音频：I2S/TDM 时序、codec 与 DAPM、时钟树与 pop 音
音频在嵌入式设备里经常被当成"能响就行"的功能，直到语音对讲出现周期性咔哒、音乐播放变调、或者设备在安静房间里每隔几秒"啪"一声。这些问题几乎都能归到三个地方：时钟树对不对、帧格式与槽位配不配、上下电顺序顺不顺。它们分别对应 I2S/TDM 的时序、codec 的 DAPM 路径、以及功放与偏置的上电时序。
这一章把一条音频链路拆成"时钟、帧、路径、电源"四层，先给出可以手算的分频关系，再落到设备树与 ALSA 调试命令。所有频率数字都能用一张纸复核，所有寄存器行为都能在 codec 手册里找到对应章节。
1. 动机：无声、爆音、变调是三件不同的事
现场最常报的三类音频故障，恰好对应三条独立的因果链：
| 现象 | 直接原因 | 检查层 |
|---|---|---|
完全没有声音，aplay 却正常返回 | DAPM 路径没打通、功放没使能 | 路径与电源 |
| 每隔几秒"咔哒"一声，或语音断断续续 | 缓冲欠载（underrun）、周期太小、调度延迟 | 缓冲与实时性 |
| 音乐变调、语速不对、和视频对不上 | MCLK 与采样率不匹配、分频比算错 | 时钟树 |
| 上电/关机瞬间"砰"一声 | 偏置未建立就开功放、耦合电容放电 | 上下电时序 |
| 录音有嗡声或啸叫 | 偏置电压脏、地回路、AGC 太激进 | 模拟前端 |
这五类问题在软件上看起来都是"ALSA 报错"或"没有报错"，但排查入口完全不同。先分清"是没数据、数据晚了、还是数据速率错了"，能省掉大量盲目换 codec 的时间。
某台语音对讲设备在播报提示音时，每隔约 4 秒出现一次轻微的"嗒"声，播放音乐则正常。现场先换了喇叭、换了功放、加了磁珠，问题依旧。
抓 /proc/asound/card0/pcm0p/sub0/status 发现 underruns 计数在缓慢增长；再看应用是"每次提示音重新打开 PCM、写完就关"，而提示音只有 300 ms，PCM 的 period 设成了 1024 帧（21.3 ms），buffer 只有 2 个 period（42.7 ms）。应用层在两次写之间做 JSON 解析，偶尔超过 42.7 ms，硬件就把最后一段静音播完，接着补数据时产生不连续，听起来就是"嗒"。
把 buffer 加到 4 个 period（85.3 ms）、把提示音改成常开 PCM 复用，问题消失。整个过程没有换一颗器件。
这个例子说明：音频的"杂音"经常是时间问题，不是模拟问题。先把时钟和缓冲算清楚，再动烙铁。
2. 直观：一条音频链路有四个时钟
上图上半部分是从 24 MHz 晶振到 48 kHz 采样率的完整分频链，下半部分是 I2S 的帧结构与 TDM 的槽位对比。先把四个时钟的角色分清：
- MCLK（master clock，主时钟）：codec 的参考时钟，通常是采样率的 256、384 或 512 倍；
- BCLK（bit clock，位时钟）：每个 BCLK 周期传 1 bit；
- LRCK（left/right clock，帧时钟，也叫 WS）：每个周期是一帧，I2S 里一帧包含左右两个声道；
- PCLK/APLL：SoC 内部的音频 PLL 输出，是 MCLK 的源头。
四个时钟不是"随便谁快谁慢"，而是严格的整数或分数关系。关系错了，声音要么变调，要么根本出不来。
2.1 I2S 时序：一帧两个槽
I2S 总线只有三根信号：BCLK、LRCK（WS）、SD（串行数据）。标准时序的要点：
- LRCK 低电平表示左声道，高电平表示右声道；LRCK 在 BCLK 的某个边沿切换；
- 数据在 LRCK 切换后的第二个 BCLK 边沿开始传 MSB，也就是常说的"MSB 延迟一个 BCLK"；
- 数据在 BCLK 的一个边沿移出、另一个边沿采样，接收端按 BCLK 周期逐位接收；
- 一帧的位数 = 每个声道的槽位数 × 2。16 bit 数据放进 32 bit 槽，就是每帧 64 个 BCLK。
"槽位"（slot）是这里最容易混淆的概念：有效数据位数和槽位宽度是两件事。16 bit 的采样值可以放进 16 bit 槽（每帧 32 个 BCLK），也可以放进 32 bit 槽（每帧 64 个 BCLK，高位对齐、低位补零）。绝大多数 codec 的默认 I2S 模式是 32 bit 槽，因为它兼容 16/20/24/32 bit 数据，切换位深时不用改 BCLK。
