2、音频基础概念：采样率、位深、声道数、PCM数据格式、音频时钟与同步

音频子系统是嵌入式Linux中最具实时性与硬件耦合度的部分之一。要理解ALSA驱动架构，首先必须牢固掌握音频数据在“模拟世界—数字世界—总线传输—DMA搬运—DAC/ADC还原”这条链路上的基本度量单位与约束条件。采样率、位深、声道数决定了PCM数据流的体积与质量；PCM数据格式决定了内存中的排列方式；而音频时钟与同步则决定了数据流能否在正确的时间点被采集或播放。本章将逐一拆解这些基础概念，并直接关联到驱动开发中的参数配置、DMA突发长度计算、时钟树初始化等实际场景。

上图展示了音频数据从模拟信号到数字PCM流，再经DMA/总线传输的完整链路。驱动工程师关注的核心在于：PCM流的参数如何被硬件解析，以及时钟如何保证每个采样点被精确地“放置”在正确的时间位置上。下面逐一展开。

2.1 采样率：时间维度的离散化

核心原理

采样率（Sample Rate）表示每秒对模拟信号采样的次数，单位是Hz（次/秒）。根据奈奎斯特采样定理，要无失真地还原最高频率为f的模拟信号，采样率必须大于2f。人耳听觉范围约为20Hz~20kHz，因此CD音质采用44.1kHz采样率，留出约2.05kHz的过渡带余量。常见采样率包括：8kHz（语音通信）、16kHz（VoIP）、22.05kHz（低质量音乐）、32kHz（FM广播）、44.1kHz（CD）、48kHz（DVD/数字电视）、96kHz/192kHz（高解析度音频）。

在驱动开发中，采样率并非随意设定。它必须与硬件编解码器（Codec）的时钟分频链、PLL配置、以及CPU侧DMA的传输速率严格匹配。例如，一颗支持48kHz的Codec，其MCLK（主时钟）通常为12.288MHz（256×48kHz）或24.576MHz（512×48kHz）。驱动中配置采样率时，实际上是在配置Codec内部的时钟分频器以及CPU侧的I2S控制器位时钟分频。

判断方法

在Linux用户空间，可通过alsa-utils工具查看当前声卡支持的采样率范围：

arecord -D hw:0,0 --dump-hw-params /dev/null

输出中会列出RATE的连续范围或离散值列表。驱动开发时，需要确保snd_pcm_hw_params_set_rate_near()传入的值在硬件支持范围内，否则ALSA核心会返回-EINVAL。

案例拆解：采样率不匹配导致的声音变调

某嵌入式设备使用WM8960 Codec，主控I2S控制器固定输出MCLK=12.288MHz。驱动中错误地将采样率配置为44.1kHz，而Codec内部PLL未重新锁定。实际表现是播放44.1kHz音频时声音变调（音调偏高），因为Codec实际以48kHz的速率消费数据。排查时通过示波器测量BCLK频率，发现为3.072MHz（64×48kHz），而非2.8224MHz（64×44.1kHz）。最终在驱动中增加set_pll()回调，根据采样率动态调整PLL分频系数，问题解决。

2.2 位深：幅度维度的量化精度

核心原理

位深（Bit Depth）表示每个采样点用多少位二进制数来表示其幅度。位深越高，动态范围越大，量化噪声越低。16bit提供96.33dB的理论动态范围，24bit提供144.49dB，32bit浮点则用于内部处理。在Linux ALSA中，常见的PCM格式有：S16_LE（有符号16位小端）、S24_LE（有符号24位小端，存储在32位容器中）、S32_LE（有符号32位小端）、U8（无符号8位）。

驱动中位深直接影响DMA缓冲区的组织方式。例如，S24_LE格式在内存中实际占用4字节（高8位无效或符号扩展），而S32_LE占用4字节且全部有效。如果驱动将S24_LE误配置为S32_LE，会导致音量减半（因为有效数据只占高24位，低8位被忽略或填充0）。

操作流程

1. 在pcm_open()时通过snd_pcm_hw_params_set_format()设置期望的格式。
2. 调用snd_pcm_hw_params_get_format()验证实际获得的格式。
3. 在驱动侧，检查struct snd_pcm_hw_params中的format字段，并据此设置DMA传输的字节宽度。

常见误区

• 误区1：认为24bit数据在内存中占用3字节。实际上，大多数硬件以32位容器传输24bit数据，以保持对齐。
• 误区2：忽略字节序。小端（LE）与大端（BE）在ARM/x86平台上通常使用LE，但在某些网络音频设备中可能使用BE，需通过snd_pcm_format_big_endian()判断。

2.3 声道数：空间维度的并行通道

核心原理

声道数（Channels）表示一次采样中同时采集或播放的独立音频信号数量。单声道（Mono）为1ch，立体声（Stereo）为2ch，5.1环绕声为6ch（前左、前右、中置、低音炮、后左、后右），7.1为8ch。在PCM数据流中，多声道数据按帧（Frame）交错排列：一个帧包含所有声道的一个采样点。例如，16bit立体声的一个帧为4字节：左声道2字节+右声道2字节。

驱动中声道数影响DMA的周期大小和中断频率。例如，在48kHz/16bit/2ch下，每秒钟产生192,000字节数据。如果DMA周期设置为4096字节，则每秒产生约46.875个中断。若改为8ch，则每秒数据量变为768,000字节，中断频率相应增加4倍，可能造成CPU负载过高。

