先说结论如果你手头正好有一块STM32F411E-DISCOVERY开发板又想入门嵌入式音频处理从audio filtering这个项目切入是最合适的。这块板子最大的优势在于ST把数字MEMS麦克风MP45DT02、音频编解码器CS43L22和耳机接口全焊在了板子上意味着你不需要额外接任何音频模块就能把“麦克风采集 - 数字滤波 - 耳机回放”整条链路跑通。这篇文章是我自己从PDM解码到FIR滤波落地的一份完整记录包含了关键参数计算、代码接入方式和调试过程中踩过的坑适合刚接触音频处理、想在真实硬件上看到滤波效果的嵌入式开发者参考。1. 项目概述1.1 板载音频资源盘点STM32F411E-DISCOVERY的核心芯片是STM32F411VE主频100MHz带Cortex-M4F内核也就是有FPU浮点运算单元和DSP指令这对做实时滤波非常友好。芯片本身不是重点重点是板上那两颗音频芯片这让它成了同价位开发板里做音频实验最省事的一块。第一颗是MP45DT02一颗数字MEMS麦克风输出的是PDMPulse Density Modulation脉冲密度调制格式的1-bit位流而不是传统的模拟电压。所谓PDM你可以理解为用一串高密度的高低电平来表示声音信号1的密度越高说明当前信号幅度越接近正满幅。这种格式抗干扰能力强但MCU没法直接用必须通过抽取滤波把它变成16bit的PCM数据这个过程业内叫PDM解码是整个项目第一个硬骨头。第二颗是CS43L22一颗低功耗立体声DAC数模转换器通过I2S接口接收MCU送来的PCM数据然后把数字信号变成模拟信号输出到3.5mm耳机接口。CS43L22内部还包含了耳机放大器控制接口是I2C几乎所有寄存器初始化、音量调节都要走I2C总线。板子上还有ST-Link调试器、用户按键、LED等常规外设音频相关的资源就这么一套。整条数据路径是MP45DT02麦克风 - SAI外设接收PDM位流 - 软件解码成PCM - 做滤波处理 - I2S外设发送给CS43L22 DAC - 耳机播放。1.2 这个项目要解决的现实问题很多初学者第一次接触STM32音频开发都是拿现成的音频库跑一个播放Demo比如放一段WAV或者播个提示音。那种Demo的短板很明显数据流是单向的不涉及实时采集也不涉及信号处理跑通之后你对音频系统的理解基本还停留在“配置好外设就能响”的层面。audio filtering项目的核心价值在于它逼着你把整条实时链路打通。麦克风不断采集环境声音MCU在极短的时间内完成PDM解码、滤波、重采样如果需要再通过DAC播放出去。这里没有“先准备好数据再播放”的余地每一个数据块都必须在DMA中断里及时处理完否则耳机里就会出爆音或者卡顿。滤波本身要解决的问题也很具体。板载MEMS麦克风对高频噪声和低频机械振动十分敏感直接解码出来的音频往往伴有明显的底噪和低频隆隆声。如果能设计一个带通滤波器把300Hz到3400Hz的人声频段保留下来把频段外的噪声压下去耳机里听到的声音会立刻变得干净很多。这就是我们常说的语音带通滤波也是很多语音识别、对讲机、助听器产品里最基础的预处理环节。2. 整体方案与器件选型逻辑2.1 音频信号链路全景先画一下完整的数据流MP45DT02在PDM时钟的驱动下把声音变成1-bit PDM位流通过SAI外设的SD引脚送进STM32F411MCU内部用DMA把位流搬运到内存缓冲区每搬完半个缓冲区就触发一次中断中断服务函数里执行PDM解码把一堆01变成int16格式的PCM数据接着执行FIR带通滤波把频带外的噪声干掉最后通过I2S外设的DMA发送给CS43L22DAC把数字信号变成模拟电压驱动耳机发声。这条链路里有两个外设容易被搞混SAI和I2S。MP45DT02用的是PDM接口它其实只输出一根数据线和一根时钟线没有帧同步信号。而SAI外设被配置成类似I2S的接收模式但实际工作起来更像一个高速串行口它提供PDM主时钟同时在每个时钟沿采样数据线上的电平把这串电平按位攒成字。CS43L22那边则标准得多走的是正经I2S协议包含位时钟SCK、帧同步WS、数据SD再加上主时钟MCLK一共四根线。在STM32F411E-DISCOVERY上引脚分配是这样的SAI1的SCK接PC2、SD接PC3MP45DT02挂在SAI1上I2S2的SCK接PB13、WS接PB12、SD接PB15、MCLK接PB10CS43L22挂在I2S2上CS43L22的控制脚走I2C1SCL是PB6、SDA是PB7复位脚接PB0。