写在前面的话：以下代码均是从自己的项目中摘出来的，类似调试打印，结构体都是自己定义的，需要修改后才能使用，需要源码的可直接到总结博客写一个自己的小型视频监控系统

 

开始写代码前，需要先了解一些基础的音频知识，有看到一篇很不错的基础讲解博客：https://blog.csdn.net/caoshangpa/article/details/51218597

这里我再简单把这几个重要的属性说明下：

1.采样率：声音信号是在物理学中是波，有相应的振幅，频率等，是一个连续信号，需要转化为离散信号才可被计算机处理（大学的数字信号处理有介绍这些）。采样率越高，音质越好，相应的占用空间越大。电话对讲中使用8kHZ采样率，可以满足人与人之间基本对话了。

2.采样长度（位数）：每次采样的字节数，也是越大越清晰，但占用空间相应也会增大，现在常见的都是16位。

3.通道数： 单通道无法辨别声源位置，主要影响的是人的听觉体验，通道数越多，体验越好，相对应的占用空间也会越大，就使用而言，单声道和双声道均可以满足音频的日常使用

4.帧：对PCM而言，没什么用

5.周期：对设备读取或者访问的单位

6.交错模式：音频数据的存储方式左右交替存储

7.非交错模式：先存左声道，再存右声道

8.比特率：这里写个公式好了，比特率=采样率×通道数×采样长度，就是每秒钟要发送的比特位。

说到Linux下的音频采集，应该没人不知道ALSA。只是做简单的音频采集，不做什么特别高端的音频功能，alsa肯定是不二选择。alsa调用过程也很简单，就是把上面介绍的参数统统配置给驱动，然后让驱动把pcm流推给我们就好。

ALSA接口介绍有一篇很详细的文章：https://blog.csdn.net/yuzaipiaofei/article/details/90582554

英文还可以的建议直接看手册：https://www.alsa-project.org/alsa-doc/alsa-lib/

大致流程：打开设备->配置参数->读取音频数据

1.设备初始化（打开设备+配置参数）

typedef struct
{
    snd_pcm_t *handle;
    snd_pcm_uframes_t frames;
    int buffSize;
    char* readBuffer;
    void (*deal_pcm)(void*,int);
}AudioParam;

// 输入参数先不增加，采样率，采样长度，通道数，交错模式，周期都先写死
int audio_init(AudioParam *audioParam)
{ 
    snd_pcm_hw_params_t *params;
    unsigned int sampleRate = 8000;
    snd_pcm_uframes_t frames = 1024;
    int retValue = -1;

    // 摄像头只有麦克，只实现录音功能
    retValue = snd_pcm_open(&(audioParam->handle), "default", SND_PCM_STREAM_CAPTURE, 0);
    if(retValue < 0)
    {
        DBGLOG("can not open pcm device:%s\n", snd_strerror(retValue));
        return ERROR;
    }

    snd_pcm_hw_params_alloca(&params);

    // 使用默认参数
    snd_pcm_hw_params_any(audioParam->handle, params);
    snd_pcm_hw_params_set_access(audioParam->handle, params, SND_PCM_ACCESS_RW_INTERLEAVED);    // 交错访问
    snd_pcm_hw_params_set_format(audioParam->handle, params, SND_PCM_FORMAT_S16_LE);    // 有符号16bit，小端 2bytes
    snd_pcm_hw_params_set_channels(audioParam->handle, params, 1);  // 单声道
    snd_pcm_hw_params_set_rate_near(audioParam->handle, params, &sampleRate, 0);    // 采样率8k
    snd_pcm_hw_params_set_period_size_near(audioParam->handle, params, &frames, 0);

    retValue = snd_pcm_hw_params(audioParam->handle, params);
    if(retValue < 0)
    {
        DBGLOG("set hw params error:%s\n", snd_strerror(retValue));
        return ERROR;
    }

    snd_pcm_hw_params_get_period_size(params, &(audioParam->frames), 0);
    audioParam->buffSize = audioParam->frames * 2; // 16bit = 2bytes / sample , 1 channel
    return OK;
}

打开设备使用函数snd_pcm_open，这里我们主要关心第二个函数入参，我只接了摄像头自己的带的麦，直接用default，就是摄像头自己麦的输出，但如果有多个麦克的话，则需要确认下哪个是默认麦克，因为虚拟机有alsa-lib，使用aplay -l，可以查看设备，我接了两个麦克后，会新增一个设备，如：

[~]$aplay -l
**** List of PLAYBACK Hardware Devices ****
card 0: AudioPCI [Ensoniq AudioPCI], device 0: ES1371/1 [ES1371 DAC2/ADC]
  Subdevices: 1/1
  Subdevice #0: subdevice #0
card 0: AudioPCI [Ensoniq AudioPCI], device 1: ES1371/2 [ES1371 DAC1]
  Subdevices: 1/1
  Subdevice #0: subdevice #0
card 2: Microphone [USB Microphone], device 0: USB Audio [USB Audio]
  Subdevices: 1/1
  Subdevice #0: subdevice #0

