第十七章 Linux 音频设备驱动
本章导读
在Linux 中，先后出现了音频设备的两种框架OSS 和ALSA，本节将在介绍数字音频设备及音频设备硬件接
口的基础上，展现OSS 和ALSA 驱动的结构。
17.1～17.2 节讲解了音频设备及PCM、IIS 和AC97 硬件接口。
17.3 节阐述了Linux OSS 音频设备驱动的组成、mixer 接口、dsp 接口及用户空间编程方法。
17.4 节阐述了Linux ALSA 音频设备驱动的组成、card 和组件管理、PCM 设备、control 接口、AC97 API
及用户空间编程方法。
17.5 节以S3C2410 通过IIS 接口外接UDA1341 编解码器的实例讲解了OSS 驱动。
17.6 节以PXA255 通过AC97 接口外接AC97 编解码器的实例讲解了ALSA 驱动。
17.1 数字音频设备
目前，手机、PDA、MP3 等许多嵌入式设备中包含了数字音频设备，一个典型的数字音频系统的电路组成如
图17.1 所示。图17.1 中的嵌入式微控制器/DSP 中集成了PCM、IIS 或AC97 音频接口，通过这些接口连接
外部的音频编解码器即可实现声音的AD 和DA 转换，图中的功放完成模拟信号的放大功能。
图17.1 典型的数字音频系统电路
音频编解码器是数字音频系统的核心，衡量它的指标主要有：
• 采样频率
采样的过程就是将通常的模拟音频信号的电信号转换成二进制码0 和1 的过程，这些0 和1 便构成了数字
音频文件。如图17.2 中的正弦曲线代表原始音频曲线，方格代表采样后得到的结果，二者越吻合说明采样
结果越好。
采样频率是每秒钟的采样次数，我们常说的 44.1kHz 采样频率就是每秒钟采样44100 次。理论上采样频
率越高，转换精度越高，目前主流的采样频率是48kHz。
• 量化精度
量化精度是指对采样数据分析的精度，比如24bit 量化精度就是是将标准电平信号按照2 的24 次方进行分
析，也就是说将图17.2 中的纵坐标等分为224 等分。量化精度越高，声音就越逼真。
图17.2 数字音频采样
17.2 音频设备硬件接口
17.2.1 PCM 接口
针对不同的数字音频子系统，出现了几种微处理器或DSP 与音频器件间用于数字转换的接口。
最简单的音频接口是PCM（脉冲编码调制）接口，该接口由时钟脉冲（BCLK）、帧同步信号（FS）及接收
数据（DR）和发送数据（DX）组成。在FS 信号的上升沿，数据传输从MSB（Most Significant Bit）字开
始，FS 频率等于采样率。FS 信号之后开始数据字的传输，单个的数据位按顺序进行传输，1 个时钟周期传
输1 个数据字。发送MSB 时，信号的等级首先降到最低，以避免在不同终端的接口使用不同的数据方案时
造成MSB 的丢失。
PCM 接口很容易实现，原则上能够支持任何数据方案和任何采样率，但需要每个音频通道获得一个独立的
数据队列。
17.2.2 IIS 接口
IIS 接口（Inter-IC Sound）在20 世纪80 年代首先被飞利浦用于消费音频，并在一个称为LRCLK（Left/Right
CLOCK）的信号机制中经过多路转换，将两路音频信号变成单一的数据队列。当LRCLK 为高时，左声道数据
被传输；LRCLK 为低时，右声道数据被传输。与PCM 相比，IIS 更适合于立体声系统。对于多通道系统，在
同样的BCLK 和LRCLK 条件下，并行执行几个数据队列也是可能的。
17.2.3 AC97 接口
AC'97（Audio Codec 1997）是以Intel 为首的五个PC 厂商Intel、Creative Labs、NS、Analog Device
与Yamaha 共同提出的规格标准。与PCM 和IIS 不同，AC'97 不只是一种数据格式，用于音频编码的内部架
构规格，它还具有控制功能。AC'97 采用AC-Link 与外部的编解码器相连，AC-Link 接口包括位时钟（BITCLK）、
同步信号校正（SYNC）和从编码到处理器及从处理器中解码（SDATDIN 与SDATAOUT）的数据队列。AC'97
数据帧以SYNC 脉冲开始，包括12 个20 位时间段（时间段为标准中定义的不同的目的服务）及16 位“tag”
段，共计256 个数据序列。例如，时间段“1”和“2”用于访问编码的控制寄存器，而时间段“3”和“4”
分别负载左、右两个音频通道。“tag”段表示其他段中哪一个包含有效数据。把帧分成时间段使传输控制
信号和音频数据仅通过4 根线到达9 个音频通道或转换成其他数据流成为可能。与具有分离控制接口的IIS
方案相比，AC'97 明显减少了整体管脚数。一般来说，AC'97 编解码器采用TQFP48 封装，如图17.3 所示。
图17.3 AC97 Codec 芯片
PCM、IIS 和AC97 各有其优点和应用范围，例如在CD、MD、MP3 随身听多采用IIS 接口，移动电话会采用
PCM 接口，具有音频功能的PDA 则多使用和PC 一样的AC'97 编码格式。
17.3 Linux OSS 音频设备驱动
17.3.1 OSS 驱动的组成
OSS 标准中有2 个最基本的音频设备：mixer（混音器）和DSP（数字信号处理器）。
