3、PCM音频基础：采样率、位深、声道数、I2S协议简介
做音频同步，绕不开PCM。说白了，PCM就是数字音频的“原材料”。你听到的每一首无损音乐，本质上都是一串串PCM数据在流动。我刚开始接触嵌入式音频时，总觉得这东西很玄乎，后来发现，搞懂三个参数和一个协议，基本就入门了。
3.1 采样率：时间轴上的“快照”频率
采样率，英文叫Sample Rate，单位是Hz。它表示一秒钟内，对模拟音频信号“拍照”了多少次。你想想看，拍照次数越多，还原出来的画面就越细腻，对吧？音频也是这个道理。
常见的采样率有这些：
| 采样率 | 常见用途 | 我的个人看法 |
|---|---|---|
| 8 kHz | 电话语音 | 够用，但别指望音质 |
| 44.1 kHz | CD音质 | 经典，大部分音乐都是这个 |
| 48 kHz | DVD、电影、专业音频 | 我项目里最常用的采样率 |
| 96 kHz / 192 kHz | 高解析度音频 | 对同步要求极高，慎用 |
这里有个关键点——奈奎斯特采样定理。它说：采样率必须大于信号最高频率的两倍。人耳能听到的上限大约是20kHz，所以44.1kHz刚好够用。为什么是44.1而不是44？嗯，这里有个历史原因，跟早期录像带的存储格式有关，我就不展开了。
3.2 位深：每个“快照”的精度
位深，也叫Bit Depth，决定了每个采样点的动态范围。说白了，就是每个“照片”能记录多少种颜色。位深越大，声音的细节越丰富，底噪越低。
常见的位深有：
- 16-bit：CD标准，动态范围96dB。够用，但做音频处理时容易丢细节。
- 24-bit：专业音频标准，动态范围144dB。我个人的习惯是，只要硬件支持，优先用24-bit。
- 32-bit：浮点格式，主要用于内部处理，很少直接传输。
你可能会问：“位深跟同步有什么关系？”关系大了。位深决定了每次传输的数据量。比如，16-bit的立体声，每个采样点就是4字节（左声道2字节 + 右声道2字节）。如果接收端按24-bit去解析，数据就全乱了。
3.3 声道数：声音的空间感
声道数，这个好理解。单声道（Mono）就是一路信号，立体声（Stereo）是两路。多声道系统（5.1、7.1）在嵌入式音响里也有，但咱们做同步，最常打交道的是立体声。
声道数直接影响数据量：
- 单声道：数据量 = 采样率 × 位深 / 8
- 立体声：数据量 = 采样率 × 位深 / 8 × 2
举个例子：48kHz、24-bit的立体声，每秒的数据量是：
48000 × 24 / 8 × 2 = 288,000 字节/秒 ≈ 281 KB/s这个数字，你心里要有数。因为它决定了你的缓冲区大小和DMA传输频率。我在做WiFi音频同步时，就因为这个数据量估算不准，导致缓冲区频繁溢出，声音断断续续。
3.4 I2S协议简介：音频的“高速公路”
I2S（Inter-IC Sound）是飞利浦公司发明的，专门用来在芯片之间传输PCM音频数据。它只有三条线：
- SCK（串行时钟）：也叫位时钟（BCLK），每个脉冲传输一个bit。
- WS（字选择）：也叫帧时钟（LRCK），用来区分左右声道。高电平通常是右声道，低电平是左声道。
- SD（串行数据）：就是PCM数据本身。
I2S的时序其实不复杂。我画个简单的示意图：
SCK: _-_-_-_-_-_-_-_-_-_-_-_-_-_-_-_
WS: ___-----------------------___
SD: [左声道数据][右声道数据][左声道数据]WS的频率就等于采样率。比如48kHz采样，WS就是48kHz的方波。SCK的频率 = 采样率 × 位深 × 声道数。还是那个例子：48kHz、24-bit、立体声，SCK频率 = 48000 × 24 × 2 = 2.304 MHz。
3.5 避坑指南：我踩过的那些坑
做音频同步，PCM基础不牢，地动山摇。我分享几个亲身经历：
- 坑一：位深对齐问题 我曾经用STM32的I2S外设，默认配置是16-bit，但我的音频源是24-bit。结果数据左对齐，声音全是噪声。后来手动配置了I2S的数据格式才搞定。
- 坑二：时钟极性 I2S有标准和飞利浦两种模式，时钟极性不同。发送端和接收端必须一致。我调试时忘了检查这个，浪费了整整一天。
- 坑三：缓冲区大小 缓冲区太小容易溢出，太大又增加延迟。我的经验是：先根据采样率和位深算出每秒数据量，再乘以你期望的延迟时间（比如50ms），作为缓冲区大小的基准。
好了，PCM基础就讲到这里。下一章我们会深入I2S的时序细节，以及如何用DMA高效搬运音频数据。记住，采样率、位深、声道数这三个参数，是音频同步的“三驾马车”，任何一个出问题，同步都免谈。