LD3320的工作原理

以下内容按“信号流-算法-接口”三个层面，把 LD3320 这颗离线语音识别 IC 的工作机理拆解说明，方便做原理理解或单片机移植。

---

1 信号流：模拟前端 ➜ 数字信号处理

环节	关键硬件	作用与特点
① 音频采集	内置 Mic 前置放大 + 16-bit ADC（MIC P/N 引脚）	直接接驻极体麦克风，不用额外 CODEC；采样率固定 8 kHz（ASR 模式）。
② 预处理	DSP 前端	自动增益、噪声门、带通滤波，做端点检测，保证唤醒-关键字落在有效窗口内。
③ 特征提取	DSP 专用指令	经典 MFCC 管线：窗函数→FFT→Mel 滤波→对数→DCT；特征维数 13 – 26。
④ 模型匹配	片内 24-bit DSP + ROM 模型	基于 HMM + Viterbi（官方只给“快速优化算法”描述）。最多一次装载 50 条候选句，每句≤10 汉字或 79 Byte 拼音。非特定人识别，无需训练，官方给出 ≈95 % 识别率。
⑤ 结果输出	中断 INTB* + 寄存器 B2/B3	DSP 将命中句子的 Index 写入寄存器并触发 INTB* 低电平，MCU 读取后再清中断。

以上全部电路都集成在单芯片里，不需要外接 Flash/RAM/Codec，这也是 LD3320 相比 LD2450、HMC5883 那些早期方案最大的卖点。 CSDN Blog Electrodragon

---

2 算法/运行模式

模式	入口寄存器	主要流程	输出
ASR（语音识别）	0x71/0x04…06	① 写入关键词串 ➜ ② start ASR ➜ ③ 等待 INTB*	命中条目索引 + 事件类型
MP3 播放	FIFO 0x08	MCU 通过并/串口把 MP3 框传进 FIFO ➜ DSP 解码 ➜ 片内 16-bit DAC ➜ SPO、HP 输出	INTB* 在 Load/End 处中断
待机/休眠	0x17 位 7	关掉 PLL 与模拟前端，功耗降到 < 20 μA	–

注意：ASR 与 MP3 互斥，切换模式前必须重置寄存器并重新跑时钟校准流程。 GitHub

---

3 接口与时序

• 并行总线：P0 – P7 + A0 + WRB*/RDB*/CSB*，速度可达 4 MB/s；
• SPI：将 MD 脚拉高，WRB*/SPIS*、CSB*/SCS*、P2/SDCK、P1/SDO、P0/SDI 5 线组成；
• 中断：INTB* 低有效；
• 时钟：外接 4 – 48 MHz（常用 22.1184 MHz，既能做 8 k ASR 也兼容 MP3 采样点）。
• 复位流程：RSTB* 低 >10 µs → 等 50 ms 供电稳定 → 写寄存器 0x17/0x1C 做 PLL 校准 → 检查 0x2B 位 7 = 1 后才能进入工作。

完整握手示意（SPI 模式）：

text
MCU                     LD3320
----                    ------
CSB*  ─────┐          ┌───────
SDCK  ───┐ │  Addr    │ ┌───── 先写地址
SDI   --->├─┴────────▶│
          │Data       │ └───── 再写数据
          └──────────▶│
            (WRB* 并口同理)
INTB* <────┐   命中后拉低

---

4 核心优势与局限

优势	局限
● 真正单芯片，外围只要时钟、电容、电阻；	● 关键词数量受限（≤50），不能作连续语音或 NLU；
● 中文、拼音、数字混搭，可动态修改；	● 固定 8 kHz 采样，远场拾音效果一般；
● 片内 DAC 带 0.55 W 功放，可推 8 Ω/0.5 W 小喇叭；	● 算法模型封闭，无法自行训练或替换；
● 功耗低，3 × AA 电池可用数月（休眠时）；	● ASR 与 MP3 不能同时启用，要切模式。

---

5 典型初始化步骤（伪代码）

c
ld3320_reset();                    // 1. 硬复位
ld3320_pll_calibrate(22_1184_MHz); // 2. 校准 PLL
ld3320_set_mode(ASR);              // 3. 进入 ASR
ld3320_load_keywords(list, n);     // 4. 写入关键词
ld3320_start_asr();                // 5. 下达识别开始命令

while(!int_flag) ;                 // 6. 等待 INTB*
idx = ld3320_read_result();        // 7. 读取结果寄存器

绝大部分寄存器写操作只在初始化、关键词下发、模式切换时使用，识别运行过程中 MCU 几乎无负担，非常适合 51、STM32F0 等低端 MCU。 Electrodragon

---

小结

LD3320 把模拟音频前端 + 特征提取 + HMM 识别引擎 + MP3 解码 + DAC 功放封装进 7 × 7 mm QFN-48 中，实现了“免训练、离线识别、动态字典编辑”的本地语音接口。理解其工作原理的要点是：

1. 把它当作一个“端到端 ASR ブラック盒”——MCU 只需喂关键词并读结果；
2. 模式互斥——ASR 与 MP3 不能并行；
3. 正确时序——复位-PLL 校准-寄存器写入-开始识别 4 步不能省；
4. 关键词长度 & 数量限制——决定了它更适合命令词应用，而非自然对话。