判断方法

在驱动中通过channels_min和channels_max字段声明硬件支持的声道范围。ALSA核心会在此范围内自动选择最接近用户请求的数值。对于TDM（时分复用）模式，一个帧内可能包含多达16个时隙（slot），每个时隙对应一个声道。

案例拆解：8声道麦克风阵列的DMA配置

某智能音箱使用8路数字麦克风（PDM接口），通过TDM方式接入I2S控制器。驱动中设置channels_max = 8，但DMA描述符的突发长度（burst length）仍按2ch配置。结果导致DMA传输时数据错位，第3~8声道数据被丢弃。修复方法：将DMA的max_burst调整为8个采样点（即一个完整帧），并确保FIFO阈值足够大以容纳8×4字节=32字节的数据。

2.4 PCM数据格式：内存中的排列与对齐

核心原理

PCM数据格式定义了采样值在内存中的二进制表示方式。ALSA使用snd_pcm_format_t枚举类型统一描述，包括：有符号/无符号、位宽、字节序、物理宽度（存储占用的实际位数）和容器宽度（对齐后的位数）。例如：

驱动中必须正确处理phys_width（物理宽度）与container_width（容器宽度）的差异。例如S24_LE格式，物理宽度为24位，但容器宽度为32位，意味着每个采样点占用4字节，其中高8位为无效位（通常为0或符号扩展）。如果驱动按3字节搬运，会导致数据错位。

操作流程

1. 在pcm_new()中设置snd_pcm_hw_constraint_minmax()约束格式范围。
2. 在hw_params回调中，通过params_format()获取当前格式。
3. 根据格式计算DMA传输的字节数：frame_bytes = channels × (container_width / 8)。
4. 设置DMA的addr和buf_bytes时，确保缓冲区大小是frame_bytes的整数倍。

常见误区

• 误区1：将S24_LE当作3字节处理，导致DMA搬运长度错误。
• 误区2：忽略字节序，在x86（小端）上开发正常，移植到MIPS（大端）后声音异常。
• 误区3：未处理snd_pcm_format_physical_width()与snd_pcm_format_width()的区别，前者是存储宽度，后者是有效位宽。

2.5 音频时钟与同步：数据流的“心跳”

核心原理

音频时钟系统通常包含三个层次：主时钟（MCLK）、位时钟（BCLK）和帧时钟（LRCLK/FS）。MCLK是最高频率的时钟，通常为BCLK的整数倍（如64倍、128倍、256倍）。BCLK的频率等于采样率×位深×声道数。例如，48kHz/16bit/2ch的BCLK = 48,000 × 16 × 2 = 1.536MHz。LRCLK的频率等于采样率，用于标识一个帧的开始。

在I2S标准中，LRCLK为低电平时传输左声道，高电平时传输右声道。在TDM模式下，LRCLK变为帧同步信号（FS），一个帧内包含多个时隙。驱动中时钟同步的核心任务是确保CPU侧DMA的读写速率与Codec侧BCLK/LRCLK的速率一致。如果两者失步，会导致FIFO上溢（数据来不及读走）或下溢（数据未及时填充），产生爆音或卡顿。

判断方法

在驱动调试中，可通过以下方式检查时钟同步状态：

• 读取Codec的时钟状态寄存器（如WM8960的CLOCKING_1寄存器），确认PLL锁定标志。
• 使用示波器测量BCLK与LRCLK的频率比，应为位深×声道数的整数倍。
• 在驱动中打印snd_pcm_rate与硬件实际采样率的偏差，若超过±0.1%则可能存在问题。

案例拆解：USB音频设备的时钟同步问题

某USB音频设备使用异步模式（Async Mode），即设备端有自己的时钟源，主机端通过反馈端点（Feedback Endpoint）调整采样率。驱动中未实现反馈端点处理，导致播放时每隔几秒出现一次爆音。分析发现，设备端实际采样率为48.02kHz，而主机以48.00kHz发送数据，FIFO逐渐下溢。解决方案：在驱动中实现snd_usb_audio的反馈机制，动态调整主机端的数据发送速率，使两者同步。

2.6 综合案例：配置一个48kHz/24bit/2ch的I2S播放链路

假设主控为i.MX8M Plus，Codec为TI TLV320AIC3104，需要通过I2S接口播放48kHz/24bit/2ch音频。以下是驱动配置的关键步骤：

1. 时钟树配置：设置AUDIO_PLL输出频率为24.576MHz（512×48kHz），作为MCLK。
2. I2S控制器配置：设置BCLK = 48,000 × 24 × 2 = 2.304MHz，LRCLK = 48kHz。
3. Codec配置：通过I2C写入AIC3104寄存器，设置PLL倍频系数、BCLK分频、数据格式为I2S（24bit左对齐）。
4. DMA配置：设置DMA突发长度为8个帧（8×2×4=64字节），缓冲区大小为16KB（256个周期）。
5. ALSA参数设置：在hw_params中设置format = S24_LE，rate = 48000，channels = 2。

调试过程中发现播放声音有轻微“沙沙”声，通过示波器测量发现BCLK上升沿与LRCLK边沿存在约10ns的抖动。排查后确认是I2S控制器时钟分频器的相位偏移问题，通过在驱动中设置snd_soc_dai_set_tdm_slot()调整时隙偏移，问题解决。

2.7 总结与自检清单

本章内容覆盖了音频驱动开发中最基础的度量参数。在实际项目中，建议开发者建立以下自检清单：