此时我们可以指定使用哪个麦克，将“default”换为“hw:0,0”或者“hw：2,0”即可指定麦克输入。只有一个的情况下直接default最为简单，此处我只是多接一个麦测试下。因为摄像头只有麦克，所以只是作为输入源使用，没有写alsa播放的代码，采样率，采样长度，通道数等也都是一次性写死的，前期方便设置的来做，感兴趣的可以把这些参数作为函数入参去测试下，正好了解下音频的属性。这里强调一下使用snd_pcm_hw_params_set_period_size_near来设置一次中断返回的数据单元（以帧为单位），每帧的数据量跟声道数，采样长度有关系。驱动会根据配置的值找一个相邻的或者就是原始值，即可能不是配置的值，故要重新snd_pcm_hw_params_get_period_size来获取驱动返回的周期，来申请接收缓冲区，这里我设置的是单声道，有符号16bit采样长度，所以申请的缓冲区大小为驱动返回的大小乘以2

2.读取音频数据

int audio_read_pcm(AudioParam *audioParam)
{
    int retValue = -1;

    if(NULL == audioParam || NULL == audioParam->handle || audioParam->frames <= 0)
    {
        DBGLOG("audio_read_pcm input error!\n");
        return ERROR;
    }

    
    audioParam->readBuffer = (char*)malloc(audioParam->buffSize);
    if(NULL == audioParam->readBuffer)
    {
        DBGLOG("audio_read_pcm malloc error!\n");
        return ERROR;
    }
    
    retValue = snd_pcm_readi(audioParam->handle, audioParam->readBuffer, audioParam->frames);
    if(-EPIPE == retValue)
    {
        DBGLOG("overrun occurred!\n");
        snd_pcm_prepare(audioParam->handle);
    }
    else if(retValue < 0)
    {
        DBGLOG("read error: %s\n", snd_strerror(retValue));
        return ERROR;
    }
    else if(retValue != (int)audioParam->frames)
    {
        DBGLOG("read %d less than frames[%d]\n", retValue, (int)audioParam->frames);
        return ERROR;
    }
    else
    {
        audioParam->deal_pcm(audioParam->readBuffer, audioParam->buffSize);
    }
    return OK;
}

void audio_close(AudioParam *audioParam)
{
    if(NULL != audioParam->handle)
    {
        snd_pcm_drain(audioParam->handle);
        snd_pcm_close(audioParam->handle);
    }

    if(NULL != audioParam->readBuffer)
    {
        free(audioParam->readBuffer);
        audioParam->readBuffer = NULL;
    }
}

读取操作就比较简单了，调用接口，收到是之前配置的周期处理单元数据就可以直接处理数据了。需要注意的一点是前面初始化时候snd_pcm_hw_params_set_access设置的是交错模式则使用snd_pcm_readi，设置的是非交错模式则使用snd_pcm_readn。返回值是-EPIPE则说明是数据管道异常，可能是正好瞬时性能不足导致之类的，可以使用snd_pcm_prepare恢复。

 

测试Demo：

void save_pcm(void* start, int length)
{
    char fileName[64] = {0};
    int fd = -1;

    snprintf(fileName, sizeof(fileName), "./test/pcm/test.pcm");
    printf("%s\n", fileName);
    fd = open(fileName, O_RDWR | O_CREAT | O_APPEND , 0666);
    if(fd < 0)
        printf("open:%d %s\n", errno, strerror(errno));
    write(fd, start, length);
    close(fd);
}


int get_file_size(void)
{
    struct  stat devStat;
    memset(&devStat, 0, sizeof(devStat));
    stat("./test/pcm/test.pcm", &devStat);
    return devStat.st_size;
}

void start_audio_capture(void)
{
    AudioParam audioParam;
    memset(&audioParam, 0, sizeof(audioParam));
    audioParam.deal_pcm = save_pcm;

    if(audio_init(&audioParam) < 0)
    {
        DBGLOG("audio_init error\n");
        return;
    }

    while(get_file_size() < 50*1024)
    {
        if(audio_read_pcm(&audioParam) < 0)
        {
            DBGLOG("audio_read_pcm error!\n");
            return;
        }
    }
    

    audio_close(&audioParam);
}

这里写了个小的测试demo，直接将采集的pcm存入文件，读取50k的数据，可以用Adobe audition或者cool edit等工具查看pcm是否正常。

相较于v4l2的调用，alsa的调用其实还是比较简单的，现在有了pcm可以准备下一步工作——编码。