本文大部分内容纯属个人基于ALSA官网的”PCM Interface“的理解，如有理解错误的地方，欢迎邮件告诉我 :)

0. PCM

Pulse-code modulation(PCM)

将模拟信号表示为数字信号的一种方法，它是计算机,CD,数字电话以及其他数字音频设备对数字音频信号的标准表示法。在一个PCM流当中，模拟信号是按照一定间隔（采样周期）进行采集，每个采样点的采样值则被近似地量化为最接近的一个值（由采样深度决定）。

Linear pulse-code-modulation(LPCM)

PCM中的一种类型，这种类型的量化值与模拟信号强度（响度）是呈线性关系。

Non-linear pulse-code-modulation

LPCM中的一种类型PCM不同，它的量化值相对与模拟信号强度呈非线性关系。例如：u-law, A-law等。

一个PCM流的质量取决与两方面：

在ALSA的PCM接口当中，PCM泛指所有离散时间内的离散采样音频信号。

1. 概述

1.1 PCM设备的两种类型

PCM设备（内核level）可以简单地分为”输出(playback)”和”输入(capture)”两类。其中的方向是站在ALSA应用的角度而言，即：

1.2 PCM设备和ALSA应用的ring buffer

具体参见这里

声卡设备在硬件层面有一个ring buffer，同时在alsa的kernel space，也维护一个ring buffer：

如下图所示：

ALSA_Periods

作为alsa lib用户，我们只需要关心alsa-lib中的ring buffer。它由两个指针维护:

  1. 对于 playback:
    • 当前硬件正在读的sample (START)
    • 上一次应用程序写的sample (END)
  2. 对于 capture:
    • 当前硬件正在写的sample (END)
    • 上一次应用程序读的sample (START)

(参考Wiki-ring buffer)

1.2.1 ring buffer - 单位(period, frame, sample)

buffer的size可以通过ALSA library的API进行修改。如果buffer设的太大，那么一次数据的传输需要的延迟会增加。为了解决这个问题，ALSA将buffer分为一系列的period(在OSS/Free语境中称为fragment)，然后以period为单位进行数据的传输。

因此，在buffer里有以下几个单位：

它们的关系如下图所示：

ALSA application buffer

1.2.2 ring buffer - 访问方式(interleaved, non-interleaved)

Ring buffer 有三种访问方式：

  1. Interleaved access

     C0 C1 C2 C3 C0 C1 C2 C3 ....

  2. Non-interleaved access

     C0 C0 C0 C0 ................ C1 C1 C1 C1 ............. C2 C2 C2 C2 ............... C3 C3 C3 C3 ...........   注意：对于这种访问模式，每个通道有单独的ring buffer!

  3. Complex access

具体参见 PCM Ring Buffer

2. ALSA 设备打开 和 数据传输

2.1 阻塞和非阻塞打开设备

PCM设备可以以阻塞或非阻塞两种模式打开：

  1. 打开设备时，如果该设备当前正在被其他应用使用：

    • 阻塞：则调用的进程会被阻塞
    • 非阻塞：立即返回 -EBUSY给调用进程

  2. 打开设备的mode也会影响到它的标准I/O数据传输。当应用调用PCM API对该设备进行操作（例如: playback/capture）如果该设备没被其他应用使用，但是ring buffer为满（对于playback）/空（对于capture）：

    • 阻塞：则调用进程会被阻塞
    • 非阻塞：立即返回 -EAGAIN给调用进程

    该阻塞模式模式可以通过snd_pcm_nonblock函数改变。

2.2 数据传输

2.2.1 读写传输(read/write)

可以用于传输interleaved/non-interleaved的数据，并且有阻塞和非阻塞两种模式

2.2.2 直接读写传输(mmap)

可以用于传输interleaved/non-interleaved/complex的数据。应用程序的调用顺序如下：

注意:

  1. 比较早的ALSA版本中，如果当前设备处于resample状态，则snd_pcm_wait可能break，具体请参考这里

2.2.2.1 snd_pcm_avail_update vs snd_pcm_avail

2.2.2.2 snd_pcm_mmap_begin()

