📚 课程目录第3章 PDM麦克风原理

3、PDM麦克风原理：PDM（脉冲密度调制）工作原理、采样率、时钟与数据线、与I2S/PCM的区别

在nRF52/nRF53系列SoC上实现本地关键词识别（KWS）时，PDM（Pulse Density Modulation，脉冲密度调制）麦克风是前端音频采集的核心器件。与传统的模拟麦克风或I2S数字麦克风不同，PDM麦克风以极高的过采样率输出1-bit密度流，将模数转换的复杂性从麦克风内部转移到MCU的数字信号处理单元。理解PDM的工作原理、时钟/数据线时序以及它与I2S/PCM的本质区别，是正确配置nRF硬件外设、保证MFCC特征提取质量的前提。本章将从物理层信号机制出发，逐步拆解PDM的工程实现要点。

上图展示了PDM麦克风在nRF52系统中的完整信号链路：声波经麦克风内部Σ-Δ调制器转换为1-bit PDM流，通过DATA线送入SoC的PDM外设；SoC提供可编程的PDMCLK作为采样时钟，外设内部完成抽取滤波后经DMA搬运至内存，形成可供MFCC处理的PCM数据。右侧对比框和底部时钟说明则概括了本章将要展开的核心知识点。

3.1 PDM核心原理：从Σ-Δ调制到1-bit密度流

PDM的本质是过采样+噪声整形。麦克风内部集成了一个1-bit Σ-Δ调制器，其工作过程可以理解为：对模拟输入信号以极高频率（通常为2.4MHz~3.2MHz）进行采样，并将每个采样时刻的模拟电压与内部积分器的反馈电压比较，输出0或1。这个1-bit输出序列中，“1”的密度与输入信号的幅度成正比——信号幅度越接近正满量程，输出“1”的比例越高；越接近负满量程，“1”的比例越低。因此，PDM流本身并不直接表示信号的瞬时幅值，而是表示信号在时间窗口内的平均电平。

关键参数是过采样率（OSR）。若目标音频采样率为Fs（如16kHz），PDM调制器工作在OSR×Fs的频率上。nRF52的PDM外设支持OSR=64或80，因此当Fs=16kHz时，PDMCLK频率为1.024MHz或1.28MHz。高OSR带来的好处是量化噪声被推挤到高频段，而音频频带（0~Fs/2）内的信噪比显著提升。例如，一个典型PDM麦克风在OSR=64时，音频带内SNR可达60dB以上，足以满足语音识别的前端需求。

从信号处理角度看，PDM流必须经过抽取滤波器（Decimation Filter）才能转换为多bit PCM数据。nRF52的PDM外设内置了级联积分梳状（CIC）滤波器，其传递函数为：

H(z) = [(1 - z^(-OSR)) / (1 - z^(-1))]^N

其中N为滤波器阶数（nRF52中N=3），OSR为过采样率。该滤波器将1-bit流降采样至Fs，同时完成低通滤波和位宽扩展（输出16-bit PCM）。工程上，开发者无需关心滤波器系数，但必须理解抽取后的数据是左对齐的16-bit有符号整数，且存在固定的群延迟（约OSR/2个输入时钟周期），这在多麦克风同步时需要考虑。

经验提示：在nRF52 SDK中，PDM外设的采样率配置并非直接写Fs，而是通过nrfx_pdm_config_t结构体中的gain和clock_freq字段间接控制。推荐使用NRF_PDM_FREQ_1032KHZ（对应16kHz输出）或NRF_PDM_FREQ_2064KHZ（对应32kHz输出），避免手动计算分频系数。

3.2 时钟与数据线：时序约束与硬件连接

PDM接口仅有两根信号线：PDM_CLK（由SoC输出至麦克风）和PDM_DATA（由麦克风输出至SoC）。这种极简的接口设计使得PCB布局非常灵活，但也对时序提出了严格要求。

时钟线（PDM_CLK）：nRF52的PDM外设可产生1.0MHz~3.2MHz的时钟，由HFCLK（高频晶振）或PLL分频得到。时钟频率必须与麦克风数据手册要求的范围匹配。例如，Knowles SPK0641HT4H-1要求PDMCLK在1.2MHz~3.2MHz之间，而InvenSense ICS-43434则支持0.9MHz~3.3MHz。若时钟频率超出麦克风规格，可能导致输出数据错误或SNR恶化。

