3. 音频终端系统架构设计

音频AI终端的系统架构，本质上是一条从“声波”到“语义”再到“动作/回放”的完整信号链，同时被存储、无线与电源三条支撑链约束。STM32N6的定位决定了它适合承担“前端采集+本地AI推理+系统调度”的核心角色：它拥有NPU、大容量片上RAM与丰富的音频外设接口，但真正决定产品可用性的，是麦克风阵列、编解码器、功放、存储、无线连接与电源管理之间的接口匹配与时序协同。本节先建立整体框图与信号链，再逐段说明关键接口、参数与设计取舍。

一、系统框图：以STM32N6为中心的三层结构

建议把整机划分为三层：感知与执行层（麦克风阵列、编解码器、功放、扬声器）、计算与存储层（STM32N6、外部Flash、PSRAM/SD卡）、连接与供电层（Wi-Fi/蓝牙模组、PMIC、电池与充电）。三层之间通过明确的数字接口连接：麦克风阵列以I²S/PDM进入STM32N6，编解码器以I²S+TDM或SAI连接，功放以I²S或模拟差分输入，存储走XSPI/Octo-SPI与SDMMC，无线模组走SDIO或SPI+UART，电源管理通过I²C配置PMIC并监测电量。

二、麦克风阵列：从物理布局到数字接口

麦克风阵列的设计起点是拾音几何。以4麦环形阵列为例，直径40mm、间距约40mm，在16kHz采样率下，声速340m/s对应波长约21mm，因此阵列对1kHz以上信号具有明显空间分辨能力。若采用PDM MEMS麦克风，每颗麦克风输出1bit PDM流，STM32N6的DFSDM或SAI-PDM接口可同时接收多路，经抽取滤波后得到16kHz/16bit PCM。关键参数是时钟同步：所有麦克风必须共享同一PDM时钟，否则通道间相位差会破坏波束形成。实际布线时，PDM时钟走线应等长，数据线尽量短，避免串扰。

若使用I²S数字麦克风，则需注意TDM模式下的时隙分配。例如4麦通过TDM8模式，每帧8个时隙，前4个时隙分配给麦克风，后4个保留。STM32N6的SAI支持TDM，配置时需设置SAI_Block_TypeDef的FrameLength与SlotSize，并确保DMA双缓冲半满/全满中断能及时搬运数据。一个常见教学示例：16kHz、16bit、4通道，每帧数据量=16000×2×4=128kB/s，DMA缓冲设为2×512字节，则中断间隔约4ms，CPU有足够时间做前端处理。

三、编解码器与功放：回放链的接口与增益分配

编解码器承担ADC/DAC与模拟前端。以ES8388为例，其I²S接口与STM32N6的SAI相连，I²C用于配置采样率、增益与通路。回放链的增益分配需要逐级计算：DAC输出典型1Vrms，编解码器内部增益0dB，功放增益20dB，则扬声器端约10Vrms，对应4Ω负载约25W——这显然过大。实际应把编解码器输出设为-6dB，功放增益设为12dB，得到约2Vrms，对应4Ω约1W，留足余量。若使用Class-D功放如NS4168，其I²S输入可直接与STM32N6的SAI相连，省去编解码器DAC，但需注意I²S主从模式：STM32N6作主，功放作从，BCLK与LRCLK由STM32N6提供。

录音链则相反：麦克风→编解码器PGA→ADC→I²S→STM32N6。PGA增益建议设为20dB，使正常说话（约65dB SPL）在ADC输入端达到约0.5Vpp，接近满量程的70%，既保证信噪比又避免削顶。若环境噪声较大，可启用编解码器的ALC（自动电平控制），但ALC会引入非线性，对后续AI特征提取不利，建议仅在录音存档时启用。

四、存储、无线与电源：三条支撑链的协同

存储分为模型存储与数据存储。STM32N6通过XSPI连接外部Flash，存放NPU模型与固件，读取带宽需满足推理时权重加载需求；若模型为2MB，推理帧率10fps，则平均带宽约20MB/s，XSPI 8线DDR模式可轻松满足。录音与日志走SDMMC，建议使用FATFS，写入块大小对齐4KB，避免频繁小写导致卡顿。无线连接方面，Wi-Fi模组通过SDIO与STM32N6通信，BLE用于配网与低功耗唤醒。电源管理是整机续航的关键：PMIC通过I²C配置多路输出电压，STM32N6在Stop2模式下功耗约几十微安，此时麦克风阵列与编解码器可断电，仅保留低功耗唤醒词检测电路。若唤醒词由NPU常开推理实现，则需权衡功耗与响应速度，典型策略是“低功耗VAD+NPU周期唤醒”。

五、信号链的时序与数据流

整条信号链的时序可以这样理解：麦克风阵列以16kHz持续采样，DMA每4ms搬运一帧；STM32N6在中断中做DC去除与预加重，随后送入NPU做唤醒词推理；若命中，则启动编解码器回放提示音，同时通过Wi-Fi上传事件。回放时，编解码器以48kHz播放，与录音的16kHz异步，需在软件中做采样率转换或使用独立SAI通道。电源管理则根据状态切换：空闲时关闭功放与Wi-Fi，仅保留麦克风与NPU低功耗监听；唤醒后逐步开启各模块，避免浪涌电流导致电池电压跌落。

把上述关系落到一张可执行的配置表上，有助于硬件与固件协同。下表给出一个教学示例的参数基线，实际值需根据器件手册与实测调整。

最后需要强调，系统架构设计不是把器件简单连起来，而是让信号链的每一段都有明确的输入输出与容差。麦克风阵列决定“听得清”，编解码器与功放决定“放得准”，存储与无线决定“存得下、传得出”，电源管理决定“撑得久”。在STM32N6平台上，这五者通过SAI、DFSDM、XSPI、SDMMC、I²C等接口形成闭环，任何一段的带宽、增益或时序失配，都会在最终体验中暴露出来。建议在原理图评审阶段就按上表逐项核对，并在固件中用DMA双缓冲与状态机把各模块的启停顺序固化下来，为后续的AI算法部署留出稳定的数据通路。