这些引脚在原理图里都画得很清楚做工程前一定要对着原理图确认一遍不要想当然。2.2 外设分工为什么这么安排很多读者可能会问为什么麦克风不走ADCDAC不走普通的SPI或I2C这就要说到外设选型的逻辑了。MP45DT02输出的是PDM信号理论上可以用SPI甚至GPIO模拟去读但那样CPU负载会高得离谱。PDM时钟典型值是2.048MHz也就是说1秒要采两百多万个bit用GPIO轮询完全不可行必须用支持DMA的外设。F411的SAI外设天然适配这种场景它既可以工作在I2S模式也可以配置成类似PDM接收的模式。你在CubeMX里看到SAI的配置选项很多从数据长度、帧长到时钟极性都能调灵活度远高于普通SPI。CS43L22则必须用I2S因为音频DAC的输入标准就是I2S。I2S和SPI最大的区别是多了帧同步信号WS左声道和右声道的数据在WS高低电平周期内交替传输。用SPI强行驱动也不是不行但时序对不上左右声道容易串解码器不认。所以MCU端的I2S外设是最合理的选择。时钟树这块也要多说一句。F411的SAI和I2S时钟都来自PLLI2SRCubeMX里配置时要同时满足两个外设的频率要求。本项目里PDM时钟设为2.048MHzI2S的MCLK设为4.096MHz256倍的音频采样率16kHz两者都可以由PLLI2SR分频得到。我实际配的是PLLI2SR输出24.576MHzSAI分频12得到2.048MHzI2S MCLK分频6得到4.096MHz刚好都能整除频谱很干净。2.3 滤波器算法怎么选FIR与IIR对比滤波是这个项目的灵魂算法选型直接决定代码复杂度和最终音质。嵌入式音频领域最常用的两类滤波器是FIR有限脉冲响应和IIR无限脉冲响应它们各有各的适用场景。FIR滤波器的特点是线性相位通俗地说就是所有频率成分经过滤波器后的延迟时间一致波形不失真。这个特性在音频里非常重要因为人耳对相位失真比较敏感相位乱了的音频听起来会有一种“混沌”感。FIR的代价是阶数高比如设计一个32阶的带通滤波器每个采样点要做32次乘加运算好在F411带FPU16kHz采样率下完全跑得动。IIR滤波器则用递归结构实现同样的滤波效果可能只需要4阶计算量小得多。但IIR是非线性相位的尤其在截止频率附近不同频率的相位延迟差异很大听感上容易发糊。IIR还有一个问题是稳定性如果系数设计不当或者量化误差大可能出现自激振荡这在实时音频系统里是灾难。在一个讲解性质的demo项目里我推荐用FIR。一方面CMSIS-DSP库提供了arm_fir_f32这个现成函数几行代码就能调用不需要自己写卷积另一方面FIR的系数可以完全用Python的scipy库离线设计生成C数组贴进去整个过程清楚又可控。IIR更适合对计算资源极其敏感、又不太在乎相位失真的场景比如某些传感器数据处理音频上除非你做一个极低阶的简单高通去除直流否则不优先考虑。3. 从PDM解码到FIR滤波的完整实现3.1 PDM解码把1-bit流变成16bit PCMPDM解码是整个项目里最绕的一部分。MP45DT02出来的数据不是普通的PCM而是一位一位密集排列的1-bit流1表示当前时刻信号偏正0表示偏负。要把它变成16bit的PCM需要用到一个经典的滤波器结构CIC滤波器积分-梳状滤波器。CIC的原理一句话讲清楚先对PDM位流做累加每N个bit累加一次然后把这个累加值减掉N个bit之前那个时刻的累加值得到的就是这N个bit窗口内的净脉冲密度。这个值再经过缩放就近似等于原始模拟信号的幅度。N就是抽取倍数它决定了最终PCM采样率。当PDM时钟是2.048MHz时抽取128倍就得到16kHz的PCM采样率正好是语音频段的常用采样率。我这里给出一段手写的简化版CIC解码代码核心逻辑就是“积分-抽取-差分”#define PDM_DMA_BUFFER_SIZE 256u // 单位uint32_t #define DECIM_FACTOR 128u // 抽取倍数 #define PCM_BLOCK_SIZE (PDM_DMA_BUFFER_SIZE * 32u / DECIM_FACTOR) static int32_t cic_integrator 0; static int32_t cic_last_output 0; void PDM_Decode_Block(const uint32_t *pdm_src, int16_t *pcm_dst, uint32_t num_words) { uint32_t total_bits num_words * 32u; uint32_t bit_idx 0; for (bit_idx 0; bit_idx total_bits; bit_idx) { uint32_t word pdm_src[bit_idx 5]; int32_t bit_value ((word (bit_idx 0x1F)) 1u) ? 