在声卡的硬件电路中，mixer 是一个很重要的组成部分，它的作用是将多个信号组合或者叠加在一起，对
于不同的声卡来说，其混音器的作用可能各不相同。OSS 驱动中，/dev/mixer 设备文件是应用程序对mixer
进行操作的软件接口。
混音器电路通常由两个部分组成：输入混音器（input mixer）和输出混音器（output mixer）。输入混音
器负责从多个不同的信号源接收模拟信号，这些信号源有时也被称为混音通道或者混音设备。模拟信号通
过增益控制器和由软件控制的音量调节器后，在不同的混音通道中进行级别（level）调制，然后被送到输
入混音器中进行声音的合成。混音器上的电子开关可以控制哪些通道中有信号与混音器相连，有些声卡只
允许连接一个混音通道作为录音的音源，而有些声卡则允许对混音通道做任意的连接。经过输入混音器处
理后的信号仍然为模拟信号，它们将被送到A/D 转换器进行数字化处理。
输出混音器的工作原理与输入混音器类似，同样也有多个信号源与混音器相连，并且事先都经过了增益调
节。当输出混音器对所有的模拟信号进行了混合之后，通常还会有一个总控增益调节器来控制输出声音的
大小，此外还有一些音调控制器来调节输出声音的音调。经过输出混音器处理后的信号也是模拟信号，它
们最终会被送给喇叭或者其它的模拟输出设备。对混音器的编程包括如何设置增益控制器的级别，以及怎
样在不同的音源间进行切换，这些操作通常来讲是不连续的，而且不会像录音或者放音那样需要占用大量
的计算机资源。由于混音器的操作不符合典型的读/写操作模式，因此除了open()和close()两个系统调用
之外，大部分的操作都是通过ioctl()系统调用来完成的。与/dev/dsp 不同，/dev/mixer 允许多个应用程
序同时访问，并且混音器的设置值会一直保持到对应的设备文件被关闭为止。
DSP 也称为编解码器，实现录音（录音）和放音（播放），其对应的设备文件是/dev/dsp 或/dev/sound/dsp。
OSS 声卡驱动程序提供的/dev/dsp 是用于数字采样和数字录音的设备文件，向该设备写数据即意味着激活
声卡上的D/A 转换器进行放音，而向该设备读数据则意味着激活声卡上的A/D 转换器进行录音。
在从DSP 设备读取数据时，从声卡输入的模拟信号经过A/D 转换器变成数字采样后的样本，保存在声卡驱
动程序的内核缓冲区中，当应用程序通过 read()系统调用从声卡读取数据时，保存在内核缓冲区中的数字
采样结果将被复制到应用程序所指定的用户缓冲区中。需要指出的是，声卡采样频率是由内核中的驱动程
序所决定的，而不取决于应用程序从声卡读取数据的速度。如果应用程序读取数据的速度过慢，以致低于
声卡的采样频率，那么多余的数据将会被丢弃（即overflow）；如果读取数据的速度过快，以致高于声卡
的采样频率，那么声卡驱动程序将会阻塞那些请求数据的应用程序，直到新的数据到来为止。
在向DSP 设备写入数据时，数字信号会经过D/A 转换器变成模拟信号，然后产生出声音。应用程序写入数
据的速度应该至少等于声卡的采样频率，过慢会产生声音暂停或者停顿的现象（即underflow）。如果用
户写入过快的话，它会被内核中的声卡驱动程序阻塞，直到硬件有能力处理新的数据为止。
与其它设备有所不同，声卡通常不需要支持非阻塞（non-blocking）的I/O 操作。即便内核OSS 驱动提供
了非阻塞的I/O 支持，用户空间也不宜采用。
无论是从声卡读取数据，或是向声卡写入数据，事实上都具有特定的格式（format），如无符号8 位、单
声道、8KHz 采样率，如果默认值无法达到要求，可以通过ioctl()系统调用来改变它们。通常说来，在应
用程序中打开设备文件/dev/dsp 之后，接下去就应该为其设置恰当的格式，然后才能从声卡读取或者写入
数据。
17.3.2 mixer 接口
int register_sound_mixer(struct file_operations *fops, int dev);
上述函数用于注册1 个混音器，第1 个参数fops 即是文件操作接口，第2 个参数dev 是设备编号，如果填
入-1，则系统自动分配1 个设备编号。mixer 是1 个典型的字符设备，因此编码的主要工作是实现
file_operations 中的open()、ioctl()等函数。
mixer 接口file_operations 中的最重要函数是ioctl()，它实现混音器的不同IO 控制命令，代码清单17.1
给出了1 个ioctl()的范例。
代码清单17.1 mixer()接口ioctl()函数范例
1 static int mixdev_ioctl(struct inode *inode, struct file *file, unsigned int cmd, unsigned
long arg)
2 {
3 ...
4 switch (cmd)
5 {
6 case SOUND_MIXER_READ_MIC:
7 ...
8 case SOUND_MIXER_WRITE_MIC:
9 ...
10 case SOUND_MIXER_WRITE_RECSRC:
11 ...
12 case SOUND_MIXER_WRITE_MUTE:
13 ...
