（1）數字音頻
音頻信號是一種連續變化的模擬信號，但計算機只能處理和記錄二進制的數字信號，由自然音源得到的音頻信號必須經過一定的變換，成為數字音頻信號之後，才能送到計算機中作進一步的處理。
數字音頻系統通過將聲波的波型轉換成一系列二進制數據，來實現對原始聲音的重現，實現這一步驟的設備常被稱為模/數轉換器（A/D）。A/D轉換器以每秒鐘上萬次的速率對聲波進行采樣，每個采樣點都記錄下了原始模擬聲波在某一時刻的狀態，通常稱之為樣本（sample），而每一秒鐘所采樣的數目則稱為采樣頻率，通過將一串連續的樣本連接起來，就可以在計算機中描述一段聲音了。對於采樣過程中的每一個樣本來說，數字音頻系統會分配一定存儲位來記錄聲波的振幅，一般稱之為采樣分辯率或者采樣精度，采樣精度越高，聲音還原時就會越細膩。
數字音頻涉及到的概念非常多，對於在Linux下進行音頻編程的程序員來說，最重要的是理解聲音數字化的兩個關鍵步驟：采樣和量化。采樣就是每隔一定時間就讀一次聲音信號的幅度，而量化則是將采樣得到的聲音信號幅度轉換為數字值，從本質上講，采樣是時間上的數字化，而量化則是幅度上的數字化。
下面介紹幾個在進行音頻編程時經常需要用到的技術指標：
采樣頻率
采樣頻率是指將模擬聲音波形進行數字化時，每秒鐘抽取聲波幅度樣本的次數。采樣頻率的選擇應該遵循奈奎斯特（Harry Nyquist）采樣理論：如果對某一模擬信號進行采樣，則采樣後可還原的最高信號頻率只有采樣頻率的一半，或者說只要采樣頻率高於輸入信號最高頻率的兩倍，就能從采樣信號系列重構原始信號。正常人聽覺的頻率范圍大約在20Hz~20kHz之間，根據奈奎斯特采樣理論，為了保證聲音不失真，采樣頻率應該在40kHz左右。常用的音頻采樣頻率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，如果采用更高的采樣頻率，還可以達到DVD的音質。
量化位數
量化位數是對模擬音頻信號的幅度進行數字化，它決定了模擬信號數字化以後的動態范圍，常用的有8位、12位和16位。量化位越高，信號的動態范圍越大，數字化後的音頻信號就越可能接近原始信號，但所需要的存貯空間也越大。
聲道數
聲道數是反映音頻數字化質量的另一個重要因素，它有單聲道和雙聲道之分。雙聲道又稱為立體聲，在硬件中有兩條線路，音質和音色都要優於單聲道，但數字化後占據的存儲空間的大小要比單聲道多一倍。
（2）聲卡驅動
出於對安全性方面的考慮，Linux下的應用程序無法直接對聲卡這類硬件設備進行操作，而是必須通過內核提供的驅動程序才能完成。在Linux上進行音頻編程的本質就是要借助於驅動程序，來完成對聲卡的各種操作。
對硬件的控制涉及到寄存器中各個比特位的操作，通常這是與設備直接相關並且對時序的要求非常嚴格，如果這些工作都交由應用程序員來負責，那麼對聲卡的編程將變得異常復雜而困難起來，驅動程序的作用正是要屏蔽硬件的這些底層細節，從而簡化應用程序的編寫。目前Linux下常用的聲卡驅動程序主要有兩種：OSS和ALSA。
最早出現在Linux上的音頻編程接口是OSS（Open Sound System），它由一套完整的內核驅動程序模塊組成，可以為絕大多數聲卡提供統一的編程接口。OSS出現的歷史相對較長，這些內核模塊中的一部分（OSS/Free）是與Linux內核源碼共同免費發布的，另外一些則以二進制的形式由4Front Technologies公司提供。由於得到了商業公司的鼎力支持，OSS已經成為在Linux下進行音頻編程的事實標准，支持OSS的應用程序能夠在絕大多數聲卡上工作良好。
雖然OSS已經非常成熟，但它畢竟是一個沒有完全開放源代碼的商業產品，ALSA（Advanced Linux Sound Architecture）恰好彌補了這一空白，它是在Linux下進行音頻編程時另一個可供選擇的聲卡驅動程序。ALSA除了像OSS那樣提供了一組內核驅動程序模塊之外，還專門為簡化應用程序的編寫提供了相應的函數庫，與OSS提供的基於ioctl的原始編程接口相比，ALSA函數庫使用起來要更加方便一些。ALSA的主要特點有：
支持多種聲卡設備
模塊化的內核驅動程序
支持SMP和多線程
提供應用開發函數庫
兼容OSS應用程序
ALSA和OSS最大的不同之處在於ALSA是由志願者維護的自由項目，而OSS則是由公司提供的商業產品，因此在對硬件的適應程度上OSS要優於ALSA，它能夠支持的聲卡種類更多。ALSA雖然不及OSS運用得廣泛，但卻具有更加友好的編程接口，並且完全兼容於OSS，對應用程序員來講無疑是一個更佳的選擇。
（3）編程接口