1 : -1; cic_integrator bit_value; if ((bit_idx % DECIM_FACTOR) (DECIM_FACTOR - 1)) { int32_t diff cic_integrator - cic_last_output; cic_last_output cic_integrator; *pcm_dst (int16_t)(diff * 256); } } }代码里最后的diff * 256是缩放系数。因为每128个bit差分出来的最大值是128假设前128个bit全部为1后128个bit全部为0直接映射到16bit整数范围大约需要乘以256。这个系数不是死的如果你的麦克风灵敏度低或者耳机声音偏小可以把它调大到512甚至1024但要小心削顶失真信号太大时整段波形被截平听起来就是刺耳的破音。工程上如果要省事也可以直接用ST官方提供的老库PDM2PCM它里面的CIC实现比我上面这个版本多了二级积分抗噪性能更好。不过既然目标是搞懂原理我建议先用这段简单代码跑通链路再考虑替换成官方库这样一旦出问题你至少知道底层在干什么。3.2 FIR滤波器系数设计与验证滤波器的系数我选择用Python的scipy库离线设计而不是在MCU上实时计算。原因是FIR系数设计涉及窗函数、频率响应计算等大量浮点运算在PC上做既快又直观在单片机上做纯属浪费资源。以16kHz采样率、300Hz到3400Hz带通、32阶FIR为例设计脚本长这样import numpy as np from scipy.signal import firwin, freqz fs 16000 numtaps 32 # firwin里的pass_zeroFalse表示带通滤波器 coeffs firwin(numtaps, [300, 3400], pass_zeroFalse, fsfs) # 打印成C数组方便直接粘贴到工程里 for i, c in enumerate(coeffs): print(f{c:.9f}f, , end) if (i 1) % 4 0: print()运行脚本后控制台会打印出32个float32格式的系数。这些系数有个特点中间大、两端小而且关于中心对称这就是线性相位FIR滤波器的典型形状对称性保证了频率成分的相位延迟一致。设计好系数以后我建议先用Python验证一下频响曲线看看通带增益是否接近1、阻带衰减是否足够。代码很简单import matplotlib.pyplot as plt w, h freqz(coeffs, worN512, fsfs) plt.plot(w, 20 * np.log10(abs(h))) plt.axvline(300, colorr, linestyle--) plt.axvline(3400, colorr, linestyle--) plt.xlabel(Frequency (Hz)) plt.ylabel(Gain (dB)) plt.grid(True) plt.show()如果通带内频率响应平坦、带外衰减在20dB以上这组系数基本可用。如果衰减不够可以尝试把阶数加到48或64但阶数越高每组数据处理的计算量越大F411在16kHz下能做到64阶FIR仍有余量。我最终选了32阶是因为它的延迟小、CPU占用低而且在这个项目里听感已经足够干净。3.3 工程初始化与代码接入初始化部分我用STM32CubeMX生成底子但有两处必须手动确认时钟树和DMA配置。系统时钟方面HSE外部晶振是8MHzPLL倍频到100MHz这是F411VE的最高主频必须跑满因为音频处理加解码的中断负载不低。PLLI2SR我配到24.576MHzSAI1的时钟分频设置为12这样输出PDM时钟2.048MHzI2S2的主时钟分频设置为6输出MCLK4.096MHz。这样两个音频外设的时钟源都能被精确整除抖动小音质更稳。