPI控制寄存器2(SPI_CR2)可用于设置相关中断和DMA请求使能，I2S有5个中断事件，分别为发送缓冲区为空、接收缓冲区非空、上溢错误、下溢错误和帧错误。SPI状态寄存器(SPI_SR)用于指示当前I2S状态。

4.    时钟发生器

I2S比特率用来确定I2S数据线上的数据流和I2S时钟信号频率。I2S比特率=每个通道的位数×通道数×音频采样频率。

图 388为I2S时钟发生器内部结构图。I2SxCLK(x可选2或3)可以通过RCC_CFGR寄存器的I2SSRC位选择使用PLLI2S时钟作为I2S时钟源或I2S_CKIN引脚输入时钟作为I2S时钟源。一般选择内部PLLI2S(通过R分频系数)作为时钟源。例程程序设置PLLI2S时钟为258MHz，R分频系数为3，此时I2SxCLK时钟为86MHz。

图 388 I2S时钟发生器内部结构

SPI_I2S预分频器寄存器(SPI_I2SPR)的MCKOE位用于设置MCK引脚时钟输出使能；ODD位设置预分频器的奇数因子，实际分频值=I2SDIV*2+ODD；I2SDIV为8位线性分频器，不可设置为0或1。

当使能MCK时钟输出，即MCKOE=1时，采样频率计算如下：

FS = I2SxCLK/[(16*2)*((2*I2SDIV)+ODD)*8)]（通道帧宽度为16bit时）

FS = I2SxCLK/[(32*2)*((2*I2SDIV)+ODD)*4)]（通道帧宽度为32bit时）

当禁止MCK时钟输出，即MCKOE=0时，采样频率计算如下：

FS = I2SxCLK/[(16*2)*((2*I2SDIV)+ODD))]（通道帧宽度为16bit时）

FS = I2SxCLK/[(32*2)*((2*I2SDIV)+ODD))]（通道帧宽度为32bit时）

38.3 WM8978音频编译码器

WM8978是一个低功耗、高质量的立体声多媒体数字信号编译码器。它主要应用于便携式应用。它结合了立体声差分麦克风的前置放大与扬声器、耳机和差分、立体声线输出的驱动，减少了应用时必需的外部组件，比如不需要单独的麦克风或者耳机的放大器。

高级的片上数字信号处理功能，包含一个5路均衡功能，一个用于ADC和麦克风或者线路输入之间的混合信号的电平自动控制功能，一个纯粹的录音或者重放的数字限幅功能。另外在ADC的线路上提供了一个数字滤波的功能，可以更好的应用滤波，比如"减少风噪声"。

WM8978可以被应用为一个主机或者一个从机。基于共同的参考时钟频率，比如 12MHz和13MHz，内部的PLL可以为编译码器提供所有需要的音频时钟。与STM32控制器连接使用，STM32一般作为主机，WM8978作为从机。

图 389为WM8978芯片内部结构示意图，参考来自《WM8978_v4.5》。该图给人的第一印象感觉就是很复杂，密密麻麻很多内容，特别有很多"开关"。实际上，每个开关对应着WM8978内部寄存器的一个位，通过控制寄存器的就可以控制开关的状态。

图 389 WM8978内部结构

1.    输入部分

WM8978结构图的左边部分是输入部分，可用于模拟声音输入，即用于录音输入。有三个输入接口，一个是由LIN和LIP、RIN和RIP组合而成的伪差分立体声麦克风输入，一个是由L2和R2组合的立体声麦克风输入，还有一个是由AUXL和AUXR组合的线输入或用来传输告警声的输入。

2.    输出部分

WM8978结构图的右边部分是声音放大输出部分，LOUT1和ROUT1用于耳机驱动，LOUT2和ROUT2用于扬声器驱动，OUT3和OUT4也可以配置成立体声线输出，OUT4也可以用于提供一个左右声道的单声道混合。

3.    ADC和DAC

WM8978结构图的中边部分是芯片核心内容，处理声音的AD和DA转换。ADC部分对声音输入进行处理，包括ADC滤波处理、音量控制、输入限幅器/电平自动控制等等。DAC部分控制声音输出效果，包括DAC5路均衡器、DAC 3D放大、DAC输出限幅以及音量控制等等处理。

4.    通信接口

WM8978有两个通信接口，一个是数字音频通信接口，另外一个是控制接口。音频接口是采用I2S接口，支持左对齐、右对齐和I2S标准模式，以及DSP模式A和模拟B。控制接口用于控制器发送控制命令配置WM8978运行状态，它提供2线或3线控制接口，对于STM32控制器，我们选择2线接口方式，它实际就是I2C总线方式，其芯片地址固定为0011010。通过控制接口可以访问WM8978内部寄存器，实现芯片工作环境配置，总共有58个寄存器，标示为R0至R57，限于篇幅问题这里不再深入探究，每个寄存器意义参考《WM8978_v4.5》了解。

