ESP32-S3 I2S音频开发实战指南

目录

前言

I2S简介

TDM 通信模式(标准)

PDM 通信模式

. 对比总结

为什么要学习I2S

PCM原始数据

I2S录制声音

I2S播放声音

WAV音频

WAV 文件头结构（44 字节）

解析wav格式数据

struct.unpack 的基本用法

格式化字符串 (fmt)

示例 1：解析单个值

示例 2：解析多个值

示例 3：解析混合类型

示例 4：解析字符串

示例 5：解析 WAV 文件头

注意事项

总结

实操演练

保存wav格式数据

结语

---

前言

在智能硬件和物联网设备蓬勃发展的今天，高质量的音频处理能力已成为许多嵌入式项目的核心需求。ESP32-S3芯片内置的I2S(Inter-IC Sound)接口为开发者提供了专业级的数字音频解决方案。本文将系统介绍I2S协议的工作原理，深入解析ESP32-S3的I2S外设特性，并通过完整的代码示例展示从音频采集、处理到播放的全流程开发方法。无论您是希望为智能设备添加语音功能，还是开发专业的音频处理应用，本文都将为您提供实用的技术指导和最佳实践。

I2S简介

I2S（Inter-IC Sound，集成电路内置音频总线）是一种同步串行通信协议，通常用于在两个数字音频设备之间传输音频数据。

ESP32-S3 包含 2 个 I2S 外设。通过配置这些外设，可以借助 I2S 驱动来输入和输出采样数据。

TDM 通信模式(标准)

I2S 总线包含以下几条线路：

• MCLK：主时钟线。该信号线可选，具体取决于从机，主要用于向 I2S 从机提供参考时钟。
• BCLK：位时钟线。用于数据线的位时钟。
• WS：字（声道）选择线。通常用于识别声道。
• DIN/DOUT：串行数据输入/输出线。如果 DIN 和 DOUT 被配置到相同的 GPIO，数据将在内部回环。

PDM 通信模式

I2S 总线包含以下几条线路：

• CLK：PDM 时钟线。
• DIN/DOUT：串行数据输入/输出线。

每个 I2S 控制器都具备以下功能，可由 I2S 驱动进行配置：

• 可用作系统主机或从机
• 可用作发射器或接收器
• DMA 控制器支持流数据采样，CPU 无需单独复制每个采样数据

每个控制器都有独立的 RX 和 TX 通道，连接到不同 GPIO 管脚，能够在不同的时钟和声道配置下工作。注意，尽管在一个控制器上 TX 通道和 RX 通道的内部 MCLK 相互独立，但输出的 MCLK 信号只能连接到一个通道。如果需要两个互相独立的 MCLK 输出，必须将其分配到不同的 I2S 控制器上。

. 对比总结

特性	TDM	PDM
核心目标	多路信号时分复用	高精度模数信号转换
适用场景	周期性数据（语音、固定速率流）	高动态模拟信号（音频、传感器）
抗噪能力	依赖信道质量	强（数字脉冲抗干扰）
硬件复杂度	中等（需同步电路）	低（单比特量化）
延迟	低（固定时隙）	较高（过采样+滤波）

参考链接： I2S - ESP32-S3 - — ESP-IDF 编程指南 v5.4.1 文档

为什么要学习I2S

• 高质量音频传输：I2S是专为音频设计的通信协议，能够传输高质量的音频数据，适合音频播放、录音等应用。
• 低延迟：I2S支持实时音频处理，适合对延迟要求高的场景，如语音识别或实时音频效果处理。
• ESP32内置I2S外设：ESP32集成了I2S接口，可直接连接麦克风、DAC、ADC等音频设备，简化硬件设计。
• 灵活性：I2S支持多种数据格式和采样率，适应不同的音频需求。
• 音频播放与录音：可用于音乐播放器、录音设备等。
• 语音识别与控制：适合智能音箱、语音助手等需要音频输入输出的设备。
• 音效处理：支持实时音效处理，如均衡器、混音器等。
• 低功耗：ESP32的I2S外设在低功耗模式下仍能高效工作，适合电池供电设备。
• 高性能：ESP32的高性能处理器结合I2S，能够处理复杂的音频任务。

总之I2S有助于开发高质量的音频应用，扩展项目功能，尤其在物联网和智能设备领域具有广泛应用。丰富的资源和强大的硬件支持使得学习和开发更加便捷。

PCM原始数据

I2S录制声音

"""
使用I2S读取数据
数据宽度16bit
采样率16000Hz
缓冲区大小1024
"""

from machine import I2S
from machine import Pin
import time

sck_pin = Pin(14)
ws_pin = Pin(13)
sd_in_pin = Pin(12)
sd_out_pin = Pin(45)

audio_in = I2S(0, sck=sck_pin, ws=ws_pin, sd=sd_in_pin, 
               mode=I2S.RX,     # only RX mode available
               bits=16,         # 数据宽度16bit，2字节
               format=I2S.MONO, # 单通道MONO, 双通道STEREO
               rate=16000,      # 采样率16000Hz
               ibuf=2048        # 缓冲区大小1024字节
)
print("I2S init complete!")

