USB音频：终极指南

引言

USB，即通用串行总线，已经成为个人电脑中的标准接口超过十年。USB连接普遍存在，便于连接各种外围设备，例如麦克风、扬声器、外置驱动器和网络摄像头。本文将重点介绍USB音频——一种适用于个人电脑、智能手机和平板电脑的数字音频标准，它支持连接音频外设，如扬声器、麦克风和混音器。

USB基础

USB遵循一种协议，其中主机计算机启动对设备（如USB扬声器）的传输。每次传输都针对特定设备及其上的特定端点。传输类型共有四种：批量传输、同步传输、中断传输 和 控制传输。

批量传输 用于在主机和设备之间可靠地传输数据。所有的USB传输都带有CRC（校验和），用于指出是否有错误发生。在批量传输中，数据的接收者必须校验CRC。如果CRC是正确的，传输就会被确认，并且数据被认为是无错误传输的。如果CRC不正确，传输就不会被确认，将被重试。如果设备不准备接受数据，它可以发送一个否定的确认，NAK，NAK会使主机重新尝试传输。批量传输不被考虑为时序要求严格的传输方式，它被安排在下面讨论的时序要求严格的传输方式的周围。

同步传输 用于在主机和设备之间实时地传输数据。当主机设置了一个同步端点时，主机为等时端点分配了特定数量的带宽，并定期在该端点上执行输入或输出传输。例如，主机可以每隔125 毫秒向设备输出1K字节的数据。由于已经分配了固定和有限的带宽，如果传输出现问题，则没有时间重新发送数据。数据有一个正常的CRC，但如果接收方检测到一个错误，这里并没有重发机制。

中断传输 被主机用来定期轮询设备，以了解是否发生了有价值的事情。例如，主机可以轮询一个音频设备以检查MUTE按钮是否被按下。中断传输这个名字有点令人困惑，因为它们并不中断任何事情。然而，对数据的定期轮询提供了与主机中断相同的功能。

控制传输 与批量传输非常相似。控制传输可以被确认，可以被拒绝，并以非实时的方式交付。控制传输用于正常数据流之外的操作，如查询设备功能或端点状态。关于如何描述设备功能的解释不在本文的范围内，我们只是说有一些预定义的类，如 "USB音频类 "或 "USB大容量存储类"，它们能够实现跨平台的互操作性。

所有的传输都是以USB帧为最小单位进行的。高速USB帧间隔为125μs（全速USB为1ms），并由主机发送一个帧开始（SOF）消息来标记。同步和中断传输每帧最多传输一次。

USB音频

USB音频通过 同步传输、中断传输 和 控制传输 来传送音频数据。同步传输用于传输音频数据，中断传输用于监控音频时钟的可用性，控制传输则用于调整音量和采样率等设置。

USB音频系统的数据需求取决于通道的数量、每个样本的比特数以及采样率。典型的通道数是2个（立体声），6个（5.1）或更多的用于工作室和DJ的通道。典型的采样大小是24bits，同时16bits可用于传统的音频，32bits可用于高质量的音频。典型的采样率是44.1、48、96和192kHz。后者用于高质量的音频。

假设我们设计一个立体声扬声器，其采样率为96kHz，采样大小为24bits。为了简化主机和设备上的数据传输，24bits的值通常用一个零字节填充，所以总的数据吞吐量是96,000 x 2通道 x 4字节 = 768,000字节/秒。同步端点的运行速度为每125μs传输一次--或者说每秒8000次传输。将每秒所需的字节率除以每秒传输的次数，就得到了每次同步传输的字节数：768,000/8,000 = 每次传输96字节。

USB时钟同步

数字音频的大问题是要在一个共同的时间概念上达成一致。上面我们把USB帧定义为每秒传输8000次，并把扬声器设置为每秒播放96000次样本。这只有在扬声器和主机就一秒钟的长度达成一致时才会起作用。USB音频提供三种模式，确保主机和扬声器在时间上达成一致：

• 在同步模式下，一秒钟的长度是由主机设备定义的。也就是说，主机将以一个速率发送数据，而设备必须完全匹配这个速率。
• 在异步模式下，情况恰恰相反，设备设定了一秒钟的定义，而主机必须与设备相匹配。
• 在自适应模式下，数据流决定了时钟。