DMA这块有两个SAI1的接收DMA和I2S2的发送DMA。SAI接收DMA配置成循环模式一次搬运256个uint32_t也就是1024字节I2S发送DMA也是循环模式搬运的是PCM输出缓冲区。CubeMX会自动分配DMA通道和中断优先级我建议把SAI接收DMA的中断优先级设为最高I2S发送次之因为一旦SAI缓冲溢出丢失的是采集数据一旦I2S发送跟不上耳机里就会直接出爆音。滤波代码接入的核心是CMSIS-DSP库。我使用float32版本的arm_fir_f32原因有三个第一F411带FPU单精度浮点乘加几乎不额外耗时间第二float32版本代码可读性好调试时可以直接观察缓冲区的数值第三CMSIS-DSP已经针对M4做了指令优化性能远好于自己写的卷积循环。初始化代码#include arm_math.h #define FIR_TAPS 32 #define BLOCK_SIZE 32 static float32_t firState[FIR_TAPS BLOCK_SIZE - 1]; static float32_t firCoeffs[FIR_TAPS] { /* 把Python脚本打印出来的32个系数粘贴到这里 */ }; arm_fir_instance_f32 g_fir; void Audio_Filter_Init(void) { arm_fir_init_f32(g_fir, FIR_TAPS, firCoeffs, firState, BLOCK_SIZE); }实际滤波处理在SAI DMA的半传输和全传输中断回调里完成。F411的SAI接收DMA配置成256个uint32_t的缓冲区当DMA搬完前半部分触发HalfCpltCallback搬完后半部分触发CpltCallback。每次回调处理128个uint32_t也就是4096个PDM bit抽取128倍后得到32个PCM样本正好和BLOCK_SIZE对应。中断回调的核心逻辑void HAL_SAI_RxHalfCpltCallback(SAI_HandleTypeDef *hsai) { if (hsai-Instance SAI1) { // 1. PDM解码位流 - PCM int16 PDM_Decode_Block(pdmBuf[0], pcmRawHalf, PDM_DMA_BUFFER_SIZE / 2); // 2. int16转float32 arm_q15_to_float(pcmRawHalf, floatInBuf, BLOCK_SIZE); // 3. FIR带通滤波 arm_fir_f32(g_fir, floatInBuf, floatOutBuf, BLOCK_SIZE); // 4. float32转回int16准备送DAC arm_float_to_q15(floatOutBuf, pcmOutHalf, BLOCK_SIZE); } }这段代码的运行节奏是每处理完32个PCM样本耳机那边也在同步消耗这些样本因为I2S发送DMA和SAI接收DMA的速率完全一样都是16kHz。为了不出现缓冲区竞争我建议使用双缓冲方案pcmOutHalf对应DMA缓冲区前半段pcmOutFull对应后半段SAI半满中断里填写前半段全满中断里填写后半段。这样I2S发送DMA永远在播放当前缓冲区SAI中断在后一块填充另一个缓冲区两边错开不会互相踩踏。3.4 CS43L22初始化与I2S发送CS43L22初始化是音频链路里另一个必须细抠的环节。这颗编解码芯片通过I2C控制地址是0x948位写地址。初始化代码主要是设置电源、时钟和音量我实测有效的寄存器序列如下void CS43L22_Init(I2C_HandleTypeDef *hi2c) { uint8_t data 0; // 复位 HAL_GPIO_WritePin(CS43L22_RST_GPIO_Port, CS43L22_RST_Pin, GPIO_PIN_RESET); HAL_Delay(10); HAL_GPIO_WritePin(CS43L22_RST_GPIO_Port, CS43L22_RST_Pin, GPIO_PIN_SET); // 电源控制所有模块上电 data 0x9E; HAL_I2C_Mem_Write(hi2c, 0x94, 0x01, 1, data, 1, 100); // 时钟控制MCLK/LRCK256自动检测采样率 