数据线（PDM_DATA）：麦克风在PDM_CLK的上升沿更新数据，SoC在下降沿采样。这意味着数据建立时间（t_setup）和保持时间（t_hold）必须满足麦克风数据手册的指标。典型值：t_setup ≥ 20ns，t_hold ≥ 10ns。在nRF52的GPIO配置中，应启用内部上拉电阻（若麦克风为推挽输出则不需要），并设置驱动强度为高（DRIVE_H0H1），以保证信号边沿陡峭。

硬件连接时还需注意：

走线长度匹配：CLK和DATA走线长度差应控制在5mm以内，避免时钟偏斜导致采样错误。
去耦电容：每个PDM麦克风的VDD引脚旁需放置100nF+1μF去耦电容，且尽量靠近麦克风。
地平面完整性：PDM信号属于数字信号，但麦克风内部有模拟电路，建议在麦克风下方铺设完整地平面，避免数字噪声耦合。

在nRF52 SDK中，PDM外设的初始化代码通常如下：

nrfx_pdm_config_t config = {
    .mode = NRF_PDM_MODE_RX,
    .edge = NRF_PDM_EDGE_LEFT,
    .pins.clk = 25,   // P0.25
    .pins.din = 26,   // P0.26
    .clock_freq = NRF_PDM_FREQ_1032KHZ,
    .gain_l = NRF_PDM_GAIN_DEFAULT,
    .gain_r = NRF_PDM_GAIN_DEFAULT,
    .buffer_a = buf_a,
    .buffer_b = buf_b,
    .buffer_length = BUFFER_SIZE
};
nrfx_pdm_init(&config, pdm_event_handler);

注意edge字段设置为NRF_PDM_EDGE_LEFT表示数据在时钟下降沿有效（即左对齐），这与大多数PDM麦克风一致。若使用右对齐麦克风，需改为NRF_PDM_EDGE_RIGHT。

3.3 PDM与I2S/PCM的对比：接口、数据格式与适用场景

在嵌入式音频领域，I2S和PCM是更常见的数字音频接口，但它们在设计哲学上与PDM有本质差异。下表从多个维度进行对比：

对比维度	PDM	I2S	PCM（并行/串行）
数据表示	1-bit密度流（0/1序列）	多bit PCM（16/24/32-bit）	多bit PCM（8/16/24-bit）
采样率	过采样（64×Fs~128×Fs）	等于音频采样率（Fs）	等于音频采样率（Fs）
时钟线	1根（PDM_CLK）	2根（BCLK + LRCLK）	1根（SCK）或并行总线
数据线	1根（PDM_DATA）	1根（SD）或2根（SD_OUT/SD_IN）	1根（串行）或多根（并行）
通道支持	立体声（时分复用）	立体声（左右声道独立）	单声道或立体声（并行）
抽取滤波	必须由SoC完成	无需（数据已是PCM）	无需
抗混叠能力	强（过采样+噪声整形）	依赖外部抗混叠滤波器	依赖外部抗混叠滤波器
典型应用	手机、TWS耳机、智能音箱	音频编解码器、DAC/ADC	传统DSP、MCU内置ADC

从表中可以看出，PDM的核心优势在于将ADC的复杂性转移到数字域。麦克风内部只需一个1-bit比较器，无需高精度电阻网络，因此成本低、体积小、功耗低。而I2S/PCM麦克风内部集成了完整的ADC和抽取滤波器，输出已经是可直接使用的PCM数据，但代价是更高的功耗和更大的封装。

在nRF52平台上，选择PDM而非I2S/PCM的原因主要有三点：

引脚节省：PDM仅需2个GPIO，而I2S需要3~4个（BCLK、LRCLK、SD、MCLK可选）。
功耗优势：PDM麦克风典型功耗约0.6mA@1.8V，而I2S麦克风（如ICS-43434）约1.4mA。
硬件简化：nRF52的PDM外设内置抽取滤波器，无需外部编解码器芯片。

但PDM也有明显短板：抽取滤波会引入群延迟（约0.5ms@16kHz），且对时钟抖动敏感。若系统需要多麦克风同步（如波束成形），PDM的时钟分配和相位对齐比I2S更复杂。

3.4 实战案例：nRF52840上配置PDM麦克风采集语音

下面通过一个实际案例，演示如何在nRF52840-DK开发板上配置PDM麦克风（以Adafruit PDM MEMS麦克风为例），并验证采集数据的正确性。

背景与约束：项目需要在nRF52840上实现关键词“Hey Nordic”的识别，要求音频采样率16kHz，16-bit单声道，缓冲区大小320字节（10ms音频）。开发板使用外部PDM麦克风模块，连接至P0.25（CLK）和P0.26（DATA）。

