【Arduino + Linux】基于NodeMCU32实现WAV音频播放

NodeMCU32S是基于ESP32-D0WDQ6集成芯片开发的，其内部存储资源比较紧缺，但是对于 wav 格式的音频而言是远远不够的，又因为该模块具有比较成熟的无线通信技术，所以就有一个想法：将音乐文件保存到服务器上，NodeMCU32 通过 WiFi 通讯方式将数据缓存到本地，然后完成音频播放。

源代码地址：https://github.com/npc-github-octocat/NodeMCU-WAV 🚀

一、Arduino环境配置

开发环境安装参考（虽然是esp8266但是操作大体上是一致的）：Arduino入门——黑洞教室 🚀

在 Arduino IDE 中添加 ESP32 开发板管理器网址：https://dl.espressif.com/dl/package_esp32_index.json （参考：Arduino常用的附加开发版管理器网址 🚀）

二、音频数据收发

数据收发上参考 FTP 的传输协议，其中服务器程序运行在 Ubuntu 系统上，客户端程序运行在 NodeMCU32上。

2.1、服务器程序

服务器程序工作流程如下：

开发内容包括：

• socket套接字初始化（socket/bind/listen/accept/read/write/close）
• 地址快速重用（setsockopt）
• 网络心跳检测（setsockopt）
• 发送超时确认（setsockopt）
• 音频文件打开关闭以及读取操作（open/read/close）
• 目录文件打开以及读取操作（opendir/readdir/closedir）

说明一：地址快速重用
服务器退出后，由于TCP在4次分手过程中存在TIME_WAIT状态，该状态会持续2MSL时间，在TIME_WAIT退出后，套接字被删除，有时候虽然服务器程序已经关闭，但是还是处于TIME_WAIT的状态，此时又启动服务器程序，就会出现“试图绑定一个已经在使用的端口”的错误，所以程序中加入了地址快速重用。

说明二：心跳检测
程序中有一处调用read函数，目的是接收客户端发送的请求，目前套接字的属性为阻塞等待，即没有数据过来的时候就会一直等待下去（可以设置等待时长，但是感觉用户需要在规定时间内发送数据，在该场景下体验不是很友好），在调试过程中，每次重启客户端的同时又需要重启服务器程序，比较麻烦。。。是否有这么一种状态监测，就是判断当前的连接状态是否正常，如果正常就一直保持，如果连接不正常（无法通讯），那么退出当前阻塞等待。

说明三：发送超时确认
心跳检测存在一个问题（可能有一些属性我不知道怎么配置），就是只是针对于read函数起作用，当write函数处于阻塞状态时，就会一直阻塞下去，所以这里加入了发送超时检测。
主要是为了解决当发送音频文件时，客户端忽然下线，不至于服务器一直处于阻塞等待中。

问题： TCP连接的时候，服务器端等待accept的连接，当客户端连接的时候后，就出现accept出现错误，
原因： accept中第三个参数中指针指向错误。目前还不清楚accept内部实现的机理。
解决： 方式一commd数组初始化成0，方式二将第三个参数初始化。

参考：
[1]: 用C语言实现FTP 🚀
[2]: bind为什么会出现地址重用 🚀
[3]: Linux 心跳检测 🚀
[4]: SO_KEEPALIVE does not work during a call to write()? 🚀

2.2、客户端程序

客户端程序工作如下：

说明：available函数 & connected函数
available 用于获取接收缓冲区中的数据，其返回值为缓存区可读取字节数，当缓冲区数据为0时，自动返回，不会阻塞等待。这时候就会有一个问题，当数据还没到达时，程序判断缓冲区数据为0，就会跳过该部分，如果在接收大文件时，程序判断为接收完成，那么就会导致出现错误。
因此，在这里就加入了connected函数，做进一步的判断，connected 函数用于判断连接是否成功，当出现断连情况时就会返回0值，服务器这边设定为文件传输结束时候立即关闭TCP连接，以此作为结束的标志。connected 函数如果为正常连接，available函数判断缓冲区为空，那么就会等待。只有连接断开且缓冲区为空时，可认为传输结束了。

参考：

[1]: arduino串口接收数据包_Arduino 通信 🚀
[2]: ESP8266之WiFiClient库学习 🚀
[3]: ESP-IDF编程指南 🚀

三、编写音频驱动

3.1、音频基础知识

声音通过振动的方式在介质中以连续的波的方式传播，正常人可以听到声音的频率范围为 20Hz~20KHz，现实存在的声音是模拟量，其中记录和播放是对声音的常见操作，记录声音是将模拟量转换为数字量的过程，一般可以分为三个过程，分别为采样、量化、编码，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。

下图中，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，如果采样频率越高，那么最后得到的结果就与源声音曲线的吻合程度越高。一般使用44.1KHz采样频率即可得到高保真的声音。

影响吻合程度的还有一个关键参数就是量化位数，量化位数表示每个采样点用多少位来表述数据范围，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。（ADC数据采集的时候，假设电压为1v，位数8位，那么精度为1/2⁸，倘若位数越高，精度就会越高）

