2. 音频基础

在 Android Audio HAL 适配中，几乎所有问题最终都会落到“数据长什么样、以什么节奏流动、由谁搬运”这三个层面。声音本身是连续变化的模拟压力波，而 Android 音频框架、HAL、驱动和 DSP 处理的都是离散的数字样本。理解从模拟声波到 PCM 数据、再到音频格式封装的过程，是读懂 HAL 接口参数、排查爆音/杂音/无声/延迟问题的前提。

一、核心原理：声音如何被数字化

声音数字化的本质是“采样 + 量化 + 编码”。麦克风或线路输入把声压变化转换为连续电压信号，ADC（模数转换器）按固定时间间隔对电压进行采样，得到离散时间点上的幅度值；随后对幅度进行量化，用有限位数的二进制数表示；最后按约定格式排列成帧，形成 PCM 数据流。播放方向则相反：PCM 数据经 DAC 还原为模拟电压，再驱动扬声器或耳机发声。

这里有两个关键概念：采样率决定“每秒取多少个点”，位深决定“每个点用多少位表示幅度”。采样率越高，能还原的高频越多；位深越大，幅度分辨率越高，动态范围越大、量化噪声越低。二者共同决定单位时间的数据量和音质上限。

二、关键参数：采样率、位深、声道与 PCM

采样率常见取值包括 8kHz（窄带通话）、16kHz（宽带语音）、44.1kHz（CD）、48kHz（Android 默认媒体输出）、96kHz/192kHz（高解析）。Android 音频框架内部常以 48kHz 为主时钟，HAL 若声明支持其他采样率，需要处理重采样或由硬件直接支持。

位深常见为 16bit、24bit、32bit。16bit 动态范围约 96dB，24bit 约 144dB。Android HAL 中 PCM 数据常以 16bit 或 32bit 容器承载，注意“有效位深”和“存储位深”可能不同，例如 24bit 样本存放在 32bit 字中，低位补零或高位对齐，配置错误会导致音量异常或噪声。

声道决定帧内样本排列方式。单声道每帧 1 个样本，立体声每帧 2 个样本（L、R 交替），5.1/7.1 则按固定顺序排列。HAL 的 channel_mask 必须与数据排列一致，否则会出现左右声道错位、人声消失或环绕声异常。

PCM（Pulse Code Modulation，脉冲编码调制）是最基础的未压缩音频表示。它只描述“每个采样点的幅度”，不包含压缩、元数据或容器信息。Android Audio HAL 的 audio_stream_out / audio_stream_in 传输的核心就是 PCM 数据块。

三、音频格式与常见术语

PCM 是“裸数据”，实际文件或流通常需要容器和编码。WAV 是带 RIFF 头的 PCM 容器；FLAC 是无损压缩；AAC/MP3/Opus 是有损压缩；Android 中还有 AUDIO_FORMAT_PCM_16_BIT、AUDIO_FORMAT_PCM_32_BIT、AUDIO_FORMAT_PCM_FLOAT 等 HAL 格式枚举。适配时要区分“应用层格式”“框架格式”“HAL 格式”“硬件格式”，它们可能经过重采样、位深转换或声道映射。

四、案例与场景：一次“无声”问题的排查

某项目在 Android 设备上播放音乐无声，但通话正常。排查发现：应用输出 44.1kHz 立体声 16bit PCM，HAL 的 out_get_supported_formats 只声明了 48kHz 单声道 16bit。框架进行了重采样和声道下混，但 HAL 的 channel_mask 配置为立体声，导致数据被错误解释，最终输出静音。修正方式是在 HAL 中正确声明支持的采样率、声道掩码和格式，或让硬件支持 44.1kHz 立体声。

// HAL 中常见的格式与参数声明片段
static const struct audio_config {
    uint32_t sample_rate;      // 48000
    audio_channel_mask_t channel_mask; // AUDIO_CHANNEL_OUT_STEREO
    audio_format_t format;     // AUDIO_FORMAT_PCM_16_BIT
};

// 若硬件仅支持单声道，应声明：
// channel_mask = AUDIO_CHANNEL_OUT_MONO
// 由框架完成下混，而不是在 HAL 中假装支持立体声

五、误区与复盘

• 误区一：采样率越高越好。高采样率增加数据量和功耗，若硬件不支持还会引入重采样失真。应按场景选择：通话 16kHz、媒体 48kHz、高解析再考虑 96kHz。
• 误区二：位深只影响音量。位深影响动态范围和量化噪声，24bit 与 16bit 在低电平细节上差异明显；但错误对齐会让 24bit 数据变成噪声。
• 误区三：PCM 就是 WAV。PCM 是编码方式，WAV 是容器。HAL 处理的是 PCM 流，不关心 WAV 头。
• 误区四：声道数只是数量。声道顺序和掩码同样重要，5.1 的 L/R/C/LFE/LS/RS 顺序错误会导致声场混乱。
• 复盘方法：遇到音频异常时，先确认“应用格式 → 框架格式 → HAL 格式 → 硬件格式”这条链路上每一级的采样率、位深、声道掩码是否一致，再检查缓冲区帧数与周期，最后用 dumpsys media.audio_flinger 或 HAL 日志验证实际数据流。