📚 课程目录第1章音频系统概述

Linux内核驱动ALSA音频框架与声卡驱动开发 - 第1节

1.1 音频信号基础

音频信号本质上是随时间变化的声波压力在介质（通常为空气）中的传播。在物理层面，声波是一种纵波，通过压缩和稀疏介质分子来传递能量。人耳可感知的频率范围大约为 20 Hz 至 20 kHz，这一范围被称为听觉频率范围。

  关键概念：音频信号是模拟量，具有连续的时间和幅度特性。在自然界中，声音的强度（响度）用分贝（dB）表示，频率（音调）用赫兹（Hz）表示。

1.2 数字音频原理

数字音频的核心是将连续的模拟音频信号转换为离散的数字表示，这一过程称为模数转换（ADC）。数字音频系统通过三个基本步骤完成转换：采样、量化和编码。

1.2.1 采样（Sampling）

采样是在时间轴上以固定间隔对模拟信号进行瞬时值提取的过程。根据奈奎斯特采样定理，采样频率必须至少为信号最高频率的两倍，才能无失真地重建原始信号。

采样率	常见应用	最高可表示频率
8 kHz	电话语音	4 kHz
44.1 kHz	CD 音频	22.05 kHz
48 kHz	DVD / 专业音频	24 kHz
96 kHz	高解析度音频	48 kHz
192 kHz	录音室母带	96 kHz

1.2.2 量化（Quantization）

量化是将采样得到的连续幅度值映射到有限个离散电平的过程。量化精度由位深度决定，常见位深度包括 8-bit、16-bit、24-bit 和 32-bit。位深度越高，动态范围越大，量化噪声越低。

量化噪声公式：动态范围 ≈ 6.02 × N + 1.76 dB，其中 N 为位深度。例如 16-bit 音频的理论动态范围约为 98 dB。

1.3 PCM 编码

脉冲编码调制（Pulse Code Modulation, PCM）是数字音频最基础的编码格式。PCM 将模拟信号经过采样、量化后，每个采样值用固定位数的二进制码字表示。PCM 数据通常以线性或非线性（如 μ-law、A-law）方式存储。

1.3.1 PCM 数据格式

在 Linux ALSA 框架中，PCM 数据以帧（Frame）为单位组织。一帧包含所有声道在当前采样点的数据。常见的 PCM 格式包括：

S16_LE：有符号 16 位小端序，最常用的格式
S24_LE：有符号 24 位小端序，存储在 32 位容器中
S32_LE：有符号 32 位小端序
FLOAT_LE：32 位浮点数格式，用于高精度处理

// PCM 帧结构示例（双声道，16-bit 立体声）
// 帧大小 = 声道数 × 采样位宽 / 8
// 例如：2 声道 × 16-bit = 4 字节/帧
struct pcm_frame_stereo16 {
    int16_t left;   // 左声道采样值
    int16_t right;  // 右声道采样值
};

1.4 采样率与位深度

采样率和位深度是数字音频的两个核心参数，直接影响音频质量和数据量。

参数	定义	对质量的影响	对数据量的影响
采样率	每秒采集的样本数（Hz）	决定频率上限，越高高频还原越好	线性增加：采样率×2 → 数据量×2
位深度	每个样本的比特数（bit）	决定动态范围和信噪比	线性增加：位深×2 → 数据量×2

常见误区：更高的采样率并不总是更好。对于人耳听觉范围（20 Hz - 20 kHz），44.1 kHz 采样率已满足奈奎斯特定理。过高的采样率会增加处理开销和存储需求，而对听觉改善有限。

1.4.1 数据速率计算

数字音频的数据速率（比特率）计算公式为：

比特率 (bps) = 采样率 (Hz) × 位深度 (bit) × 声道数

示例：CD 质量立体声音频
比特率 = 44100 × 16 × 2 = 1,411,200 bps ≈ 1.41 Mbps
每分钟数据量 = 1.41 Mbps × 60 / 8 ≈ 10.6 MB

1.5 音频硬件架构

典型的音频硬件架构由多个功能模块组成，从模拟信号输入/输出到数字信号处理，最终与 CPU 和内存交互。在嵌入式系统中，音频硬件通常集成在 SoC 内部或通过外部编解码器（Codec）连接。

1.5.1 核心组件

音频编解码器（Audio Codec）：负责 ADC/DAC 转换，通常包含模拟混音器、增益控制、滤波器等
数字音频接口（DAI）：如 I²S、PCM、TDM 等，用于在 SoC 和 Codec 之间传输数字音频数据
DMA 控制器：负责在内存和音频外设之间搬运 PCM 数据，无需 CPU 逐字节干预
时钟源（Clock）：提供采样时钟和主时钟，保证音频同步
模拟前端（Analog Front-End）：包括麦克风放大器、耳机放大器、线路输入/输出等

1.5.2 常见音频总线协议

协议	特点	典型应用
I²S	3 线制（BCLK、LRCLK、DATA），支持立体声	消费电子、嵌入式音频
TDM	时分复用，支持多声道（最多 16 声道）	专业音频、车载音响
PCM	同步串行接口，支持单声道/立体声	蓝牙音频、数字无线通信
AC'97	5 线制，包含 Codec 控制通道	老旧 PC 主板、早期嵌入式
HDMI ARC	通过 HDMI 线缆传输音频回传	电视、家庭影院

嵌入式开发提示：在 Linux 音频驱动开发中，I²S 是最常见的 DAI 接口。ALSA 框架通过 snd_soc_dai_driver 结构体来描述 DAI 的能力，包括支持的数据格式、时钟极性、帧格式等。

1.6 本章小结

本章建立了音频系统的基础知识框架。从模拟音频信号的物理特性出发，理解了数字音频的采样、量化和 PCM 编码原理，掌握了采样率和位深度对音频质量和数据量的影响，最后梳理了嵌入式音频硬件的典型架构和总线协议。这些概念是后续学习 ALSA 框架和声卡驱动开发的基石。