3、音频时钟恢复：音频采样率与时钟恢复、PLL锁相环原理、Drift补偿策略
时钟恢复这件事，说白了就是接收端要猜发送端的节奏。
你想想看，音频数据在封装里跑，发送端有自己的晶振，接收端也有自己的晶振。两个晶振不可能完全一样——今天温度变了、电压抖了一下，频率就偏了。我早年做HDMI音频接收的时候，就吃过这个亏。画面没问题，声音每隔几十秒就卡一下，查了三天，原来是时钟漂移没处理好。
这一章，我们就来拆解音频时钟恢复的三个核心问题：采样率怎么对齐、PLL怎么锁、漂移怎么补。
3.1 音频采样率与时钟恢复的基本逻辑
音频采样率，比如48kHz，意思是每秒采集48000个样本。发送端按这个节奏把样本塞进封装，接收端也得按这个节奏把样本拿出来播放。
问题在于，接收端怎么知道“一秒”有多长？
常见的做法有两种：
- 同步时钟：发送端把时钟信号单独拉一根线传过来。比如I²S接口，BCLK就是位时钟。简单可靠，但封装传输里很少这么干——线太多。
- 异步时钟恢复：接收端从数据流里提取时钟信息。封装解析里几乎全是这条路，比如HDMI的Audio Clock Recovery（ACR）、USB Audio的adaptive模式。
我习惯把时钟恢复比作两个人打拍子。一个人（发送端）在远处敲鼓，另一个人（接收端）要跟着鼓点跳舞。鼓点偶尔快一点、慢一点，跳舞的人得自己调整脚步。这个调整过程，就是时钟恢复。
核心原则：时钟恢复不是让两个时钟完全相等，而是让接收端的播放速率与发送端的采样速率保持长期一致。短期抖动可以容忍，长期漂移必须补偿。
3.2 PLL锁相环原理
PLL（Phase-Locked Loop）是时钟恢复的硬件核心。几乎所有音频接收芯片里都藏着至少一个PLL。
PLL的基本结构就四个部分：
- 鉴相器（PD）：比较输入信号和本地振荡器的相位差。
- 环路滤波器（LF）：滤掉高频噪声，输出一个平滑的控制电压。
- 压控振荡器（VCO）：根据控制电压调整输出频率。
- 分频器（Divider）：把VCO输出分频，反馈给鉴相器。
闭环一跑起来，VCO的频率就会被“锁”在输入信号的整数倍上。锁住了，时钟就恢复了。
我的经验：环路滤波器的带宽选择很关键。带宽太宽，锁得快但噪声大；带宽太窄，噪声小但锁得慢，而且跟不上输入频率的快速变化。做HDMI ACR时，我一般把环路带宽设在音频帧率的1/10到1/20之间，比如48kHz音频，环路带宽取2~5kHz。
下面这张图是我常用的PLL时钟恢复流程，你可以看看信号是怎么一步步走通的：
嗯，这里要注意。PLL锁住之后，输出时钟和输入参考时钟之间仍然存在一个固定的相位差。这个差值是环路滤波器决定的，只要稳定就没问题。真正要命的是频率漂移——也就是Drift。
3.3 Drift补偿策略
Drift，说白了就是发送端和接收端的时钟长期走偏。比如发送端晶振是48.000kHz，接收端晶振是47.998kHz。差2Hz，听起来不多，但一秒钟差2个样本，一分钟就是120个样本。累积下去，缓冲区要么空要么满，声音就断了。
我遇到过最典型的场景是USB Audio。USB主机端的时钟和音频设备端的时钟是独立的，没有物理时钟线。设备只能靠USB的SOF（Start of Frame）包来估算主机时钟，但SOF本身也有抖动。怎么办？
常见的Drift补偿策略有三种：
| 策略 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| 采样率转换（SRC） | 接收端用本地时钟播放，通过异步采样率转换器把输入样本重采样到本地时钟域 | 实现简单，不依赖PLL精度 | 增加延迟，可能引入重采样噪声 |
| PLL频率微调 | 根据缓冲区水位微调PLL的VCO控制电压，改变输出频率 | 延迟低，音质好 | PLL设计复杂，环路稳定性难保证 |
| 样本插入/删除 | 缓冲区快满时删除一个样本，快空时插入一个样本（静音或重复） | 实现极简单，几乎零计算 | 会引入可闻的click/pop噪声，音质差 |
避坑指南：我曾经在一个低端蓝牙音箱项目里用了样本插入/删除策略。结果用户反馈听歌时每隔几分钟就“咔”一声。后来换成SRC，虽然延迟多了5ms，但音质问题彻底解决了。所以，对音质有要求的场景，千万别省SRC的成本。
我个人最推荐的是PLL频率微调 + 缓冲区水位反馈的组合方案。具体做法是：
- 在接收端维护一个环形缓冲区，记录当前水位（已填充但未播放的样本数）。
- 设定一个目标水位，比如缓冲区总深度的50%。
- 每隔一个音频帧（比如1ms），检查实际水位与目标水位的偏差。
- 偏差值经过一个PI控制器（比例-积分），输出给PLL的VCO控制端。
- PLL根据控制电压微调输出频率，让播放速率追上发送速率。
这个方案的好处是：缓冲区水位天然反映了时钟漂移的方向和大小。水位上升，说明接收端播放慢了，需要提高PLL频率；水位下降，说明播放快了，需要降低频率。闭环一跑，长期漂移自动补偿。
关键参数：PI控制器的系数需要根据音频帧率和缓冲区大小仔细调。我一般先设P系数为0.1，I系数为0.01，然后在实际硬件上微调。P太大，系统会震荡；I太大，响应太慢，漂移补偿跟不上。
最后说一个容易被忽略的点：Drift补偿的精度要求。人耳对频率偏差的感知阈值大约是0.1%——也就是1000Hz的音，偏1Hz就能听出来。但音频时钟恢复的精度要求远高于这个值。专业音频设备要求漂移控制在±50ppm以内，也就是48kHz的时钟，偏差不超过±2.4Hz。换算成缓冲区水位变化，每秒钟样本数偏差不超过2~3个。所以，你的补偿策略必须能处理这种级别的微小偏差。
嗯，时钟恢复这件事，说难不难，说简单也不简单。核心就是理解PLL怎么锁、漂移怎么补。下一层我们就要进入实际的封装解析流程了，到时候你会看到这些策略是怎么落地到代码里的。