14 }
15 //其它命令
16 return mixer_ioctl(codec, cmd, arg);
17 }
17.3.3 DSP 接口
int register_sound_dsp(struct file_operations *fops, int dev);
上述函数与register_sound_mixer()类似，它用于注册1 个dsp 设备，第1 个参数fops 即是文件操作接
口，第2 个参数dev 是设备编号，如果填入-1，则系统自动分配1 个设备编号。dsp 也是1 个典型的字符
设备，因此编码的主要工作是实现file_operations 中的read()、write()、ioctl()等函数。
dsp 接口file_operations 中的read()和write()函数非常重要，read()函数从音频控制器中获取录音数
据到缓冲区并拷贝到用户空间，write()函数从用户空间拷贝音频数据到内核空间缓冲区并最终发送到音频
控制器。
dsp 接口file_operations 中的ioctl()函数处理对采样率、量化精度、DMA 缓冲区块大小等参数设置IO
控制命令的处理。
在数据从缓冲区拷贝到音频控制器的过程中，通常会使用DMA，DMA 对声卡而言非常重要。例如，在放音时，
驱动设置完DMA 控制器的源数据地址（内存中DMA 缓冲区）、目的地址（音频控制器FIFO）和DMA 的数据
长度，DMA 控制器会自动发送缓冲区的数据填充FIFO，直到发送完相应的数据长度后才中断一次。
在OSS 驱动中，建立存放音频数据的环形缓冲区（ring buffer）通常是值得推荐的方法。此外，在OSS 驱
动中，一般会将1 个较大的DMA 缓冲区分成若干个大小相同的块（这些块也被称为“段”，即fragment），
驱动程序使用DMA 每次在声音缓冲区和声卡之间搬移一个fragment。在用户空间，可以使用ioctl()系统
调用来调整块的大小和个数。
除了read()、write()和ioctl()外，dsp 接口的poll()函数通常也需要被实现，以向用户反馈目前能否读
写DMA 缓冲区。
在OSS 驱动初始化过程中，会调用register_sound_dsp()和register_sound_mixer()注册dsp 和mixer 设
备；在模块卸载的时候，会调用如代码清单17.2。
代码清单17.2 OSS 驱动初始化注册dsp 和mixer 设备
1 static int xxx_init(void)
2 {
3 struct xxx_state *s = &xxx_state;
4 ...
5 //注册dsp 设备
6 if ((audio_dev_dsp = register_sound_dsp(&xxx_audio_fops, - 1)) < 0)
7 goto err_dev1;
8 //设备mixer 设备
9 if ((audio_dev_mixer = register_sound_mixer(&xxx_mixer_fops, - 1)) < 0)
10 goto err_dev2;
11 ...
12 }
13
14 void __exit xxx_exit(void)
15 {
16 //注销dsp 和mixer 设备接口
17 unregister_sound_dsp(audio_dev_dsp);
18 unregister_sound_mixer(audio_dev_mixer);
19 ...
20 }
根据17.3.2 和17.3.3 节的分析，可以画出一个Linux OSS 驱动结构的简图，如图17.4 所示。
图17.4 Linux OSS 驱动结构
17.3.4 OSS 用户空间编程
1、DSP 编程
对OSS 驱动声卡的编程使用Linux 文件接口函数，如图17.5，DSP 接口的操作一般包括如下几个步骤：
① 打开设备文件/dev/dsp。
采用何种模式对声卡进行操作也必须在打开设备时指定，对于不支持全双工的声卡来说，应该使用只读或
者只写的方式打开，只有那些支持全双工的声卡，才能以读写的方式打开，这还依赖于驱动程序的具体实
现。Linux 允许应用程序多次打开或者关闭与声卡对应的设备文件，从而能够很方便地在放音状态和录音
状态之间进行切换。
② 如果有需要，设置缓冲区大小。
运行在Linux 内核中的声卡驱动程序专门维护了一个缓冲区，其大小会影响到放音和录音时的效果，使用
ioctl()系统调用可以对它的尺寸进行恰当的设置。调节驱动程序中缓冲区大小的操作不是必须的，如果没
有特殊的要求，一般采用默认的缓冲区大小也就可以了。如果想设置缓冲区的大小，则通常应紧跟在设备
文件打开之后，这是因为对声卡的其它操作有可能会导致驱动程序无法再修改其缓冲区的大小。
③ 设置声道（channel）数量。
根据硬件设备和驱动程序的具体情况，可以设置为单声道或者立体声。
④ 设置采样格式和采样频率
采样格式包括AFMT_U8（无符号8 位）、AFMT_S8（有符号8 位）、AFMT_U16_LE（小端模式，无符号16 位）、
AFMT_U16_BE（大端模式，无符号16 位）、AFMT_MPEG、AFMT_AC3 等。使用SNDCTL_DSP_SETFMT IO 控制命
令可以设置采样格式。
对于大多数声卡来说，其支持的采样频率范围一般为5kHz 到44.1kHz 或者48kHz，但并不意味着该范围内
的所有连续频率都会被硬件支持，在Linux 下进行音频编程时最常用到的几种采样频率是11025Hz、
16000Hz、22050Hz、32000Hz 和44100Hz。使用SNDCTL_DSP_SPEED IO 控制命令可以设置采样频率。
⑤ 读写/dev/dsp 实现播放或录音。
图17.5 OSS dsp 接口用户空间操作流程
代码清单17.3 的程序实现了利用/dev/dsp 接口进行声音录制和播放的过程，它的功能是先录制几秒钟音
频数据，将其存放在内存缓冲区中，然后再进行放音。
代码清单17.3 OSS DSP 接口应用编程范例
1 #include
2 #include
3 #include
4 #include
5 #include
6 #include
7 #include
8 #define LENGTH 3 /* 存储秒数 */
9 #define RATE 8000 /* 采样频率 */
10 #define SIZE 8 /* 量化位数 */
11 #define CHANNELS 1 /* 声道数目 */
12 /* 用于保存数字音频数据的内存缓冲区 */
13 unsigned char buf[LENGTH *RATE * SIZE * CHANNELS / 8];
14 int main()
15 {
16 int fd; /* 声音设备的文件描述符 */
17 int arg; /* 用于ioctl 调用的参数 */
18 int status; /* 系统调用的返回值 */
19 /* 打开声音设备 */
20 fd = open("/dev/dsp", O_RDWR);
21 if (fd < 0)
22 {
23 perror("open of /dev/dsp failed");
