利用ALSA库进行音频重采样

一、ALSA介绍：

1、简介：

高级Linux声音体系（英语：Advanced LinuxSound Architecture，缩写为ALSA）是Linux内核中，为声卡提供的驱动组件，以替代原先的OSS（开放声音系统）。 一部分的目的是支持声卡的自动配置，以及完美的处理系统中的多个声音设备，这些目的大多都已达到。另一个声音框架JACK使用ALSA提供低延迟的专业级音频编辑和混音能力。

Jaroslav Kysela过去是这个项目的领导者，这个项目开始于为1998年Gravis Ultrasound所开发的驱动，它一直作为一个单独的软件包开发，直到2002年他被引进入Linux内核的开发版本 (2.5.4-2.5.5)。从2.6版本开始ALSA成为Linux内核中默认的标准音频驱动程序集，OSS则被标记为废弃。

ALSA是一个完全开放源代码的音频驱动程序集，除了像OSS那样提供了一组内核驱动程序模块之外，ALSA还专门为简化应用程序的编写提供了相应的函数库，与OSS提供的基于ioctl的原始编程接口相比，ALSA函数库使用起来要更加方便一些。利用该函数库，开发人员可以方便快捷的开发出自己的应用程序，细节则留给函数库内部处理。当然ALSA也提供了类似于OSS的系统接口，不过ALSA的开发者建议应用程序开发者使用音频函数库而不是驱动程序的API。

2、分层

ALSA体系主要分为三层，按照调用关系依次是，app、alsa-lib、kerneldriver。

                                         ALSA 架构图

3、kernel driver层简述：

Kernel driver 层，为内核驱动代码，主要在内核源码中的sound目录下，负责对硬件进行控制与操作。驱动创建的设备文件，在文件系统中的/dev/snd/目录下。注意，应用层使用alsa-API中打开的设备文件，并不是/dev/snd/目录下的文件，而是alsa-lib对设备的再一次封装的产物，叫做plugins，如plughw:0,0 ，后面详细解释。

4、alsa-lib层简述：

Alsa-lib层，为不同的驱动提供统一的接口alsa API，简化了开发人员对于驱动层的调用开发。主要有如下接口

• ALSA library API reference

The currently designed interfaces are listed below:

Information Interface (/proc/asound)

Control Interface (/dev/snd/controlCX)

Mixer Interface (/dev/snd/mixerCXDX)

PCM Interface (/dev/snd/pcmCXDX)

Raw MIDI Interface (/dev/snd/midiCXDX)

Sequencer Interface (/dev/snd/seq)

Timer Interface (/dev/snd/timer)

我们在应用中，主要使用的是 PCM 接口。如Snd_pcm_open()函数。

除了Alsa-API接口以外，alsa-lib还可以通过配置文件，开放其附加功能，如采样率转换、软件混音等。

我们就是利用alsa-lib的附加功能实现我们的重采样功能，修改的地方主要包括alsa-lib的配置和APP调用两方面。下一章对如何利用alsa-lib的配置文件开放其采样率转换功能进行描述。

二、配置文件asound.conf：

asound.conf配置文件，是alsa-lib的默认配置文件，路径在 /etc/，可以用来配置alsa库的一些附加功能。这个文件不是alsa库运行时所必须的，没有它alsa库也可以正常运行。

关于asound.conf的配置，可以参考以下文档：

http://www.alsa-project.org/main/index.php/Asoundrc

 

先阐述一些重要的名词：

Card：声卡，直接对应硬件，ID从0开始计数。

Device：设备，在一个card上，可以有多个device，每个device可以独立被打开和使用，ID从0开始计数。

Plugin：插件，前文说过，应用层调用alsa库时，操作的并不是驱动层创建的设备文件，而是这个plugins，plugin是alsa库对音频处理设备的抽象，hw plugin为硬件设备抽象出的plugin，是最基础的模块，不需要对alsa-lib进行配置即可使用，我们常见的plughw:0,0含义就是类型为hw的plugin，编号声卡0上面的设备0。除了hw类型的plugin外，还有一些纯软件实现的模块，可以用来进行音频处理，例如，可以实现音频采样率转换的rate plugin，可以用来混音的dmix plugin等等。

