把ESP32的WiFi射频前端改造成FM广播接收机：原理与实现

拿到ESP32这块小板子的人，第一反应基本都是：一颗能跑WiFi和蓝牙的物联网芯片。我一开始也是这么用的，直到某天在一个硬件逆向工程社区里看到有人晒波形，说用ESP32收到了本地调频广播电台的节目，才意识到手里这块芯片，远比纸面参数上写的要野得多。那条通路，官方参考手册里确实没有专门写过，但在射频链路底层，它客观存在，而且完全可用。

这篇文章不是讲怎样给ESP32外接一个收音机模块，也不是让你买一块软件无线电板卡。它是把ESP32那颗WiFi射频前端，硬生生改造成一条能解调FM广播的无线电通路，让88到108MHz的调频信号绕开所有专用芯片，直接落进这颗物联网芯片的数字域里。整个过程会涉及射频前端结构、正交采样、数字鉴频和立体声解码，也会给出一套可以动手复现的工程框架。适合手里正好有ESP32开发板、又对无线电接收和信号处理感兴趣的嵌入式玩家。如果你只想要一个能出声的FM收音机，某宝十块钱的模块更省事；但如果你想弄明白"为什么一颗WiFi芯片能收到FM广播"，这篇文章就是为你写的。

1. 一条被官方手册"遗漏"的射频通路

1.1 它到底是什么——把WiFi前端当宽频接收机用

要理解这条隐蔽通路，先得换个角度看待WiFi收发机。ESP32的射频部分，本质上就是一个完整的零中频接收机：天线进来的信号，先经过低噪声放大器，再和本振信号做正交混频，得到I/Q两路基带信号，之后经过可编程增益放大和低通滤波，最后才进入ADC变成数字量。

这套链路的设计目标是接收2.4GHz频段的WiFi信号，芯片原厂在做射频校准时，也只会针对2.4GHz频段去优化灵敏度、镜像抑制和带内平坦度。但问题来了：接收链路本身并不知道自己"应该"只工作在2.4GHz。真正决定接收频率的，是锁相环给混频器提供的本振频率。只要这个本振能被配置到88到108MHz，混频器就能把FM广播信号搬到基带。射频前端剩余的工作，和接收一个2.4GHz WiFi包的信号路径没有本质区别。

这就是"官方没写进手册"的原因所在。手册里对WiFi射频的描述，全部围绕2.4GHz收发功能展开，寄存器级别的说明也只会给WiFi/BT服务。但在硬件层面，本振的覆盖范围远远超出了标称频段，低通滤波器的带宽也足以容纳FM广播信号。于是一部分工程师通过寄存器逆向的方式，绕开官方接口，直接把本振频率拨到FM频段，让这条"超纲"的通路暴露出来。严格来说，它不是芯片原厂设计时准备的隐藏功能，而是射频链路天然具备的能力被社区发掘了出来。

1.2 为什么值得折腾——相比外接收音机模块的优势

最直接的价值，是省钱和省一块芯片。一片两三块钱的ESP32，加上一根十几厘米的导线，就能完成FM广播接收加音频解码的全部工作。外接方案通常要再加一颗收音机芯片、一个I2S音频解码器，不但增加了物料成本，还多了两颗芯片之间的调试工作。而这条隐藏通路走的是芯片内部链路，射频信号从天线进来，经过混频、采样、数字解调，最终从板载DAC或者I2S接口输出音频，全过程不需要任何外部射频器件。

第二个优势是高度可编程。传统收音机芯片的解调参数大多是芯片内部固定好的，你能控制的只有频率、音量之类的高层参数。而这条通路把原始I/Q采样数据交到了你的代码里，鉴频带宽、去加重时间常数、立体声解码策略，全都由软件决定。甚至你可以把基带I/Q数据直接通过串口丢给电脑，在通用信号分析软件里看频谱，这本质就是一个简易软件无线电前端。

第三个价值，是在学习层面。这套链路把教科书里"超外差接收""正交解调""锁相环""数字鉴频"这些概念，全部压缩在一颗实际工作的芯片里。当你亲耳听到扬声器里传来的电台声音，再回头看那些公式，理解深度是完全不一样的。

