STM32用PWM播放音频

STM32使用PWM播放WAV音频文件

在嵌入式设备日益普及的今天，越来越多的产品需要具备“发声”能力——无论是智能门锁的一声提示音、工业控制器的报警提醒，还是儿童玩具里的儿歌播放。然而，为这些设备额外增加音频解码芯片或专用DAC模块，往往意味着成本上升和PCB空间紧张。

有没有一种方法，能让最普通的STM32单片机自己“唱”出声音？答案是肯定的： 利用PWM输出配合DMA传输，直接驱动扬声器播放WAV音频 。这种方法不需要任何外部音频芯片，仅靠一个RC滤波器就能实现基本的声音回放，特别适合对音质要求不高但对成本极其敏感的应用场景。

这听起来像魔法，其实原理并不复杂。关键在于理解几个核心环节是如何协同工作的： WAV文件怎么读？PCM数据如何映射？PWM怎样模拟DAC？DMA又如何保证流畅播放？

---

我们先从最底层说起。STM32虽然没有内置立体声DAC（除非是F3/F7等高端型号），但它拥有强大的定时器系统。以常见的STM32F103为例，其高级定时器如TIM1、TIM3支持PWM输出，并可通过DMA自动更新占空比寄存器（CCR）。这意味着只要准备好一串代表声音幅度的数据，就可以让DMA源源不断地写入CCR，从而改变PWM波形的平均电压——这个平均电压，本质上就是重建后的模拟音频信号。

当然，原始音频信号是连续变化的，而PWM只能通过离散的脉冲宽度来逼近它。这就像是用一堆小方块去拼一条曲线，块越小、越密，还原度就越高。因此，PWM的频率必须足够高（通常>40kHz），远超人耳可听范围，避免听到恼人的“滋滋”开关噪声；同时分辨率也要够高，8位勉强可用，10位以上效果更佳。

但真正决定音质的，其实是另一个参数： 采样率 。你可能注意到，PWM频率 ≠ 音频采样率。比如我们可以设置PWM载波为50kHz，但每3个周期才更新一次PCM样本，这样实际音频输出频率就是约16.6kHz，足以覆盖语音的主要频段（300Hz~3.4kHz）。这种“多PWM周期对应一次数据更新”的策略，正是实现高效音频播放的关键技巧之一。

那么数据从哪来？自然是WAV文件。WAV是一种未压缩的PCM音频格式，结构清晰，非常适合嵌入式系统解析。它的前44字节包含了所有必要信息：采样率、位深、声道数、数据起始位置等。一旦读取并校验成功，就可以定位到 data 块开始逐字节加载PCM样本。

这里有个细节容易被忽略：大多数WAV文件使用16位有符号整数存储样本（-32768 ~ +32767），而PWM占空比只能接受无符号值（如0~255）。所以必须做偏移映射：

uint8_t pwm_value = (pcm_sample >> 8) + 128;

即将-32768映射为0，+32767映射为255。如果是8位WAV，则无需转换，直接使用即可。

接下来是硬件配置的重点。假设我们选用TIM3_CH1（PA6）作为PWM输出引脚，时钟源为72MHz。目标是生成8位精度的PWM信号，ARR设为255。为了得到较高的载波频率，预分频器PSC设为1，这样计数器运行在72MHz / (1+1) = 36MHz。最终PWM频率为：

36MHz / (255 + 1) ≈ 140.6kHz

完全满足高频载波需求。此时若希望音频采样率为16kHz，则每 140.6k / 16k ≈ 9 个PWM周期更新一次样本。我们可以通过定时器更新事件触发DMA传输，结合循环缓冲机制，实现持续不断的音频流输出。

DMA的作用在这里至关重要。如果不使用DMA，CPU就得在每个采样点手动写入CCR寄存器——对于16kHz采样率来说，每秒要中断16000次，几乎无法处理其他任务。而启用DMA后，整个过程全自动进行，CPU只需在初始化时启动传输，之后便可自由执行其他逻辑，甚至进入低功耗模式。

实际代码中，我们需要定义一个PCM缓冲区，并将其与TIMx->DMAR寄存器绑定。HAL库提供了便捷接口：

HAL_TIM_PWM_Start_DMA(&htim3, TIM_CHANNEL_1, (uint32_t*)pcm_buffer, BUFFER_SIZE);

只要缓冲区中的数据准备就绪，DMA就会自动将其搬运至CCR。推荐使用SRAM作为缓冲区，避免Flash读取延迟导致断音。如果音频较长而RAM有限，可以采用双缓冲机制：当DMA正在播放Buffer A时，后台从SD卡读取数据填充Buffer B；播放切换后反向操作，实现无缝衔接。

别忘了最后一步： 低通滤波 。PWM输出的是高频方波，必须通过RC或LC滤波器滤除载波成分，只留下缓慢变化的平均电压。一个简单的RC网络（例如10kΩ + 10nF）截止频率约为1.6kHz，刚好保留语音主要频段，抑制高频噪声。如果追求更好音质，可设计二阶巴特沃斯滤波器，进一步提升信噪比。

至于放大环节，可以直接连接耳机（高阻抗下音量极低），但更常见的是接入LM386这类低成本音频功放模块，再驱动小型喇叭。注意电源去耦和地线布局——数字PWM信号极易干扰模拟部分，建议在靠近MCU处加0.1μF陶瓷电容，并将模拟地与数字地单点连接。

说到这里，你可能会问：这样的音质到底怎么样？

实测表明，在16kHz采样率、8位PWM条件下，播放语音提示非常清晰，能准确识别中文指令；简单旋律也能辨认曲调，但缺乏层次感和动态范围。相比CD级的16bit/44.1kHz，差距明显，但对于“滴滴”提示音、开机问候语这类应用而言，完全够用。

而且这套方案的优势极为突出： 零外部音频芯片、仅需一个IO口、BOM成本几乎为零 。在大批量生产中，哪怕节省几毛钱都意义重大。正因如此，该技术已被广泛应用于智能电表、共享单车锁控、家用报警器、电子贺卡等产品中。

当然也有局限性。首先是资源占用问题：长时间高频率PWM输出会使MCU温度升高，尤其在环境温度较高的场合需谨慎评估散热。其次，多任务环境下若与其他DMA通道冲突，可能导致爆音或停顿。此外，立体声播放需要两路独立PWM+滤波电路，对引脚和定时器资源提出更高要求。

未来优化方向也很明确。例如结合FreeRTOS创建独立音频任务，实现非阻塞播放；或者引入ADPCM压缩算法，在同等存储空间下延长播放时间；更有甚者，尝试用CORDIC算法实时生成正弦测试音，用于设备自检。

更有意思的是OTA升级的可能性——把音频文件存放在SPI Flash中，通过无线模块远程更新提示语音，真正实现“软件定义声音”。

---

这种看似“土味十足”的技术，恰恰体现了嵌入式开发的本质： 在资源极限中寻找最优解 。它不追求Hi-Fi音质，也不依赖昂贵器件，而是用最基础的外设组合，完成一项实用功能。正如一位工程师所说：“最好的设计，不是用了多少新技术，而是解决了问题却让人感觉不到它的存在。”

当你下次听到某个小设备发出清脆的提示音时，不妨想想：也许那声音背后，就是一个默默跳动的PWM定时器，正用最朴素的方式，讲述着数字世界与模拟世界的对话。