使用 ESP32 制作您自己的 Alexa

2021-08-19

使用 ESP32 制作您自己的 Alexa

人機界面技術(shù) (HMI) 在過(guò)去 10-15 年中取得了長(cháng)足的進(jìn)步：直到 2000 年代初，嵌入式設備上的彩色屏幕和觸摸屏（第一款手持電話(huà)，然后被智能手機取代）絕對不是那么-負擔得起的加。隨著(zhù)處理性能的提高、成本的降低以及新通信技術(shù)的出現，已經(jīng)創(chuàng )建了能夠將用戶(hù)想要的內容轉換為命令的設備。

直到幾年前，能夠連接到云并允許通過(guò)使用語(yǔ)音命令遠程控制物聯(lián)網(wǎng)設備的設備還是純科幻小說(shuō)。迄今為止，智能傳感器和智能音頻設備可以輕松地為您的語(yǔ)音控制的個(gè)人助理創(chuàng )建硬件。

語(yǔ)音助手：系統概述

數字語(yǔ)音輔助系統是一種能夠執行以下步驟的電子設備：

捕捉語(yǔ)音信息

將語(yǔ)音消息轉換為音頻流

通過(guò)復雜的算法處理音頻流，將其解釋為唯一的命令

將命令與操作相關(guān)聯(lián)

播放音頻反饋信息

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

與任何其他通信通道一樣，該通道還涉及原始信號、采集和轉換系統、編碼系統、處理系統、解碼系統和輸出信號發(fā)射系統。

在語(yǔ)音輔助系統的情況下，源信號是語(yǔ)音消息，它是一種機械波，通過(guò)我們的聲帶調制并作為振動(dòng)通過(guò)空氣（通信方式）傳播。振動(dòng)由充當信號傳感器的麥克風(fēng)獲取。然后，對信號進(jìn)行調理和編碼以進(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)云上的語(yǔ)音識別算法和 AI 以更有效的方式遠程發(fā)送以進(jìn)行處理。因此，處理輸出將是提供給致動(dòng)系統的命令。

至于音頻反饋，路徑相似但相反：流被解碼并發(fā)送到放大器，放大器將通過(guò)揚聲器再現音頻。

系統組件

從頭開(kāi)始設計語(yǔ)音輔助系統是一項復雜的任務(wù)。直到幾十年前，只有具有出色音頻設計技能的工程師團隊才可行。如今，我們很幸運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。

該項目最關(guān)鍵的部分之一是音頻采集和再現部分，這需要出色的應用領(lǐng)域知識以及模擬電子技能。為了簡(jiǎn)化任務(wù)，我們可以使用數字傳感器，它集成了必要的模擬組件并傳輸已經(jīng)數字編碼的數據。

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)行轉換，并實(shí)現了I2S數字接口進(jìn)行數據交換。這樣可以避免信號調節問(wèn)題，并且與處理單元的接口不受噪聲影響。此外，要處理的信號已經(jīng)是數字格式。

至于音頻輸出級，我們可以使用MAX98357A，一個(gè)2通道3W D類(lèi)放大器，還配備了I2S接口。與輸入級類(lèi)似，硬件設計極為簡(jiǎn)化：放大器通過(guò) I2S 接口接收輸入端的數字信號，對音頻樣本進(jìn)行解碼，并在芯片的 L 和 R 端將其再現為電壓，這兩個(gè)端簡(jiǎn)單連接到揚聲器。

此時(shí)，您需要選擇的最后一個(gè)設備是微控制器，它必須能夠處理（或發(fā)送到云）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。最適合此用途的 MCU 當然是樂(lè )鑫的 ESP32模塊（最好是 WROVER 模塊，配備 8MB RAM 和高達 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用的正確選擇。它還具有兩個(gè)獨立的 I2S 接口，非常適合該項目的目的。

圖 2 顯示了該項目中使用的三個(gè)主要組件。

圖 2：MAX98357A（左）、ESP32-WROVER（中）、INMP441（右）

I2S 通信總線(xiàn)

I2S 接口協(xié)議是該項目的一個(gè)關(guān)鍵點(diǎn)，因為它使硬件和軟件都變得簡(jiǎn)單，使設計人員和開(kāi)發(fā)人員免于與模擬采集和再現相關(guān)的一系列問(wèn)題。

I2S 代表 Inter-IC Sound，它是用于連接數字音頻設備的串行接口的電氣標準。它在音頻應用中用于在集成電路之間傳輸 PCM 音頻樣本，就像我們的例子（MCU 和麥克風(fēng)/放大器）。I2S創(chuàng )建于1986年，是飛利浦半導體（現恩智浦半導體）的產(chǎn)品。

I2S 總線(xiàn)是同步的，因為它從數據線(xiàn)提供不同的時(shí)鐘信號，這比異步設備更容易接收，在異步設備中，通信系統直接從數據流中獲取時(shí)鐘。它還在同一條數據線(xiàn)上提供最多兩個(gè)多路復用通道（右通道和左通道）。

I2S至少包括以下三行：

時(shí)鐘線(xiàn)（BCLK）：用于標記位時(shí)間并允許連接設備之間的同步

字選擇（WS）或左右時(shí)鐘（LRCLK）線(xiàn)：用于復用左聲道（WS低）和右聲道（WS高）。因此，它表示為占空比為 50% 的方波

數據線(xiàn)：用于傳輸PCM樣本，根據WS的狀態(tài)進(jìn)行復用；數據以 2 的補碼編碼

時(shí)鐘切換頻率 (f ck ) 不能任意選擇，而是根據輸入信號的采樣頻率 (f s )、通道數 (n ch ) 和單個(gè)樣本的位數 (n bit），由此?F CK turnsout是

f ck = f s *n位*n ch

例如，要傳輸 2 個(gè) 8kHz 采樣數據流，其中每個(gè)采樣有 12 位，我們需要設置

f ck = 8000 * 12 * 2 = 192000 次/秒。

圖 3 顯示了總線(xiàn)時(shí)序圖的示例。

圖 3：I2S 總線(xiàn)時(shí)序圖

電氣連接和軟件片段

圖 4 顯示了系統三個(gè)主要組件之間的連接。連接非常容易理解，因為在麥克風(fēng)/放大器和 MCU 之間連接時(shí)鐘信號、字同步和數據線(xiàn)就足夠了。所有模擬調節、濾波和放大都集成到數字設備中。

圖 4：數字元件接線(xiàn)

最后，圖 5 顯示了在 ESP32 的 ESP-IDF 環(huán)境中正確使用 I2S 總線(xiàn)的結構配置。該配置是指以 8kHz 的頻率對輸入信號進(jìn)行采樣，每單通道采樣 16 位，作為輸入和輸出（因為

有一個(gè)麥克風(fēng)，并且有一個(gè)單聲道輸出）。

圖 5：I2S 總線(xiàn)配置示例

一個(gè)項目，一千種可能

該項目是任何需要音頻輸入、放大輸出以及處理和通信系統的設備的起點(diǎn)：類(lèi)似的平臺可以在大量應用中實(shí)現，例如智能家居助手、音頻播放器、環(huán)境警報系統、嬰兒監視器等。