2. 拆开ESP32的射频前端：看清这条隐蔽通路

2.1 WiFi接收链路的工作模式与超范围本振

要操作这条通路，先得理解ESP32射频接收的结构。整个接收链路可以简化为五个环节：天线接口、低噪声放大器、正交混频器、可编程增益放大器、低通滤波器。

第一环节负责把空间中的电磁波转化为微弱电压信号；低噪声放大器把这个电压信号放大，同时尽量不引入额外噪声；正交混频器则是核心中的核心，它同时和两路本振信号相乘，一路相位为0度，另一路相位为90度，得到I和Q两路正交信号。这一步的本质是频域搬移：让载波频率上的信号，落到零频附近，变成基带信号。

这里有个关键点，零中频架构本身对镜像抑制要求极高，因为I/Q两路的幅度和相位一旦不平衡，镜像信号就会直接叠加到有用信号上。WiFi链路在校准后通常能做到-40dB以上的镜像抑制，但在FM频段没有校准数据，实际操作时I/Q不平衡会更明显。不过FM广播信号的特点恰恰是抗强度失真能力强，即使镜像和幅度偏差存在，声音依然可以辨识，只是信噪比会下降。

本振频率的配置是关键中的关键。ESP32的射频锁相环基于一个40MHz的参考时钟，通过分数分频器可以产生很宽的频率范围。社区逆向工程给出的经验是，本振可以覆盖几十兆赫兹到接近3GHz的范围，FM广播频段就在其中。操作方式也不是通过官方SDK暴露的接口，而是直接向射频寄存器写入配置值。不同芯片版本和不同SDK版本，寄存器偏移量可能不一致，这也是新手最容易卡壳的地方。

要特别提醒的是，把本振调到FM频段之后，芯片的WiFi功能实际上已经不在正常工作状态了。即使你只是想顺便扫个2.4GHz信道，也建议先把寄存器恢复出厂配置，再初始化WiFi协议栈。否则轻则连接不稳定，重则协议栈异常。

2.2 信号流、关键参数与数学原理

信号在芯片内的流动路径，决定了你能拿到什么数据。FM频段的射频信号被本振搬到基带后，经过可变增益放大和低通滤波，进入ADC采样。与WiFi协议包处理流程不同的是，这条隐蔽通路需要把ADC输出的I/Q采样数据通过DMA搬运出来，送到ESP32的内存里做软件解调。社区常见的做法是借用I2S外设的DMA通道来搬运这些数据。

采样率的选择很有讲究。FM广播的标准频偏是±75kHz，加上保护带宽，单边信号一般不超过200kHz。按照奈奎斯特定理，I/Q两路的采样率至少需要400kHz。实际操作中，大家通常选择512kHz或者更高一点的采样率做过采样。过采样的好处是降低抗混叠滤波器的压力，同时给数字滤波留出更大的过渡带。但采样率也不能无限高，一方面DMA带宽有限，另一方面CPU还要实时处理这些数据，采样率太高会让解调线程跑不满，反而出现丢数据。

数字解调的核心是鉴频。频率调制的信息，蕴含在信号的瞬时频率变化里，而瞬时频率就是瞬时相位的导数。数字域里最常用的方法是差分叉积鉴频器，大致思路是：先计算相邻两个采样点之间的瞬时相位差，然后做归一化。这里有一个实现上的坑，相位计算涉及反正切，直接调用库函数慢，而且相位跳变时容易产生毛刺；差分叉积法巧妙地用近似运算绕开了相位unwrap问题，在嵌入式平台上表现稳定得多。

再说立体声解码。FM广播的立体声复合信号里，基带部分是L+R信号，38kHz副载波上承载L-R差分信号，19kHz位置还有一个导频信号用于指示立体声存在。软件解码时，先用一个窄带滤波器提取19kHz导频，锁相恢复38kHz副载波，再通过乘法器把L-R分量搬移到基带，最后做矩阵运算得到左右声道。这一整套流程在ESP32的双核240MHz主频下是可以实时完成的，但需要把信号处理过程拆得足够细，合理利用两个核心。

