第2章：音频数据包结构——Audio Sample Packet格式解析
好，咱们接着聊。上一章我们把HDMI的整体架构捋了一遍，这一章要深入一个非常具体的细节——音频数据包长什么样。说白了，就是音频数据在HDMI线里是怎么“打包”的。
我记得刚接触HDMI音频驱动时，最头疼的就是这个包结构。文档写得晦涩，寄存器手册又喜欢用缩写。后来我干脆自己画了一张图，贴在工位上，天天看。今天我把这张图“翻译”成文字，分享给你。
2.1 音频数据包的基本单位
HDMI传输音频，不是一股脑把PCM数据扔过去。它要打包成一个个小单元，叫Audio Sample Packet。每个包携带若干个音频样本。
你想想看，视频信号是连续的像素流，音频信号是离散的采样点。两者要同步，就必须有严格的时序和包结构。HDMI规范里定义了多种音频包类型，但最常用的是Audio Sample Packet (ASP)。
核心要点：每个Audio Sample Packet包含一个包头（Packet Header）和包体（Packet Body）。包头4字节，包体最多32字节。
2.2 包头结构详解
包头虽然只有4个字节，但信息量很大。我习惯把它拆成两部分看：
| 字节偏移 | 位域 | 描述 |
|---|---|---|
| Byte 0 | Bits[7:0] | Packet Type = 0x02（音频数据包标识） |
| Byte 1 | Bits[7:0] | 数据块数量（Number of Audio Samples per Channel） |
| Byte 2 | Bits[7:4] | 保留位（必须为0） |
| Byte 2 | Bits[3:0] | 音频样本字长（Sample Size） |
| Byte 3 | Bits[7:0] | 音频时钟恢复信息（N/CTS相关，后面细讲） |
这里有个坑，我当年踩过。Byte 2的低4位表示样本字长，但它的编码方式不是直接写16或24。规范里用的是索引值：
- 0x01 → 16位
- 0x02 → 20位
- 0x03 → 24位
嗯，要注意，如果你直接写0x10，接收端会解析成别的意思。我曾经因为这个bug，调试了整整两天。
2.3 包体结构——音频样本怎么放
包体才是真正装音频数据的地方。它的布局取决于两个因素：声道数和样本字长。
举个例子，最常见的2声道、16位PCM：
包体布局（32字节）：
Byte 0-1: 左声道样本0（16位）
Byte 2-3: 右声道样本0（16位）
Byte 4-5: 左声道样本1（16位）
Byte 6-7: 右声道样本1（16位）
...
Byte 30-31: 右声道样本7（16位）
每个包可以放8个样本（每个声道）。如果是24位样本，每个样本占3字节，那一个包就只能放5个样本左右，剩下的字节填充0。
我的经验：实际开发中，我建议你优先用16位样本。兼容性最好，而且包利用率最高。24位虽然音质好，但很多老设备不支持。
2.4 音频时钟恢复——N/CTS机制
好，接下来是重头戏。音频时钟恢复，说白了就是让接收端知道音频的采样频率是多少。HDMI没有单独的音频时钟线，它必须从TMDS时钟里“算”出来。
怎么算？靠两个参数：N 和 CTS。
公式很简单：
音频采样频率 = (TMDS时钟频率 × N) / (128 × CTS)
嗯，别被公式吓到。我解释一下：
- TMDS时钟频率：就是HDMI链路的像素时钟，比如148.5MHz（1080p@60Hz）
- N：一个固定的整数，由音频采样频率决定
- CTS：一个动态计算的值，用来补偿时钟偏差
N的值是规范里写死的。比如：
| 音频采样频率 (kHz) | N值 |
|---|---|
| 32.0 | 4096 |
| 44.1 | 6272 |
| 48.0 | 6144 |
| 96.0 | 12288 |
| 192.0 | 24576 |
CTS怎么算？CTS = (TMDS时钟频率 × N) / (128 × 音频采样频率)。
举个例子，假设TMDS时钟是148.5MHz，音频是48kHz：
CTS = (148500000 × 6144) / (128 × 48000)
= 912384000000 / 6144000
= 148500
你看，算出来正好是148500。这个值会放在音频数据包的包头里，发送给接收端。
注意：CTS必须是整数。如果除不尽，说明你的TMDS时钟和音频采样频率不匹配。我曾经在一个项目中，因为用了非标准的视频分辨率，导致CTS算出来是小数，音频一直断断续续。最后换了标准分辨率才解决。
2.5 实际开发中的注意事项
聊了这么多理论，说点实际的。你在写音频驱动时，这几个点一定要检查：
- 包类型必须正确：包头第一个字节必须是0x02，否则接收端不认。
- 样本对齐：16位样本按2字节对齐，24位按3字节对齐。别搞混。
- N/CTS更新时机：每次音频采样频率变化时，必须重新计算并更新N和CTS。我建议在音频流开始前就设置好，不要中途改。
- 填充字节：包体没用完的字节，必须填0。有些接收端会检查这个。
避坑指南：我曾经在一个项目中，音频偶尔出现“噼啪”声。查了三天，最后发现是N/CTS更新不及时导致的。接收端用旧的CTS算出来的频率不对，音频就失真了。从那以后，我每次改音频参数都会先停掉音频流，更新完再重启。
2.6 小结
这一章我们讲了音频数据包的格式，从包头到包体，再到时钟恢复机制。说白了，HDMI音频传输的核心就是两件事：把样本打包好，把时钟信息传过去。
下一章，我们会深入音频驱动初始化流程，看看怎么在代码里把这些包发出去。到时候我会贴一些实际的寄存器配置代码，你一看就明白了。
好，今天就到这儿。有问题随时找我。