这一点直接决定了第 3.1 节公式里"位深"该取什么：公式按"每个采样值占两个位宽的槽"计，32 bit 槽对应的输入值是 16；24 bit 数据放进 32 bit 槽时，帧长仍是 64 bit，BCLK 不变，变化的只是数据在槽内的对齐和补零方式。帧长由槽宽决定，不由有效位深决定，这是配置 I2S 时最该先记住的一句话。
2.2 TDM：一帧八个槽
时分复用（Time Division Multiplexing，TDM）把一帧切成 N 个槽，每个槽放一个声道。它和 I2S 的区别：
- I2S 用 LRCK 电平区分左右，一帧固定两个槽；
- TDM 用一帧一个同步脉冲（frame sync）标记帧头，槽号靠计数得到，一帧可以有 4、8、16 个槽；
- TDM 的 BCLK 必须等于"槽宽 × 槽数 × 采样率"，槽宽通常是 32 bit。
8 通道麦克风阵列、车载多声道、会议终端常用 TDM，因为它用一根数据线就能传 8 个通道，省引脚也省走线。代价是所有通道共享一个 BCLK，任何一个通道的槽宽配错，整帧都会错位。
2.3 codec 内部：DAC、混音与 DAPM
codec 不是"数字进、模拟出"的黑盒，它内部有一张模拟开关网络：DAC 输出可以走耳机、走扬声器、走混音器；麦克风可以走 PGA、走旁路、走 ADC。动态音频电源管理（Dynamic Audio Power Management，DAPM）就是这张网络的电源管理器。
DAPM 的模型只有两个概念：
- widget：网络里的节点，比如"DAC"、"耳机放大器"、"扬声器输出"、"麦克风偏置"；
- route：节点之间的有向边，比如"DAC → 耳机放大器"。
只有当一条从输入到输出的完整路径被用户空间打开（amixer 里的开关、或 PCM 流启动）时，DAPM 才沿着这条路径依次给 widget 上电，并按驱动的时序要求插入延时。路径断开时按相反顺序下电。这套机制解决两个问题：不用的模块不耗电，以及上电顺序由驱动保证，而不是靠应用碰运气。
DAPM 管不到 codec 外面的器件。外接功放的使能脚、外部麦克风偏置、天线开关，都要通过 gpio widget、supply widget 或 regulator widget 接进这张图，否则就会出现"软件以为关了、硬件还在响"或者"上电顺序反了、砰一声"。
2.4 时钟树：从晶振到采样率
音频时钟树的典型结构是：
24 MHz 晶振 → AUDIO_PLL（分数分频）→ 整数分频 → MCLK → BCLK 分频 → LRCK关键约束是采样率必须由 MCLK 整数或分数分频得到，且误差要在 ppm 级。48 kHz 家族（48k、96k、192k）和 44.1 kHz 家族（44.1k、88.2k、176.4k）需要两组不同的 PLL 频率，因为 48k 与 44.1k 的比值是 160:147，不是整数关系。一颗 PLL 想同时覆盖两个家族，只能靠分数分频，而分数分频会引入小数杂散（fractional spur），这就是为什么很多 SoC 提供两颗音频 PLL。
2.5 谁做 master：SoC 还是 codec
I2S 的 BCLK 和 LRCK 必须由一方产生：
- SoC 做 master（
bitclock-master、frame-master指向 CPU DAI）：时钟由 SoC 的 AUDIO_PLL 分频得到，软件可控，多 codec 场景好同步； - codec 做 master：codec 用自己的晶振产生 MCLK/BCLK/LRCK，SoC 只做从设备。手机里常见，因为 codec 的时钟更干净，且待机时 SoC 可以关掉音频 PLL。
两种模式没有绝对优劣，但混用会出问题：设备树里两边都声明 master，或者一边声明 master 另一边却按 master 配置分频，结果是 BCLK 上出现两个源打架，现象是声音断续或完全无声。
2.6 两个采样率家族与两颗 PLL
44.1 kHz 来自 CD 时代（每帧 588 个采样、75 帧每秒，算下来 44,100 Hz），48 kHz 来自数字电话与广播（30 帧 × 1600 采样）。两者的比值是
