基于VS1003B的語音通信方法研究

在通指裝備模擬訓(xùn)練器材研發(fā)中，經(jīng)常會遇到需要模擬實現(xiàn)語音通話功能的情況。常規(guī)的解決方案是在計算機上通過高級語言編程實現(xiàn)對聲音的采集和播放，并通過局域網(wǎng)進行傳輸?？紤]到語音通信的模塊化和可控性，文中以STM32F107VCT6作為核心處理器，采用VS1003B作為語音采集和播放器件，通過CAN總線實現(xiàn)語音和信令傳輸，設(shè)計實現(xiàn)了一種低成本、高質(zhì)量的語音通信方法。

1 VS1003B解碼芯片介紹

VS1003B是由芬蘭VLSI公司出品的一款單芯片的MP3/WMA/MIDI音頻解碼和ADPCM編碼芯片，其內(nèi)部電路如圖1所示。由圖可見，VS1003B包含一個高性能、具有自主產(chǎn)權(quán)的低功耗DSP處理器內(nèi)核VSDSP，工作數(shù)據(jù)存儲器為用戶應(yīng)用提供5 kB的指令RAM和0.5 kB的數(shù)據(jù)RAM，串行的控制和數(shù)據(jù)接口，4個常規(guī)用途的I/O口，一個UART，一個高品質(zhì)可變采樣率的ADC和立體聲DAC，還有一個耳機放大器和地線緩沖器。

VS1003B通過一個串行輸入總線來接收輸入的比特流，它可以作為一個系統(tǒng)的從機。輸入的比特流被解碼，然后通過一個數(shù)字音量控制器到達一個18位過采樣多位ε-△DAC。解碼過程通過一個串行控制總線來控制實現(xiàn)。除了基本的解碼，在用戶RAM中它還可以做其他特殊應(yīng)用，例如DSP音效處理。

2 設(shè)計原理

以半雙工語音通信為例，其工作原理如圖2所示。當(dāng)一方需要講話時，會按下PTT鍵，該信號被STM32微處理器檢測到后，一方面向?qū)Ψ桨l(fā)送“PTT已按下”的消息，另一方面控制已方VS1003B進入錄音模式，VS1003B將采集到的音頻數(shù)據(jù)編碼后緩存給STM32，再通過CAN總線發(fā)送到對方。對方在收到“PTT已按下”消息后，會控制己方VS1003B開啟語音播放模式，將對方傳來的音頻數(shù)據(jù)傳輸給VS1003B進行解碼，并根據(jù)需要調(diào)節(jié)音量，供耳機播放。

VS1003B電路原理圖如圖3所示。J1為麥克風(fēng)輸入插座，用于連接麥克風(fēng)。J2為外部聲音輸入插座，連接音源。J3為耳機輸出插座，連接耳機，由于內(nèi)部具有耳機驅(qū)動器，VS1003B輸出信號不需經(jīng)過任何功放電路，從而簡化了硬件電路。VS1003B各部分的供電電壓不同，IOVDD(I/O電壓)為3.3 V，CVDD(數(shù)字電路電壓)為2.5 V，AVDD(模擬電路電壓)為2.8 V。最大的采樣率XTAL1/256，決定了能以正確的速度播放的音頻采樣率。例如，如果要播放48 kHz采樣率的音頻，XTAL1至少為12.288 MHz才能獲得正確的播放速度。

對于STM32微處理器來說，總共需要7個IO口與VS1003B連接。SO(串行輸出)、SI(串行輸入)與SCLK(串行總線時鐘)分別接STM32的PB14、PB15和PB13，即接到STM32的SPI2上，VS1003B通過SPI接口輸出IMA ADPCM編碼的音頻數(shù)據(jù)。其余的四根線中，DREQ(數(shù)據(jù)請求)連接到PC3，XCS(命令片選)連接到PC10，XDCS(數(shù)據(jù)片選)連接到PC11，XRESET(復(fù)位)連接到STM32的14管腳(NRST)，當(dāng)STM32復(fù)位時，VS1003B同時復(fù)位。操作時，只有當(dāng)DREQ為高(準備好)時才能讀寫VS1003B。

3 VS1003B程序設(shè)計

3.1 初始化VS1003B

在設(shè)計中，STM32F103VET6通過SPI總線對VS1003B進行控制，也就是通過VS1003B的串行數(shù)據(jù)接口SDI和串行控制接口SCI實現(xiàn)STM32F107 VCT6與VS1003B的通信。VS1003B初始化流程如圖4所示。其中，DREQ為高時可判斷為硬件復(fù)位或軟件復(fù)位結(jié)束。

3.2 語音信號的采集

語音信號的采集就是把模擬的語音信號轉(zhuǎn)化為可控制的數(shù)字信號。在這一處理過程中，主要是對模擬音頻信號進行采樣、量化和編碼。

目前常見的音頻信號的頻率范圍大致如下：電話為200Hz～3.4 kHz，調(diào)幅廣播為50 Hz～7 kHz，調(diào)頻廣播為20Hz～15 kHz，高保真音頻信號為20 Hz～20 kHz。因此音頻取樣頻率一般定在8～48 kHz范圍內(nèi)。