这个API的返回参数的物理意义会根据不同的access type而不同，如下图所示：

mmap memory diagram

注意：这里的 offset 的单位实际上是 areas[x].step的个数。

因此，想要得到某个channel的当前period起始地址的话，可以使用类似如下的代码，适用于两种access type：

unsigned char* getMmapBeginAddress(const snd_pcm_channel_area_t area, snd_pcm_uframes_t offset)
{
    return (unsigned char*)(area.addr) + offset*(area.step/8) + area.first/8;
}

在得到了起始地址之后，如果要往里面填数据（例如填“0”）的话不能直接使用memset之类的API直接操作，而是要根据不同的access type来操作。这里提供一段片段，应该适用于两种access type:

// pcm_mmap_begin(&areas, &offset, &frames);

unsigned int byte_per_step = areas[0].step / 8;
 
for (unsigned i = 0; i != n_channel; ++i)
{
    unsigned char* start_address = getMmapBeginAddress(areas[i], offset);

    for (unsigned int j = 0; j != frames; ++j)
    {
        memset(start_address + (byte_per_step * j), 0, (m_pALSACfg->bitsPerSample)/8);
    }
}

// pcm_mmap_commit(offset, frames);

3. ALSA应用能看到的PCM设备状态迁移图

调用snd_pcm_state可以获取当前PCM设备的状态

SND_PCM_STATE_OPEN

表示PCM设备处于打开状态。

进入原因：

  1. snd_pcm_open调用成功
  2. snd_pcm_hw_params调用失败，目的是强制ALSA应用设置正确的硬件参数

SND_PCM_STATE_SETUP

表示PCM设备已经被正确地设置了硬件参数。此时，它正在等到snd_pcm_prepare来使设备对设置的操作（playback/capture）做准备。

进入原因：

  1. snd_pcm_hw_params调用成功
  2. snd_pcm_drop

SND_PCM_STATE_PREPARED

表示设备已经就绪。此时，ALSA应用可以调用snd_pcm_start，读或者写来进行操作。

进入原因：

  1. snd_pcm_prepare调用成功

SND_PCM_STATE_RUNNING

表示设备正在操作，即正在处理采样的数据。这个过程可以被snd_pcm_drop或snd_pcm_drain停止。

进入原因：

  1. snd_pcm_start调用成功
  2. 操作为playback，并且ALSA应用的frame超过了软件参数中设置的start threshold
  3. 操作为capture，并且ALSA应用要求读的frame超过了软件参数中设置的start threshold

SND_PCM_STATE_XRUN

表示设备overrun(capture)或者underrun(playback). 其中，前者表示ALSA应用没有及时将PCM设备的ring buffer中的数据读走，导致ring buffer满了；后者表示ALSA应用没有及时往PCM设备ring buffer里传数据，导致ring buffer空了。

进入这种情况后，建议调用snd_pcm_recover来恢复，也可以通过snd_pcm_prepare/snd_pcm_drop/snd_pcm_drain来离开此状态

进入原因：

  1. overrun/underrun发生
  2. PCM设备buffer中的frame数小于stop threshold

SND_PCM_STATE_DRAINING

表示capture设备正在等待ALSA应用将ring buffer中的数据读走。

对于playback模式的设备调用了snd_pcm_drain是不会进入这个状态的。

进入原因：

  1. 设备为capture模式，并且调用了snd_pcm_drain

SND_PCM_STATE_PAUSED

表示支持pause（可以通过snd_pcm_hw_params_can_pause来确定）的设备处于停止状态。

进入原因：

  1. 支持pause的设备调用snd_pcm_pause

SND_PCM_STATE_SUSPENDED

表示由于电源管理系统，使设备进入一种挂起状态。

对于支持resume的设备，建议调用snd_pcm_resume来离开该状态，直接进入SND_PCM_STATE_PREPARE状态（可以调用snd_pcm_hw_params_can_resume来确定）。对于不支持resume的设备，可以调用snd_pcm_prepare/snd_pcm_drop/snd_pcm_drain来离开该状态。

进入原因：

  1. 设备由于电源管理系统而进入该状态

SND_PCM_STATE_DISCONNECTED

表示设备不再连接系统，该状态下不再接受任何I/O调用。

不完整的状态迁移图

ALSA PCM stream FSM

4. 错误码

  1. -EPIPE 表示设备处于 xrun (underrun for playback or overrun for capture).