\frac{48{,}000}{44{,}100} = \frac{160}{147} = 1.088435\ldots不是整数，也不是简单的分数。这意味着同一颗 PLL 很难同时精确产生两个家族的时钟：要么用分数分频（引入小数杂散），要么准备两颗 PLL（48k 家族一颗、44.1k 家族一颗）。i.MX 8M 的 AUDIO_PLL1/2 就是这种设计，分别对应 393.216 MHz 和 361.2672 MHz。
软件上要做的判断是：这颗 SoC 的音频 PLL 是否支持"按采样率切换"。如果只支持固定频率，那么 44.1 kHz 只能靠近似分频，误差在 2 cent 量级；如果产品要播放音乐，这个误差在长时间播放中会累积成明显的音画不同步，必须切换 PLL 或做软件重采样（resampling）。
3. 定量关系：BCLK、MCLK 与分频比
3.1 BCLK 与帧长
I2S 的位时钟由"每帧位数 × 采样率"决定：
\text{BCLK} = 2 \times b \times f_s \times N_{ch}其中 b 是每个声道槽位宽度的一半（32 bit 槽取 16，16 bit 槽取 8），f_s 是采样率，N_{ch} 是声道数。系数 2 来自 I2S 的"一个采样值占两个位宽"的槽位约定：16 bit 数据放进 32 bit 槽，一帧两个声道就是 2 \times 16 \times 2 = 64 个 BCLK。把 b 理解成"半个槽宽"而不是"有效位深"，公式就不会在 24 bit 数据配 32 bit 槽时给出偏大的结果。代入 16 bit、48 kHz、立体声：
\text{BCLK} = 2 \times 16 \times 48{,}000 \times 2 = 3{,}072{,}000\ \text{Hz}帧长 L_{frame} = 2bN_{ch} = 64 bit，所以 \text{BCLK} = L_{frame} \times f_s = 64 \times 48{,}000 = 3.072 MHz。这个式子的物理含义比"乘以 2"更清楚：BCLK 就是帧长乘以帧率。
TDM 用同一套逻辑，只是帧长换成"槽宽 × 槽数"：
\text{BCLK}_{TDM} = W_{slot} \times N_{slot} \times f_s8 槽、32 bit 槽宽、48 kHz 时，\text{BCLK} = 32 \times 8 \times 48{,}000 = 12.288 MHz。注意这时 BCLK 已经等于 256 倍采样率，和 MCLK 同频，布线时要把这两根时钟当成敏感信号对待。
3.2 MCLK 与采样率
codec 需要一个远高于 BCLK 的主时钟来做过采样和内部 DSP。常见比例是 256、384、512 倍采样率：
f_{MCLK} = K \times f_s, \qquad K \in \{256, 384, 512\}48 kHz、K=256 时 f_{MCLK} = 12.288 MHz；44.1 kHz 时 f_{MCLK} = 11.2896 MHz。这个数字不是随便取的：它要同时满足"能被 BCLK 整数分频"和"codec 内部 PLL/过采样器能锁定的范围"。K=256 之所以最常见，是因为它同时兼容 16/24/32 bit 槽和大多数 codec 的默认分频表。
MCLK 与 BCLK 的关系可以直接由两个公式相除得到：
\frac{f_{MCLK}}{\text{BCLK}} = \frac{K}{2bN_{ch}}48 kHz、16 bit、立体声、K=256 时比值是 256/64 = 4，即 MCLK 四分频得到 BCLK。
3.3 PLL 与分频比怎么算
以 i.MX 8M 的音频 PLL 为例：AUDIOPLL1 输出 393.216 MHz，AUDIOPLL2 输出 361.2672 MHz。这两个数不是随机的：
393{,}216{,}000 = 48{,}000 \times 8192, \qquad 361{,}267{,}200 = 44{,}100 \times 8192也就是说 PLL 输出是采样率的 8192 倍，再除以 32 就得到 256 倍采样率的 MCLK：
f_{MCLK} = \frac{8192 f_s}{32} = 256 f_s48 kHz：393.216/32 = 12.288 MHz；44.1 kHz：361.2672/32 = 11.2896 MHz。