Slave：从属设备，可以把几个plugin连接起来，sink端的设备就是source端设备的slave。

需要使用这些附加的plugin，就要对配置文件（asound.conf）进行配置，这个配置是实时生效的，所以我们不必修改文件系统中的文件，而是在运行我们的应用程序之前，将自己的配置文件拷贝到/etc/下，对默认的配置文件进行覆盖就行了。

具体如何配置，书写格式，请参看Asoundrc文档。

以下就是我的配置，

pcm_slave.sl2 {

         pcm"plughw:0,1"

         rate48000

}

 

pcm.rate_convert {

         typerate

         slavesl2

}

 

这个配置的含义是，

下面一段：创建一个使用pcm API接口的设备，叫做rate_convert，它的类型是rate（可以实现采样率转换的plugin），它有一个slave叫做sl2；

上面一段：定义一个使用pcm接口的slave，叫做sl2，他实际上是plughw:0,1这个设备的别名，即等同于plughw:0,1（对应我用于播放的AIC3104芯片），这个设备需要的采样率是48KHz。

通过这个配置，就可以在app中，使用pcm API打开rate_convert这个设备，并把解码后的8K采样率的PCM数据，直接使用snd_pcm_writei写入设备，rate_convert这个设备就可以自动将PCM数据重采样至48KHz，然后自动传递给plughw:0,1进行播放。

在看Asoundrc的文档中，一直不明白，为什么在配置文件中，只有输出的采样率配置，而没有输入的采样率配置，要重采样，alsa-lib总得知道把啥转换成48K吧，

在实践中发现，可以通过APP调用alsa-API中的snd_pcm_hw_params_set_rate_near()函数将数据源的采样率为8K传递给alsa-lib。下面一章对app调用alsa-API进行说明。

三、App调用方法：

在app调用这块儿，其他的通用调用流程在这里就不累述了，使用个项目原来的那套代码就行，只有三块儿需要修改和注意：

1、使用snd_pcm_open()打开的设备文件rate_convert（不需再打开plughw:0,1了），PCM数据的原始采样率，用snd_pcm_hw_params_set_rate_near()对rate_convert进行配置。

2、重要的参数Period_size，即播放周期大小，单位为Byte，需使用snd_pcm_hw_params_set_period_size_near()进行配置，如果period_size配的不对，或者不配置，会发生underRun，播放声音断断续续。

8K pcm， 配置sample_rate为8000，配置period_size为256

48K pcm， 配置sample_rate为48000，配置period_size为1024

3、配置负责playback的AIC3104的采样率为48K

四、未尽之处：

在研究alsa-lib的调用时，还有一些没有搞明白的地方，这里记录下来，将来大家有时间可以研究研究。

1、我的设备上音频输入输出分开使用了两块AIC3104，这样重采样后G711的自编自解就不成问题，因为输入的AIC3104设为8K，输出的AIC3104设为48K播放重采样后的数据，如果系统中只使用一块AIC3104,就必须对输入的PCM数据也进行一次重采样，这里没有进行研究。

2、多设备绑定，假如我们系统中有多个playback设备，现在的做法是启两个线程，分别写入数据，如果可以使用alsa-lib的slave配置将多个设备进行绑定，例如一个rate plugin绑定两个 hw plugin，然后只需向这一个rate plugin写入数据即可，不会遇到两个播放线程同步的问题，我试了一下，只能绑定一个slave，再多绑一个，第一个slave就会没有播放声音。

3、混音功能，这个混音功能看似是非常强大的，它可以把多个不同采样率的通道，混合成一路统一采样率的数据进行播放，如果我们以后可以进行多路解码，或者要实现视频会议中MCU的功能，那势必要用到这个功能，在这里还没有进行深究。