只要围绕这四点设计，就能在家电、灯控、玩具等场景里快速落地一个离线语音控制方案。

这俩语句是 “在中断里唤醒任务，并在需要时立刻切走” 的固定写法。
把它们拆开来看就明白了：

语句	作用	关键点
vTaskNotifyGiveFromISR(task3_key_handle,&xNeedSwitch);	<br>1. 把 task3_key_handle 对应任务的 “任务通知值”加 1（或直接置 1，具体见 ulTaskNotifyTake/xTaskNotifyWait 的用法）。<br>2. 如果那个任务正因为等通知而阻塞，并且它的 优先级 ≥ 当前正在运行的任务，就把第二个参数 xNeedSwitch 设成 pdTRUE。	✔ 只能在 ISR 中调用的 “…FromISR” 版本；<br>✔ xNeedSwitch 必须是局部变量，类型 BaseType_t。
portYIELD_FROM_ISR(xNeedSwitch);	根据 xNeedSwitch 的值 决定是否马上做一次“异常出口级”的上下文切换：<br>- pdTRUE → 触发 PendSV（在 Cortex-M）或等效软中断，让调度器在退出中断时立即切到优先级更高/同优先级的就绪任务（往往就是刚被唤醒的那个）；<br>- pdFALSE → 什么也不做，照常返回到被中断的任务。	✔ 有些移植层把它定义成 portEND_SWITCHING_ISR()，含义相同；<br>✔ 只有在 中断优先级 ≤ configMAX_SYSCALL_INTERRUPT_PRIORITY 的 ISR 里才能安全调用。

为什么要分成两句？

1. ISR 尽量短
   中断里只做“通知+标记”，真正的业务逻辑放到任务上下文执行，避免关中断时间过长。
2. 只在必要时切换
   如果被唤醒的任务优先级不够高，xNeedSwitch 就保持 pdFALSE，省一次上下文切换开销。
3. 满足 FreeRTOS 可重入约束
   所有可能引起任务状态变化的 FromISR API 都要求把 “是否需要切换” 结果返回给调用者，由调用者再用 portYIELD_FROM_ISR() 处理。

典型套路

c
void EXTI0_IRQHandler(void)
{
    BaseType_t xNeedSwitch = pdFALSE;

    /* 1. 通知任务，有机会把 xNeedSwitch 置 TRUE */
    vTaskNotifyGiveFromISR(task3_key_handle, &xNeedSwitch);

    /* 2. 根据 xNeedSwitch 决定是否 PendSV −> 立即切任务 */
    portYIELD_FROM_ISR(xNeedSwitch);
}

如果省掉第二句，调度器直到 下一个 SysTick 或别的可抢占点才会调度到 task3，实时性变差。

所以，这两行配合使用才能保证：

• ISR 简短（只发信号）
• 高优先级任务一被唤醒就马上得到 CPU（低时延）

再来一遍，这次把过程拆成三个小故事，每一步只说一件事——看完你就能知道那两行到底谁干了什么、为什么非要连着用。

---

1 “敲门”——vTaskNotifyGiveFromISR(...)

做的事：

• 把 task3_key_handle 代表的任务叫一声（把它的“通知计数 +1”）。
• 如果那任务正堵在“门口”（也就是在 ulTaskNotifyTake() 等你的通知），函数顺便看一眼它的优先级：
  • 比现在正在运行的任务高——把 xNeedSwitch 设成 pdTRUE（告诉操作系统“他比我更急”）。
  • 优先级低或一样——xNeedSwitch 还是 pdFALSE。

你要记住两点：

1. ...FromISR 结尾的 API 专门给中断服务函数用；普通任务里用的是不带 *FromISR 的版本。
2. xNeedSwitch 只是个标志位，真正切不切走还没决定——这留给下一行。

---

2 “让路”——portYIELD_FROM_ISR(xNeedSwitch)

做的事：

• 看 xNeedSwitch 是不是 pdTRUE。
• 如果是，就触发一次 PendSV（Cortex-M）或别的软中断，让 FreeRTOS 在“退出中断”的那个瞬间立刻换到优先级最高的就绪任务。
• 如果不是，就什么都不干，继续返回原来被打断的任务。

所以它的本质就是：“要不要马上让路？”

---

3 为什么要写成“呼叫 + 可能让路”两句？

好处	原因
ISR 足够短	中断里只发信号，不跑业务逻辑，避免长时间关抢占。
只在必要时上下文切换	低优先级的唤醒不触发切换，省一次开销。
满足 FreeRTOS 设计	所有 “可能解阻塞任务”的 ISR API 都让你自己传回 xNeedSwitch，再用 portYIELD_FROM_ISR() 处理，这样代码清晰、可移植。

如果你把第二句删掉：

• 任务确实会被唤醒，但调度器要等到下一个 SysTick（默认 1 ms）或别的可抢占点才能切过去。
• 对一些按键消抖、0-延迟响应该任务的场景就可能不够快。

