linux学习：音视频编程+alsa声音架构

最新推荐文章于 2025-05-08 18:58:02 发布

原创

最新推荐文章于 2025-05-08 18:58:02 发布

· 1k 阅读

20 ·

版权

文章标签：

#学习 #音视频

概念

信号都是模拟信号，不管是声音还是光线，这些模拟信号需要被 A/D 转换器转换成数字信号，才能被存储在计算机中，从概念上讲，可以将 A/D 转换视为三步完成的过程：采样、量化和编码

采样

用采样器每隔一段时间读取一次模拟信号，用这些离散的值来代表整个模拟信号的过程。单位时间内的采样值个数被称为采样频率。常用的采样频率是 11025Hz、22050Hz 和 44100Hz。当然，也可以是其他更高或者更低的频率

量化

对于每次采样得到的值，考虑使用多少个 bit 来存储它。如果使用 8 个 bit （即一个字节）来描述采样值，那么能表达的值的范围是 256，如果使用 16 个 bit 来描述，范围就被扩展为 65536，描述一个采样值所使用的位数，也被称为分辨率。常用的量化步长为 8 位、16 位或者 32 位。

编码

脉冲编码调制就是把一个时间连续，取值连续的模拟信号变换成时间离散，取值离散的数字信号后在信道中传输。脉冲编码调制就是对模拟信号先抽样，再对样值幅度量化，编码的过程

音频文件wav 格式

wav 是一种符合 RIFF 文档规范的文件格式，这种文档规范是一种以树形结构组织数据的标准，以 wav 格式为例子，文档必须先包含“RIFF 数据块”，也就是下图左边部分的区域，其中 ID 固定为 RIFF 四个字符，而且是大端序。而 SIZE 是除了 ID 和 SIZE 之外本文档的总大小，FMT 则是 RIFF 规范下 DATA 的具体数据格式，wav 对应的是 WAVE。剩下的 DATA 就是 RIFF 文档的内容，RIFF 文档的内容又可以由多个“数据块”组成，对于 wav 格式而言，它的组成如下图中右边部分所示：包含两块，一个是 fmt 块，一个 data 块

标准音频接口 ALSA

安装 ALSA 库

下载最新版alsa源码
解压缩，进入源码目录中并依次执行./configure、make 和 make install
将安装之后的 ALSA 库所在路径（缺省是/usr/lib/i386-Linux-gnu/）添加到环境变量 LD_LIBRARY_PATH 中
编译音频程序的时候，包含头文件，并且链接 alsa 库：比如： gcc example.c -o example -lasound
如果要将 ALSA 库安装到基于 ARM 平台的开发板上时，除了第 2 步中的./configure 需要增加指定交叉工具链前缀（例如--host=arm-none-linux-gnueabi）的参数外，还需要将编译好的 ALSA 库的全部文件放到开发板中，并且保持绝对路径完全一致。

录制音频

步骤

取得 PCM 设备的句柄
- snd_pcm_t *handle;
设置 PCM 流的方向（录制）
- snd_pcm_stream_t stream = SND_PCM_STREAM_CAPTURE;
设置诸如数据 buffer 大小、采样频率、量化级等
- snd_pcm_hw_params_t *hwparams;

api

获取pcm设备句柄

在 ALSA 中，可以使用 plughw 或者 hw 来代表 PCM 设备接口，使用 plughw 时我们不需要关心所设置的各种 params 是否被声卡支持，因为如果不支持的话会自动使用默认的值，如果使用 hw 的话就必须仔细检查声卡硬件的信息，确保设置的每一项都被支持。一般而言使用 plughw 就可以了，具体而言，使用如下函数获得 PCM 设备句柄

snd_pcm_open(&handle, “plughw:0,0”, stream,0);

0,0 中的第一个 0 是系统中声卡的编号，第二个 0 是设备的编号，而最后一个 0 代表标准打开模式，除此之外还可以是 SND_PCM_NONBLOCK 或者 SND_PCM_ASYNC，前者代表非阻塞读写 PCM 设备，后者代表声卡系统以异步方式工作：每当一个周期（period）结束时，将触发一个

设置 PCM 设备参数

首先，给参数配置分配相应的空间，并且根据当前的 PCM 设备的具体情况初始化：
- snd_pcm_hw_params_t *hwparams;
- snd_pcm_hw_params_alloca(&hwparams);
- snd_pcm_hw_params_any(handle, hwparams);
设置访问模式为交错模式，这意味着采样点是帧连续的，而不是通道连续的
- snd_pcm_hw_params_set_access(handle,SND_PCM_ACCESS_RW_INTERLEAVED);
  - SND_PCM_ACCESS_MMAP_INTERLEAVED：内存映射方式下的交错模式 SND_PCM_ACCESS_MMAP_NONINTERLEAVED：内存映射方式下的非交错模式 SND_PCM_ACCESS_RW_INTERLEAVED：直接 IO 方式下的交错模式 SND_PCM_ACCESS_RW_NONINTERLEAVED：直接 IO 方式下的非交错模
设置量化参数
- snd_pcm_format_t pcm_format =SND_PCM_FORMAT_S16_LE;
  - SND_PCM_FORMAT_S8 有符号 8 位
    SND_PCM_FORMAT_U8 无符号 8 位
    SND_PCM_FORMAT_S16_LE 有符号 16 位，小端序 SND_PCM_FORMAT_S16_BE 有符号 16 位，大端序 SND_PCM_FORMAT_U16_LE 无符号 16 位，小端序 SND_PCM_FORMAT_U16_BE 无符号 16 位，大端序
    SND_PCM_FORMAT_S24_LE 有符号 24 位，小端序 SND_PCM_FORMAT_S24_BE 有符号 24 位，大端序 SND_PCM_FORMAT_U24_LE 无符号 24 位，小端序 SND_PCM_FORMAT_U24_BE 无符号 24 位，大端序 SND_PCM_FORMAT_S32_LE 有符号 32 位，小端序 SND_PCM_FORMAT_S32_BE 有符号 32 位，大端序 SND_PCM_FORMAT_U32_LE 无符号 32 位，小端序 SND_PCM_FORMAT_U32_BE 无符号 32 位，大端序
- snd_pcm_hw_params_set_format(handle, hwparams, pcm_format);
设置音轨数目（本例中设置为双音轨，即立体声，1 为单音轨）
- uint16_t channels = 2;
- snd_pcm_hw_params_set_channels(handle, hwparams, channels);
设置采样频率，设备所支持的采用频率有规定的数值，本例中以 exact_rate 为基准，设置一个尽量接近该值的频率
- uint32_t exact_rate = 44100;
- snd_pcm_hw_params_set_rate_near(handle, hwparams, &exact_rate, 0);
  - 采样频率的设置函数名字为 snd_pcm_h