24 exit(1);
25 }
26 /* 设置采样时的量化位数 */
27 arg = SIZE;
28 status = ioctl(fd, SOUND_PCM_WRITE_BITS, &arg);
29 if (status == - 1)
30 perror("SOUND_PCM_WRITE_BITS ioctl failed");
31 if (arg != SIZE)
32 perror("unable to set sample size");
33 /* 设置采样时的通道数目 */
34 arg = CHANNELS;
35 status = ioctl(fd, SOUND_PCM_WRITE_CHANNELS, &arg);
36 if (status == - 1)
37 perror("SOUND_PCM_WRITE_CHANNELS ioctl failed");
38 if (arg != CHANNELS)
39 perror("unable to set number of channels");
40 /* 设置采样率 */
41 arg = RATE;
42 status = ioctl(fd, SOUND_PCM_WRITE_RATE, &arg);
43 if (status == - 1)
44 perror("SOUND_PCM_WRITE_WRITE ioctl failed");
45 /* 循环，直到按下Control-C */
46 while (1)
47 {
48 printf("Say something: ");
49 status = read(fd, buf, sizeof(buf)); /* 录音 */
50 if (status != sizeof(buf))
51 perror("read wrong number of bytes");
52 printf("You said: ");
53 status = write(fd, buf, sizeof(buf)); /* 放音 */
54 if (status != sizeof(buf))
55 perror("wrote wrong number of bytes");
56 /* 在继续录音前等待放音结束 */
57 status = ioctl(fd, SOUND_PCM_SYNC, 0);
58 if (status == - 1)
59 perror("SOUND_PCM_SYNC ioctl failed");
60 }
61 }
2、mixer 编程
声卡上的混音器由多个混音通道组成，它们可以通过驱动程序提供的设备文件/dev/mixer 进行编程。对混
音器的操作一般都通过ioctl()系统调用来完成，所有控制命令都以SOUND_MIXER 或者MIXER 开头，表17.1
列出了常用的混音器控制命令。
表17.1 混音器常用命令
命 令 作 用
SOUND_MIXER_VOLUME 主音量调节
SOUND_MIXER_BASS 低音控制
SOUND_MIXER_TREBLE 高音控制
SOUND_MIXER_SYNTH FM 合成器
SOUND_MIXER_PCM 主D/A 转换器
SOUND_MIXER_SPEAKER PC 喇叭
SOUND_MIXER_LINE 音频线输入
SOUND_MIXER_MIC 麦克风输入
SOUND_MIXER_CD CD 输入
SOUND_MIXER_IMIX 放音音量
SOUND_MIXER_ALTPCM 从D/A 转换器
SOUND_MIXER_RECLEV 录音音量
SOUND_MIXER_IGAIN 输入增益
SOUND_MIXER_OGAIN 输出增益
SOUND_MIXER_LINE1 声卡的第1 输入
SOUND_MIXER_LINE2 声卡的第2 输入
SOUND_MIXER_LINE3 声卡的第3 输入
对声卡的输入增益和输出增益进行调节是混音器的一个主要作用，目前大部分声卡采用的是8 位或者16 位
的增益控制器，声卡驱动程序会将它们变换成百分比的形式，也就是说无论是输入增益还是输出增益，其
取值范围都是从0 到100。
• SOUND_MIXER_READ 宏
在进行混音器编程时，可以使用 SOUND_MIXER_READ 宏来读取混音通道的增益大小，例如如下代码可以获
得麦克风的输入增益：
ioctl(fd, SOUND_MIXER_READ(SOUND_MIXER_MIC), &vol);
对于只有一个混音通道的单声道设备来说，返回的增益大小保存在低位字节中。而对于支持多个混音通道
的双声道设备来说，返回的增益大小实际上包括两个部分，分别代表左、右两个声道的值，其中低位字节
保存左声道的音量，而高位字节则保存右声道的音量。下面的代码可以从返回值中依次提取左右声道的增
益大小：
int left, right;
left = vol & 0xff;
right = (vol & 0xff00) >> 8;
• SOUND_MIXER_WRITE 宏
如果想设置混音通道的增益大小，则可以通过SOUND_MIXER_WRITE 宏来实现，例如下面的语句可以用来设
置麦克风的输入增益：
vol = (right << 8) + left;
ioctl(fd, SOUND_MIXER_WRITE(SOUND_MIXER_MIC), &vol);
• 查询Mixer 信息
声卡驱动程序提供了多个ioctl()系统调用来获得混音器的信息，它们通常返回一个整型的位掩码，其中
每一位分别代表一个特定的混音通道，如果相应的位为1，则说明与之对应的混音通道是可用的。
通过 SOUND_MIXER_READ_DEVMASK 返回的位掩码查询出能够被声卡支持的每一个混音通道，而通过
SOUND_MIXER_READ_RECMAS 返回的位掩码则可以查询出能够被当作录音源的每一个通道。例如，如下代码
可用来检查CD 输入是否是一个有效的混音通道：
ioctl(fd, SOUND_MIXER_READ_DEVMASK, &devmask);
if (devmask & SOUND_MIXER_CD)
printf("The CD input is supported");
如下代码可用来检查CD 输入是否是一个有效的录音源：
ioctl(fd, SOUND_MIXER_READ_RECMASK, &recmask);
if (recmask & SOUND_MIXER_CD)
printf("The CD input can be a recording source");
大多数声卡提供了多个录音源，通过 SOUND_MIXER_READ_RECSRC 可以查询出当前正在使用的录音源，同一
时刻可使用2 个或2 个以上的录音源，具体由声卡硬件本身决定。相应地，使用 SOUND_MIXER_WRITE_RECSRC
可以设置声卡当前使用的录音源，如下代码可以将CD 输入作为声卡的录音源使用：
devmask = SOUND_MIXER_CD;
ioctl(fd, SOUND_MIXER_WRITE_RECSRC, &devmask);
