Linux下的音频编程中有OSS和ALSA，本篇文章将对ALSA进行相关介绍。ALSA提供一系列基于命令行的工具集，比如混音器(mixer)，音频文件播放器(aplay)，以及控制特定声卡特定属性的工具。
一、ALSA的 API主要分为以下几种接口：
（1）控制接口：提供灵活的方式管理注册的声卡和对存在的声卡进行查询。
（2）PCM接口：管理数字音频回放(playback)和录音(capture)的接口。
（Pulse Code Modulation（脉冲编码调制）。这个词描述了一种用数字化形式表示模拟信号的方法。这种方法几乎被所有的计算机音卡所使用，它在ALSA API中用“audio”来简称。）
（3）原始MIDI接口: 支持 MIDI (Musical Instrument Digital Interface)，一种标准电子音乐指令集。这些API提供访问声卡上的MIDI总线。这些原始借口直接工作在 The MIDI事件上，程序员只需要管理协议和时间。
（4）记时接口: 为支持声音的同步事件提供访问声卡上的定时器。
（5）音序器接口：一个比原始MIDI接口高级的MIDI编程和声音同步高层接口。它可以处理很多的MIDI协议和定时器。
（6）混音器接口：控制发送信号和控制声音大小的声卡上的设备。
二、
1、pcm用来描述alsa中数字音频流。Alsa音频的播放/录制可通过pcm来实现的。
2、在内核设备驱动层，ALSA提供了alsa-driver，同时在应用层，ALSA为我们提供了alsa-lib，应用程序只要调用alsa-lib提供的API，即可以完成对底层音频硬件的控制。
3、alsa驱动实际上可分为两层，比如s3c24xx-iis.c或s3c24xx-ac97.c之类，主要是音频总线与硬件初始化(iis/ac97,GPIO,dma等)，另一层才是wm8987.c之类的芯片驱动，主要是提供寄存器读写接口(i2c等)，创建mixer设备之类。
三、PCM介绍
（一）简单介绍
1、根据ALSA写一简单的PCM应用程序,我们首先需要为PCM设备打开一个句柄(Handle),然后指定PCM流的方向是playback。
2、pcm下面有一个playback和capture stream，playback和capture下面各自有一个substream。
（1）playback如何把用户空间的应用程序发过来的PCM数据，转化为人耳可以辨别的模拟音频。
（2）capture把mic拾取到得模拟信号，经过采样、量化，转换为PCM信号送回给用户空间的应用程序。
（二）相关程序
（1）此部分程序可以参考：
可参考链接：https://blog.csdn.net/orz415678659/article/details/8995163。
其中：
snd_card 表示一个声卡实例, 包含多个声卡设备；
snd_device 表示一个声卡设备部件：
snd_pcm 表示一个PCM设备, 声卡设备的一种, 用于播放和录音 ；
snd_control 表示Control设备, 声卡设备的一种, 用于控制声卡； snd_pcm_str 表示PCM流, 分为playback和capture；
snd_pcm_substream PCM子流, 用于音频的播放或录制 ；
snd_pcm_ops PCM流操作集。
具体可参考链接：
https://www.cnblogs.com/hzl6255/p/9979377.html
（2）对于pcm.c程序可参考以下链接：
https://github.com/tinyalsa/tinyalsa/blob/master/src/pcm.c
1、合理的pcm_config可以做到更好的低时延和功耗。
struct pcm_config {
unsigned int channels;
unsigned int rate;
unsigned int period_size;
unsigned int period_count;
enum pcm_format format;
unsigned int start_threshold;
unsigned int stop_threshold;
unsigned int silence_threshold;
int avail_min;
};
（1）结构中的每个参数的单位都是frame(1帧 = 通道*采样位深)：
period_size. 每次传输的数据长度。值越小，时延越小，cpu占用就越高。
（2）period_count. 缓之冲区period的个数。缓冲区越大，发生XRUN的机会就越少。
（3）format. 定义数据格式，如采样位深，大小端。
（4）start_threshold. 缓冲区的数据超过该值时，硬件开始启动数据传输。如果太大， 从开始播放到声音出来时延太长，甚至可导致太短促的声音根本播不出来;如果太小， 又可能容易导致XRUN.
（5）stop_threshold. 缓冲区空闲区大于该值时，硬件停止传输。默认情况下，这个数 为整个缓冲区的大小，即整个缓冲区空了，就停止传输。但偶尔的原因导致缓冲区空， 如CPU忙，增大该值，继续播放缓冲区的历史数据，而不关闭再启动硬件传输(一般此 时有明显的声音卡顿)，可以达到更好的体验。
（6）silence_threshold. 这个值本来是配合stop_threshold使用，往缓冲区填充静音 数据，这样就不会重播历史数据了。但如果没有设定silence_size,