3. 从零开始把FM广播"请"进ESP32

3.1 硬件准备与天线接线

硬件清单非常简短，一块ESP32开发板、一根杜邦线、一个耳机或带功放的小喇叭，最多再加一个USB供电线。不要小看这根杜邦线，它就是你的天线。

FM广播频段的波长约为3米，理论上1/4波长天线约75厘米。但实际测试中，由于接收链路还有低噪声放大器的增益兜底，哪怕只用一根十几厘米的杜邦线，也能收到信号较强的本地电台。天线并不是越长越好，尤其是没有做阻抗匹配的情况下，天线和射频输入端口之间的失配会导致信号反射，反而恶化接收。

我的建议是，先用一根约70厘米的杜邦线做全尺寸试验线，把它尽量拉直，远离金属桌面和人体。等确认通路没问题之后，再缩短天线找平衡点。天线直接插在开发板标注为"ANT"的射频接口上，如果手头板子没有引出射频接口，那就只能把导线焊在靠近射频屏蔽罩的焊盘上，这个位置因板子而异，需要对着原理图找。不要尝试把天线接到普通GPIO引脚上，那些引脚没有射频前端，信号进不来。

供电方面，FM接收的瞬时功耗不算高，但USB供电纹波比较大的时候，底噪会明显抬升。如果条件允许，用锂电池供电效果会更好。实测下来，同一个电台，电池供电时背景噪声明显比USB供电低一到两档。

3.2 软件工程搭建与射频寄存器配置

软件层面，第一步是准备开发环境。我建议直接用Arduino框架加ESP32支持包，调试起来最省事。第二步，需要找到社区维护的射频寄存器映射信息。这个信息不会出现在官方头文件里，一般以补丁或笔记的形式流传在硬件逆向论坛。你需要确认自己的芯片是原版双核ESP32还是S3、C3等新型号，因为射频寄存器地址并不通用。

工程配置的核心，是让I2S外设工作在"接收模式"并读取ADC数据。这里有个很绕的点：官方SDK把I2S外设设计成音频编解码器接口，正常情况下你不可能从I2S读到WiFi基带数据。实际操作中，需要先通过寄存器操作把射频链路切换到宽频接收模式，再把I2S的DMA通道指向射频基带数据缓冲区。这个操作顺序非常关键，顺序反了，I2S根本不会产生数据。

下面这段代码是射频配置部分的示意，具体寄存器地址请根据你自己芯片版本的寄存器映射表替换：

// 示意代码：把ESP32射频本振配置到FM频段
// 注意：表中地址只是占位符，请替换为社区逆向笔记中的真实地址
#define RF_PLL_CFG_REG    (0x3FF00000 + 0x0A)
#define RF_RX_PATH_REG    (0x3FF00000 + 0x1A)

static void radio_set_frequency(uint32_t freq_khz) {
  // 40MHz参考时钟下，计算分频比
  // 这里只演示写入流程，真实寄存器还需要同时配置小数分频器
  uint32_t div_val = (uint32_t)((uint64_t)freq_khz * 1000ULL / 40000000ULL);
  REG_WRITE(RF_PLL_CFG_REG, div_val);
  // 等待锁相环稳定
  delay(10);
}

如果你不想改寄存器，还有一个更取巧的办法：在SDK编译阶段，用社区提供的头文件覆盖掉官方射频初始化函数，把本振频率从2.4GHz改成目标FM频点。这种方式侵入性小一些，但对编译流程的理解要求更高。不管哪种方式，只要本振锁定到比如98.6MHz，混频器输出的基带信号里就会出现这个电台的FM广播成分。

I2S配置的另一个关键点是字长和通道数。FM广播的I/Q数据是两路，正好对应I2S的左右声道，每路采样深度建议用16位，采样率按前面说的512kHz设置。DMA缓冲区要开得足够大，至少能容纳数千个采样点，否则高频数据源源不断进来时，中断处理稍微慢一点就会丢包。我用的是64KB的DMA缓冲，解调线程周期性地从缓冲区搬数据，实测连续运行几小时没有因为缓冲区溢出而断流。