此外，所有的混音通道都有单声道和双声道的区别，如果需要知道哪些混音通道提供了对立体声的支持，
可以通过SOUND_MIXER_READ_STEREODEVS 来获得。
代码清单17.4 的程序实现了利用/dev/mixer 接口对混音器进行编程的过程，该程序可对各种混音通道的
增益进行调节。
代码清单17.4 OSS mixer 接口应用编程范例
1 #include
2 #include
3 #include
4 #include
5 #include
6 #include
7 /* 用来存储所有可用混音设备的名称 */
8 const char *sound_device_names[] = SOUND_DEVICE_NAMES;
9 int fd; /* 混音设备所对应的文件描述符 */
10 int devmask, stereodevs; /* 混音器信息对应的bit 掩码 */
11 char *name;
12 /* 显示命令的使用方法及所有可用的混音设备 */
13 void usage()
14 {
15 int i;
16 fprintf(stderr, "usage: %s "
17 "%s ""Where is one of: ", name, name);
18 for (i = 0; i < SOUND_MIXER_NRDEVICES; i++)
19 if ((1 << i) &devmask)
20 /* 只显示有效的混音设备 */
21 fprintf(stderr, "%s ", sound_device_names[i]);
22 fprintf(stderr, " ");
23 exit(1);
24 }
25
26 int main(int argc, char *argv[])
27 {
28 int left, right, level; /* 增益设置 */
29 int status; /* 系统调用的返回值 */
30 int device; /* 选用的混音设备 */
31 char *dev; /* 混音设备的名称 */
32 int i;
33 name = argv[0];
34 /* 以只读方式打开混音设备 */
35 fd = open("/dev/mixer", O_RDONLY);
36 if (fd == - 1)
37 {
38 perror("unable to open /dev/mixer");
39 exit(1);
40 }
41
42 /* 获得所需要的信息 */
43 status = ioctl(fd, SOUND_MIXER_READ_DEVMASK, &devmask);
44 if (status == - 1)
45 perror("SOUND_MIXER_READ_DEVMASK ioctl failed");
46 status = ioctl(fd, SOUND_MIXER_READ_STEREODEVS, &stereodevs);
47 if (status == - 1)
48 perror("SOUND_MIXER_READ_STEREODEVS ioctl failed");
49 /* 检查用户输入 */
50 if (argc != 3 && argc != 4)
51 usage();
52 /* 保存用户输入的混音器名称 */
53 dev = argv[1];
54 /* 确定即将用到的混音设备 */
55 for (i = 0; i < SOUND_MIXER_NRDEVICES; i++)
56 if (((1 << i) &devmask) && !strcmp(dev, sound_device_names[i]))
57 break;
58 if (i == SOUND_MIXER_NRDEVICES)
59 {
60 /* 没有找到匹配项 */
61 fprintf(stderr, "%s is not a valid mixer device ", dev);
62 usage();
63 }
64 /* 查找到有效的混音设备 */
65 device = i;
66 /* 获取增益值 */
67 if (argc == 4)
68 {
69 /* 左、右声道均给定 */
70 left = atoi(argv[2]);
71 right = atoi(argv[3]);
72 }
73 else
74 {
75 /* 左、右声道设为相等 */
76 left = atoi(argv[2]);
77 right = atoi(argv[2]);
78 }
79
80 /* 对非立体声设备给出警告信息 */
81 if ((left != right) && !((1 << i) &stereodevs))
82 {
83 fprintf(stderr, "warning: %s is not a stereo device ", dev);
84 }
85
86 /* 将两个声道的值合到同一变量中 */
87 level = (right << 8) + left;
88
89 /* 设置增益 */
90 status = ioctl(fd, MIXER_WRITE(device), &level);
91 if (status == - 1)
92 {
93 perror("MIXER_WRITE ioctl failed");
94 exit(1);
95 }
96 /* 获得从驱动返回的左右声道的增益 */
97 left = level &0xff;
98 right = (level &0xff00) >> 8;
99 /* 显示实际设置的增益 */
100 fprintf(stderr, "%s gain set to %d%% / %d%% ", dev, left, right);
101 /* 关闭混音设备 */
102 close(fd);
103 return 0;
104 }
编译上述程序为可执行文件mixer，执行./mixer 或./mixer
可设置增益，device 可以是vol、pcm、speaker、line、mic、cd、igain、line1、phin、
video。
17.4 Linux ALSA 音频设备驱动
17.4.1 ALSA 的组成
虽然OSS 已经非常成熟，但它毕竟是一个没有完全开放源代码的商业产品，而ALSA （Advanced Linux Sound
Architecture）恰好弥补了这一空白，它符合GPL，是在Linux 下进行音频编程时另一种可供选择的声卡
驱动体系结构，其官方网站为http://www.alsa-project.org/。ALSA 除了像OSS 那样提供了一组内核驱动
程序模块之外，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。ALSA 的主要特点有：
• 支持多种声卡设备
• 模块化的内核驱动程序
• 支持SMP 和多线程
• 提供应用开发函数库（alsa-lib）以简化应用程序开发
• 支持OSS API，兼容OSS 应用程序
ALSA 具有更加友好的编程接口，并且完全兼容于OSS，对应用程序员来讲无疑是一个更佳的选择。ALSA 系