初始现象：按照SDK示例配置后，读取到的数据全部为0x0000或0xFFFF，无有效音频信号。

分析过程：

检查硬件连接：用万用表测量麦克风VDD（3.3V）和GND，确认供电正常。
检查时钟输出：用示波器测量P0.25引脚，发现无时钟信号。进一步检查代码，发现nrfx_pdm_init()调用成功，但未调用nrfx_pdm_start()启动外设。
修正后仍无数据：检查pdm_event_handler，发现缓冲区指针未正确传递。SDK要求缓冲区地址必须4字节对齐，且长度必须为偶数。

实际操作步骤：

// 1. 定义4字节对齐缓冲区
static int16_t buf_a[160] __attribute__((aligned(4)));
static int16_t buf_b[160] __attribute__((aligned(4)));

// 2. 配置PDM外设
nrfx_pdm_config_t config = {
    .mode = NRF_PDM_MODE_RX,
    .edge = NRF_PDM_EDGE_LEFT,
    .pins.clk = 25,
    .pins.din = 26,
    .clock_freq = NRF_PDM_FREQ_1032KHZ,
    .gain_l = NRF_PDM_GAIN_DEFAULT,
    .gain_r = NRF_PDM_GAIN_DEFAULT,
    .buffer_a = buf_a,
    .buffer_b = buf_b,
    .buffer_length = 160
};
nrfx_pdm_init(&config, pdm_event_handler);
nrfx_pdm_start();

// 3. 在事件回调中处理数据
void pdm_event_handler(nrfx_pdm_evt_t const *p_evt) {
    if (p_evt->buffer_requested) {
        // 缓冲区已满，可进行MFCC处理
        process_audio(p_evt->buffer);
    }
}

结果对比：修正后，采集到的数据呈现正常的语音波形特征——静音时幅度接近0，说话时幅度在±2000~±8000之间波动。通过串口将数据发送至PC，用Python绘制波形，确认16kHz采样率准确。

风险与代价：在调试过程中发现，若将gain_l设置为NRF_PDM_GAIN_MAX（+20dB），在近距离说话时会出现削波失真。最终选择默认增益（0dB），并在软件中增加自动增益控制（AGC）算法。

常见误区提醒：不要将PDM的buffer_length理解为音频采样点数。该参数表示每个缓冲区中的帧数（每帧为1个采样点），且必须是偶数。若设置为160，则每个缓冲区包含160个16-bit采样，对应10ms@16kHz音频。此外，PDM外设使用双缓冲机制，buffer_a和buffer_b交替填充，确保数据不丢失。

3.5 常见误区与设计复盘

在PDM麦克风的应用中，工程师常犯以下错误：

误区一：忽略时钟频率与采样率的换算关系。PDMCLK并非音频采样率，而是过采样时钟。若误将PDMCLK设置为16kHz，麦克风将无法工作。正确做法是：PDMCLK = Fs × OSR，其中OSR由外设自动决定（nRF52固定为64或80）。
误区二：未处理数据对齐问题。nRF52的PDM外设输出的是左对齐的16-bit数据，但DMA搬运时按字节存储。在小端模式下，低字节在前。若直接按int16_t读取，需注意字节序。
误区三：忽视时钟抖动对SNR的影响。PDM对时钟抖动非常敏感，尤其是高频抖动。若使用内部RC振荡器作为PDMCLK源，SNR可能下降10dB以上。建议使用HFCLK（外部晶振）或PLL。
误区四：多麦克风同步时未考虑相位延迟。两个PDM麦克风即使使用同一CLK，由于内部Σ-Δ调制器的初始相位不同，输出数据可能存在随机延迟。若需严格同步，应使用支持同步引脚的麦克风（如ICS-43434的L/R引脚）。

设计复盘：在KWS项目中，PDM麦克风的选择应综合考虑SNR、功耗、封装尺寸和成本。对于nRF52平台，推荐使用SNR≥60dB、电流≤1mA的PDM麦克风。在PCB布局时，将麦克风靠近SoC的PDM引脚，减少走线长度；在固件中，使用DMA双缓冲避免CPU干预；在算法层面，对抽取后的数据先做直流偏移消除，再进行MFCC提取，可显著提升识别准确率。

最后需要强调的是，PDM并非“低质量”的代名词。在正确的配置下，PDM麦克风的音频质量完全能够满足语音识别需求。关键在于理解其过采样和噪声整形的本质，以及nRF52外设的配置细节。掌握本章内容后，读者应能独立完成PDM麦克风的硬件选型、电路连接、软件配置和调试验证。