从 24 MHz 晶振到这两个频率需要分数分频：
\frac{393.216}{24} = 16.384 = 16 + \frac{48}{125}, \qquad \frac{361.2672}{24} = 15.0528 = 15 + \frac{33}{625}分母 125 和 625 都不大，说明用"整数部分 + 分数部分"的 PLL 架构可以做到很小的小数误差。实际配置时，SoC 的时钟驱动会给出 assigned-clock-rates，由 CCM 自动算出这些分频值；但验证时必须自己算一遍，因为驱动可能悄悄给你选了另一颗 PLL。
3.4 采样率误差：cent 与累积漂移
采样率误差用音分（cent）表示，一个半音是 100 cent：
\text{error}_{cent} = 1200 \times \log_2 \frac{f_{actual}}{f_{nominal}}如果 MCLK 用 24 MHz 二分频得到 12 MHz（而不是 12.288 MHz），48 kHz 会变成 12{,}000{,}000/256 = 46{,}875 Hz：
\text{error} = 1200 \times \log_2 \frac{48{,}000}{46{,}875} = 41.06\ \text{cent}41 cent 接近半个半音，人耳能明显听出"跑调"。更严重的是累积漂移：2.34% 的速率误差意味着每播放 60 秒，音画就错开 60 \times 0.0234 = 1.4 秒。唇音同步的容忍阈值大约是 40 ms，也就是说不到 2 秒就会明显对不上。
反过来，44.1 kHz 在只有 12.288 MHz MCLK 的系统里：12.288/44.1 = 278.64，分频器只能取 279，得到 12.288/279 = 44{,}043 Hz，误差 0.129%，约 2.24 cent。这个误差听感上可以接受，但长时间播放仍会累积；要求严格时应该切换 PLL 到 361.2672 MHz。
3.5 缓冲、周期与延迟
ALSA 把 PCM 缓冲切成若干周期（period），应用每次处理一个周期：
T_{period} = \frac{N_{period}}{f_s}, \qquad T_{buffer} = N_{periods} \times T_{period}48 kHz、周期 1024 帧时 T_{period} = 21.33 ms；4 个周期就是 85.33 ms。这 85.33 ms 是应用必须在这个时间内把数据补上的硬预算，超过就欠载（underrun），听感是"咔哒"或断音。
延迟则是另一回事：端到端延迟大致等于"一个周期 + 编解码处理 + 传输"，周期越小延迟越低，但欠载风险越高。语音通话通常取 256 到 512 帧（5.33 到 10.67 ms），音乐播放可以取 1024 到 2048 帧。
3.6 pop 音的 RC 与上下电时序
pop 音的根源是直流偏置的突变。codec 的输出偏置通常在 AVDD/2（比如 1.65 V），耳机或功放通过耦合电容隔直。如果在上电瞬间电容还没充到偏置电压就打开功放，电容会被当成短路，产生一个幅度接近偏置电压的阶跃：
I_{peak} = \frac{V_{bias}}{R_{load}}, \qquad \tau = R_{load} C_{couple}100 µF 耦合电容、32 Ω 耳机负载时 \tau = 3.2 ms，5 个时间常数约 16 ms 才基本稳定；峰值电流 1.65/32 = 51.6 mA，峰值功率 85 mW，足以听见"砰"的一声。所以上下电时序必须满足：偏置先建立、电容先充满、再开功放；关机时先关功放、再断偏置。
4. 算例：48 kHz 语音、44.1 kHz 音乐与 8 麦阵列
第一部分：48 kHz 立体声播放链。
需求：16 bit、48 kHz、立体声、MCLK 256 倍。
\text{BCLK} = 2 \times 16 \times 48{,}000 \times 2 = 3.072\ \text{MHz}f_{MCLK} = 256 \times 48{,}000 = 12.288\ \text{MHz}\text{PLL} = 8192 \times 48{,}000 = 393.216\ \text{MHz}分频链：393.216 MHz ÷ 32 = 12.288 MHz（MCLK）→ ÷ 4 = 3.072 MHz（BCLK）→ ÷ 64 = 48 kHz（LRCK）。三个分频比都是整数，没有分数杂散。
