基于MAX 9814的PCM数据生成WAV文件异常问题求助

核心问题排查 #

当前方案存在三个关键问题导致杂音和时长错误：

1. 数据格式不兼容：Pico输出的是ASCII文本格式的数字，而WAV文件需要二进制PCM数据。直接将文本写入WAV会导致每个采样点占用多个字节（比如"26342"占5字节），远超过16位PCM所需的2字节，因此时长被大幅压缩。
2. 采样控制不精准：每次循环两次调用soundSensor.read_u16()，导致重复采样；且用time.sleep_ms控制采样率误差较大，无法稳定维持44100Hz采样率。
3. 直流偏置未处理：MAX9814的ADC输出存在直流偏置（约为ADC量程的中点，即32768左右），直接作为PCM数据会导致严重的低频杂音，同时基线初始值为0导致检测逻辑失效。

Pico端脚本修改（优化采样与输出） #

修改后的脚本会先校准基线，单次采样并稳定输出文本格式的采样值：

import machine
from machine import ADC, Pin
import time

# 配置参数
SAMPLES_PER_SECOND = 44100
CALIBRATION_SAMPLES = 1000  # 校准基线的采样次数
variability = 0.1  # 调整为10%的偏差阈值

soundSensor = ADC(28)
led = Pin('LED', Pin.OUT)

# 第一步：校准基线（采集ADC中点作为直流偏置）
print("Calibrating baseline...")
baseline_sum = 0
for _ in range(CALIBRATION_SAMPLES):
    baseline_sum += soundSensor.read_u16()
    time.sleep_us(100)  # 短暂间隔避免采样重叠
baseline = baseline_sum // CALIBRATION_SAMPLES
print(f"Baseline calibrated: {baseline}")

# 计算采样间隔（微秒级，更精准）
sample_interval_us = int(1_000_000 / SAMPLES_PER_SECOND)

while True:
    start_time = time.ticks_us()
    
    # 单次读取ADC，避免重复采样
    adc_value = soundSensor.read_u16()
    
    # 打印采样值（串口传输到电脑）
    print(adc_value)
    
    # 语音检测逻辑（基于校准后的基线）
    if adc_value > (baseline + baseline * variability) or adc_value < (baseline - baseline * variability):
        led.on()
    else:
        led.off()
    
    # 精准控制采样间隔
    elapsed = time.ticks_diff(time.ticks_us(), start_time)
    sleep_us = max(0, sample_interval_us - elapsed)
    time.sleep_us(sleep_us)

修改说明：

• 添加基线校准：采集1000次ADC值的平均值作为直流偏置基线，适配MAX9814的输出特性。
• 单次采样：每次循环只读取一次ADC，确保采样点唯一。
• 微秒级间隔控制：用time.sleep_us替代time.sleep_ms，大幅提升采样率稳定性。

电脑端脚本修改（正确解析并生成WAV） #

修改后的脚本会读取文本中的采样值，转换为符合WAV标准的16位有符号PCM数据，并移除直流偏置：

import wave
from pathlib import Path

def read_microphone_output(file_name, baseline=32768):
    p = Path(__file__).with_name(file_name)
    
    # 读取文本中的采样值并转换为整数
    with open(p.absolute(), 'r') as txtfile:
        samples = [int(line.strip()) for line in txtfile if line.strip().isdigit()]
    
    # 转换为16位有符号PCM：减去基线（移除直流偏置），转为字节
    pcm_data = bytearray()
    for val in samples:
        # 无符号转有符号：val - baseline，然后转为小端字节序
        signed_val = val - baseline
        pcm_data.extend(signed_val.to_bytes(2, byteorder='little', signed=True))
    
    # 写入WAV文件
    with wave.open('recording.wav', 'wb') as wavfile:
        # 参数：(声道数, 采样宽度（字节）, 采样率, 帧数, 压缩格式, 压缩名称)
        wavfile.setparams((1, 2, 44100, len(samples), 'NONE', 'NONE'))
        wavfile.writeframes(pcm_data)

# 注意：这里的基线要和Pico端校准后输出的baseline值一致
read_microphone_output("store_info.txt", baseline=26000)  # 替换为实际校准的基线值

修改说明：

• 读取文本并转换为整数：将每行的ASCII数字转为ADC采样值。
• 移除直流偏置：用采样值减去基线，将无符号ADC输出转为有符号PCM数据（WAV标准格式）。
• 正确写入二进制数据：将每个采样值转为2字节小端序的有符号字节流，确保WAV播放器能正确解析。

验证步骤 #

1. 运行Pico端脚本，等待校准完成后开始采集语音，将串口输出保存为store_info.txt。
2. 记录Pico端输出的基线值，替换电脑端脚本中的baseline参数。
3. 运行电脑端脚本，生成recording.wav文件，即可正常播放语音。

内容的提问来源于stack exchange，提问作者Arianna Hu