树莓派3 ROS语音包开发之音频采集

谈到语音交互，简单步骤你我都能想到，无非就是以下几个步骤：

１、语音采集

２、语音识别

３、语义理解

４、语音合成

之前移植了ROS代码包，很多语音交互方面只有英文，对于中文识别来说，想要找到恰当的包比较困难，其中的难点接下来会一一来探究并找出相应的办法。该博客先不讨论后续内容，现在只着重介绍步骤一，即音频采集。音频采集首先要了解的几个概念：

１、样本精度（长度）：样本是记录音频数据最基本的单位,常见有8位和16

２、采样频率：每秒采样次数，可类比成每次中断读取一次数据

３、通道数：分单声道（１）、立体声（２）

４、桢：桢记录了一个声音单元,其长度为样本长度与通道数的乘积

５、交错模式(interleaved):是一种音频数据的记录方式,在交错模式下,数据以连续桢的形式存放,即首先记录完桢1的左声道样本和右声道样本(假设为立体声格式),再开始桢2的记录。而在非交错模式下,首先记录的是一个周期内所有桢的左声道样本,再记录右声道样本,数据是以连续通道的方式存储。不过多数情况下,我们只需要使用交错模式就可以了。

概念了解清楚了，接下来就找找工具来操练一下，博主现在准备以下几样东西：

１、硬件：树莓派３、罗技usb免驱摄像头、普通的耳塞

２、软件：Raspbian OS ＋ROS 代码完整包＋ALSA（Linux 先进音频架构）

说明：对于树莓派官网操作系统安装ROS完整包介绍，可参考上篇博客：

http://blog.csdn.net/u013494117/article/details/51751939

对于ALSA库来说，只需在终端简单输入一下命令安装即可：

sudo apt-get install alsa-tools alsa-oss flex zlib1g-dev libc-bin libc-dev-bin python-pexpect libasound2-dev

简要说明一下重要的库：

alsa-tools: 该库提供了对音频操作的相关指令

libasound2-dev：提供alsa应用编程API，如果使用c/c++编程会用到该库的一些函数。

一切准备妥当，现在插上设备，启动电源。一切准备就绪，先测试一下录音效果；在终端输入：

arecord -d 10 -D plughw:1,0 test.wav

解析：

arecord 工具为我们刚刚安装的alsa-tools提供的音频操作，即录音

-d: 录制时间（秒）

-D: 指明设备名（plughw:i,j）:其中i是卡号,j是这块声卡上的设备号

plughw:,表示一个插件,详细介绍如下：

设备命名
API库使用逻辑设备名而不是设备文件。设备名字可以是真实的硬件名字也可以是插件名字。
硬件名字使用hw:i,j这样的格式。其中i是卡号,j是这块声卡上的设备号。第一个声音设备是
hw:0,0.这个别名默认引用第一块声音设备并且在本文示例中一直会被用到。插件使用另外的唯一
名字。比如plughw:,表示一个插件,这个插件不提供对硬件设备的访问,而是提供像采样率转
换这样的软件特性,硬件本身并不支持这样的特性。

更多详细内容请在终端输入

arecord -help

录制完之后肯定播放一下啦，你可以使用简单的应用工具打开音频文件，当然也可以用命令方式，当先安装如下工具

sudo apt-get install sox

之后插上耳机执行如下：

play xxx.wav 或者 play xxx.mp3

不出意外，你应该能成功录音并且播放，到现在为止，硬件方面的测试已经成功了！基础搭好了，现在该如何做呢？

首先我们一个方面想下去，先录音，再识别，进而实现交互。问题来了，我们脱离任何控制按键时如何识别出采集到的音频是语音呢？这是我们需要探讨的问题，这个问题先不急着怎么解决，留到下篇博客慢慢道来，我们先来解决音频采集的问题。我们要分析音频，那么先要从采集到的原始数据下手，如何做？说来也就那么一回事，不就是读取声卡采集到的数据嘛！思路来了，我们从一开始安装的　libasound2-dev 可派上用场了。对　ALSA 音频架构不了解的可参考下面博文：

http://www.cnblogs.com/lifan3a/articles/5481993.html

了解清楚后咱们开始进入正题，这里先强调一点，现在使用的是C／C++ ,如果你的python学的还ok,那么处理起来也不是难事。

编程思路别人已经说得清清楚楚，走点套路，少点弯路。

１、打开回放或录音接口

２、设置硬件参数(访问模式,数据格式,信道数,采样率,等等)

