PCM 参数深度解析：采样率、帧、缓存大小与多通道关系

将下面的 PCM 配置作为例子：

config.channels    = 2;                  // 立体声（2 个通道）
config.rate        = 48000;              // 采样率 48000 Hz，即每秒 48000 帧
config.period_size = 1024;               // 每个周期包含 1024 帧
config.period_count= 4;                  // 总周期数 4 → 整个缓冲区包含 1024 * 4 = 4096 帧
config.format      = PCM_FORMAT_S16_LE;   // 16 位小端格式，即每个采样占 16 位（2 字节）

1. 单帧的构成

• 定义帧：
  在 PCM 数据中，每一帧包含了所有通道对应的一个采样数据。

  • 例如对于立体声（2 通道），每帧包含 2 个采样。

• 采样大小与每帧字节数：

  • 格式 PCM_FORMAT_S16_LE 表示每个采样为 16 位（2 字节）。
  • 因此，每帧字节数 = 通道数 × 每样本字节数
    = 2 × 2 = 4 字节。

2. 采样率与帧率

• 采样率定义：
  采样率 48000 Hz 表示每秒钟采集 48000 帧数据。
  • 不论是 2 个通道还是 4 个通道，每秒始终采集 48000 帧。
  • 这意味着：
    • 在 2 通道下，每个通道的采样频率同样为 48000 Hz，总采样点数为 48000 × 2 = 96000 个。
    • 在 4 通道下，每个通道也是 48000 Hz，总采样点数为 48000 × 4 = 192000 个。

注意：采样率表示的是整体帧率，并不会因通道数改变而“分摊”到每个通道。

3. 周期（Period）和缓冲区

• Period Size（1024 帧）：
  代表每次数据读写时处理的最小单位。

  • 时间长度 = period_size / 采样率
    = 1024 / 48000 ≈ 0.02133 秒 ≈ 21.33 毫秒。

• Period Count（4 个周期）：
  有助于形成一个环形缓冲区，整个缓冲区的帧数为

  • 总帧数 = period_size × period_count = 1024 × 4 = 4096 帧.
  • 总缓冲区字节数 = 总帧数 × 每帧字节数 = 4096 × 4 = 16384 字节.

4. 音频时长的计算

假设只处理（或读取）一个周期的数据（1024 帧），则其时长为：

换算成毫秒即为：

如果处理整个缓冲区（4096 帧），时长则是：

5. 多通道情况下的解释

• 统一的采样率：
  采样率表示的是每秒钟采集的帧数，与通道数无关。

  • 无论配置 2 个通道还是 4 个通道，每秒都采集 48000 帧，只不过每帧内包含 2 或 4 个采样数据。
  • 因此，每个通道的采样频率始终为 48000 Hz，而不会因为通道数不同而分别变成 24000 Hz 或 12000 Hz。

• 总采样点数：

  • 2 通道配置：总采样点数 = 48000 × 2 = 96000
  • 4 通道配置：总采样点数 = 48000 × 4 = 192000

总结

• 采样率（rate）：定义每秒处理的帧数（48000 Hz），与通道数无关。
• 帧（Frame）：是一个包含所有通道采样的最小数据单位，每帧字节数由 channel 数×（每个采样的字节数）决定。
• Period Size：单次数据传输的帧数（1024 帧），也意味着单个周期的时长为 1024/48000 秒（约 21.33 毫秒）。
• Period Count：缓冲区中周期的总数（4），影响整个缓冲区的大小和抗系统调度抖动的能力（总帧数 4096）。
• 数据大小：通过 pcm_frames_to_bytes() 可把帧数转换为字节数，方便内存分配和数据传输；反之 pcm_bytes_to_frames() 则可将读取或写入的字节数转换回帧数以便计算时长等。