时间尺度：BCLK 周期 1/3.072\ \text{MHz} = 325.52 ns；一个 32 bit 槽 10.417 µs；一帧 20.833 µs；LRCK 半周期也是 10.417 µs。用示波器量 BCLK 和 LRCK，应该看到严格的 64:1。
第二部分：8 通道 TDM 麦克风阵列。
需求：8 通道、32 bit 槽、48 kHz。
\text{BCLK} = 32 \times 8 \times 48{,}000 = 12.288\ \text{MHz}一帧 256 bit，帧长 20.833 µs，每槽 2.604 µs。此时 BCLK 与 MCLK 同频，都是 12.288 MHz；如果 SoC 只有一个 I2S 控制器，要让 TDM 和播放共用 BCLK，必须确认 codec 支持"播放+录音共用帧"（多数 codec 支持，但槽位分配要查手册）。
第三部分：44.1 kHz 音乐路径。
需求：44.1 kHz、16 bit、立体声。若系统只有 48 kHz 家族的 PLL（12.288 MHz），分频比如前所述只能取 279，实际 44,043 Hz，误差 2.24 cent。若切换到 AUDIO_PLL2：
f_{MCLK} = 361.2672/32 = 11.2896\ \text{MHz}\text{BCLK} = 2 \times 16 \times 44{,}100 \times 2 = 2.8224\ \text{MHz}11.2896/2.8224 = 4分频比仍是 4。注意 44.1 kHz 的 BCLK 是 2.8224 MHz，与 48 kHz 的 3.072 MHz 不同；如果 codec 的 BCLK 分频器是固定的，就得同时改 MCLK 和 BCLK 两级。
第四部分：缓冲与欠载预算。
语音场景取周期 256 帧、3 个周期：T_{period} = 5.333 ms，T_{buffer} = 16 ms。如果应用的最坏调度延迟是 12 ms（比如被 Flash 擦除或 GC 阻塞），16 ms 的预算只剩 4 ms 余量；把周期改成 512 帧、3 个周期就是 32 ms，余量 20 ms。欠载计数在 /proc/asound/card0/pcm0p/sub0/status 里，压测时应该始终为 0。
第五部分：pop 音时序。
假设 codec 偏置建立需要 100 ms，DAC 去静音需要 50 ms，功放使能后稳定需要 20 ms。上电顺序应为：
- 提供 MCLK，等待 PLL 锁定（约 1 ms）；
- 释放 codec 复位，等待偏置建立（100 ms）；
- DAC 去静音，等待 50 ms 让耦合电容充电；
- 拉高功放使能，等待 20 ms；
- 开始送 PCM 数据。
总延时约 171 ms。关机顺序完全相反，且每一步之间要留同样的时间。任何一步提前，都会在示波器上看到输出端的阶跃。
5. 工程含义：设备树、DAPM 与调试
5.1 设备树：simple-audio-card
sound {
compatible = "simple-audio-card";
simple-audio-card,name = "voice-codec";
simple-audio-card,format = "i2s";
simple-audio-card,bitclock-master = <&dailink0_master>;
simple-audio-card,frame-master = <&dailink0_master>;
simple-audio-card,mclk-fs = <256>;
simple-audio-card,widgets =
"Speaker", "Speaker",
"Headphone", "Headphone",
"Microphone", "Mic Jack";
simple-audio-card,routing =
"Speaker", "SPK_OUT",
"Headphone", "HP_OUT",
"MIC_IN", "Mic Jack";
dailink0_master: simple-audio-card,cpu {