３、while 有数据要被处理:

读PCM数据(录音)　或写PCM数据(回放)

４、关闭接口

简单吧。到这某些人心里还是暗暗骂了：

**

OK,上代码说明解说：plughw:1,0,所以要替换掉字符串”default”

打开设备并为设备参数空间分配空间并填充设置硬件参数,这里我们使用的是

/* Open PCM device for recording (capture). 
*  we use "plughw:1,0" to instate "default" to read pcm data
*/
int rc = snd_pcm_open(&handle, "default",SND_PCM_STREAM_CAPTURE, 0);
if (rc < 0) {
    fprintf(stderr,"unable to open pcm device: %s\n",
    snd_strerror(rc));
/* Allocate a hardware parameters object. */
snd_pcm_hw_params_malloc(&params);
/* Fill it in with default values. */
snd_pcm_hw_params_any(handle, params);

需要注意的一点是　handle：这个结构体变量类似打开文件返回的一个语句斌，不用在意它里面的具体内容！打开硬件，那么就要设置参数，具体使用函数：

snd_pcm_hw_params_set_XXX(handle, params, value);

设置ok 后，若需查询硬件配置是否正确，可使用

snd_pcm_hw_params_get_XXX(handle, params, &value);

最后到了读取采集到的数据啦！使用

/*
* handle: 回话语句柄，在打开硬件函数中绑定
* buffer: 帧缓冲区
* frames: 要读取的帧的总数
*/
rc = snd_pcm_readi(handle, buffer, frames);

例如我要读取　通道数＝１；样本长度 = 16 ;的PCM 数据，那么我申请可以如下

short buffer[2] //每次往声卡读回2帧数据
rc = snd_pcm_readi(handle, buffer, 2);

更多详情还是看看官网函数说明：

ALSA project – the C library reference

不多说了，上完整代码：

头文件：

#ifndef PCM_ALSA_H
#define PCM_ALSA_H

#include <alsa/asoundlib.h>
#include "ros/ros.h"

#define CAPTURE_DEVICE "plughw:1,0"
#define PLAYBACK_DEVICE "default"
typedef unsigned int u32;
typedef unsigned char u8;

//录音配置
extern snd_pcm_t* record_config_init(u32 rate,u32 channle,u8 sample,const char* dev_name);
//播放配置
extern snd_pcm_t* playback_config_init(u32 rate,u32 channle,u8 sample,const char* dev_name);

#endif

pcm_alsa.c中函数

#include "pcm_alsa.h"
/*
    作者: hntea_hong
    函数功能：录音初始化配置
    参数说明：
            rate:采样频率
            channle:通道数
            sample:样本长度　16/8
            dev_name:　pcm 设备
    返回值：设备回话柄
*/
snd_pcm_t* record_config_init(u32 rate,u32 channle,u8 sample,const char* dev_name)
{
    int i;
    int err;
    snd_pcm_t* capture_handle;  
    snd_pcm_hw_params_t *hw_params;

    //以录音形式打开设备
    if ((err = snd_pcm_open (&capture_handle,\
        dev_name, SND_PCM_STREAM_CAPTURE, 0)) < 0) {
        fprintf (stderr, "cannot open audio device %s (%s)\n",\
        dev_name,snd_strerror (err));
        exit (1);
    }

    //申请硬件参数配置空间
    if ((err = snd_pcm_hw_params_malloc (&hw_params)) < 0) {
        fprintf (stderr,\
        "cannot allocate hardware parameter structure (%s)\n",
        snd_strerror (err));
        exit (1);
    }

    //填充参数空间
    if ((err = snd_pcm_hw_params_any (capture_handle, hw_params)) < 0) {
        fprintf (stderr,\
         "cannot initialize hardware parameter structure (%s)\n",
        snd_strerror (err));
        exit (1);
    }

    //配置处理模式
    if ((err = snd_pcm_hw_params_set_access (capture_handle, hw_params,\
     SND_PCM_ACCESS_RW_INTERLEAVED)) < 0) {
        fprintf (stderr, "cannot set access type (%s)\n",
        snd_strerror (err));
        exit (1);
    }

