📚 课程目录第1章音频基础概念

1. 音频基础概念

在嵌入式Linux音频驱动开发中，理解音频的基础概念是第一步。音频信号从自然界的声音到数字设备可处理的二进制数据，经历了从模拟到数字的转换过程。本章将系统梳理这些核心概念，为后续ALSA驱动开发打下坚实的理论基础。

1.1 模拟信号与数字信号

声音在自然界中以模拟信号的形式存在——这是一种连续变化的物理量，通常表现为空气压力的波动。麦克风将这种声压变化转换为连续变化的电压信号，即模拟音频信号。

数字信号则是将模拟信号在时间和幅度上进行离散化处理后的结果，由一系列二进制数值（0和1）表示。数字信号具有抗干扰能力强、易于存储和处理、可无损复制等优势。

  核心理解： 模拟信号是连续的，数字信号是离散的。ALSA驱动工作的核心对象是数字化的PCM数据，而非原始的模拟电压。

1.2 采样率（Sample Rate）

采样率是指每秒从模拟信号中采集的样本数量，单位是赫兹（Hz）或千赫兹（kHz）。根据奈奎斯特采样定理，采样率必须至少为信号最高频率的两倍，才能无失真地重建原始信号。

采样率	常见用途	可还原最高频率
8 kHz	电话语音通信	4 kHz
16 kHz	VoIP、语音识别	8 kHz
44.1 kHz	CD音质音乐	22.05 kHz
48 kHz	DVD、电影、专业音频	24 kHz
96 kHz	高解析度音频	48 kHz
192 kHz	超高解析度录音/混音	96 kHz

驱动开发提示： ALSA驱动中，采样率通过 snd_pcm_hw_params_set_rate() 设置。嵌入式设备通常支持 8kHz、16kHz、44.1kHz、48kHz 等标准采样率。并非所有硬件都支持任意采样率，驱动需要提供 hw_constraints 来声明支持的采样率范围。

1.3 位深度（Bit Depth）

位深度（又称采样精度、量化位数）表示每个样本用多少位二进制数来表示。位深度决定了数字信号的动态范围和信噪比。

位深度每增加1位，量化级数翻倍，动态范围增加约6 dB。常见位深度如下：

8位：256级量化，动态范围约48 dB，常见于早期游戏机、低端语音设备
16位：65536级量化，动态范围约96 dB，CD音质标准
24位：16777216级量化，动态范围约144 dB，专业录音/混音标准
32位：约42.9亿级量化，动态范围约192 dB，常用于浮点处理内部格式

常见误区： 位深度不是越高越好。更高的位深度意味着更大的数据量和更高的处理开销。在嵌入式系统中，16位是性价比最高的选择；24位用于对音质要求较高的场景；32位浮点通常只在DSP或应用层处理时使用，驱动层很少直接处理32位浮点PCM。

1.4 声道数（Channels）

声道数表示音频信号中独立的声音通道数量。不同的声道配置对应不同的听感体验和数据结构布局。

声道数	名称	典型应用
1	单声道（Mono）	语音通话、对讲机、IoT设备
2	立体声（Stereo）	音乐播放、耳机、电视
4	四声道（Quad）	早期环绕声
6	5.1环绕声	家庭影院、电影
8	7.1环绕声	高端影院、游戏

在PCM数据流中，多声道数据采用交错（Interleaved）或非交错（Non-interleaved）两种布局方式：

交错布局：声道样本交替排列，如 L R L R L R ...（立体声），这是ALSA默认和最常用的格式
非交错布局：每个声道的数据连续存放，如 L L L ... R R R ...，需要驱动或应用层特殊处理

1.5 PCM数据格式

PCM（Pulse Code Modulation，脉冲编码调制）是数字音频最基础的编码格式。它将模拟信号经过采样、量化、编码三个步骤转换为二进制数据。

在ALSA驱动中，PCM数据格式由以下参数共同定义：

采样率：每秒样本数
位深度：每个样本的位数
声道数：独立通道数量
字节序：大端（Big Endian）或小端（Little Endian）
符号性：有符号（Signed）或无符号（Unsigned）
样本排列：交错或非交错

ALSA使用 snd_pcm_format_t 枚举类型来标识PCM格式，常见格式包括：

/* ALSA标准PCM格式定义（部分） */
SND_PCM_FORMAT_S16_LE   /* 16位有符号小端，最常用 */
SND_PCM_FORMAT_S16_BE   /* 16位有符号大端 */
SND_PCM_FORMAT_U16_LE   /* 16位无符号小端 */
SND_PCM_FORMAT_S24_LE   /* 24位有符号小端，3字节 */
SND_PCM_FORMAT_S32_LE   /* 32位有符号小端，4字节 */
SND_PCM_FORMAT_FLOAT_LE /* 32位浮点小端 */
SND_PCM_FORMAT_S8       /* 8位有符号 */
SND_PCM_FORMAT_U8       /* 8位无符号 */

  驱动开发要点： 在嵌入式Linux中，SND_PCM_FORMAT_S16_LE 是最广泛支持的格式。编写ALSA驱动时，通常优先实现S16_LE格式，再根据硬件能力扩展其他格式。格式转换（如24位转16位）可以在驱动层或ALSA中间层完成。

1.6 数据率计算

PCM音频流的数据率（比特率）由采样率、位深度和声道数共同决定，计算公式如下：

数据率 (bps) = 采样率 (Hz) × 位深度 (bit) × 声道数

示例：
CD音质：44100 × 16 × 2 = 1,411,200 bps ≈ 1.41 Mbps
电话语音：8000 × 16 × 1 = 128,000 bps = 128 kbps
高清音频：96000 × 24 × 2 = 4,608,000 bps ≈ 4.61 Mbps

在嵌入式系统中，数据率直接影响DMA带宽、内存占用和功耗。驱动开发时需要根据硬件能力合理选择参数组合，避免超出总线带宽或DMA传输上限。

实战建议： 在编写ALSA驱动时，建议在 hw_params 回调中打印当前配置的PCM参数，便于调试：

static int my_pcm_hw_params(struct snd_pcm_substream *substream,
                             struct snd_pcm_hw_params *params)
{
    unsigned int rate = params_rate(params);
    snd_pcm_format_t format = params_format(params);
    unsigned int channels = params_channels(params);
    unsigned int buffer_size = params_buffer_size(params);
    unsigned int period_size = params_period_size(params);

    dev_dbg(dev, "rate=%d, format=%d, channels=%d, "
                 "buffer=%d, period=%d\n",
            rate, format, channels,
            buffer_size, period_size);
    // ... 后续硬件配置
}

1.7 本章小结

本章涵盖了音频驱动开发必须掌握的基础概念：

模拟信号是连续波形，数字信号是离散采样值
采样率决定时间分辨率，需满足奈奎斯特采样定理
位深度决定幅度精度和动态范围
声道数决定空间感和数据布局方式
PCM格式是数字音频的基础编码，ALSA通过 snd_pcm_format_t 统一管理