WM8978寄存器是16bit长度，高7位([15:9]bit)用于标示寄存器地址，低9为有实际意义，比如对于图 389中的某个开关。所以在控制器向芯片发送控制命令时，必须传输长度为16bit的指令，芯片会根据接收命令高7位值寻址。

5.    其他部分

WM8978作为主从机都必须对时钟进行管理，由内部PLL单元控制。另外还有电源管理单元。

38.4 WAV格式文件

WAV是微软公司开发的一种音频格式文件，用于保存Windows平台的音频信息资源，它符合资源互换文件格式(Resource Interchange File Format，RIFF)文件规范。标准格式化的WAV文件和CD格式一样，也是44.1K的取样频率，16位量化数字，因此在声音文件质量和CD相差无几！WAVE是录音时用的标准的WINDOWS文件格式，文件的扩展名为"WAV"，数据本身的格式为PCM或压缩型，属于无损音乐格式的一种。

38.4.1 RIFF文件规范

RIFF有不同数量的chunk(区块)组成，每个chunk由"标识符"、"数据大小"和"数据"三个部分组成，"标识符"和"数据大小"都是占用4个字节空间。简单RIFF格式文件结构参考图 3810。最开始是ID为"RIFF"的chunk，Size为"RIFF"chunk数据字节长度，所以总文件大小为Size+8。一般来说，chunk不允许内部再包含chunk，但有两个例外，ID为"RIFF"和"LIST"的chunk却是允许。对此"RIFF"在其"数据"首4个字节用来存放"格式标识码(Form Type)"，"LIST"则对应"LIST Type"。

 

图 3810 RIFF文件格式结构

38.4.2 WAVE文件

WAVE文件是非常简单的一种RIFF文件，其"格式标识码"定义为WAVE。RIFF chunk包括两个子chunk，ID分别为fmt和data，还有一个可选的fact chunk。Fmt chunk用于标示音频数据的属性，包括编码方式、声道数目、采样频率、每个采样需要的bit数等等信息。fact chunk是一个可选chunk，一般当WAVE文件由某些软件转化而成就包含fact chunk。data chunk包含WAVE文件的数字化波形声音数据。WAVE整体结构如表 382。

表 382 WAVE文件结构

标识码("RIFF")

数据大小

格式标识码("WAVE")

"fmt"

"fmt"块数据大小

"fmt"数据

"fact"(可选)

"fact"块数据大小

"fact"数据

"data"

声音数据大小

声音数据

data chunk是WAVE文件主体部分，包含声音数据，一般有两个编码格式：PCM和ADPCM，ADPCM(自适应差分脉冲编码调制)属于有损压缩，现在几乎不用，绝大部分WAVE文件是PCM编码。PCM编码声音数据可以说是在"数字音频技术"介绍的源数据，主要参数是采样频率和量化位数。

表 383为量化位数为16bit时不同声道数据在data chunk数据排列格式。

表 383 16bit声音数据格式

单声道	采样一		采样二		……
	低字节	高字节	低字节	高字节	……
双声道	采样一				……
	左声道		右声道		……
	低字节	高字节	低字节	高字节	……

38.4.3 WAVE文件实例分析

利用winhex工具软件可以非常方便以十六进制查看文件，图 3811为名为"张国荣-一盏小明灯.wav"文件使用winhex工具打开的部分界面截图。这部分截图是WAVE文件头部分，声音数据部分数据量非常大，有兴趣可以使用winhex查看。

图 3811 WAV文件头实例

下面对文件头进行解读，参考表 384。

表 384 WAVE文件格式说明

	偏移地址	字节数	数据类型	十六进制源码	内容
文件头	00H	4	char	52 49 46 46	"RIFF"标识符
	04H	4	long int	F4 FE 83 01	文件长度：0x0183FEF4(注意顺序)
	08H	4	char	57 41 56 45	"WAVE"标识符
	0CH	4	char	66 6D 74 20	"fmt "，最后一位为空格
	10H	4	long int	10 00 00 00	fmt chunk大小：0x10
	14H	2	int	01 00	编码格式：0x01为PCM。
	16H	2	int	02 00	声道数目：0x01为单声道，0x02为双声道
	18H	4	int	44 AC 00 00	采样频率(每秒样本数)：0xAC44(44100)
	1CH	4	long int	10 B1 02 00	每秒字节数：0x02B110，等于声道数*采样频率*量化位数/8
	20H	2	int	04 00	每个采样点字节数：0x04，等于声道数*量化位数/8
	22H	2	int	10 00	量化位数：0x10
	24H	4	char	64 61 74 61	"data"数据标识符
	28H	4	long int	48 FE 83 01	声音数据量：0x0183FE48