  2. -ESTRPIPE 表示设备处于 suspended. 这时候需要循环调用snd_pcm_resume() 直到它返回非-EAGAIN的error( setup )或者0 ( prepare ).

  3. -EBADFD 表示设备处于一个错误的状态，这意味着应用和alsa lib之间的握手协议已经错乱了.

  4. -ENOTTY, -ENODEV 表示设备已经被物理地移除了.

5. HW/SW 参数

5.1 HW 参数

ALSA PCM设备对于硬件参数，使用了一种”逐步限制”的机制(refinement system) - snd_pcm_hw_params_t. 应用程序在一开始设定所有支持的HW参数空间，然后通过设置其中的某几个参数为定值，直到其他参数都被限定为止。最后，将设定好了的参数空间install给该设备(snd_pcm_hw_params)。之后，HW参数就不得再改变了。

5.1.1 API

对于某个HW参数，会有以下几种形式的API可供使用：

5.1.2 rate/buffer/period的单位

5.1.3 periods vs buffer size vs buffer time

  1. buffer size/time指定了ring buffer的大小，它一定是period size/time的整数倍；
  2. periods实际也是用于指定buffer的大小的.

额外地，如果指定了periods而没有指定buffer size，则实际的buffer size将会位于:[periods*period_size, buffer_size max]

5.1.4 access type

  1. 选择不同的传递API(r/w or direct), 记得使用相应的access type, 否则会返回-EBADF
  2. 不是所有设备都满足NONINTERLEAVED/INTERLEAVED，例如我的声卡只支持INTERLEAVED，因此最好在设置前用test API判断下

5.1.5 format

  1. 物理长度和有效长度的关系 在使用read/write API的时候对于buffer的读写要使用物理长度
  2. LE 和 BE
  3. 浮点数类型可以通过与int一起作为一个Union来简化多字节的操作

5.2 SW 参数

软件参数可以在任意时刻修改，包括RUNNING状态。

5.2.1 avail_min

默认值一般 == period size, 用于snd_pcm_wait, 当available的值大于avail_min时，该函数返回。

5.2.2 start threshold

PCM设备状态自动进入RUNNING的事件。注意：

  1. start_threshold默认值为 1 frame
  2. 只对readi/writei有效，对于 direct access 无效

具体地,

如果你希望手动地使Playback PCM设备进入RUNNING状态(snd_pcm_start), 则可以将该值设的比buffer size更大(e.g. MAX_INT)，可是要注意，如果ring buffer中没有数据或者数据不多，则手动start可能使设备进入 XRUN 状态!

5.3 典型配置项

  1. 打开设备，确定设备类型(capture/playback)
  2. 设置硬件参数：
    1. 分配参数空间内存
    2. 获取最大参数空间
    3. 判断并设置access type
    4. 设置数据类型：
      1. format
      2. channel (near)
      3. rate (near)
    5. 设置硬件中断频率: period_size/period_time(near). 典型做法为：设置period_time, 然后由它来获取period_size,以备用
    6. 设置ring buffer大小: buffer_size/buffer_time/periods(near). 典型做法为：设置buffer_time/periods, 然后由它来获取buffer_size,以备用
    7. 设置
    8. （可选）dump hw info
    9. 释放分配的参数空间内存
  3. 设置软件参数：
    1. 分配参数空间内存
    2. 获取当前软件参数空间
    3. （可选）设置start threshold (默认为0 frame)
    4. （可选）设置avail_min (默认为 1 period size)
    5. （可选）设置period event
    6. 设置
    7. （可选）dump sw info
    8. 释放分配的参数空间内存

