Linux-音频应用编程

alsa-lib 简介

如上所述，alsa-lib 是一套 Linux 应用层的 C 语言函数库，为音频应用程序开发提供了一套统一、标准的接口，应用程序只需调用这一套 API 即可完成对底层声卡设备的操控，譬如播放与录音。

用户空间的 alsa-lib 对应用程序提供了统一的 API 接口，这样可以隐藏驱动层的实现细节，简化了应用程序的实现难度、无需应用程序开发人员直接去读写音频设备节点。所以本章，对于我们来说，学习音频应用编程其实就是学习 alsa-lib 库函数的使用、如何基于 alsa-lib 库函数开发音频应用程序。

ALSA 提供了关于 alsa-lib 的使用说明文档，其链接地址为：https://www.alsa-project.org/alsa-doc/alsa-lib/，

进入到该链接地址后，如下所示：

一个分类就是一个模块（module），有些模块下可能该包含了子模块，譬如上图中，模块名称前面有三角箭头的表示该模块包含有子模块。

⚫ Global defines and functions：包括一些全局的定义，譬如函数、宏等；

⚫ Constants for Digital Audio Interfaces：数字音频接口相关的常量；

⚫ Input Interface：输入接口；

⚫ Output Interface：输出接口；

⚫ Error handling：错误处理相关接口；

⚫ Configuration Interface：配置接口；

⚫ Control Interface：控制接口；

⚫ PCM Interface：PCM 设备接口；

⚫ RawMidi Interface：RawMidi 接口；

⚫ Timer Interface：定时器接口；

⚫ Hardware Dependant Interface：硬件相关接口；

⚫ MIDI Sequencer：MIDI 音序器；

⚫ External PCM plugin SDK：外部 PCM 插件 SDK；

⚫ External Control Plugin SDK：外部控制插件 SDK；

⚫ Mixer Interface：混音器接口；

⚫ Use Case Interface：用例接口；

⚫ Topology Interface：拓扑接口。

可以看到，alsa-lib 提供的接口确实非常多、模块很多，以上所列举出来的这些模块，很多模块笔者也不是很清楚它们的具体功能、作用，但是本章我们仅涉及到三个模块下的 API 函数，包括：PCM Interface、Error Interface 以及 Mixer Interface。

PCM Interface

PCM Interface，提供了 PCM 设备相关的操作接口，譬如打开/关闭 PCM 设备、配置 PCM 设备硬件或软件参数、控制 PCM 设备（启动、暂停、恢复、写入/读取数据），该模块下还包含了一些子模块，如下所示：

点击模块名称可以查看到该模块提供的API接口有哪些以及相应的函数说明，这里就不给大家演示了！

Error Interface

该模块提供了关于错误处理相关的接口，譬如函数调用发生错误时，可调用该模块下提供的函数打印错误描述信息。

Mixer Interface

提供了关于混音器相关的一系列操作接口，譬如音量、声道控制、增益等等。

sound 设备节点

在 Linux 内核设备驱动层、基于 ALSA 音频驱动框架注册的 sound 设备会在/dev/snd 目录下生成相应的设备节点文件，譬如 ALPHA I.MX6U 开发板出厂系统/dev/snd 目录下有如下文件：

从上图可以看到有如下设备文件：

⚫ controlC0：用于声卡控制的设备节点，譬如通道选择、混音器、麦克风的控制等，C0 表示声卡 0（card0）；

⚫ pcmC0D0c：用于录音的 PCM 设备节点。其中 C0 表示 card0，也就是声卡 0；而 D0 表示 device0，也就是设备 0；最后一个字母 c 是 capture 的缩写，表示录音；所以 pcmC0D0c 便是系统的声卡0 中的录音设备 0；

⚫ pcmC0D0p：用于播放（或叫放音、回放）的 PCM 设备节点。其中 C0 表示 card0，也就是声卡 0；而 D0 表示 device 0，也就是设备 0；最后一个字母 p 是 playback 的缩写，表示播放；所以 pcmC0D0p便是系统的声卡 0 中的播放设备 0；

⚫ pcmC0D1c：用于录音的 PCM 设备节点。对应系统的声卡 0 中的录音设备 1；

⚫ pcmC0D1p：用于播放的 PCM 设备节点。对应系统的声卡 0 中的播放设备 1。

⚫ timer：定时器。

本章我们编写的应用程序，虽然是调用 alsa-lib 库函数去控制底层音频硬件，但最终也是落实到对 sound设备节点的 I/O 操作，只不过 alsa-lib 已经帮我们封装好了。在 Linux 系统的/proc/asound 目录下，有很多的文件，这些文件记录了系统中声卡相关的信息，如下所示：

cards：

通过"cat /proc/asound/cards"命令、查看 cards 文件的内容，可列出系统中可用的、注册的声卡，如下所示：

cat /proc/asound/cards

列出系统中所有声卡注册的设备，包括 control、pcm、timer、seq 等等。如下所示：

cat /proc/asound/devices

pcm：

列出系统中的所有 PCM 设备，包括 playback 和 capture：

cat /proc/asound/pcm

alsa-lib 移植

因为 alsa-lib 是 ALSA 提供的一套 Linux 下的 C 语言函数库，需要将 alsa-lib 移植到开发板上，这样基于 alsa-lib 编写的应用程序才能成功运行，除了移植 alsa-lib 库之外，通常还需要移植 alsa-utils，alsa-utils 包含了一些用于测试、配置声卡的工具。