3.3 数字解调与立体声输出：核心代码逻辑

射频数据从DMA通道拿到之后，真正的信号处理才刚开始。整个解调链路可以分成四个阶段：I/Q直流偏置校正、鉴频、去加重、立体声解码。

I/Q直流偏置校正很关键，混频器输出的基带信号会有一个直流分量，如果不减掉，鉴频之后的输出会出现一个很大的固定偏移，反映到声音上就是持续的背景嗡声。校正方法是实时计算I/Q的滑动平均值，然后从原始信号里减掉。这个操作在嵌入式平台上开销很小，用环形缓冲区就能实现。

鉴频用差分叉积法，下面这段是核心处理循环的示意：

// 差分叉积鉴频器
// iq_buffer 存放I/Q交织数据，N是本次处理的有效样本数
for (int n = 1; n < N; n++) {
  float i_prev = iq_buffer[2 * (n - 1)];
  float q_prev = iq_buffer[2 * (n - 1) + 1];
  float i_cur  = iq_buffer[2 * n];
  float q_cur  = iq_buffer[2 * n + 1];

  // 叉积近似：I*ΔQ - Q*ΔI
  float demod = i_prev * (q_cur - q_prev) - q_prev * (i_cur - i_prev);

  // 幅度归一化，消除信号强度波动带来的增益变化
  float mag_sq = i_prev * i_prev + q_prev * q_prev;
  if (mag_sq > 1e-6f) demod = demod / mag_sq;
  else demod = 0.0f;

  // 存入解调缓冲区
  demod_buffer[n] = demod;
}

解调后的信号频谱里，0到15kHz是L+R成分，19kHz是导频，38kHz是L-R差分信号。去加重滤波器要放在立体声解码之前，它是一个时间常数约50微秒或75微秒的一阶低通滤波器。不同地区采用的去加重时间常数不同，中国和欧洲是50微秒，北美是75微秒。如果听感高音偏亮、噪声加重的锯齿感明显，可以试试切换这个参数。

立体声解码需要先恢复38kHz副载波。最稳妥的方式是用软件锁相环锁定19kHz导频，再将本振信号二倍频到38kHz。软件锁相环实现起来有些繁琐，但性能稳定，长时间工作也不会漂移。如果你只是临时想验证通路，可以先不做立体声，直接把鉴频输出经过低通滤波后当作单声道音频输出。听到的电台声音依然清晰，只是没有左右声道的分离感。

音频输出方面，ESP32板载DAC只有两个通道，而且输出质量一般，适合推耳机。想推动喇叭，最好再接一个I2S音频解码芯片，比如常见的低成本音频解码器。解码后的音频数据通过I2S外设发送到解码器，功率放大后再接喇叭。我最初图省事直接用板载DAC接耳机，音量开大时失真比较明显，换成外接解码器之后才算出正常水平。

3.4 效果实测记录

我特意把实验安排在傍晚，那时候调频电台的信号传播比较稳定，台也最多。接好天线，寄存器配置完，I2S开始往外吐数据，第一件事不是急着解调，而是先抓一小段I/Q数据，打印到串口，用电脑端的串口绘图器看频谱。这一步能最快地确认射频通路是否真的锁定了电台。

实测记录的频谱图里，能看到明显的多普勒形态：中心频率处有一个尖峰，两边延伸出调频信号的特征边带。确认信号在基带出现之后，我才打开解调输出。第一次听到扬声器里传出电台主持人说话声的时候，还是有点兴奋的，毕竟这颗芯片买回来的时候，厂商从来没承诺过它能干这个。

立体声解码效果比预想中好。城市里的强台，信噪比足够高，锁相环锁定导频后，左右声道分离度能达到可以接受的水平。但郊区或者楼内信号弱的电台，立体声解码会频繁失锁，反而比强制单声道更难听。所以我在程序里加了一个信噪比估计算法，导频幅值低于阈值时自动切回单声道模式。

4. 踩坑实录与排查速查表

4.1 收不到台、信号弱的排查

这是最常见的卡壳点。第一步先确认本振真的锁定了。很多次调试，程序跑得流畅，I2S也出数据，但频谱上看不到任何信号峰，就是因为寄存器写进去的分频值没生效。排查办法是反复读写寄存器，把读回的值和写入值对比，确认锁相环状态寄存器里的锁定标志位有没有置位。