6. STREAM状态

这里的流的状态(status)不同于上面所提到PCM设备的状态(snd_pcm_state), 通过snd_pcm_status_get_state返回的snd_pcm_status_t结构体记录。其中包括：

  1. timestamp of trigger: snd_pcm_status_get_trigger_tstamp()
  2. timestamp of last pointer update: snd_pcm_status_get_tstamp()
  3. delay(sample): snd_pcm_status_get_delay()
  4. available count(sample): snd_pcm_status_get_avail()
  5. maximum available samples: snd_pcm_status_get_avail_max()
  6. ADC over-range count(sample): snd_pcm_status_get_overrange()

6.1 获得stream状态，更新r/w指针

7. STREAM同步

8. PCM 命名规范

9. 配置ALSA Device

9.1 物理声卡设备

ALSA世界中，物理的声卡设备由card, device, subdevice指定。

9.2 ALSA设备

和上面提到的物理声卡设备不同，ALSA设备由字符串来指定，它们被定义在ALSA配置文件中(通常为: /usr/share/alsa/alsa.conf, 并在其中load额外的配置文件)。ALSA设备通常是plugin的封装（各种plugin也定义在在配置文件中）。

例如， /usr/share/alsa/alsa.conf 中，定义了ALSA设备”hw”, 它使用了Plugin:hw: (比较奇怪吧…看下面的注释)

9.3 ALSA plugin

ALSA提供了各种功能的plugin。以下记录了其中的某几个容易混淆的概念。在探索细节之前，先了解一下plugin的工作模式，如下所示：

plugin-basic

其中，slave 也可能是另一个plug。

9.3.1 plug

这个plugin可以用于自动转换各种硬件参数，包括: format, channels, rate. 使用plug插件的ALSA设备定义格式如下：

pcm.name {
        type plug               # Automatic conversion PCM
        slave STR               # Slave name
        # or
        slave {                 # Slave definition
                pcm STR         # Slave PCM name
                # or
                pcm { }         # Slave PCM definition
                [format STR]    # Slave format (default nearest) or "unchanged"
                [channels INT]  # Slave channels (default nearest) or "unchanged"
                [rate INT]      # Slave rate (default nearest) or "unchanged"
        }
        route_policy STR        # route policy for automatic ttable generation
                                # STR can be 'default', 'average', 'copy', 'duplicate'
                                # average: result is average of input channels
                                # copy: only first channels are copied to destination
                                # duplicate: duplicate first set of channels
                                # default: copy policy, except for mono capture - sum
        ttable {                # Transfer table (bi-dimensional compound of cchannels * schannels numbers)
                CCHANNEL {
                        SCHANNEL REAL   # route value (0.0 - 1.0)
                }
        }
        rate_converter STR      # type of rate converter
        # or
        rate_converter [ STR1 STR2 ... ]
                                # type of rate converter
                                # default value is taken from defaults.pcm.rate_converter
}

这里我的理解只停留在slave中的format, channels和rate这几个配置项。以format为例，假设，当前我要向一个playback设备，输入一个8KHz采样率，5秒长度的1KHz的正弦波，则该文件有8K * 5 = 40K个frame。我希望该设备以16KHz的采样率往外传输音频。此时，我需要一个plugplugin的设备，如下所示：

pcm.my_plug{
    type plug
    slave.pcm "hw:0,0"
    slave.rate 16000
}

这里的slave.rate 16000表示，my_plug的输出为16KHz的数据，作为slave，也就是"hw:0,0"的输入。这里有个先决条件是，"hw:0,0"在当前硬件参数空间中是支持16KHz的（可以用alsacap来测试）。

注意：在代码中打开该设备后，配置hw参数的时候设置的rate应该是与文件一致：8KHz (基本原则是：文件采样率是多少就应该以多少的采样率来读)

