前言
本篇是基于内核扩展理论的学习，主要框架使用IOAudioFamily。此部分已经被苹果抛弃，在新的macOS中已经正常情况已经无法使用。最新系统音频的驱动的开发使用AudioDriverKit，这个是dext系统扩展的形式，这里留着后续学习。但是音频驱动的原理基本没变，所以以前内核扩展的理论还是值得学习。
一、数字音频和PCM
我们目前所有电子设备听到的声音本质上都是由数字信号模拟的。所以听到的声波就是由数字信号进行模拟的，由计算机系统进行存储和维护。数字音频的中的音频数据主要是通过PCM（Pulse Code Modulation, 脉冲编码调制 ）从模拟声波信号中获取到的。PCM以固定时间间隔对模拟声波进行采样和测量，每秒的测量数就称为采样率。例如你可能看到44.1kHz 、48kHz 类似的参数，这个就是指每秒采样的次数（采样率），48kHz 意味着每秒进行48000次声波信号测量。每次测量称为采样。采样是测量声波信号的振幅，然后量化为具体的数字标度，该标度范围称为位深度或采样深度。比如目前很多采样位深度是16位，那么每次采样的可能值范围就是 -32768 ～ 32767.采样率和采样宽度越高，表示声波信号测量越精确。
- PCM的采样数据根据通道数进行交错存储。例如2通道的采样，一对左/右就是一个采样组，每个采样都是16位（意味着每个采样占2字节存储）。如果有8个通道（如HDMI）则每个采样组就是（1～8）。大部分数字音频系统都是要求这样的音频数据。硬件播放的时候也要以这种数据方式，如果是MP3这种压缩了的音频数据，在硬件播放前也要进行解压还原成前面的数据格式。
- PCM采样数据存储计算。例如44.1kHz的采样率，2通道，这就代表着每秒44100个采样组，采样深度是16位，那么每秒的数据量就为44100X（16/8）X2 = 176400字节。采样深度还可能是 8、20、24或32 。另外采样存储可以是无符号数或有符号数，还有可能是浮点数（Core Audio就是使用32位浮点）。常用PCM格式如下图：
二、音频设备音频驱动
音频设备音频驱动核心概率采样缓存区：采样缓存区一般是驱动程序分配的一个内存空间，用来存储PCM采样数据。对于音频播放（输出），音频播放设备会连续直接访问（DMA）该缓存区而不需要CPU调度，并且按照固定时间间隔发送中断，使驱动程序知道当前设备读取的位置。这是非常必要的，可以保证新生成的音频数据可以写入到正确位置，而且不需要和设备进行交互。一段时间后，设备播放了一些采样数据，驱动程序会删除已经播放的采样数据，这时如果没有新的数据写入设备就会保持静音。音频输入就恰好相反，音频设备将采样数据写入缓存区，同时会发出一个中断，这样驱动程序可以知道正确的数据读取位置。一些音频设备也可以有多个输入输出，每个输入输出都会有自己独立的采样缓存区。
三、Core Audio和HAL
Core Audio：这个是macOS处理音频的一个最重要框架，需要单独一篇学习。本篇主要针对内核扩展学习，core audio主要是用于用户空间应用程序处理音频相关。
core audio是音频HAL（hardware abstraction layer，硬件抽象层）的核心。 HAL像是一个中间层，把Core Audio内部的framework，应用程序，音频设备，驱动程序连接起来。
- 以前 OS9，以前应用程序可以直接写入驱动程序采样缓存区中，因此在这以前只能处理单个应用程序的音频输出。
- 当下 OSX和iOS，有了HAL，应用程序不能直接和驱动程序进行交互，而是和HAL进行交互（主要也就是和Core Audio进行交互），Core Audio会把所有的应用程序和多线程的音频放入一个缓存区，应用程序可以选择任意HAL支持的音频格式存储，Core Audio会先把缓存区数据转换为32位浮点格式的数据，然后交给驱动程序，驱动程序负责将32位浮点格式数据转换为音频硬件支持的格式进行播放。音频输入也是如此
- Core Audio中包含一些非常重要的框架：
- Audio Toolbox
- Audio Unit
四、I/O Kit音频支持
在内核中主要是IOAudioFamily处理音频（通过此内核扩展的形式苹果已经不支持）。我们开发内核扩展音频驱动主要就是用它。概念及功能相对比较简单。主要是和硬件进行数据传输，以及一些基本功能，例如静音，控制音量及其他可配置的属性。下图为IOAudioFamily的结构，其中IOAudioDevice,IOAudioEngine比较重要。
- IOAudioDevice: 它是音频驱动程序的功能核心，和硬件的交互功能一般都放在这里，比如条件音量，初始化硬件设备等。它不负责音频数据I/O(这个由 IOAudioEngine负责)
- IOAudioEngine：音频驱动程序主要实现I/O部分（也是主要使用DMA的部分）。一个音频可能存在多个独立输入和输出。IOAudioEngine至少分配一个IOAudioStream。这是一个抽象类。
- IOAudioStream：表示采样缓存区。采样缓冲区有一个与其相关的方向，可以是输人或输出。IOAudiostream还包含描述它所支持格式的元数据，如采样的数宇格式、采样率、支持的通道数。该类并不是抽象的，可以直接实例化。该类不为采样缓存区本身分配内存，必须告知它缓冲区的位置。它负责将采样缓冲区提供给用户空间用户。该音频流还维护一个内部混合缓冲区，将多个源的音频混合成一个流.
- IOAudioControl：表示设备的可调参数，如输人音量、输出音量和静音。IOAudioControl类无法直接使用，但可以将其子类化，创建自定义的控制。IOAudioControl的3个子类为IOAudiolevelControlIOAudioselectorControl 和IOAudioTogg1eControl。一个控制可能属于设备本身、引擎或IOAudioPort.
- IOAudioPort:表示逻辑端口或物理端口，如音频输出或耳麦输出。并不要求音频驱动程序使用该类。
- Core Audio框架通过IOAudioEngineUserClient与 IOAudioEngine进行通信，从而可以与引擎 的采样缓冲区交互，以播放或捕获音频。
- IOAudiocontrolUserClient作为IOAudiocontrol实例的用户客户端，可以进行操作。这是 应用程序（如System Preferences）控制音量或静音的方式。