自适应和同步模式并不理想，因为个人电脑在保持稳定的时钟方面是出了名的糟糕，而且经常有其他音频源参与进来，比如外部数字卡座。异步模式使用外部时钟源作为主时钟，或者使用设备中的低抖动时钟。通常情况下，两者都依赖于基于晶体的PLL。

因此，系统中至少有两个独立的时钟，一个是主机驱动频率为每秒8,000次传输的USB时钟，另一个是外部驱动采样率的采样时钟，例如96,000 Hz。

这些时钟的频率会有细微的不同，而且这种差异会随着时间的推移而略有变化。因此，每帧音频样本的平均数量将比预期的速率略多或略少。例如，在我们96,000Hz采样率的情况下，平均样本数可能是12.001。为了确保主机发送正确的数据量，而不是太多或者太少，主机通过一个中断端点来请求当前的采样率。每隔几毫秒，上一阶段的平均采样率就会以16.16位的定点数回报。如果最后一个周期的平均数是12.001帧，那么将报告0x000C0041的值（65536*12.001）。

有了这个平均速率，主机就可以计算出何时在传输中发送一个额外的样本；在这个例子中，每秒8次传输将携带一个额外的样本。除此以外，主机可以使用这个值来使自己与音频设备同步。这使得主机的应用程序，如DVD播放器，能够保持视频与音频的同步。如果不这样做，音频就会慢慢跑到视频前面，两个小时后，声音就会比画面快一秒钟。

为了维持一个较短的反馈回路，诀窍是不要不必要地缓冲音频数据包和反馈数据包。任何额外的缓冲都会在报告中产生延迟，而这种延迟会使得保持流畅的流量更加困难。这意味着底层的USB协议栈和USB音频协议栈应该是紧密结合的，且中间没有缓冲。虽然这在应用处理器上很难实现，但如果软件是在具有可预测执行时间的嵌入式处理器上实现的，这就很容易实现。

总的来说，在数字音频中，维持一致的时间概念至关重要。USB音频提供三种模式——同步、异步和自适应，以确保主机和外围设备之间的同步，其中异步模式因使用外部时钟源而更为可靠。

多时钟源

在复杂设备如混音器中，可能有多个设备通过不同接口提供采样率。USB音频允许设计师实施时钟选择器，以便选择输入时钟源，用于提供采样率。

时钟选择器会说明哪一个时钟将被用作提供采样率。时钟选择器有多个输入时钟（例如，S/PDIF连接的输入时钟；本地晶振，以及ADAT连接的输入时钟），通过控制传输，用户可以选择使用哪一个时钟作为输入，例如S/PDIF连接的输入时钟。

合规性和原生支持

符合USB音频类2.0标准能够实现设备与操作系统的无缝集成，并通过标准操作系统对话框控制音量、采样率等参数。

结论

凭借高速USB 2.0的优势，USB音频类2.0实现了PC与音频设备之间的低延迟传输，确保了高吞吐量和卓越的音质。USB音频类适用于从复杂的混音器到环绕声系统、PC扬声器和麦克风等多种设备。

常见问题解答

问： USB音频中使用了哪些类型的USB传输？
答： USB音频中使用的传输类型包括批量传输、同步传输、中断传输和控制传输。

问： USB音频如何确保主机与外围设备之间的同步？
答： USB音频通过提供同步、异步和自适应三种模式来确保同步，其中异步模式因使用外部时钟源而最为可靠。

问： USB音频系统通常使用多少个时钟？
答： USB音频系统通常至少使用两个时钟：一个USB时钟和一个外部时钟，用于采样率。

问： USB音频设备中的时钟选择器有何作用？
答： USB音频设备中的时钟选择器允许用户选择输入时钟源，用于提供采样率。

问： 为何遵守USB音频类2.0对于无缝集成至操作系统至关重要？
答： 遵守USB音频类2.0标准可以确保设备无缝集成至操作系统，并通过标准操作系统对话框控制音量、采样率等参数。

集成支持

在中国，XMOS的合作伙伴木瓜电子为您的项目提供本地化支持和解决方案评估。如需帮助，请访问 pawpaw.cn 或发送邮件至 sales@pawpaw.cn。

总结来说，USB音频是一种多功能且可靠的数字音频传输标准，提供高保真和低延迟。通过理解USB音频的复杂性，用户可以充分利用其功能，实现无缝的音频体验。