整个过程如下图所示：

plugin-plug

需要注意的是，采样率转换后的文件并不是完全符合上面的公式的，使用plug插件的采样率转换功能以后，开始的一小部分和结束的一小部分音频的数据会是0.例如，我有一个8000Hz采样率双通道16位采样深度的5秒正弦波，其大小是：160,000 Byte. 在转换成44.1KHz采样率以后，理论值是:160,000 / 8000 * 441000 = 882,000 Byte. 而实际值是884,736 Byte. 通过audacity分析实际音频文件，发现开始的3ms和结束的12ms的数据都是0，整个文件的长度变为了5.015秒。多出的15ms的数据大小 = 0.015 * 44100 * 2 * 2 = 2646 byte ，约等于比理想状态多出来的部分了。

反过来，对于capture设备，设备中的rate代表采样的频率，设置设备hw参数的代码中配置的rate代表文件的采样率。

9.3.2 file

这个plugin可以用于将写入对应的alsa设备的数据截取出来。要注意的是：这里截取的数据是读出或写入设备的数据，不等同于实际按时间顺序传给ALSA的数据。例如，我们在一个playback设备中配置了 file plugin ，即使我们在写入数据的过程中发生了underrun（即两次写入之间有间隙），截取出来的数据依然是连续的。所以，如果发生了声音卡顿等现象，做分段分析的时候，不能通过这种方式来排除ALSA前端应用的嫌疑。

10. 实践

10.1 从Chrome浏览器中下载音乐

基本思想是：

  1. 如果Chrome直接通过ALSA接口播放，则有两种情况：
    1. 打开defaultALSA设备进行播放，需要做：
      1. 将 /usr/share/alsa/pulse-alsa.conf重命名，因为它会将defaultALSA设备设置为使用Plugin: pulse的设备；

      2. 在~/.asoundrc加入：

         pcm.!default{
     type file
     slave {
         pcm {
             type hw
             card 0
             device 0
         }
     }
     file "/tmp/a.wav"
 }
    2. 打开预定义的ALSA设备：hw（例如: hw:0,0）:

      1. 在 /usr/share/alsa/alsa.conf中，修改pcm.hwALSA设备的定义。将以下部分：

           type hw
   card $CARD
   device $DEV
   subdevice $SUBDEV
   hint {
       show {
           @func refer
           name defaults.namehint.extended
       }
       description "Direct hardware device without any conversions"
   }

        修改为：

           type file              # 使用file plugin来代替本来的hw plugin
   slave.pcm {
       type hw
       card 0
       device 0
   }
   file "/tmp/a.wav"
  2. 如果Chrome使用的是PulseAudio接口，那么需要做别的处理.

于是，我进行了如下步骤：

  1. 判断浏览器是否使用pulseaudio播放还是使用ALSA接口播放

    1. 暂停PulseAudio(关机前记得回复):

       $ echo "autospawn = no" > ~/.pulse/client.conf
 $ pactl exit

    2. 打开Chrome，用网易云音乐播放歌曲，果然无法播放了. 因此，Chrome使用的是PulseAudio接口。

  2. 修改/usr/share/alsa/中的Plugin: pulse定义：

     #pcm.pulse {
 #    type pulse
 #    hint {
 #        show on
 #        description "PulseAudio Sound Server"
 #    }
 #}

 pcm.pulse {
     type file
     slave {
         pcm "hw:0,1"
     }
     file "/tmp/c.wav"
 }
  3. 然而，并无任何ruan用。。。未完待续。

EDIT ON 2019-05-22

根据这个回答，通过以下指令即可录音：

# 先查看一下哪个sink在工作

$ pacmd # 使用pacmd的原因是它的list可以看到状态
>>> list-sink-inputs

# 找到状态为RUNNING的那个sink input，记录它的index

>>> exit

# 创建一个新的sink
$ pactl load-module module-null-sink sink_name=steam
# 将当前的sink-input输出到这个新创建的sink，而不是speaker对应的sink
$ pactl move-sink-input $INDEX steam
# 输出这个sink的数据（raw pcm）到lame，转成mp3
$ parec -d steam.monitor | lame -r -s 44.1 --bitwidth 16 --signed --little-endian - output.mp3

引用

[1] PCM interface

[2] Introduction to Sound Programming with ALSA

[3] PCM Ring Buffer

[4] A close look at ALSA

[5] Linux AlSA sound notes