    //配置样本值
    switch(sample)
    {
        case 8:
            if ((err = snd_pcm_hw_params_set_format (capture_handle,\
             hw_params, SND_PCM_FORMAT_U8 )) < 0) {
                fprintf (stderr, "cannot set sample format (%s)\n",
                snd_strerror (err));
                exit (1);
            }   
            break;
        case 16:
            if ((err = snd_pcm_hw_params_set_format (capture_handle,\
             hw_params, SND_PCM_FORMAT_S16_LE)) < 0) {
                fprintf (stderr, "cannot set sample format (%s)\n",
                snd_strerror (err));
                exit (1);
            }
            break;
        default:
            if ((err = snd_pcm_hw_params_set_format (capture_handle,\
             hw_params, SND_PCM_FORMAT_S16_LE)) < 0) {
                fprintf (stderr, "cannot set sample format (%s)\n",
                snd_strerror (err));
                exit (1);
            }
            break;
    }

    //配置采样频率
    if ((err = snd_pcm_hw_params_set_rate_near (capture_handle,\
     hw_params, &rate, 0)) < 0) {
        fprintf (stderr, "cannot set sample rate (%s)\n",
        snd_strerror (err));
        exit (1);
    }

    //配置通道数
    if ((err = snd_pcm_hw_params_set_channels (capture_handle,\
     hw_params, channle)) < 0) {
        fprintf (stderr, "cannot set channel count (%s)\n",
        snd_strerror (err));
        exit (1);
    }

    //写入参数
    if ((err = snd_pcm_hw_params (capture_handle, hw_params)) < 0) {
        fprintf (stderr, "cannot set parameters (%s)\n",
        snd_strerror (err));
        exit (1);
    }

    //释放参数空间
    snd_pcm_hw_params_free (hw_params);

    if ((err = snd_pcm_prepare (capture_handle)) < 0) {
        fprintf (stderr, "cannot prepare audio interface for use (%s)\n",
        snd_strerror (err));
        exit (1);
    }

    return capture_handle;  
}

录音配置解决了，现在写个测试函数试一下：

test.cpp 中代码如下：

/*******************************************
函数功能：在固定路径下创建文件
参数说明：
返回说明：文件语句柄
********************************************/
int create_and_open_file(const char* path)
{
    int fd = 0;
    // O_TRUNC:　如果文件存在并以只读或读写打开，则将其长度截短为０
    fd = open(path, O_WRONLY | O_CREAT | O_TRUNC, 0664);
    if (fd < 0) {
        fprintf(stderr, "arec: cannot open '%d'\n", fd);
        return -1;
    }
    return fd;
}
//录制音频
u32 record()
{

    int fd = -1;
    int err = -1;
    u32 loops = 30000;          /*循环录音时间*/
    u32 totle_size = 0;         /*记录总量*/
    int frame = 2;              /*　帧大小　＝　量化单位×通道数　/ 字节位数　*/
    short* buf;                 /*用来保存每一帧数据,每帧数据大小为　两个字节16位*/ 
    buf = (short*)malloc(sizeof(short));    
    int start_sec = 0;
    snd_pcm_t *capture_handle;//会语句柄

    //初始化声卡配置
    capture_handle = record_config_init(16000,1,16,CAPTURE_DEVICE);
    //录音开始
    printf("Ready to capture frame...\n");


    //在指定路径打开或创建固定音频文件　0664
    fd = create_and_open_file(PATH_NAME);
    printf("Start to record...\n");
    start_sec = get_sec();  
    while(loops--)                      //这里到时修正成　后端点检测
    {
        //bzero(buf,16);  
        if ((err = snd_pcm_readi (capture_handle, buf, frame)) != 2) 
        {
            fprintf (stderr, "read from audio interface failed (%s)\n",
            snd_strerror (err));
            exit (1);
        }
        totle_size = write_info_to_file(fd,buf,frame,totle_size);
    }

    //加入音频头
    //fd  = add_wav_head(fd, &hdr,totle_size);

    //关闭文件
    snd_pcm_close (capture_handle);
    free(buf);
    close(fd);
    printf("Use %d seconds!\n",get_sec()-start_sec);
    return totle_size;

}
main (int argc, char *argv[])
{
    u32 filesize;
    filesize = record();
}

正常来说，现在能够录音啦，不过对于没有处理过的音频信息，能否用软件播放呢？大家自己去尝试一下，或者自己写个播音程序也是简单的事，这里就不再说明，后续博客还会记录如何操作。

树莓派3 ROS语音包开发之音频采集

你可能也喜欢