ALSA音频驱动开发入门指南 - 第2节

一、声音的物理特性：频率与振幅

聊音频驱动，得先从声音本身说起。

声音是什么？说白了就是空气的振动。这种振动有两个关键参数：频率和振幅。

频率：决定音高

频率就是每秒振动的次数，单位是赫兹（Hz）。频率越高，声音越尖；频率越低，声音越沉。

人耳能听到的范围大概是20Hz到20kHz。低于20Hz的叫次声波，高于20kHz的叫超声波。我刚开始做音频驱动时，有个坑——麦克风采集到的数据里经常有50Hz的工频噪声。嗯，那是市电干扰，不是真正的音频信号。

振幅：决定音量

振幅就是振动的幅度，决定了声音的大小。振幅越大，声音越响。

在数字音频里，振幅被量化成一个个数值。数值范围取决于位深。这个后面会细说。

二、数字音频的核心概念

模拟声音要变成数字信号，得经过三个步骤：采样、量化、编码。这三个步骤对应三个核心参数：采样率、位深、声道。

采样率：每秒采多少个点

采样率就是每秒对模拟信号采样的次数，单位是Hz。比如44.1kHz，就是一秒采44100个点。

为什么是44.1kHz？因为根据奈奎斯特定理，采样率至少要是信号最高频率的两倍。人耳上限20kHz，两倍就是40kHz。CD标准选了44.1kHz，留了点余量。

采样率	常见用途
8kHz	电话语音
44.1kHz	CD音质
48kHz	DVD、专业音频
96kHz	高解析音频

位深：每个点用多少位表示

位深决定了每个采样点的精度。16位就是每个点用16个二进制位表示，能表示65536个不同的振幅值。

位深越高，动态范围越大，声音细节越丰富。常见的位深有：

• 8位：早期游戏音效，噪声大
• 16位：CD标准，够用
• 24位：专业录音，动态范围144dB
• 32位：浮点处理，内部计算用

声道：声音的空间感

声道数决定了声音的空间维度。

• 单声道（Mono）：一个声道，所有声音混在一起
• 立体声（Stereo）：左右两个声道，有空间感
• 多声道：5.1、7.1等，环绕声

在驱动层面，声道数决定了数据排列方式。立体声通常是左右交错排列：L R L R L R ...

三、PCM数据格式

PCM（脉冲编码调制）是最基础的数字音频格式。说白了，就是把模拟信号的振幅值，按时间顺序一个个记录下来。

PCM数据的存储方式

假设我们有一个16位立体声的PCM流，数据排列是这样的：

采样点1: 左声道(16位) | 右声道(16位)
采样点2: 左声道(16位) | 右声道(16位)
采样点3: 左声道(16位) | 右声道(16位)
...

每个采样点占2字节（16位），左右声道交错排列。一秒钟的数据量 = 采样率 × 位深/8 × 声道数。

举个例子：44.1kHz、16位、立体声，一秒钟的数据量是：

44100 × 2 × 2 = 176400 字节 ≈ 172KB

PCM的常见变体

• 有符号/无符号：16位PCM通常用有符号数，8位用无符号
• 大端/小端：字节序问题，ARM平台通常是小端
• 交错/非交错：立体声数据是左右交错还是分开存放

四、音频编解码器简介

编解码器（Codec）是音频通路的核心芯片。它负责数模转换（DAC）和模数转换（ADC）。

Codec的主要功能

• DAC：数字信号转模拟信号，驱动耳机或喇叭
• ADC：模拟信号转数字信号，采集麦克风输入
• 混音：多路音频混合
• 音量控制：硬件增益调节

常见的Codec芯片

芯片型号	特点
WM8960	低功耗，常用于嵌入式
ALC5621	集成度高，常用于平板
TLV320AIC3x	TI的经典系列，性能稳定

Codec与SoC的连接

Codec通常通过I2S接口与SoC通信。I2S有三条主要信号线：

• BCLK：位时钟，每个bit一个脉冲
• LRCK：左右声道时钟，切换左右声道
• SDATA：串行数据线

驱动开发时，需要配置好这些时钟的频率和极性。配错了，声音就会失真或者完全没声。

小结

这一章我们聊了声音的物理特性、数字音频的三个核心参数、PCM数据格式，还有Codec的基本概念。这些都是音频驱动开发的基础，后面写驱动时会反复用到。

下一章，我们会深入Linux ALSA框架，看看驱动是怎么组织起来的。到时候你会看到，这些基础知识是怎么落实到代码里的。