【導(dǎo)讀】USB歷經(jīng)數(shù)十年發(fā)展與延伸，已經(jīng)在各個領(lǐng)域廣泛應(yīng)用。我們的日常生活有很多的設(shè)備都離不開USB，例如鼠標、移動硬盤、網(wǎng)絡(luò)攝像頭等等。本文由首席技術(shù)專家為我們深入解析USB音頻的工作原理，使用過程中的注意事項，以及如何應(yīng)用USB音頻。
USB基本原理
USB是一種由PC（USB主機）發(fā)起一次傳輸，設(shè)備（例如一套USB揚聲器）繼而響應(yīng)的通信協(xié)議。每次傳輸都尋址到一個特定設(shè)備，并尋址到該設(shè)備的一個特定端點。IN傳輸將數(shù)據(jù)發(fā)送至PC。當主機發(fā)起一次IN傳輸時，設(shè)備必須用主機所需的數(shù)據(jù)做出響應(yīng)。OUT傳輸將數(shù)據(jù)傳輸至設(shè)備。當主機執(zhí)行一次OUT傳輸時，它發(fā)送設(shè)備必須捕獲的數(shù)據(jù)包。在USB音頻領(lǐng)域，IN傳輸和OUT傳輸可以用于傳輸音頻樣本：一個OUT傳輸將音頻數(shù)據(jù)從PC發(fā)送至揚聲器，而IN傳輸用于將音頻數(shù)據(jù)從麥克風(fēng)發(fā)送至PC。
USB規(guī)范中有4種類型的IN傳輸和OUT傳輸：批量傳輸、同步傳輸、中斷傳輸和控制傳輸。
批量傳輸用于在主機和設(shè)備之間可靠地傳輸數(shù)據(jù)。所有USB傳輸都帶有CRC（校驗和），它表明是否有錯誤發(fā)生。在一次批量傳輸中，數(shù)據(jù)的接收端必須驗證CRC。如果CRC正確，傳輸被應(yīng)答，數(shù)據(jù)被假定已經(jīng)傳輸無誤。如果CRC不正確，傳輸不會被應(yīng)答，然后將會重試。如果設(shè)備未準備好接收數(shù)據(jù)，它將傳送一個否定應(yīng)答（NAK）信號，該信號將會使主機重試傳輸。批量傳輸不被認為對時間要求嚴格，因此將會安排在以下將要討論的、對時間要求嚴格的各種傳輸?shù)闹苓厱r間。
同步傳輸用于在主機和設(shè)備之間實時傳輸數(shù)據(jù)。若主機建立了同步端點，主機會為同步端點分配一定數(shù)量的帶寬，并且它將在該端點上規(guī)律地執(zhí)行IN傳輸或OUT傳輸。例如，主機可以每125μs對該設(shè)備OUT 1KB數(shù)據(jù)。由于分配了固定的、有限數(shù)量的帶寬，如果出現(xiàn)了任何異常，都將沒有時間重發(fā)數(shù)據(jù)。數(shù)據(jù)具有正常的CRC，但是如果接收端檢測到錯誤，將沒有重發(fā)機制。
中斷傳輸被主機用于定期探詢設(shè)備，以發(fā)現(xiàn)是否有值得做的事情發(fā)生。例如，主機可以探詢音頻設(shè)備，核對靜音（MUTE）按鈕是否已被按下。“中斷”傳輸這個名稱有一點混淆視聽，因為其并不中斷任何事情。然而，數(shù)據(jù)的定期探詢給出了主機中斷將會提供的相同類型的功能。
控制傳輸與批量傳輸非常相似?？刂苽鬏敃粦?yīng)答（即可以被NAK），并且以非實時方式傳送?？刂苽鬏斢糜谡?shù)據(jù)流以外的操作，例如詢問設(shè)備功能或端點狀態(tài)。設(shè)備功能描述的說明在本文范疇之外，本文僅陳述諸如“USB音頻類”或“USB大容量存儲類”等預(yù)定義的類型，它們能夠?qū)崿F(xiàn)跨平臺的互操作性。
USB幀中制定了所有的傳輸類型。高速USB幀的長度為125μs（Full Speed USB幀為1ms），并由主機發(fā)送幀起始（SOF）消息進行標記。同步傳輸和中斷傳輸每幀至多發(fā)送一次。
USB音頻
USB音頻使用了同步傳輸、中斷傳輸和控制傳輸。所有音頻數(shù)據(jù)通過同步傳輸來傳輸；中斷傳輸用于轉(zhuǎn)發(fā)關(guān)于音頻時鐘可用性的信息；控制傳輸用于設(shè)置音量、請求采樣率等（參見圖1）。
圖1：主機和USB設(shè)備之間的傳輸——同步IN和OUT用于音頻數(shù)據(jù)，控制用于設(shè)置參數(shù)，中斷用于狀態(tài)監(jiān)視。