统包括驱动包alsa-driver、开发包alsa-libs、开发包插件alsa-libplugins、设置管理工具包alsa-utils、
其他声音相关处理小程序包alsa-tools、特殊音频固件支持包alsa- firmware、OSS 接口兼容模拟层工具
alsa-oss 共7 个子项目，其中只有驱动包是必需的。
alsa-driver 指内核驱动程序，包括硬件相关的代码和一些公共代码，非常庞大，代码总量达数十万行；
alsa-libs 指用户空间的函数库，提供给应用程序使用，应用程序应包含头文件asoundlib.h，并使用共享
库libasound.so；alsa-utils 包含一些基于ALSA 的用于控制声卡的应用程序，如alsaconf（侦测系统中
声卡并写一个适合的ALSA 配置文件）、alsactl（控制ALSA 声卡驱动的高级设置）、alsamixer（基于ncurses
的混音器程序）、amidi（用于读写ALSA RawMIDI）、amixer（ALSA 声卡混音器的命令行控制）、aplay
（基于命令行的声音文件播放）、arecord（基于命令行的声音文件录制）等。
目前ALSA 内核提供给用户空间的接口有：
• 信息接口（Information Interface，/proc/asound）
• 控制接口（Control Interface，/dev/snd/controlCX）
• 混音器接口（Mixer Interface，/dev/snd/mixerCXDX）
• PCM 接口（PCM Interface，/dev/snd/pcmCXDX）
• Raw 迷笛接口（Raw MIDI Interface，/dev/snd/midiCXDX）
• 音序器接口（Sequencer Interface，/dev/snd/seq）
• 定时器接口（Timer Interface，/dev/snd/timer）
和OSS 类似，上述接口也以文件的方式被提供，不同的是这些接口被提供给alsa-lib 使用，而不是直接
给应用程序使用的。应用程序最好使用alsa-lib，或者更高级的接口，比如jack 提供的接口。
图17.6 给出了ALSA 声卡驱动与用户空间体系结构的简图，从中可以看出ALSA 内核驱动与用户空间库及
OSS 之间的关系。
图17.6 ALSA 体系结构
17.4.1 card 和组件管理
对于每个声卡而言，必须创建1 个“card”实例。card 是声卡的“总部”，它管理这个声卡上的所有设备
（组件），如PCM、mixers、MIDI、synthesizer 等。因此，card 和组件是ALSA 声卡驱动中的主要组成元
素。
1、创建card
struct snd_card *snd_card_new(int idx, const char *xid,
struct module *module, int extra_size);
idx 是card 索引号、xid 是标识字符串、module 一般为THIS_MODULE，extra_size 是要分配的额外数据的
大小，分配的extra_size 大小的内存将作为card->private_data。
2、创建组件
int snd_device_new(struct snd_card *card, snd_device_type_t type,
void *device_data, struct snd_device_ops *ops);
当card 被创建后，设备（组件）能够被创建并关联于该card。第1 个参数是snd_card_new()创建的card
指针，第2 个参数type 指的是device-level 即设备类型，形式为SNDRV_DEV_XXX，包括SNDRV_DEV_CODEC、
SNDRV_DEV_CONTROL 、SNDRV_DEV_PCM 、SNDRV_DEV_RAWMIDI 等，用户自定义设备的device-level 是
SNDRV_DEV_LOWLEVEL，ops 参数是1 个函数集（定义为snd_device_ops 结构体）的指针，device_data 是
设备数据指针，注意函数snd_device_new()本身不会分配设备数据的内存，因此应事先分配。
3、组件释放
每个ALSA 预定义的组件在构造时需调用snd_device_new()，而每个组件的析构方法则在函数集中被包含。
对于PCM、AC97 此类预定义组件，我们不需关心它们的析构，而对于自定义的组件，则需要填充
snd_device_ops 中的析构函数指针dev_free，这样，当snd_card_free()被调用时，组件将自动被释放。
4、芯片特定的数据（Chip-Specific Data）
芯片特定的数据一般以struct xxxchip 结构体形式组织，这个结构体中包含芯片相关的I/O 端口地址、资
源指针、中断号等，其意义等同于字符设备驱动中的file->private_data。定义芯片特定的数据主要有2
种方法，一种方法是将sizeof(struct xxxchip)传入snd_card_new()的extra_size 参数，它将自动成员
snd_card 的private_data 成员，如代码清单17.5；另一种方法是在snd_card_new()传入给extra_size
参数0，再分配sizeof(struct xxxchip)的内存，将分配内存的地址传入snd_device_new()的device_data
的参数，如代码清单17.6。
代码清单17.5 创建芯片特定的数据方法1
1 struct xxxchip //芯片特定的数据结构体
2 {
3 ...
4 };
5 card = snd_card_new(index, id, THIS_MODULE, sizeof(struct
6 xxxchip)); //创建声卡并申请xxx_chi 内存作为card-> private_data
7 struct xxxchip *chip = card->private_data;
代码清单17.6 创建芯片特定的数据方法2
1 struct snd_card *card;
2 struct xxxchip *chip;
3 //使用0 作为第4 个参数，并动态分配xxx_chip 的内存：
4 card = snd_card_new(index[dev], id[dev], THIS_MODULE, 0);
5 ...
6 chip = kzalloc(sizeof(*chip), GFP_KERNEL);
7 //在xxxchip 结构体中，应该包括声卡指针：
8 struct xxxchip
9 {
10 struct snd_card *card;
11 ...
12 };
13 //并将其card 成员赋值为snd_card_new()创建的card 指针：
14 chip->card = card;
15 static struct snd_device_ops ops =
16 {
17 .dev_free = snd_xxx_chip_dev_free, //组件析构
18 };
19 ...
