📚 课程目录第1章音频系统概述

1. 音频系统概述：Linux音频架构演进与数据流基础

1.1 Linux音频架构演进：从OSS到ALSA

Linux音频子系统经历了从OSS（Open Sound System）到ALSA（Advanced Linux Sound Architecture）的重大演进。理解这一演进过程，是掌握现代Linux音频驱动开发的前提。

特性	OSS（传统）	ALSA（现代）
设计哲学	单一设备文件，全局锁	模块化、插件化、多设备支持
设备接口	`/dev/dsp`、`/dev/mixer`	`/dev/snd/*`（pcmC0D0p、controlC0等）
混音能力	硬件混音，依赖声卡	软件混音（dmix） + 硬件混音
多音频流	不支持（独占设备）	原生支持多流并发
API复杂度	简单（ioctl为主）	丰富（pcm/ctl/mixer/timer/seq）
内核集成	2.4及之前	2.6起成为主线

  关键转折点： 2002年，ALSA被合并入Linux 2.5开发内核，并在2.6版本中完全取代OSS成为默认音频子系统。OSSv3被标记为废弃，OSSv4仅保留在商业/社区分支中。

1.2 音频数据流基本概念

数字音频的本质是将连续的模拟声波信号离散化为一系列数值样本。三个核心参数决定了音频数据流的特征：采样率（Sample Rate）、位深（Bit Depth）和声道数（Channels）。

1.2.1 采样率（Sample Rate）

采样率定义每秒从连续信号中提取的样本点数，单位是Hz（赫兹）。根据奈奎斯特采样定理，采样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	典型用途	频率范围
8 kHz	电话语音	0–4 kHz
16 kHz	VoIP、语音识别	0–8 kHz
44.1 kHz	CD音频	0–22.05 kHz
48 kHz	DVD、专业音频	0–24 kHz
96 kHz	高解析度音频	0–48 kHz
192 kHz	录音室母带	0–96 kHz

1.2.2 位深（Bit Depth）

位深决定每个样本的动态范围，即量化精度。每增加1位，信噪比（SNR）提升约6 dB。

位深	动态范围	量化级数	典型场景
8-bit	~48 dB	256	早期游戏、低质量语音
16-bit	~96 dB	65,536	CD、MP3
24-bit	~144 dB	16,777,216	录音室、高解析音频
32-bit float	~1528 dB（理论）	浮点	DAW内部处理、混音

1.2.3 声道数（Channels）

声道数表示音频流的独立信号通路数量。常见的声道布局包括：

Mono（单声道）：1个声道，所有扬声器输出相同信号。
Stereo（立体声）：2个声道（左/右），提供空间感。
5.1环绕声：6个声道（前左、前右、中置、后左、后右 + 低音炮）。
7.1环绕声：8个声道（在5.1基础上增加侧左、侧右）。

数据速率计算公式：
数据速率 (bytes/s) = 采样率 × 位深/8 × 声道数
例如：CD音质（44.1 kHz × 16-bit × 2声道）= 176.4 kB/s ≈ 1.41 Mbps

1.3 PCM数据帧与缓冲区

在ALSA中，音频数据以PCM帧（Frame）为单位进行传输。一个PCM帧包含所有声道在当前采样点的样本数据。

  关键术语：

  样本（Sample）：单个声道的一个采样值。
帧（Frame）：所有声道在同一时刻的样本集合。帧大小 = 声道数 × 位深/8。
周期（Period）：硬件中断触发的数据块大小，通常为帧的整数倍。
缓冲区（Buffer）：由多个周期组成的环形缓冲区，用于平滑数据流。

/* PCM数据布局示例：16-bit立体声，2帧数据 */
/* 帧0: 左声道样本(0x1234) | 右声道样本(0x5678) */
/* 帧1: 左声道样本(0x9ABC) | 右声道样本(0xDEF0) */

内存布局（交错模式）：
地址+0: 0x34 0x12  (左声道样本0, 小端序)
地址+2: 0x78 0x56  (右声道样本0)
地址+4: 0xBC 0x9A  (左声道样本1)
地址+6: 0xF0 0xDE  (右声道样本1)

/* 帧大小 = 2声道 × 2字节 = 4字节 */
/* 2帧总大小 = 2 × 4 = 8字节 */

常见误区： 初学者容易混淆“帧”与“样本”。在ALSA API中，snd_pcm_writei()的第三个参数是帧数而非样本数或字节数。错误传递参数会导致数据错位或驱动异常。

1.4 ALSA设备文件层次结构

ALSA在内核空间创建设备文件，位于/dev/snd/目录下。每个声卡和功能单元都有对应的设备节点。

设备文件	含义	主设备号	次设备号范围
`controlC0`	声卡0的控制接口（混音器、音量等）	116	0
`pcmC0D0p`	声卡0设备0播放（playback）	116	2-3
`pcmC0D0c`	声卡0设备0捕获（capture）	116	4-5
`pcmC0D1p`	声卡0设备1播放（如HDMI音频）	116	6-7
`timer`	全局定时器设备	116	1
`seq`	MIDI序列器设备	116	8-15

命名规则： pcmC<card>D<device><P|C>
C = Card（声卡编号），D = Device（设备编号），P = Playback（播放），C = Capture（捕获）。
例如：pcmC1D2p 表示声卡1、设备2的播放接口。

1.5 音频数据流路径概览

从应用程序到物理声卡，音频数据流经过多层抽象：

应用程序：调用ALSA用户空间API（libasound）或直接操作设备文件。
ALSA库层：处理插件链（dmix、rate、softvol等），进行格式转换、混音、重采样。
ALSA内核层：PCM中间层管理环形缓冲区、DMA传输、中断处理。
硬件驱动层：与具体声卡寄存器交互，触发DMA传输。
物理声卡：DAC/ADC转换，模拟信号输出/输入。