USB音頻系統(tǒng)的數(shù)據(jù)需求取決于通道數(shù)、代表每個樣本的位數(shù)，以及采樣率。典型的通道數(shù)為2（立體聲）、6（5.1聲道）或者更高（用于錄音室或DJ應(yīng)用）。盡管傳統(tǒng)音頻可用16位，典型的采樣率為24位，而高質(zhì)量音頻為32位。典型的采樣率為44.1、48、96及192kHz，后者為高質(zhì)量音頻所使用。這里假設(shè)去設(shè)計一個具有96kHz采樣率和24位樣本的立體聲音頻揚聲器系統(tǒng)，為了簡化主機和設(shè)備上的數(shù)據(jù)編組，24位值一般用一個零字節(jié)填充，因此，總數(shù)據(jù)吞吐速率為96,000×2通道×4B=768,000Bps。同步端點以每125μs進行一次傳輸（或8000次傳輸/s）的速率工作。用所需的字節(jié)速率除以幀速率，可以得到每次同步傳輸?shù)淖止?jié)數(shù)：768,000/8,000=每次傳輸96B。
假若使用例如44,000Hz 的CD唱片速率，傳輸速率經(jīng)計算為44.1次傳輸/s。在USB音頻中，每次傳輸總是運送整數(shù)個樣本；傳輸在48B和40B（6個和5個立體聲樣本）之間交替進行，以至于平均速率算出為每次傳輸44.1B。
單次同步傳輸可運送1024B，最多能夠運送256個樣本（在24/32位時）。這意味著，單個同步端點在48kHz時能傳輸42個通道，或者在192kHz時能傳輸10個通道——假定使用的是高速USB（High Speed USB）——全速USB（Full Speed USB）在48kHz時無法運送多于一個立體聲IN和OUT對。
當發(fā)送數(shù)字音頻時，將會有延遲引入。在高速USB的情況下，延遲為250μs。數(shù)據(jù)包在每個125μs窗口中傳輸一次，但是考慮到它可能會在該窗口中的任何時候發(fā)送，需要有一個250μs的緩沖器。在該250μs延遲的頂端，操作系統(tǒng)（O/S）驅(qū)動程序和編解碼器（CODEC）中可能引起額外延遲。注意：全速USB的固有延遲遠遠更高（為2ms），因為數(shù)據(jù)在每個1ms窗口中僅發(fā)送一次。
[page]
1s在“朋友”之間是什么？
在數(shù)字音頻中，商定一個共同的時間概念是大問題。上文已經(jīng)定義了USB幀的傳輸速率為8,000次/s，并設(shè)定了揚聲器播放樣本的速率為96,000次/s。僅當揚聲器和主機約定了1s的長度，這才能夠奏效。USB音頻提供了3種模式，來確保主機和揚聲器共同約定時序：
1、在同步模式中，1s的長度由主機設(shè)備定義。這就是說，主機以某個速率發(fā)送數(shù)據(jù)，設(shè)備必須精確匹配這個速率。
2、在異步模式中，這正好相反——設(shè)備設(shè)置1s的定義，主機必須對設(shè)備進行匹配。
3、在自適應(yīng)模式中，數(shù)據(jù)流決定時鐘。
自適應(yīng)模式和同步模式并不理想，因為PC保持時鐘穩(wěn)定的能力非常差，而且經(jīng)常有其他音頻源介入，例如一臺外部數(shù)字錄音機。異步模式使外部時鐘源（或是設(shè)備內(nèi)的低抖動時鐘）能夠用作主時鐘。一般兩者都依賴于基于晶振的鎖相環(huán)（PLL），如圖2所示。
圖2：一款帶有一個晶振用于穩(wěn)定音頻頻率的USB音頻板，并且有一個低抖動PLL用于產(chǎn)生任何所需的頻率信號。
因此，系統(tǒng)中至少有2個不同的時鐘：USB時鐘由主機產(chǎn)生，頻率為8,000次傳輸/s；采樣時鐘由外部產(chǎn)生，例如，其采樣率為96,000Hz。這些時鐘的頻率會略有不同，其差別會隨時間略微變化。因此，每幀音頻樣本的平均數(shù)會稍微高于或低于期望的比率。例如，在本文96,000Hz采樣率的情況下，樣本的平均數(shù)為12.001。為了確保主機發(fā)送正確數(shù)量的數(shù)據(jù)，并且不會太多或太低，主機向中斷端點請求當前的采樣率。每隔幾個毫秒，上一個周期的平均采樣率將以16.16位定點數(shù)格式回報。如果上一個周期取平均數(shù)為12.001幀，那么報告值將為0x000C0041（65536×12.001）。