第二步检查天线位置。天线放在金属桌面旁边、人体手握住、靠近USB线，都会让接收灵敏度急剧恶化。FM频段的信号虽然波长较长，穿透力强，但近场环境里的感应干扰依然会把微弱信号淹没。把天线拉直，离开USB线20厘米以上，很多"收不到台"的问题其实就解决了。

第三步是增益设置。可编程增益放大器的档位如果太低，前端信号放大不足，ADC输出噪声主导，信号被淹没；如果太高，强台又会过载失真。社区经验是先从中间档位开始，然后观察解调输出的噪声底，逐步增减增益，直到出现清晰的台。

4.2 声音破音、单声道、噪声大的处理

破音最常见的原因是鉴频后的信号幅度超过了输出动态范围，尤其强台信号过载时。解决方法是把解调输出的自动增益控制打开，用滑动窗口统计信号的峰值电平，动态调整输出增益。这和传统收音机里的自动增益控制是一回事。

如果声音明显发闷，检查去加重滤波器的参数。很多人直接套用欧洲参数，听感尚可；但如果你所在区域的电台采用75微秒去加重，高音衰减会过大，声音发闷。切换参数后，高音通透感会立刻改善。

立体声解码噪声大，大概率不是解码器的问题，而是基带信噪比不够。FM解调有个特性：信噪比低于阈值时，噪声会急剧恶化，这就是所谓的门限效应。解决办法一是缩短天线改大信号，二是手动切换到单声道模式。在单声道模式下，解码链路少了一个频带搬移环节，噪声表现会好不少。

4.3 与WiFi/BT共存问题

这个实验和WiFi功能天然冲突，因为射频前端被占用了。但如果你还有蓝牙耳机传输的需求，可以做个简单的时分复用：用定时器周期性地在FM接收和WiFi/BT模式之间切换。FM接收每次只需要几十毫秒的连续信号，采够一段样本之后，让射频回到WiFi模式，等下次定时器触发再切回来。

时分复用方案有个前提，FM立体声解码对数据连续性很敏感，切换间隙太长会明显影响声音连续性。我的做法是每次切回FM模式连续采样200毫秒，解调后的音频数据放入环形缓冲区，由音频输出线程持续播放，这样能掩盖切换带来的中断感。实际测试中，蓝牙数据吞吐会受到影响，但普通音频传输勉强能用。

更彻底的规避方案，是在同一块主板上挂两块ESP32，一块专职FM接收，另一块负责WiFi/BT功能。两块芯片之间用UART或者SPI通信，各司其职，互不干扰。代价是多一块芯片成本和额外的通信延迟，但工程上更干净。

4.4 合规提醒与一个值得保留的小技巧

这条通路的本质是接收FM广播，属于合法的公众接收频段，在绝大多数地区，收听调频广播不需要许可。使用它去接收非公开通信、或者对频谱造成干扰，那就是完全不同的性质了。做技术实验的底线，是只接收合法的广播信号，不发射任何无线电波，不加装功率放大电路。ESP32的射频前端本来就是接收为主，这个实验也不会发射信号，但还是要明确边界。

最后分享一个小技巧，如果你手头没有示波器，可以通过改变本振频率，用解调输出的噪声底变化来粗略感知天线谐振。把本振从88MHz扫到108MHz，每隔200kHz记录一次噪声底，你会发现某个频段噪声明显降低，那通常意味着天线在当前环境下谐振较强，信号接收条件最好的频段就在附近。这个办法虽然粗糙，但能在没有仪器的情况下帮你找到最佳的接收位置，也算是穷玩无线电的一点乐趣。

这条隐藏的无线电通路，说到底不是芯片原厂精心准备的彩蛋，而是射频链路天然能力被社区重新发现的结果。对我来说，它的价值不在于省下一块收音机芯片，而是提醒自己：芯片数据手册写的是设计目标，硬件上能做到的事往往比纸面描述更宽。ESP32只是恰好把"宽频接收"这个门留了一条缝，顺着缝往里走，能学到的东西远比一个能响的FM收音机多。