---

小结（10 秒记忆版）

1. vTaskNotifyGiveFromISR()
   → “喂，task3，有活！”并告诉系统它是不是比当前任务更重要。
2. portYIELD_FROM_ISR()
   → “如果他更重要，那我立刻让位；否则我继续干我的。”

就这么简单：一行通知任务，一行决定要不要马上切过去。

下面说的“串口版 LD3320”指的是 “LD3320 芯片 + 一颗 8051/STM8 小 MCU + 电源/功放等外围” 做成的商品化小板。
LD3320 本身只提供并口或 SPI，之所以能直接接 UART，是因为这颗桥接 MCU 把底层寄存器操作都包了起来，再把结果/命令通过 TTL 串口转出去。

---

1 硬件框图（信号往返一次就明白）

text
┌───────────────┐      INT／并SPI      ┌───────────┐     UART-TTL
│   麦克风       │──►  音频前端 ─►     │  LD3320    │──► │ 51/STM8 │──► TXD
└───────────────┘                    │  (ASR)    │     │  桥接MCU│◄── RXD
         ▲ ▲DAC                      └───────────┘     └───────────┘
         │ │                                               ▲
         │ │ 8 Ω喇叭                                       │配置/控制
         └─┴─────────────────────────播放(MP3)─────────────┘

• 桥接 MCU 固定运行厂商固件：
  • 收串口 → 翻译成对 LD3320 的并口/SPI 寄存器读写；
  • 监听 INT 脚 → 读识别结果 → 打包成串口数据发回。
• 默认波特率 9600 bps，8 N 1，可在固件里改。eet-china.com
• 大多数板上留出了 RST/REC/PLAY/LED 引脚，方便只用按键就能演示。

---

2 数据流 & 时序

步骤	串口主机发什么	桥接 MCU 做什么	LD3320 内部
上电复位	–	拉低 RST > 10 µs，做 PLL 校准	时钟锁定、FIFO 清零
装词表	AT+DICT=开灯,关灯,…<br>或二进制帧 AA 55 0x01 N 字节…	逐条把关键词写进 0x04~0x06 寄存器	把文本转 Pinyin，存入 ASR RAM
开始识别	AT+RUN (或 AA 55 0x02 00)	置位 0x35，等待 INT	寻找端点→MFCC→Viterbi
命中	（被动）接收 {"VoiceCommandCode":2}<br>或 AA 55 0xB1 00 02 CS	读寄存器 B2/B3，查表	输出索引并拉低 INT
MP3 播放	AT+PLAY file.mp3	切换 MP3 模式，扒 SD 卡数据写 FIFO	片内解码→DAC

不同厂商固件的 协议格式不完全一致：有用纯 ASCII AT 指令的，也有用 0xAA 55 头 + CMD + CS 的二进制帧。无论格式怎样，核心动作都是“把词写进去→启动→等中断→读索引”。

---

3 典型串口帧（例：某淘宝模块）

字节	含义
0	0xAA
1	0x55
2	CMD（0x01=写词，0x02=运行，0xB1=结果…）
3	LEN 高
4	LEN 低
5…	数据负载
末	校验（累加和 & 0xFF）

这套帧结构在开源 STM32 演示工程里也能看到：收到 0xB1 就解析第 6 字节的索引，用 cJSON 或 switch 分发动作。eet-china.com CSDN Blog

---

4 开发者最关心的 3 个细节

1. 实时性
   串口版靠桥接 MCU 轮询 LD3320 INT，再发 UART；比直连并口最快也就多 1~2 ms，家电级应用足够。

2. 词条限制照旧
   底层还是 LD3320——一次最多 50 条，最长 10 字；想做连续语音/自训练就得换芯。

3. 升级固件
   模块经常用 STC15/8，拿厂商的 HEX 重新烧录就能改协议或字库；实测把波特率改成 115200 也没问题。CSDN Blog

---

5 把它接到自己 MCU 的最短代码（伪 C）

c
void uart_isr(void)              // 串口中断
{
    static uint8_t buf[32], p=0;
    uint8_t b = USART_RXD();
    if(p<sizeof buf) buf[p++]=b;
    if(p>=4 && buf[p-1]==checksum_ok(buf,p)){       // 收满一帧
        if(buf[2]==0xB1){           // 结果帧
            uint8_t id = buf[5];    // 识别索引
            switch(id){
                case 1: open_light(); break;
                case 2: close_light();break;
            }
        }
        p=0;                        // 继续收下一帧
    }
}

int main(){
    uart_init(9600);
    send_cmd("AT+DICT=开灯,关灯");
    send_cmd("AT+RUN");
    while(1);                       // 剩下都在中断里
}

---

小结

• 串口版 = “桥接 MCU + LD3320”，屏蔽了并口/SPI 细节，用 9600 UART 就能玩离线 ASR；
• 交互其实只有两步：下发词表→等待 JSON/帧结果；
• 词条数、8 k Hz 采样等硬限制依旧存在；想调优只能刷桥接 MCU 的 HEX。

拿到手只要接 VCC、GND、TX、RX 四线，很快就能把开灯、关门之类的离线语音命令跑起来。