sound-dai = <&sai2>;
system-clock-frequency = <12288000>;
};
simple-audio-card,codec {
sound-dai = <&wm8960>;
};
};几个字段的含义：
format = "i2s"决定 DAI 的帧格式，可选i2s、right_j、left_j、dsp_a、dsp_b；格式选错，现象是声音变成噪声或只有单声道；bitclock-master、frame-master指定谁产生 BCLK 和 LRCK，必须和 codec 的寄存器配置一致；mclk-fs = <256>告诉 ASoC 按 256 倍采样率设置 MCLK，驱动据此调用clk_set_rate；routing是 DAPM 的 route 表，sink 在左、source 在右，写反了路径不通。
5.2 DAPM 的调试
DAPM 的运行时状态在 debugfs 里：
cat /sys/kernel/debug/asoc/<card>/dapm/* # 每个 widget 的供电状态
cat /sys/kernel/debug/asoc/<card>/dapm_pop_time # 上电时序的延时记录
amixer -c 0 contents # 所有 kcontrol 的当前值
amixer -c 0 sset 'Speaker' ondapm_pop_time 会列出每个 widget 的上电延时，是排查 pop 音的第一手资料：如果功放使能和偏置建立之间没有延时，这里会显示 0。
外接功放的使能脚要接进 DAPM，有两种做法：
/* 方式一：gpio widget */
sound {
simple-audio-card,widgets = "Speaker", "Speaker";
simple-audio-card,routing = "Speaker", "SPK_OUT";
};
/* 方式二：用 regulator 给功放供电，由 DAPM 的 supply widget 控制 */如果功放使能脚直接接在 GPIO 上、软件在 PCM 启动后才拉高，那么 DAPM 上电时功放还是关的，第一帧数据会被丢掉；反过来，软件在 PCM 停止后忘记拉低，功放就一直耗电。这两种现象分别表现为"开头一小段没声音"和"待机电流偏大"。
5.3 上下电时序的代码落点
ASoC 把时序钩子放在 DAI 和 codec 的 set_bias_level 里：
SND_SOC_BIAS_OFF→SND_SOC_BIAS_STANDBY：给 codec 上电、建立 VMID；SND_SOC_BIAS_STANDBY→SND_SOC_BIAS_PREPARE：PLL 锁定、时钟稳定；SND_SOC_BIAS_PREPARE→SND_SOC_BIAS_ON：DAC 去静音、功放使能。
延时用 msleep() 或 regmap 的 poll 实现，不要用忙等。codec 手册里的 "VMID charge time" 通常按耦合电容和内部电阻算，给的是典型值；实际板上电容越大，需要的时间越长。
5.4 ALSA 调试路径
aplay -l # 列出 PCM 设备
aplay -D hw:0,0 -r 48000 -c 2 -f S16_LE test.wav
cat /proc/asound/card0/pcm0p/sub0/hw_params # 实际生效的 rate/format/period
cat /proc/asound/card0/pcm0p/sub0/status # state 与 xrun 计数
speaker-test -D hw:0,0 -c 2 -r 48000 -t sine -l 1
dmesg | grep -iE "asoc|sai|wm8960|underrun"判断"时钟对不对"最快的办法是量 BCLK/LRCK 的频率比：48 kHz、16 bit、立体声应该是 64:1；如果量到 32:1，说明槽位是 16 bit 而不是 32 bit，或者 codec 配成了右对齐。判断"数据对不对"则看 hw_params 里的 rate、format、period_size 是否和应用预期一致。
5.5 时钟抖动与布局
音频时钟的质量不只看频率，还看抖动（jitter）。采样时刻的抖动会直接变成量化噪声，其信噪比上限可以估算为
