API 概述

系统架构

soundSDK 由三个独立层组成，每层提供标准 C 接口：

┌─────────────────────────────────────────────┐
│               应用程序代码                     │
│  cry_detect_init / start / stop / deinit     │
├─────────────────────────────────────────────┤
│              处理层                           │
│  cry_processor: Mel → 推理 → 回调             │
├──────────────────┬──────────────────────────┤
│  音频采集         │  推理引擎                  │
│  (audio_capture) │  (inference_engine)       │
├────────┬─────────┴──────┬───────────────────┤
│  MPP   │  IMP  │  file  │ pure_c │ svp_acl   │
│(海思)  │(君正)  │ (PC)   │ (FP32) │ .om(NPU)  │
└────────┴────────┴────────┴────────┴──────────┘

1. 音频采集层 (`audio_capture_interface.h`)

通过 vtable 模式抽象音频输入，支持三种后端：

每个后端实现 init()、start()、stop()、destroy()、is_running()。采集线程将 PCM 数据写入无锁环形缓冲区，永不阻塞——缓冲区满时打印警告并继续采集。

2. 处理层 (`cry_processor.h`)

专用处理线程按 1 秒循环运行：

1. 等待环形缓冲 ≥5 个就绪 slot（约 5 秒音频）

2. 计算 Mel 频谱图（225×225 float32）

3. 静音检测：RMS < 阈值 → 跳过推理

4. 执行 CNN 推理 → 概率

5. 触发用户回调

6. 前进 1 个 slot（1 秒步长，4 秒重叠）

3. 推理引擎层 (`inference_engine.h`)

通过工厂模式支持可插拔后端：

环形缓冲区 (`audio_buffer.h`)

线程安全、无锁环形缓冲区，10 个 slot，每个约 1 秒 PCM（15975 采样 × int16 ≈ 32KB），总计 ~330KB。

• 生产者（采集线程）：获取空闲 slot → 写入 PCM → 提交

• 消费者（处理线程）：等待 ≥5 就绪 → 拷贝 → 前进 1 个 slot

• 统计：跟踪 overrun / underrun 计数，用于诊断

告警策略 (`alarm_strategy.h`)

将帧级概率转换为告警事件。默认 "asymmetric_envelope" 策略采用快起慢放逻辑，避免告警抖动。可配置参数：attack/release 系数、高/低阈值、最小事件时长。

编译期配置 (`config.h`)

音频参数（采样率、帧大小、步长）和平台默认值的编译期常量。构建脚本通过预处理器宏（AUDIO_CAPTURE_MPP、ENGINE_SVP_ACL 等）选择对应后端。