3、硬件平台选型：车规级SoC、麦克风阵列与音频Codec
好，咱们直接进入正题。硬件选型这事儿，说白了就是给语音助手挑一副好骨架。骨架选不对，后面算法调得再好也白搭。我这些年踩过的坑，十有八九都出在硬件选型阶段。
3.1 车规级SoC：高通SA8155 vs 瑞萨R-Car
先聊SoC。车载语音助手对算力的要求其实挺分裂的——既要实时处理音频流，又要跑神经网络模型，还得兼顾功耗和温度。我个人习惯把SoC选型分成两派：
- 高通SA8155：消费电子血统，AI算力强，生态成熟。我去年做的一个项目就用的它，跑端侧语音识别模型，延迟能压到50ms以内。
- 瑞萨R-Car H3：传统车规老将，稳定性没得说，但AI加速单元相对弱一些。更适合做传统信号处理，比如回声消除、波束成形。
核心差异点：如果你要上端侧大模型（比如离线唤醒+本地语义理解），SA8155的Hexagon DSP能帮你省不少事。如果只是做前端信号处理，R-Car的SH-4A内核其实更稳。
我记得有一次，客户非要在一颗低端SoC上跑全双工语音交互。结果呢？CPU占用率直接飙到90%，空调控制都卡顿了。嗯，这就是典型的选型失误。
| 参数 | 高通SA8155 | 瑞萨R-Car H3 |
|---|---|---|
| AI算力 | 8 TOPS（含Hexagon DSP） | 约1 TOPS（需外挂NPU） |
| 音频接口 | 4路I2S + 8路PDM | 2路I2S + 4路PDM |
| 工作温度 | -40°C ~ 105°C | -40°C ~ 125°C |
| 典型延迟 | 30-50ms（端侧推理） | 50-80ms（需外挂DSP） |
我的建议：如果预算允许，优先选SA8155。它自带的音频DSP可以分担大部分前端处理，主CPU就能专心跑应用。瑞萨更适合做功能安全要求高的场景，比如配合AUTOSAR做音频路由。
3.2 麦克风阵列选型：线性 vs 环形
麦克风阵列这块，我见过太多人纠结了。其实就两个问题：你要覆盖多大范围？车内噪声有多复杂？
线性阵列（2麦/4麦）
说白了就是一条直线排开。适合前排双人场景，比如主驾和副驾各说各的。我做过一个项目，用4麦线性阵列做波束成形，前排语音分离准确率能到92%。但后排基本就废了——物理限制，没办法。
环形阵列（4麦/6麦/8麦）
圆形排布，360度覆盖。适合全车语音交互，后排乘客也能唤醒。但有个坑：环形阵列对安装位置极其敏感。我曾经在A柱上装过环形阵列，结果因为金属内饰反射，波束指向直接偏了15度。
避坑指南：我曾经在环形阵列的选型上犯过一个低级错误——没考虑麦克风之间的间距。环形阵列的半径决定了低频响应下限。公式很简单：d = c / (2 * f_min)。比如你要处理100Hz的噪声，麦克风间距至少得1.7米。车内哪有那么大空间？所以环形阵列通常只做中高频波束成形，低频靠算法补。
| 类型 | 覆盖范围 | 典型场景 | 安装难度 |
|---|---|---|---|
| 2麦线性 | ±30° | 主驾唤醒 | 低 |
| 4麦线性 | ±60° | 前排双人 | 中 |
| 6麦环形 | 360° | 全车交互 | 高 |
3.3 音频Codec与DSP选型
Codec和DSP是语音链路的咽喉。选不好，前面SoC再强也白费。
Codec选型要点：
- 信噪比（SNR）：至少110dB。我见过用90dB Codec的项目，底噪直接淹没了轻声说话。
- 采样率支持：至少支持48kHz/24bit。16kHz虽然够用，但做语音增强时高频信息会丢失。
- 多通道同步：如果麦克风超过4路，一定要选支持TDM模式的Codec。否则I2S线会多到让你怀疑人生。
DSP选型建议：
- ADI SHARC系列：老牌劲旅，浮点性能强。适合做复杂的自适应滤波，比如AEC（回声消除）。
- TI TMS320C6748：定点+浮点混合，性价比高。我习惯用它做波束成形的前端处理。
- CEVA BX2：专为语音设计的DSP，功耗极低。适合做始终在线（Always-on）的唤醒词检测。
一个实际案例：我去年调试一个项目，Codec用的是AKM的AK4618，DSP是ADI的ADSP-21569。结果发现I2S时钟抖动导致音频数据偶尔错位。查了三天，最后发现是Codec的MCLK和DSP的时钟不同步。解决方案？加一个PLL芯片做时钟重整。嗯，这种坑只有踩过才知道。
3.4 硬件接口：I2S、PDM、SPI
接口选型其实就一句话：模拟麦克风用PDM，数字麦克风用I2S，控制通道用SPI。
I2S（Inter-IC Sound）
这是音频数据的主干道。标准I2S支持立体声，TDM模式可以扩展到8通道甚至更多。我建议所有多麦克风系统都用TDM模式，省GPIO。
// I2S TDM配置示例（8通道，48kHz，24bit）
// 时钟频率 = 48kHz * 24bit * 8ch * 2（左右声道） = 18.432MHz
// 实际配置时注意BCLK不能超过SoC的I2S时钟上限
I2S_Config config = {
.sample_rate = 48000,
.bits_per_sample = 24,
.channels = 8,
.mode = I2S_MODE_TDM,
.bclk_pin = GPIO_PIN_12,
.lrclk_pin = GPIO_PIN_13,
.data_pin = GPIO_PIN_14
};
PDM（Pulse Density Modulation）
数字麦克风的原生接口。PDM只有两根线：时钟和数据。但有个问题——PDM信号需要做低通滤波才能转成PCM。我建议用SoC内部的PDM-to-PCM模块，或者外挂一颗小FPGA做滤波。
小技巧：PDM的时钟频率通常选2.4MHz或3.072MHz。频率越高，信噪比越好，但功耗也越大。我一般选2.4MHz，够用且省电。
SPI（Serial Peripheral Interface）
SPI在语音系统里主要做控制通道。比如配置Codec的寄存器、设置DSP的滤波器系数。注意SPI的速率不用太高，1MHz就够。但一定要用DMA传输，否则CPU会被中断淹死。
我曾经犯过的错：在一个项目中，我用SPI轮询方式配置Codec，结果每次配置要等100μs。唤醒词检测时频繁配置，导致音频流出现周期性毛刺。后来改成DMA + 中断方式，问题解决。记住：音频系统里，任何阻塞操作都是敌人。
3.5 选型总结与实战建议
最后，我总结一下硬件选型的核心原则：
- 算力留余量：语音算法迭代很快，选SoC时至少留30%的算力余量。我见过太多项目因为算力不够，后期被迫砍功能。
- 麦克风阵列先定：先确定你要覆盖的范围，再选阵列类型。线性阵列省钱但局限大，环形阵列贵但灵活。
- Codec和DSP要匹配：Codec的输出格式、时钟频率、通道数必须和DSP/SoC的接口对齐。否则后面全是电气适配的坑。
- 接口标准化：尽量用I2S TDM和PDM，少用自定义接口。标准化意味着工具链成熟，调试起来省心。
嗯，硬件选型这部分就聊到这儿。下一章咱们会深入讲音频链路的设计，包括时钟树、电源隔离和PCB布局。到时候再细聊。