\text{SNR}_{jitter} = -20 \log_{10}(2\pi f_{in} t_{jitter})f_{in} 是信号频率，t_{jitter} 是时钟抖动的均方根值。100 ps 抖动、1 kHz 信号时，2\pi \times 1000 \times 10^{-10} = 6.28 \times 10^{-7}，对应约 124 dB；同样是 100 ps，10 kHz 信号就只有 104 dB。这说明高频信号对抖动更敏感，也说明"能播 1 kHz 正弦"不代表时钟合格。
布局上要守住三条：
- MCLK 走线尽量短，远离 DC-DC 的 SW 节点和 Class-D 功放的输出；
- MCLK、BCLK、LRCK 不要和 I2C、SPI 的长走线并行，必要时加地线隔离；
- codec 的模拟电源与数字电源分开供电，VMID 的去耦电容靠近引脚，地回流不要穿过数字区。
如果板上有多颗 codec 或多路 I2S，优先让它们共用一个 MCLK 源，避免"各唱各的调"；确实需要独立时钟时，用同一颗 PLL 的不同整数分频，而不是各自起晶振。
6. 常见坑：现象、原因与解决
现象：命令不报错，进度条走完，喇叭一点声音都没有；amixer 里 Master 已经拉满。
原因：DAPM 路径没打通。常见是 routing 里 sink/source 写反、外接功放的使能脚没接进 DAPM、或者 codec 的输出 mixer 没打开。
解决：先看 /sys/kernel/debug/asoc/<card>/dapm/ 里 "Speaker"、"HP_OUT" 这些 widget 是否处于 On；再逐个 amixer 打开输出开关；最后确认功放使能脚的 GPIO 状态。若 widget 全 On 仍无声，量功放输入是否有信号，把数字域和模拟域分开。
现象：提示音听起来"尖"了一点，长视频播放几分钟后唇音不同步；用音频分析仪量频率偏高约 2.3%。
原因：MCLK 不是采样率的整数倍。例如用 24 MHz 二分频得到 12 MHz 当 MCLK，而 codec 按 256 倍关系推出 46.875 kHz，实际播放速度比标称快 2.34%。
解决：按第 3.3 节复算 PLL 与分频链，确认 mclk-fs、assigned-clock-rates 和 codec 的 MCLK 分频寄存器三者一致；用频率计量 MCLK 和 LRCK，算比值是否为 256。不要把"能出声"当成"时钟对"。
现象：播放长音频或语音通话时周期性出现爆音，dmesg 偶发 underrun 或 "XRUN" 日志。
原因：PCM 缓冲太小或应用调度不及时。周期 1024 帧、2 个 period 时只有 42.7 ms 预算，应用做一次 JSON 解析或 Flash 写就可能超时。
解决：把 period 加到 4 个、周期大小按最坏调度延迟的 2 到 3 倍取；把音频线程设成实时优先级（SCHED_FIFO）并绑核；用 perf sched 或 ftrace 看唤醒延迟。目标是压测时 xrun 计数保持 0。
现象：开机第一次出声、或关机瞬间，喇叭有明显低频冲击；耳机里更明显。
原因：偏置电压还没建立就打开了功放，或者关机时先断了偏置、功放还在放大，耦合电容的放电电流被放大成脉冲。
解决：严格按"时钟→偏置→去静音→功放"的顺序上电，每步之间加延时；关机反序；给功放加静音脚（mute）并在断偏置前先拉低；用示波器看输出端的直流阶跃，而不是靠耳朵判断。
现象：录音底噪里带 50 Hz 工频或高频啸叫；扬声器靠近麦克风时啸叫。
原因：麦克风偏置电源不干净（来自开关电源）、地回路形成环路、或者 AGC 增益过高把回授放大。
解决：给麦克风偏置加 RC 滤波或独立 LDO；检查模拟地和数字地的单点连接；降低 PGA 增益、打开高通滤波；用 arecord 录一段静音分析频谱，确认干扰频率后再改电路。
7. 自测题
题一：48 kHz、24 bit 数据、32 bit 槽、立体声，BCLK 是多少？若 MCLK 取 256 倍采样率，MCLK 与 BCLK 的比值是多少？
按槽位算帧长：每声道 32 bit，两个声道 64 bit，所以