20 //创建自定义组件
21 snd_device_new(card, SNDRV_DEV_LOWLEVEL, chip, &ops);
22 //在析构函数中释放xxxchip 内存
23 static int snd_xxx_chip_dev_free(struct snd_device *device)
24 {
25 return snd_xxx_chip_free(device->device_data); //释放
26 }
5、注册/释放声卡
当snd_card 被准备好以后，可使用snd_card_register()函数注册这个声卡：
int snd_card_register(struct snd_card *card)
对应的snd_card_free()完成相反的功能：
int snd_card_free(struct snd_card *card);
17.4.2 PCM 设备
每个声卡最多可以有4 个PCM 实例，1 个PCM 实例对应1 个设备文件。PCM 实例由PCM 放音和录音流组成，
而每个PCM 流又由1 个或多个PCM 子流组成。有的声卡支持多重放音功能，例如，emu10k1 包含1 个32 个
立体声子流的PCM 放音设备。
1、PCM 实例构造
int snd_pcm_new(struct snd_card *card, char *id, int device,
int playback_count, int capture_count, struct snd_pcm ** rpcm);
第1 个参数是card 指针，第2 个是标识字符串，第3 个是PCM 设备索引（0 表示第1 个PCM 设备），第4
和第5 个分别为放音和录音设备的子流数。当存在多个子流时，需要恰当地处理open()、close()和其它
函数。在每个回调函数中，可以通过snd_pcm_substream 的number 成员得知目前操作的究竟是哪个子流，
如：
struct snd_pcm_substream *substream;
int index = substream->number;
一种习惯的做法是在驱动中定义1 个PCM“构造函数”，负责PCM 实例的创建，如代码清单17.7。
代码清单17.7 PCM 设备“构造函数”
1 static int __devinit snd_xxxchip_new_pcm(struct xxxchip *chip)
2 {
3 struct snd_pcm *pcm;
4 int err;
5 //创建PCM 实例
6 if ((err = snd_pcm_new(chip->card, "xxx Chip", 0, 1, 1, &pcm)) < 0)
7 return err;
8 pcm->private_data = chip; //置pcm->private_data 为芯片特定数据
9 strcpy(pcm->name, "xxx Chip");
10 chip->pcm = pcm;
11 ...
12 return 0;
13 }
2、设置PCM 操作
void snd_pcm_set_ops(struct snd_pcm *pcm, int direction, struct snd_pcm_ops *ops);
第1 个参数是snd_pcm 的指针，第2 个参数是SNDRV_PCM_STREAM_PLAYBACK 或SNDRV_PCM_STREAM_CAPTURE，
而第3 个参数是PCM 操作结构体snd_pcm_ops，这个结构体的定义如代码清单17.8。
代码清单17.8 snd_pcm_ops 结构体
1 struct snd_pcm_ops
2 {
3 int (*open)(struct snd_pcm_substream *substream);//打开
4 int (*close)(struct snd_pcm_substream *substream);//关闭
5 int (*ioctl)(struct snd_pcm_substream * substream,
6 unsigned int cmd, void *arg);//io 控制
7 int (*hw_params)(struct snd_pcm_substream *substream,
8 struct snd_pcm_hw_params *params);//硬件参数
9 int (*hw_free)(struct snd_pcm_substream *substream); //资源释放
10 int (*prepare)(struct snd_pcm_substream *substream);//准备
11 //在PCM 被开始、停止或暂停时调用
12 int (*trigger)(struct snd_pcm_substream *substream, int cmd);
13 snd_pcm_uframes_t (*pointer)(struct snd_pcm_substream *substream);// 当前缓冲区的硬件位置
14 //缓冲区拷贝
15 int (*copy)(struct snd_pcm_substream *substream, int channel,
16 snd_pcm_uframes_t pos,
17 void __user *buf, snd_pcm_uframes_t count);
18 int (*silence)(struct snd_pcm_substream *substream, int channel,
19 snd_pcm_uframes_t pos, snd_pcm_uframes_t count);
20 struct page *(*page)(struct snd_pcm_substream *substream,
21 unsigned long offset);
22 int (*mmap)(struct snd_pcm_substream *substream, struct vm_area_struct *vma);
23 int (*ack)(struct snd_pcm_substream *substream);
24 };
snd_pcm_ops 中的所有操作都需事先通过snd_pcm_substream_chip()获得xxxchip 指针，例如：
int xxx()
{
struct xxxchip *chip = snd_pcm_substream_chip(substream);
...
}
当1 个PCM 子流被打开时，snd_pcm_ops 中的open()函数将被调用，在这个函数中，至少需要初始化
runtime->hw 字段，代码清单17.9 给出了open()函数的范例。
代码清单17.9 snd_pcm_ops 结构体中open()函数
1 static int snd_xxx_open(struct snd_pcm_substream *substream)
2 {
3 //从子流获得xxxchip 指针
4 struct xxxchip *chip = snd_pcm_substream_chip(substream);
5 //获得PCM 运行时信息指针
6 struct snd_pcm_runtime *runtime = substream->runtime;
7 ...
8 //初始化runtime->hw
9 runtime->hw = snd_xxxchip_playback_hw;
10 return 0;
11 }
上述代码中的snd_xxxchip_playback_hw 是预先定义的硬件描述。在open()函数中，可以分配1 段私有数
据。如果硬件配置需要更多的限制，也需设置硬件限制。
当PCM 子流被关闭时，close()函数将被调用。如果open()函数中分配了私有数据，则在close()函数中应
该释放substream 的私有数据，代码清单17.10 给出了close()函数的范例。
代码清单17.10 snd_pcm_ops 结构体中close()函数
1 static int snd_xxx_close(struct snd_pcm_substream *substream)
2 {
3 //释放子流私有数据
4 kfree(substream->runtime->private_data);
5 //...