比如，电话就是3KHz取样的7位声音，而CD是44.1KHz取样的16位声音，所以CD就比电话更清楚。

在当今的主流采集卡上，采样频率一般共分为22.05HHz、44.1KHz、48KHz三个等级。

• 22.05KHz只能达到FM广播的声音品质。
• 44.1KHz则是理论上的CD音质界限。
• 48KHz则更加精确一些，对于高于48KHz的采样频率人耳已经无法辨别出来了，所以电脑上没有什么应用价值。

一般人说话基频范围在50-700Hz，而人能听到的频率到20Hz-20KHz，这个频率可以认为是采样频率，当声音频率超过了该频率，就无法完成采样，交给大脑去处理。

• 以波形表示的频率范围通常被称为带宽。
• 立体声指的是双声道。
• 码率=取样频率×量化精度×声道数。
• 分贝：两个数值的对数比率，这两个数值分别是测量值和参考值（也称为基准值），不同的参考值，比率也会不同，分贝存在两种定义情况，一种为功率之比，一种为幅值之比，它是一种无量纲，常应用于通信、声学、振动、电子学等领域。

参考：
[1]: FFmpeg的音频处理详解 🚀
[2]: 人说话声音的频率范围是多少？ 🚀
[3]: 什么是分贝dB? 🚀
[4]: [野火EmbedFire]《STM32库开发实战指南——基于野火挑战者开发板》

3.2、WAV格式认识

WAV 是微软公司开发的一种音频格式文件，数据本身的格式为 PCM 和ADPCM，其中 PCM 属于无损音乐格式的一种，绝大部分 WAVE 文件是 PCM 编码，ADPCM（自适应差分脉冲编码调制）属于有损压缩，现在几乎不用。

PCM数据格式

• 音频数据是否是有符号的。通常情况下都是有符号的。若是将有符号的数据当做无符号的数据来处理将会使声音听来很刺。
• 字节序指的是little-endian还是big-endian。表示音频数据的存储字节序。通常均为little-endian。

WAVE 文件是一种 RIFF 文件，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：用于表示音频数据的属性，如编码方式、声道数量、采样频率等。
• fact chunk：一般当 WAVE 文件由某些软件转换而成就包含 fack chunk。
• data chunk：“data”字符串+音频数据长度+音频数据。

（8bit 声音数据格式在 data chunk 数据排列格式同 16bit 一样）

通过 WinHex 软件查看 WAVE 文件。

总结起来，WAVE格式如下所示：

WAVE文件头的数据用来说明该文件的一些基本信息，后面的数据为音频文件，由于是PCM编码格式，音频数据为模型信号经过ADC转换后的数字量，不需要经过解码字节将数据发送到DAC中，由DAC将数字量转换成模拟量，通过扬声器即可播放音频。

参考：
[1]: [野火EmbedFire]《STM32库开发实战指南——基于野火挑战者开发板》
[2]: RIFF和WAVE音频文件格式 🚀

3.3、mp3转WAV

这里需要用到一款软件Audacity （下载地址：https://audacity.onl/）

1、文件 ——> 打开 ——> 选择mp3文件

2、文件 ——> 导出 ——> 导出为WAV ——> 编码：Unsigned 8-bit PCM ——> 保存

导出的文件：

• 无符号 8 位 PCM
• 双通道
• 44100Hz 采样频率

3.4、硬件连接

这里可以使用扬声器播放也可以使用耳机，其发声的原理都是一样的。3.5mm耳机接口总共有四级接口（美标：从最前头开始数第1、2、3、4节，分别是左声道/右声道/地线/MIC；国标：从最前头开始数第1、2、3、4节，分别是左声道/右声道/MIC/地线 🚀）可以直接用导线将耳机接口与NodeMCU32的GPIO25/GPIO26/GND直接连接。

而对于扬声器而言，可以同耳机一样直接连接，但是由于NodeMCU32带负载能力比较弱，声音会比较低，这里需要在它两之间加一个功率放大器，这里选用的是PAM8406数字功放板。

NodeMCU32是直接连在电脑上的，在调试过程中，由于5v的供电不稳定，导致电脑上出现桌面图标闪现的情况，换了个电源后恢复正常。正常情况下，播放音频时，直接连接NodeMCU32是可以带的动的。

3.5、I2S使用内部DAC注意事项

• NodeMCU32内部有两个I2S外设模块，均支持DMA功能，但是只有I2S_NUM_0支持将数据（音频数据，而不是音频文件开头的用于说明类型的数据）经过DMA发送给内部DAC。
• DMA传输一次最少16位，而前面转换的音频文件为8位的，所以需要先将该数据由8位扩展成16位，由于DAC只会取8位数据进行输出，且这8位是16位数据中的高8位，所以这里在做数据位扩展的时候不要弄反了。
• 如果将8位的数据不经过扩展，直接发送的话，倘若左右声道数据一样，那么播放时，听起来像被加速了。

参考：
[1]: ESP2-I2S音频播放笔记 🚀
[2]: ESP-IDF编程指南——I2S 🚀

下图所示为用户端：