data 0xAF; HAL_I2C_Mem_Write(hi2c, 0x94, 0x02, 1, data, 1, 100); // 模拟配置启用模拟电源、内部参考 data 0x80; HAL_I2C_Mem_Write(hi2c, 0x94, 0x04, 1, data, 1, 100); // 主音量设置到可听范围左右声道一致 data 0x22; HAL_I2C_Mem_Write(hi2c, 0x94, 0x06, 1, data, 1, 100); HAL_I2C_Mem_Write(hi2c, 0x94, 0x07, 1, data, 1, 100); HAL_I2C_Mem_Write(hi2c, 0x94, 0x09, 1, data, 1, 100); HAL_I2C_Mem_Write(hi2c, 0x94, 0x0A, 1, data, 1, 100); }音量寄存器0x06和0x07是主音量0x09和0x0A是左右声道耳机音量默认值0x00对应静音状态这个很多人会踩坑初始化完发现没声音先查这几个寄存器。我上面的0x22是一个比较合适的初始值音量适中不破音。如果你的耳机灵敏度高可以往下调比如0x18如果声音偏小再往上加。I2S发送的部分CubeMX生成代码后在main函数里启动HAL_I2S_Transmit_DMA(hi2s2, (uint16_t *)pcmOutHalf, BLOCK_SIZE);但这里有个细节如果只是启动一次I2S DMA在发送完BLOCK_SIZE个样本后就会停止。为了让耳机能连续播放必须在I2S发送完成回调里再次启动下一次发送。通常在I2S2的TxCpltCallback函数里补这一句void HAL_I2S_TxCpltCallback(I2S_HandleTypeDef *hi2s) { if (hi2s-Instance I2S2) { HAL_I2S_Transmit_DMA(hi2s2, (uint16_t *)pcmOutFull, BLOCK_SIZE); } }当然这个方式对缓冲区管理有要求我的实际做法是用一个简单的状态标志在SAI中断里判断当前该写pcmOutHalf还是pcmOutFull在I2S发送完成回调里只做标志翻转。两个中断通过状态机配合就能稳定跑起来。更稳妥的进阶方案是使用STM32的DMA乒乓模式但代码复杂度会上升不少建议先跑通基本流程再优化。4. 调试实录与常见问题速查4.1 爆音、底噪和音量异常的处理整个调试过程里我最先遇到的就是爆音问题耳机里每隔一两秒就会有一个刺耳的“咔啦”声。排查了很久最后定位到两个原因一是I2S发送DMA和SAI接收DMA的缓冲区长度不匹配CS43L22播放时偶尔会发生数据不够的情况导致DAC读到了空数据。解决办法是确保I2S发送缓冲区大小和SAI解码输出完全一致并且使用双缓冲让一端写、一端读错开。第二个原因是中断优先级配置有问题。我把SAI接收中断优先级设得比I2S发送低结果SAI的DMA半满中断偶尔会被I2S发送中断打断一旦处理不及时PDM缓冲区就会溢出丢失一整个数据块反映到听感上就是爆音。改成SAI接收中断优先级最高之后爆音基本消失。在带RTOS的项目里这个优先级问题会更隐蔽因为调度延迟可能导致中断响应不及时建议音频相关的DMA中断优先级直接拉满。底噪大的问题也很好识别。如果你把FIR滤波暂时旁路掉能听到明显的沙沙声那大概率是PDM解码增益偏低或者电源纹波大。板载LDO供电相对干净所以重点还是检查增益设置。如果解码出来的PCM幅度只有几百DAC音量又要开很大才能听到就会把数字噪声一起放大。我建议先把PDM解码的缩放系数调整到让PCM峰值在8000到12000之间然后再用CS43L22的音量寄存器做细调这样信噪比最优。音量异常还有一种情况是左右声道不平衡或者一边有声音一边没有。这个时候检查CS43L22的0x09和0x0A寄存器确认左右耳机音量都被写入了不能只写主音量就完事因为这个芯片的耳机通路音量是独立控制的。4.2 DMA与中断配置的几个易错点DMA配置这块很多人第一次做音频接收会遇到缓冲区长度和数据类型不匹配的问题。SAI接收缓冲我用的是uint32_t数组因为SAI外设每次接收一个完整的字在PDM模式下它会把串行数据拼成32位。如果在代码里错误地定义成uint8_t数组DMA搬运的字节数对不上解码出来的PCM就会是一堆乱码。