Linux下的聲音設備編程比大多數人想象的要簡單得多。一般說來，www.linuxidc.com 我們常用的聲音設備是內部揚聲器和聲卡，它們都對應/dev目錄下的一個或多個設備文件，我們象打開普通文件一樣打開它們，用ioctl（）函數設置一些參數，然後對這些打開的特殊文件進寫操作。
由於這些文件不是普通的文件，所以我們不能用ANSI C（標准C）的fopen、fclose等來操作文件，而應該使用系統文件I/O處理函數（open、read、write、lseek和close）來處理這些設備文件。ioctl（）或許是Linux下最龐雜的函數，它可以控制各種文件的屬性，在Linux聲音設備編程中，最重要的就是使用此函數正確設置必要的參數。
如何對各種音頻設備進行操作是在Linux上進行音頻編程的關鍵，通過內核提供的一組系統調用，應用程序能夠訪問聲卡驅動程序提供的各種音頻設備接口，這是在Linux下進行音頻編程最簡單也是最直接的方法。
（A）訪問音頻設備
無論是OSS還是ALSA，都是以內核驅動程序的形式運行在Linux內核空間中的，應用程序要想訪問聲卡這一硬件設備，必須借助於Linux內核所提供的系統調用（system call）。從程序員的角度來說，對聲卡的操作在很大程度上等同於對磁盤文件的操作：首先使用open系統調用建立起與硬件間的聯系，此時返回的文件描述符將作為隨後操作的標識；接著使用read系統調用從設備接收數據，或者使用write系��調用向設備寫入數據，而其它所有不符合讀/寫這一基本模式的操作都可以由ioctl系統調用來完成；最後，使用close系統調用告訴Linux內核不會再對該設備做進一步的處理。
open系統調用
系統調用open可以獲得對聲卡的訪問權，同時還能為隨後的系統調用做好准備，其函數原型如下所示：
[cpp]參數pathname是將要被打開的設備文件的名稱，對於聲卡來講一般是/dev/dsp。參數flags用來指明應該以什麼方式打開設備文件，它可以是O_RDONLY、O_WRONLY或者O_RDWR，分別表示以只讀、只寫或者讀寫的方式打開設備文件；參數mode通常是可選的，它只有在指定的設備文件不存在時才會用到，指明新創建的文件應該具有怎樣的權限。
如果open系統調用能夠成功完成，它將返回一個正整數作為文件標識符，在隨後的系統調用中需要用到該標識符。如果open系統調用失敗，它將返回-1，同時還會設置全局變量errno，指明是什麼原因導致了錯誤的發生。
read系統調用
系統調用read用來從聲卡讀取數據，其函數原型如下所示：
參數fd是設備文件的標識符，它是通過之前的open系統調用獲得的；參數buf是指向緩沖區的字符指針，它用來保存從聲卡獲得的數據；參數count則用來限定從聲卡獲得的最大字節數。如果read系統調用成功完成，它將返回從聲卡實際讀取的字節數，通常情況會比count的值要小一些；如果read系統調用失敗，它將返回-1，同時還會設置全局變量errno，來指明是什麼原因導致了錯誤的發生。
write系統調用
系統調用write用來向聲卡寫入數據，其函數原型如下所示：
[cpp]系統調用write和系統調用read在很大程度是類似的，差別只在於write是向聲卡寫入數據，而read則是從聲卡讀入數據。參數fd同樣是設備文件的標識符，它也是通過之前的open系統調用獲得的；參數buf是指向緩沖區的字符指針，它保存著即將向聲卡寫入的數據；參數count則用來限定向聲卡寫入的最大字節數。
如果write系統調用成功完成，它將返回向聲卡實際寫入的字節數；如果read系統調用失敗，它將返回-1，同時還會設置全局變量errno，來指明是什麼原因導致了錯誤的發生。無論是read還是write，一旦調用之後Linux內核就會阻塞當前應用程序，直到數據成功地從聲卡讀出或者寫入為止。
ioctl系統調用
系統調用ioctl可以對聲卡進行控制，凡是對設備文件的操作不符合讀/寫基本模式的，都是通過ioctl來完成的，它可以影響設備的行為，或者返回設備的狀態，其函數原型如下所示：
[cpp]
參數fd是設備文件的標識符，它是在設備打開時獲得的；如果設備比較復雜，那麼對它的控制請求相應地也會有很多種，參數request的目的就是用來區分不同的控制請求；通常說來，在對設備進行控制時還需要有其它參數，這要根據不同的控制請求才能確定，並且可能是與硬件設備直接相關的。
close系統調用
當應用程序使用完聲卡之後，需要用close系統調用將其關閉，以便及時釋放占用的硬件資源，其函數原型如下所示：
[cpp]
參數fd是設備文件的標識符，它是在設備打開時獲得的。一旦應用程序調用了close系統調用，Linux內核就會釋放與之相關的各種資源，因此建議在不需要的時候盡量及時關閉已經打開的設備。
