1. Longan Pi 3H开发板音频采集系统设计

在智能交互设备开发中，音频采集是赋予机器"听觉"能力的关键环节。基于Longan Pi 3H开发板构建的ChatGPT语音交互系统，其音频采集模块需要解决三个核心问题：硬件接口适配、实时音频流处理以及网络传输优化。

1.1 硬件选型与接口配置

Longan Pi 3H开发板搭载全志H616四核Cortex-A53处理器，其音频子系统包含以下关键组件：

• 模拟音频输入：通过板载3.5mm麦克风接口或GPIO扩展的I2S接口连接外置麦克风阵列
• 数字音频处理：集成Sunxi音频编解码器（AC108），支持最高192kHz/24bit采样
• 接口特性：
  • I2S0/I2S1数字音频接口
  • DMIC脉冲密度调制接口
  • 模拟线路输入(Line In)

推荐使用I2S接口连接数字麦克风，相比模拟输入可降低环境噪声干扰。具体硬件连接方案：

# I2S0接口引脚定义（40pin GPIO） GPIO3 -> I2S0_LRCK (帧时钟) GPIO19 -> I2S0_BCK (位时钟) GPIO18 -> I2S0_DIN (数据输入)

1.2 ALSA音频驱动配置

Longan Pi默认使用snd_sun50i_h616音频驱动，需修改/boot/config.txt启用I2S设备：

# 添加以下配置 dtoverlay=sun50i-h616-i2s0 audio_codec=ac108

验证音频设备是否识别成功：

arecord -l # 列出输入设备 # 预期输出： card 1: ac108 [ac108], device 0: SUNXI-I2S ac108-0 [] Subdevices: 1/1

1.3 音频参数优化

针对语音交互场景，推荐采用以下采集参数：

• 采样率：16000Hz（平衡音质与网络传输负担）
• 位深：16bit
• 声道数：单声道（语音识别无需立体声）
• 块大小：1024帧（约64ms延迟）

通过arecord测试采集：

arecord -D hw:1,0 -f S16_LE -r 16000 -c 1 test.wav

2. 实时音频流处理技术实现

2.1 基于PyAudio的流式采集

安装Python音频库：

sudo apt install python3-pyaudio

编写音频采集线程：

import pyaudio import numpy as np CHUNK = 1024 FORMAT = pyaudio.paInt16 CHANNELS = 1 RATE = 16000 p = pyaudio.PyAudio() stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, frames_per_buffer=CHUNK) while True: data = stream.read(CHUNK) audio_frame = np.frombuffer(data, dtype=np.int16) # 此处添加后续处理逻辑

2.2 实时降噪处理

使用noisereduce库进行频谱降噪：

import noisereduce as nr # 采集2秒环境噪声作为参考 noise_sample = [] for i in range(0, int(RATE/CHUNK*2)): data = stream.read(CHUNK) noise_sample.append(np.frombuffer(data, dtype=np.int16)) noise_profile = np.concatenate(noise_sample) # 实时降噪处理 def process_audio(frame): return nr.reduce_noise(y=frame, y_noise=noise_profile, sr=RATE)

2.3 VAD语音活动检测

集成WebRTC的VAD模块提高交互效率：

import webrtcvad vad = webrtcvad.Vad(2) # 中等灵敏度 def is_speech(audio_frame): return vad.is_speech(audio_frame.tobytes(), sample_rate=RATE)

3. FastAPI音频服务端实现

3.1 WebSocket音频流接口

安装FastAPI依赖：

pip install fastapi websockets python-multipart

创建WebSocket端点接收音频流：

from fastapi import FastAPI, WebSocket import asyncio app = FastAPI() @app.websocket("/ws/audio") async def audio_stream(websocket: WebSocket): await websocket.accept() try: while True: data = await websocket.receive_bytes() # 此处添加ASR语音识别处理 response = await process_audio(data) await websocket.send_text(response) except WebSocketDisconnect: print("Client disconnected")

3.2 音频格式转换中间件

将PCM流转换为ASR服务需要的WAV格式：

import io import wave def pcm_to_wav(pcm_data): with io.BytesIO() as wav_buffer: with wave.open(wav_buffer, 'wb') as wav: wav.setnchannels(CHANNELS) wav.setsampwidth(2) # 16bit=2bytes wav.setframerate(RATE) wav.writeframes(pcm_data) return wav_buffer.getvalue()

3.3 性能优化措施

1. 启用Gzip压缩减少传输延迟：

from fastapi.middleware.gzip import GZipMiddleware app.add_middleware(GZipMiddleware)

2. 使用UVicorn多进程模式：

uvicorn main:app --workers 4 --host 0.0.0.0

4. 系统集成与调试技巧

4.1 音频延迟问题排查

典型延迟来源及解决方案：

1. ALSA缓冲区设置过大
   • 修改/etc/asound.conf：

     defaults.pcm.period_size = 256 defaults.pcm.buffer_size = 1024

2. 网络传输延迟
   • 使用WebSocket替代HTTP轮询
   • 启用OPUS音频压缩（节省50%带宽）

4.2 常见故障处理

1. 出现"Device or resource busy"错误：

   sudo fuser -v /dev/snd/* # 查看占用进程 sudo kill -9 <PID> # 结束冲突进程

2. 采样率不匹配导致变调：

   # 使用librosa重采样 import librosa audio = librosa.resample(audio, orig_sr=44100, target_sr=16000)

4.3 功耗优化方案

1. 动态采样率调整：

   • 待机时使用8kHz采样
   • 检测到语音后切换至16kHz

2. 硬件休眠策略：

   # 控制麦克风供电GPIO import RPi.GPIO as GPIO GPIO.setup(12, GPIO.OUT) GPIO.output(12, GPIO.LOW) # 关闭麦克风电源

我在实际部署中发现，使用I2S数字麦克风时需要注意时钟漂移问题。建议每隔2小时通过以下命令重新校准：

alsactl restore # 重载ALSA配置

对于需要长时间运行的场景，可以添加以下监控脚本到crontab：

*/5 * * * * pgrep arecord || arecord -D hw:1,0 -f S16_LE -r 16000 -c 1 -t raw | python3 process.py