还有一个容易错的地方是DMA循环模式和普通模式的混淆。SAI接收必须用循环模式因为麦克风是源源不断产生数据的如果DMA在搬完一次后停下来中断里还得手动重新启动DMA中间会产生时间缝隙音频必然卡顿。I2S发送也类似推荐循环模式配合双缓冲或者用我前面提到的Normal模式加TxCpltCallback重启但不要混用两种思路去改代码会把自己绕晕。中断回调里做浮点运算也需要注意。M4F内核允许在中断里使用FPU但为了保险进入中断时编译器会自动保存必要的浮点寄存器这会增加中断入栈时间。如果对实时性有极致要求可以考虑把滤波计算放到线程模式下做中断里只设置标志位。但在本项目16kHz采样率下32阶FIR处理32个样本只花几十微秒放中断里完全没问题。4.3 滤波效果不理想的排查方向滤波效果不理想主要分几种表现。第一种是滤波后声音发闷像是隔着一层被子说话这通常是低通截止频率太低把太多高频细节滤掉了或者带通的上限频率设置过低。检查一下系数设计脚本里的截止频率参数如果只要人声清晰3400Hz左右比较合适如果想保留更多环境音可以放宽到5000Hz甚至8000Hz。第二种是滤波后声音变糊有一种“回声感”。这往往是FIR阶数过高带来的延迟或者滤波器系数本身存在量化误差。32阶FIR在16kHz采样率下延迟只有1ms左右人耳基本无感但如果阶数加到128延迟会到4ms以上对实时通话场景会有明显影响建议控制在64阶以内。如果真的需要更好的阻带衰减优先考虑用多个小阶数滤波器级联而不是堆高单级阶数。第三种是滤波后音量明显变小。数字滤波器的通带增益设计为1.0时理论上总能量应该不变但如果噪声被大幅衰减RMS电平自然会下降听起来就变轻了。可以在滤波后加一个固定增益放大比如1.5倍或者在Python设计系数时直接给所有系数乘一个增益因子。注意增益不要加太多峰值超过32767就会削波削波带来的谐波失真比原本的噪声更刺耳。5. 效果验证与扩展玩法5.1 怎么证明滤波有效如果你只靠耳朵听可能会觉得效果“好像有变化但说不清哪里变了”这样调试起来没有底。我建议用两个手段做量化验证。第一个手段是用串口把滤波前后的PCM数据发到PC上用Python的matplotlib画波形或者频谱。具体做法是在SAI中断里把滤波前的floatInBuf和滤波后的floatOutBuf各挑几个整块通过串口DMA发出去。数据量不需要太大比如每次发512个采样点就足够分析。PC端用pyserial收数据然后用scipy的fft做频谱图能很直观地看到300Hz以下和3400Hz以上的频谱分量被压下去了。第二个手段是用播放固定频率的小程序辅助验证。我写了一个很简单的测试把100Hz、1kHz、5kHz三个正弦波混在一起通过DA转换播放出来然后经过滤波。如果滤波有效100Hz和5kHz的音量会明显减弱1kHz基本不受影响。你可以用手机上的频谱分析App录下来看或者直接在代码里用串口把滤波后的整数发回PC验证。这个方法比放环境声音更容易定位问题因为输入是已知的输出一变就能看出来。5.2 后续可以继续做的东西这个项目跑通以后能扩展的方向非常多。最简单的是做一个实时的噪声门也就是当检测到RMS电平低于某个阈值时自动静音这能进一步抑制无声段的底噪。实现思路是在滤波后加一个RMS计算用CMSIS-DSP的arm_rms_f32函数阈值和静音时间常数用几个全局变量控制即可。进阶一点可以做三频段均衡器把滤波器拆成低通、带通、高通三路分别放大或衰减后再叠加。这个玩法适合你想体验并行信号处理的项目F411的CPU还有大量余量三段24阶FIR完全跑得动。再往上就是结合FFT做实时频谱显示。F411的Flash和RAM都够用用CMSIS-DSP的arm_rfft_fast_f32做256点FFT然后把频谱通过串口发到电脑或者小屏幕显示。加了这个功能你的audio filtering项目就从“一个能跑的滤波器”升级成了“一个小型音频分析仪”不管写在简历里还是用来学数字信号处理都很有说服力。我在实际调试中的体会是嵌入式音频项目的难点从来不是某个外设配不出来而是所有外设串成一条实时链路后任何一环的时序抖动都会被后面的环节放大。做这种项目一定要先跑通无滤波的直通版本确认采集和播放都不卡顿了再加滤波逻辑。另一个小技巧是把滤波器的开关做成一个全局宏随时可以旁路掉滤波这样在对比效果时能快速切换省得反复烧录固件。希望这份记录能帮你少走些弯路把STM32F411E-DISCOVERY这块板子的音频潜力真正用起来。