事实上，ALPHA I.MX6U 开发板出厂系统中已经移植了 alsa-lib 和 alsa-utils，本章我们直接使用出厂系统移植好的 alsa-lib 和 alsa-utils 进行测试，笔者也就不再介绍移植过程了。其实它们的移植方法也非常简单，如果你想自己尝试移植，网上有很多参考，大家可以自己去看看。

alsa-utils 提供了一些用于测试、配置声卡的工具，譬如 aplay、arecord、alsactl、alsaloop、alsamixer、amixer 等，在开发板出厂系统上可以直接使用这些工具，这些应用程序也都是基于 alsa-lib 编写的。

aplay

aplay 是一个用于测试音频播放功能程序，可以使用 aplay 播放 wav 格式的音频文件，如下所示：

程序运行之后就会开始播放音乐，因为 ALPHA 开发板支持喇叭和耳机自动切换，如果不插耳机默认从喇叭播放音乐，插上耳机以后喇叭就会停止播放，切换为耳机播放音乐，这个大家可以自己进行测试。

需要注意的是，aplay 工具只能解析 wav 格式音频文件，不支持 mp3 格式解码，所以无法使用 aplay 工具播放 mp3 音频文件。稍后笔者会向大家介绍如何基于 alsa-lib 编写一个简单地音乐播放器，实现与 aplay相同的效果。

编写一个简单的alsa-lib应用程序

本小节开始，我们来学习如何基于 alsa-lib 编写音频应用程序，alsa-lib 提供的库函数也别多，笔者肯定不会全部给大家介绍，只介绍基础的使用方法，关于更加深入、更加详细的使用方法需要大家自己去研究、学习。

对于 alsa-lib 库的使用，ALSA 提供了一些参考资料来帮助应用程序开发人员快速上手 alsa-lib、基于alsa-lib 进行应用编程，以下笔者给出了链接：

https://users.suse.com/~mana/alsa090_howto.html

https://www.alsa-project.org/alsa-doc/alsa-lib/examples.html

第一份文档向用户介绍了如何使用 alsa-lib 编写简单的音频应用程序，包括 PCM 播放音频、PCM 录音等，笔者也是参考了这份文档来编写本章教程，对应初学者，建议大家看一看。

第二个链接地址是 ALSA 提供的一些示例代码，如下所示：

点击对应源文件即可查看源代码。

以上便是 ALSA 提供的帮助文档以及参考代码，链接地址已经给出了，大家有兴趣可以看一下。

本小节笔者将向大家介绍如何基于 alsa-lib 编写一个简单地音频应用程序，譬如播放音乐、录音等；但在此之前，首先我们需要先来了解一些基本的概念，为后面的学习打下一个坚实的基础！

一些基本概念

主要是与音频相关的基本概念，因为在 alsa-lib 应用编程中会涉及到这些概念，所以先给大家进行一个简单地介绍。

样本长度（Sample）

样本是记录音频数据最基本的单元，样本长度就是采样位数，也称为位深度（Bit Depth、Sample Size、Sample Width）。是指计算机在采集和播放声音文件时，所使用数字声音信号的二进制位数，或者说每个采样样本所包含的位数（计算机对每个通道采样量化时数字比特位数），通常有 8bit、16bit、24bit 等。

声道数（channel）

分为单声道(Mono)和双声道/立体声(Stereo)。1 表示单声道、2 表示立体声。

帧（frame）

帧记录了一个声音单元，其长度为样本长度与声道数的乘积，一段音频数据就是由苦干帧组成的。

把所有声道中的数据加在一起叫做一帧，对于单声道：一帧 = 样本长度 * 1；双声道：一帧 = 样本长度 * 2。譬如对于样本长度为 16bit 的双声道来说，一帧的大小等于：16 * 2 / 8 = 4 个字节。

更多命令参考正电原子应用开发手册即可。

暂略。

关于音频，先了解吧。

后面如果要接触，再来深入学习。

补充

什么是PCM设备？

脉冲编码调制（Pulse Code Modulation，简称PCM）是一种将模拟信号转换为数字信号的技术。这种转换过程是通过测量模拟信号的特征点（例如电压或电流）并将其编码为二进制数字数据来实现的。

在通信系统中，PCM设备的作用主要体现在以下几个方面：

• 低速业务转换：PCM设备可以将各种低速业务转换成数字信号，并装入64kbit/s通道。这些低速业务包括但不限于语音电话、热线电话、磁石电话等，以及2W/4W模拟音频、RS-232、RS-422、RS-485、V.35、G.703同向64kbit/s以太网等。

• 多路复用：PCM设备具有将30路64kbit/s通道复接成2Mbit/s的能力，从而实现了多路复用的功能。这意味着在同一条物理线路上可以同时传输多路信号，提高了线路的利用率和通信效率。

• 信号传输：在光纤通信系统中，PCM设备发挥着重要作用。光纤中传输的二进制光脉冲“0”码和“1”码，就是由二进制数字信号对光源进行通断调制产生的，而数字信号正是通过对连续变化的模拟信号进行抽样、量化和编码得到的，这就是PCM的过程。

• 接口类型多样：PCM设备的接口类型丰富多样，包括环路中继接口、用户线接口、二线音频接口、四线音频接口、异步RS232/V.24接口、同步RS232、RS422接口、RS485接口、V.35接口、G.703 64Kb/s同向数据接口等。

总的来说，PCM设备在现代通信系统中扮演着重要角色，它不仅能够实现模拟信号到数字信号的转换，还能够通过多路复用技术提高通信效率，满足不同用户对数据传输速率的需求。