\text{BCLK} = 64 \times 48{,}000 = 3.072\ \text{MHz}若套用 2 \times b \times f_s \times N_{ch}，b 取 16（32 bit 槽 = 2 × 16），得到同样结果 2 \times 16 \times 48{,}000 \times 2 = 3.072 MHz。
MCLK = 256 \times 48{,}000 = 12.288 MHz，比值 12.288/3.072 = 4。
题二：8 通道 TDM、32 bit 槽、48 kHz，BCLK 是多少？一帧多少 bit、多少微秒？每个槽多少微秒？
\text{BCLK} = 32 \times 8 \times 48{,}000 = 12.288\ \text{MHz}一帧 256 bit，帧长 256/12.288\ \text{MHz} = 20.833\ \mu s；每槽 32 bit，32/12.288\ \text{MHz} = 2.604\ \mu s。
一帧正好是一个采样周期 1/48{,}000 = 20.833\ \mu s，两者相等可以作为验算。
题三：24 MHz 晶振经 PLL 得到 393.216 MHz，再 32 分频得到 MCLK。验证 48 kHz 时 MCLK 是否为 256 倍采样率；若误用 12 MHz 作 MCLK，采样率误差多少 cent？
393.216/32 = 12.288 MHz，12.288/0.048 = 256，成立。
误用 12 MHz 时，12{,}000{,}000/256 = 46{,}875 Hz，误差
1200 \times \log_2 \frac{48{,}000}{46{,}875} = 41.06\ \text{cent}约半个半音，且 2.34% 的速率误差每分钟累积 1.4 秒，唇音同步会明显失配。
题四：语音应用用 48 kHz、周期 512 帧、3 个 period。缓冲时间是多少？若最坏调度延迟 20 ms，是否安全？
T_{period} = 512/48{,}000 = 10.667 ms，T_{buffer} = 3 \times 10.667 = 32 ms。
最坏延迟 20 ms 时余量 12 ms，安全但不算宽裕；把 period 加到 4 个（42.67 ms）余量 22.7 ms，更稳。注意延迟增加会牺牲通话的"跟手感"，需要在欠载与延迟之间权衡。
题五：耦合电容 100 µF、耳机 32 Ω、偏置 1.65 V。求时间常数、峰值电流，并解释为什么上电要延时约 5 个时间常数。
\tau = 32 \times 100 \times 10^{-6} = 3.2 ms；峰值电流 1.65/32 = 51.6 mA。
电容电压按 1 - e^{-t/\tau} 建立，5τ = 16 ms 时达到 99.3%，残余直流阶跃约 11 mV，已经听不见。若在 1τ（3.2 ms）时就打开功放，残余约 63% 的偏置会变成冲击，所以时序要留足 5τ。
8. 参考资料
- Linux 内核文档
Documentation/sound/soc/overview.rst、clocking.rst：ASoC 的分层、DAI 与时钟设置。 - Linux 内核文档
Documentation/sound/soc/dapm.rst：widget 类型、route 语法、路径上电与调试节点。 - Philips Semiconductors，《I2S Bus Specification》：SCK/WS/SD 时序与 MSB 对齐规则。
- Linux 内核绑定
Documentation/devicetree/bindings/sound/simple-card.yaml：mclk-fs、dai-format、master 字段。 - Wolfson Microelectronics，《WM8960 Datasheet》：MCLK 分频表、VMID 建立时间与 pop 抑制。
- NXP，《i.MX 8M Applications Processor Reference Manual》CCM 章节：AUDIO_PLL1/2 的频率与分数分频。
- ALSA 项目，《Procfile.txt》：
hw_params、status、xrun 计数的含义。 - Linux 内核源码
sound/soc/soc-dapm.c、sound/soc/generic/simple-card.c：路径上电与 DAI 链接的实现。