# 等待I2S初始化完成
# time.sleep_ms(500)

# 所有数据的列表
frames = []

print("开始录制...")
# 录制5s
start = time.time()
# 读取数据
while True:
    if time.time() - start > 5:
        break
    # 创建一个字节数组
    buf = bytearray(1024)
    num = audio_in.readinto(buf)
    frames.append(buf)
    
# 将音频数据写到文件
with open("audio.pcm", "wb") as f:
    for frame in frames:
        f.write(frame)
        
audio_in.deinit();

print("录音结束：", len(frames), "帧")
# 合并所有数据
data = b''.join(frames)
print("数据长度：", len(data))

I2S播放声音

"""
使用I2S播放数据
数据宽度16bit
采样率16000Hz
缓冲区大小1024
"""

from machine import I2S
from machine import Pin
import time

sck_pin = Pin(14)
ws_pin = Pin(13)
sd_in_pin = Pin(12)
sd_out_pin = Pin(45)

# sd引脚要设置为sd_out_pin
# 这里要注意用I2S.TX

audio_i2s = I2S(0, sck=sck_pin, ws=ws_pin, sd=sd_out_pin, 
               mode=I2S.TX,     # only TX mode available
               bits=16,         # 数据宽度16bit，2字节
               format=I2S.MONO, # 单通道MONO, 双通道STEREO
               rate=16000,      # 采样率16000Hz
               ibuf=2048        # 缓冲区大小1024字节
)
print("I2S init complete!")

# 等待I2S初始化完成
#time.sleep_ms(500)
# 读取音频文件
print("playing...")
counter = 0
with open("./audio.pcm", "rb") as f:
    while True:
        buffer = f.read(1024)
        if buffer:
            print("counter: ", counter)
            counter+=1
            audio_i2s.write(buffer)
        else:
            break

audio_i2s.deinit()
print("play complete...")

WAV音频

WAV 文件的前 44 个字节是文件头部分，包含了音频文件的元数据（如采样率、位宽、声道数等）。WAV 文件头遵循 RIFF 格式规范，以下是其详细结构：

---

WAV 文件头结构（44 字节）

偏移量	字段名称	大小（字节）	描述
0	Chunk ID	4	固定为 "RIFF" ，表示文件是一个 RIFF 格式的文件。
4	Chunk Size	4	文件总大小减去 8 字节（即文件大小 - 8）。
8	Format	4	固定为 "WAVE" ，表示这是一个 WAV 文件。
12	Subchunk1 ID	4	固定为 "fmt " ，表示接下来的部分是格式信息。
16	Subchunk1 Size	4	格式信息的大小（通常是 16 字节）。
20	Audio Format	2	音频格式（PCM 为 1，表示未压缩）。
22	Num Channels	2	声道数（1 表示单声道，2 表示立体声）。
24	Sample Rate	4	采样率（如 44100 Hz）。
28	Byte Rate	4	每秒的字节数（Sample Rate * Num Channels * BitsPerSample / 8 ）。
32	Block Align	2	每个采样点的字节数（Num Channels * BitsPerSample / 8 ）。
34	Bits Per Sample	2	每个采样点的位数（如 16 位）。
36	Subchunk2 ID	4	固定为 "data" ，表示接下来的部分是音频数据。
40	Subchunk2 Size	4	音频数据的大小（字节数）。
44	Data	N	音频数据（从第 44 字节开始）。

解析wav格式数据

struct.unpack 是 Python 中用于将二进制数据解析为 Python 数据类型的函数。它通常用于处理二进制文件、网络协议数据或硬件设备的原始数据。struct.unpack 是 struct.pack 的逆操作，后者用于将 Python 数据类型打包为二进制数据。

---

struct.unpack 的基本用法

struct.unpack(fmt, buffer)

• fmt：格式化字符串，指定如何解析二进制数据。
• buffer：包含二进制数据的字节对象（如 bytes 或 bytearray）。
• 返回值: 返回一个元组，包含解析后的数据。

---

格式化字符串 (fmt)

格式化字符串由以下部分组成：

1. 字节顺序（可选）：

• • @：本地字节顺序（默认）。
  • =：本地字节顺序，忽略对齐。
  • <：小端序（低位字节在前）。
  • >：大端序（高位字节在前）。
  • !：网络字节顺序（大端序）。

1. 数据类型：

• • c：字符（1 字节）。
  • b：有符号字节（1 字节）。
  • B：无符号字节（1 字节）。
  • ?：布尔值（1 字节）。
  • h：有符号短整型（2 字节）。
  • H：无符号短整型（2 字节）。
  • i：有符号整型（4 字节）。
  • I：无符号整型（4 字节）。
  • l：有符号长整型（4 字节）。
  • L：无符号长整型（4 字节）。
  • q：有符号长长整型（8 字节）。
  • Q：无符号长长整型（8 字节）。
  • f：浮点型（4 字节）。
  • d：双精度浮点型（8 字节）。
  • s：字符串（需要指定长度，如 10s 表示 10 字节的字符串）。
  • p：Pascal 字符串（1 字节长度 + 字符串）。
  • x：填充字节（跳过 1 字节）。