6 }
驱动中通常可以给snd_pcm_ops 的ioctl()成员函数传递通用的snd_pcm_lib_ioctl()函数。
snd_pcm_ops 的hw_params()成员函数将在应用程序设置硬件参数（PCM 子流的周期大小、缓冲区大小和格
式等）的时候被调用，它的形式如下：
static int snd_xxx_hw_params(struct snd_pcm_substream *substream,struct snd_pcm_hw_params
*hw_params);
在这个函数中，将完成大量硬件设置，甚至包括缓冲区分配，这时可调用如下辅助函数：
snd_pcm_lib_malloc_pages(substream, params_buffer_bytes(hw_params));
仅当DMA 缓冲区已被预先分配的情况下，上述调用才可成立。
与hw_params()对应的函数是hw_free()，它释放由hw_params()分配的资源，例如，通过如下调用释放
snd_pcm_lib_malloc_pages()缓冲区：
snd_pcm_lib_free_pages(substream);
当PCM 被“准备”时，prepare()函数将被调用，在其中可以设置采样率、格式等。prepare()函数与
hw_params()函数的不同在于对prepare()的调用发生在snd_pcm_prepare()每次被调用的时候。prepare()
的形式如下：
static int snd_xxx_prepare(struct snd_pcm_substream *substream);
trigger()成员函数在PCM 被开始、停止或暂停时调用，函数的形式如下：
static int snd_xxx_trigger(struct snd_pcm_substream *substream, int cmd);
cmd 参数定义了具体的行为， 在trigger() 成员函数中至少要处理SNDRV_PCM_TRIGGER_START 和
SNDRV_PCM_TRIGGER_STOP 命令，如果PCM 支持暂停，还应处理SNDRV_PCM_TRIGGER_PAUSE_PUSH 和
SNDRV_PCM_TRIGGER_PAUSE_RELEASE 命令。如果设备支持挂起/恢复，当能量管理状态发生变化时将处理
SNDRV_PCM_TRIGGER_SUSPEND 和SNDRV_PCM_TRIGGER_RESUME 这2 个命令。注意trigger()函数是原子的，
中途不能睡眠。代码清单17.11 给出了1 个trigger()函数的范例。
代码清单17.11 snd_pcm_ops 结构体中trigger()函数
1 static int snd_xxx_trigger(struct snd_pcm_substream *substream, int cmd)
2 {
3 switch (cmd)
4 {
5 case SNDRV_PCM_TRIGGER_START:
6 // 开启PCM 引擎
7 break;
8 case SNDRV_PCM_TRIGGER_STOP:
9 // 停止PCM 引擎
10 break;
11 ...//其它命令
12 default:
13 return - EINVAL;
14 }
15 }
pointer()函数用于PCM 中间层查询目前缓冲区的硬件位置，该函数以帧的形式返回0～buffer_size – 1
的位置（ALSA 0.5.x 中为字节形式），此函数也是原子的。
copy()和silence()函数一般可以省略，但是，当硬件缓冲区不处于常规内存中时需要。例如，一些设备
有自己的不能被映射的硬件缓冲区，这种情况下，我们不得不将数据从内存缓冲区拷贝到硬件缓冲区。例
外，当内存缓冲区在物理和虚拟地址上都不连续时，这2 个函数也必须被实现。
3、分配缓冲区
分配缓冲区的最简单方法是调用如下函数：
int snd_pcm_lib_preallocate_pages_for_all(struct snd_pcm *pcm,
int type, void *data, size_t size, size_t max);
type 参数是缓冲区的类型，包含SNDRV_DMA_TYPE_UNKNOWN（未知）、SNDRV_DMA_TYPE_CONTINUOUS（连续
的非DMA 内存）、SNDRV_DMA_TYPE_DEV （连续的通用设备），SNDRV_DMA_TYPE_DEV_SG（通用设备SG-buffer）
和SNDRV_DMA_TYPE_SBUS（连续的SBUS）。如下代码将分配64KB 的缓冲区：
snd_pcm_lib_preallocate_pages_for_all(pcm, SNDRV_DMA_TYPE_DEV,
snd_dma_pci_data(chip->pci),64*1024, 64*1024);
4、设置标志
在构造PCM 实例、设置操作集并分配缓冲区之后，如果有需要，应设置PCM 的信息标志，例如，如果PCM
设备只支持半双工，则这样定义标志：
pcm->info_flags = SNDRV_PCM_INFO_HALF_DUPLEX;
5、PCM 实例析构
PCM 实例的“析构函数”并非是必须的，因为PCM 实例会被PCM 中间层代码自动释放，如果驱动中分配了
一些特别的内存空间，则必须定义“析构函数”，代码清单17.x 给出了PCM“析构函数”与对应的“构造
函数”，“析构函数”会释放“构造函数”中创建的xxx_private_pcm_data。
代码清单17.12 PCM 设备“析构函数”
1 static void xxxchip_pcm_free(struct snd_pcm *pcm)
2 {
3 /* 从pcm 实例得到chip */
4 struct xxxchip *chip = snd_pcm_chip(pcm);
5 /* 释放自定义用途的内存 */
6 kfree(chip->xxx_private_pcm_data);
7 ...
8 }
9
10 static int __devinit snd_xxxchip_new_pcm(struct xxxchip *chip)
11 {
12 struct snd_pcm *pcm;
13 ...
14 /* 分配自定义用途的内存 */
15 chip->xxx_private_pcm_data = kmalloc(...);
16 pcm->private_data = chip;
17 /* 设置“析构函数” */
18 pcm->private_free = xxxchip_pcm_free;
19 ...
20 }
上述代码第4 行的snd_pcm_chip()从PCM 实例指针获得xxxchip 指针，实际上它就是返回第16 行给PCM
实例赋予的xxxchip 指针。
6、PCM 信息运行时指针
当PCM 子流被打开后，PCM 运行时实例（定义为结构体snd_pcm_runtime，如代码清单17.13）将被分配给
这个子流，这个指针通过substream->runtime 获得。运行时指针包含各种各样的信息：hw_params 及
sw_params 配置的拷贝、缓冲区指针、mmap 记录、自旋锁等，几乎要控制PCM 的所有信息均能从中取得。
代码清单17.13 snd_pcm_runtime 结构体
1 struct snd_pcm_runtime
2 {
3 /* 状态 */
4 struct snd_pcm_substream *trigger_master;
5 snd_timestamp_t trigger_tstamp; /* 触发时间戳 */
6 int overrange;
7 snd_pcm_uframes_t avail_max;
8 snd_pcm_uframes_t hw_ptr_base; /* 缓冲区复位时的位置 */