給定該平均速率，主機將能計算出在一次傳輸中在何時發(fā)送額外樣本；在此例中，每秒8次傳輸將運送一個額外樣本。此外，主機能夠利用該值與音頻設(shè)備進行同步。這使得DVD播放器等主機應(yīng)用能夠?qū)⒁曨l保持為與音頻同步。如果沒有同步，音頻會慢慢地跑到視頻前面，兩個小時以后，音頻將會有1s誤差。
為了保持反饋回路較短，訣竅是不對音頻包和反饋包做不必要的緩沖。任何附加的緩沖都會產(chǎn)生報告延遲，該延遲使得保持通信流的平滑變得更加困難。這意味著，底層USB棧和USB音頻棧應(yīng)緊密集成，而無需在它們之間緩沖。盡管這在應(yīng)用處理器上難以達到，但是把軟件在執(zhí)行時間可預(yù)測的嵌入式處理器上來實現(xiàn)，這點將非常容易達到。諸如XMOS等公司現(xiàn)在可以提供這種可預(yù)測的嵌入式處理器，如XMOS的xCORE多核MCU等處理器系列。借助其豐富的內(nèi)置USB接口，它們緊密地將底層USB棧和USB音頻棧集成在一起。
[page]
多個時鐘源
以上方案僅考慮了兩個時鐘源——或者USB設(shè)備提供時鐘，或是主機提供時鐘。在調(diào)音臺等更復(fù)雜的設(shè)備中，可能還有其他設(shè)備提供采樣率，例如，通過ADAT或S/PDIF等數(shù)字接口，或通過攜帶字時鐘的BNC連接器提供。對于這樣的系統(tǒng)，USB音頻標準使設(shè)計人員能夠在設(shè)備當中置入時鐘選擇器。
時鐘選擇器規(guī)定采用哪個時鐘作為采樣率。時鐘選擇器有多個輸入時鐘（例如，一個S/PDIF接口上的輸入時鐘、本地晶振、以及一個ADAT接口上的輸入時鐘），并帶有一個用戶可選擇哪個時鐘用作輸入的控制傳輸，例如S/PDIF接口上的輸入時鐘。
符合性及原生支持
一旦一款設(shè)備符合USB音頻類協(xié)議，它將會很便捷地集成到操作系統(tǒng)中。圖3顯示了USB音頻設(shè)備插入到Mac OS/X系統(tǒng)中的控制界面截屏。它表明，時鐘選擇、采樣率選擇、通道音量控制以及靜音控制等都是可以控制的，就像對于任何其他的音頻設(shè)備那樣。
圖3：一款可互操作的設(shè)備出現(xiàn)在標準O/S對話框（例如本例中的OS/X）中，并且O/S可以設(shè)置音量和采樣率等。
設(shè)備的標準符合性使其可以實現(xiàn)互操作。O/S供應(yīng)商能夠提供一種單獨的USB音頻驅(qū)動程序，該驅(qū)動程序可驅(qū)動大量設(shè)備，并具有眾多功能。的確，相同的USB音頻實現(xiàn)能夠進行參數(shù)化，以實現(xiàn)不同數(shù)量的通道，并且相同的驅(qū)動程序能夠用于連接設(shè)備。
結(jié)語
USB-Audio Class 2.0利用了高速USB 2.0標準，支持在PC和一臺所連接的音頻設(shè)備之間對音頻進行低延遲傳輸。高速USB 2.0的高吞吐率可用于實現(xiàn)多個音頻通道，并且具有高的音頻質(zhì)量。USB音頻類標準可服務(wù)于多種設(shè)備的，從復(fù)雜的、具備多個通道、多個時鐘源和復(fù)雜控制的調(diào)音臺，到環(huán)繞立體聲系統(tǒng)、PC揚聲器和麥克風(fēng)。
目前，頂級的消費性音頻產(chǎn)生已經(jīng)推出了各種USB-Audio產(chǎn)品，并且受到了市場的好評，如Sony和OPPO已經(jīng)推出了基于XMOS公司xCORE多核MCU產(chǎn)品的USB-Audio耳機放大器和音響組合單元。預(yù)計該項應(yīng)用將在不遠的將來為更多用戶所選用。
相關(guān)閱讀：
熟練掌握它：USB接口數(shù)模轉(zhuǎn)換電路設(shè)計
工程師值得推敲的設(shè)計：嵌入式USB工業(yè)U盤系統(tǒng)的設(shè)計
牛人解讀：從RS 232接口向USB接口通訊的華麗轉(zhuǎn)變