示例 1：解析单个值

import struct

# 二进制数据（4 字节的无符号整型）
buffer = b'\x01\x00\x00\x00'

# 解析为无符号整型
value = struct.unpack('

示例 2：解析多个值

import struct

# 二进制数据（2 个有符号短整型）
buffer = b'\x01\x00\x02\x00'

# 解析为 2 个有符号短整型
values = struct.unpack('<2h', buffer)
print(values)  # 输出: (1, 2)

示例 3：解析混合类型

import struct

# 二进制数据（1 个无符号短整型 + 1 个浮点型）
buffer = b'\x01\x00\x00\x00\x00\x00\x80\x3f'

# 解析为无符号短整型和浮点型
values = struct.unpack('

示例 4：解析字符串

import struct

# 二进制数据（10 字节的字符串）
buffer = b'hello\x00\x00\x00\x00\x00'

# 解析为 10 字节的字符串
value = struct.unpack('<10s', buffer)
print(value)  # 输出: (b'hello\x00\x00\x00\x00\x00',)

示例 5：解析 WAV 文件头

import struct

# 假设这是 WAV 文件的前 44 字节
wav_header = b'RIFF\x24\x00\x00\x00WAVEfmt \x10\x00\x00\x00\x01\x00\x02\x00\x44\xAC\x00\x00\x10\xB1\x02\x00\x04\x00\x10\x00data\x00\x00\x00\x00'

# 解析 WAV 文件头
chunk_id = struct.unpack('<4s', wav_header[0:4])[0]
chunk_size = struct.unpack('

---

注意事项

1. 字节顺序：

• • 确保格式化字符串中的字节顺序与数据的实际存储顺序一致。
  • 小端序（<）和大端序（>）是最常用的两种字节顺序。

1. 数据对齐：

• • 某些平台可能要求数据对齐，可以使用 @ 或 = 来指定本地字节顺序。

1. 缓冲区大小：

• • 确保缓冲区的大小与格式化字符串的要求一致，否则会抛出 struct.error。

1. 返回值：

• • struct.unpack 始终返回一个元组，即使只解析一个值。

---

总结

• struct.unpack 是 Python 中处理二进制数据的强大工具。
• 通过格式化字符串，可以灵活地解析各种数据类型。
• 在处理文件、网络协议或硬件数据时，struct.unpack 非常有用。

实操演练

from machine import I2S, Pin
import struct

# 配置I2S
i2s = I2S(
    0,  # I2S编号
    sck=Pin(14),  # 时钟引脚
    ws=Pin(13),   # 字选择引脚
    sd=Pin(45),   # 数据引脚
    mode=I2S.TX,  # 发送模式
    bits=16,      # 数据位宽
    format=I2S.MONO,  # 单声道
    rate=16000,   # 采样率
    ibuf=40000    # 输入缓冲区大小
)

# 解析WAV文件头
def parse_wav_header(file):
    header = file.read(44)  # WAV文件头长度为44字节
    if header[0:4] != b'RIFF' or header[8:12] != b'WAVE':
        raise ValueError("不是有效的WAV文件")
    ret = struct.unpack("4s",header[0:4])
    print("ret=",ret,header[0:4].decode())
    # 提取采样率、位宽、声道数等信息
    sample_rate = struct.unpack('

保存wav格式数据

from machine import I2S, Pin
import struct

# 配置I2S
i2s = I2S(
    0,  # I2S编号
    sck=Pin(14),  # 时钟引脚
    ws=Pin(13),   # 字选择引脚
    sd=Pin(12),   # 数据引脚
    mode=I2S.RX,  # 接收模式
    bits=16,      # 数据位宽
    format=I2S.MONO,  # 单声道
    rate=16000,   # 采样率
    ibuf=40000    # 输入缓冲区大小
)

# WAV文件参数
sample_rate = 16000  # 采样率
bits_per_sample = 16  # 位宽
num_channels = 1  # 单声道
duration = 5  # 录制时长（秒）
buffer_size = 1024  # 每次读取的缓冲区大小

# 计算总数据量
total_samples = sample_rate * duration
total_data_size = total_samples * num_channels * (bits_per_sample // 8)

# 创建WAV文件头
def create_wav_header(sample_rate, bits_per_sample, num_channels, data_size):
    # WAV文件头格式
    header = bytearray()
    header.extend(b'RIFF')  # Chunk ID
    header.extend(struct.pack('

结语

通过本文的学习，我们掌握了I2S音频接口在ESP32-S3平台上的完整开发流程，从基础协议理解到实际的音频采集与播放实现。I2S技术为嵌入式系统带来了专业级的音频处理能力，为智能家居、可穿戴设备、工业控制等领域的音频应用开发提供了强大支持。希望本指南能成为您音频开发路上的实用参考，期待看到您利用这些技术创造出更多创新的音频应用。技术的价值在于实践，愿您在嵌入式音频开发的道路上不断探索，创造出更多令人惊艳的作品！