量化是利用預(yù)先規(guī)定的有限個電平來表示每一模擬采樣值的過程。量化的精度與其用來表示采樣值的二進制位數(shù)有關(guān)，例如4位可表示24=16個量化等級，8位可表示28=256個量化等級。明顯地，位數(shù)越多，量化值越接近采樣值，其精度也就越高，但相應(yīng)的所需的存儲量也越大(見表1)。

鑒于STM32F107VCT6主頻最高為72 MHz，在保證聲音質(zhì)量的前提下，應(yīng)盡量減少數(shù)據(jù)量，因此本文對聲音的采樣頻率為8 kHz，量化精度為8 bit，此時數(shù)據(jù)碼率為64 kbit/s。

語音壓縮編碼需要在保持可懂度、音質(zhì)、限制碼率及降低編碼過程的計算代價這幾個方面進行折衷。VS1003B提供了IMA ADPCM編碼，這是由互動多媒體協(xié)會(IMA)制定的標準，屬于波形編碼的一種，采用麥克風(fēng)和線入兩種輸入方式，可支持的音頻文件格式包括MP3、MP3+V、WMA、WAV、MIDI和SP-MIDI。IMA ADPCM適用于8～44.1 kHz采樣頻率，并且能在CPU占用率低和內(nèi)存空間需求少的條件下保證較好的音質(zhì)，在Windows和MAC操作系統(tǒng)中有廣泛的應(yīng)用。IMA ADPCM錄音模式需要在SCI_MODE中對SM_RESET和SM_ADPCM進行置位來啟動。在啟動ADPCM錄音前，必須分別向SCI_AICTRL0和SCI_AICTRL1寫入時鐘分割值(據(jù)此可得到采樣率)和增益值。錄音流程如圖5所示。記錄的語音數(shù)據(jù)以512字節(jié)為單位進行存儲，并由STM32處理器通過CAN總線向?qū)Ψ睫D(zhuǎn)發(fā)。

3.3 CAN通信

CAN總線作為一種總線式串行通信網(wǎng)絡(luò)，與一般的通信總線相比，具有突出的可靠性、實時性和靈活性等特點。考慮到模擬訓(xùn)練器材對語音傳輸距離的要求不高，且STM32自帶bxCAN，即基本擴展CAN，它支持CAN協(xié)議2.0A和2.0B，支持報文發(fā)送的優(yōu)先級要求，支持時間觸發(fā)通信，距離40 m內(nèi)波特率可達1Mbit/s。因此，設(shè)計上采用CAN總線來實現(xiàn)語音數(shù)據(jù)傳輸，由STM32F107VCT6內(nèi)嵌的2路CAN控制器與外圍器件SN65HVD230 (也標識為VP230)收發(fā)器組成2路CAN收發(fā)電路，其中一路CAN組成信令網(wǎng)，實現(xiàn)控制信令的傳輸;另一路CAN組成語音網(wǎng)，將ADPCM壓縮編碼后的數(shù)據(jù)，由STM32處理為CAN報文格式，發(fā)送到總線上，并對CAN過濾器進行設(shè)置，使之僅在收到給自己的報文時引起中斷。

3.4 語音信號的播放

播放前將對方傳來的語音數(shù)據(jù)存放到STM32的緩沖區(qū)，緩沖區(qū)的大小設(shè)置為512字節(jié)，一般一次讀一個扇區(qū)，然后將數(shù)據(jù)發(fā)往VS1003B。由于VS1003B有32字節(jié)的數(shù)據(jù)緩沖區(qū)，一次可以發(fā)32個字節(jié)的數(shù)據(jù)，然后檢測DREQ，當(dāng)DREQ為高時送下一個32字節(jié)的數(shù)據(jù)，直到發(fā)完為止。 DREQ為高表明VS1003B可以接受新的數(shù)據(jù)，如果不考慮DREQ而直接連續(xù)的給VS1003B發(fā)音頻數(shù)據(jù)，將會出現(xiàn)聲音斷斷續(xù)續(xù)的情況。語音播放流程如圖6所示，考慮到實際語音通信時，本地PTT鍵抬起時，對方會無法聽到語音，因此流程圖中采用判斷對方PTT鍵的狀態(tài)來處理是否播放。

4 結(jié)束語

本文對基于STM32微處理器和VS1003B音頻解碼芯片的語音通信功能的實現(xiàn)進行了研究，重點介紹了VS1003B的原理以及在語音通信應(yīng)用中的硬件電路設(shè)計和軟件程序設(shè)計。經(jīng)測試，該方法可較好地滿足語音通信要求，工作穩(wěn)定可靠，并在多個模擬訓(xùn)練器材研發(fā)項目中得到應(yīng)用，具有一定的參考價值。