|
|
数字音频技术知识点及声卡驱动8 L8 `# j( _' v: ]- U
关于PCM2 R( t* y' r* |9 c
& l8 p% y, p4 W- K6 M8 A
2 m1 B) ]+ o9 S' E0 [0 L
PCM 是Pulse code modulaTIon的缩写，它是对波形最直接的编码方式。它在音频中的地位可能和BMP在图片中的地位有点类似吧。
* m+ B# B8 Y3 n K% ^# D9 v b4 e% j, g: o: `5 B+ ]
Sampling rate:从模拟信号到数字信号，即从连续信号到离散信号的转换都是通过离散采样完成的，Sampling rate就是每秒种采样的个数。根据香农采样定理，要保证信号不失真，Sampling rate要大于信号最高频率的两倍。我们知道人的耳朵能听到的频率范围是20hz – 20khz，所以Sampling rate达到40k就够了，再多了也只是浪费。但是有时为了节省带宽和存储资源，可以降低Sampling rate而损失声音的质量，所以我们常常见到小于40k采样率的声音数据。
. i; J a% `* i$ M' Y( M2 q2 u% F/ k, `1 l9 @
Sample size:用来量化一个采样的幅度，一般为8 bits、16 bits和24 bits。8 bits只有早期的声卡支持，而24 bits只有专业的声卡才支持，我们用的一般都是16 bits的。
9 z5 s5 F/ e$ T; y' _! n! H7 J
1 l/ m0 h7 v% wNumber of channels:声音通道个数，单声道为一个，立体声为两个，还有更多的(如8个声道的7.1格式)。一般来说，每个声道都来源于一个独立的mic，所以声道多效果会更好(更真实)，当然代价也更大。, _0 Q' ~. q- N( O0 j4 R; F) D
2 |4 [, U6 Z& w: N! xFrame: Frame是指包含了所有通道的一次采样数据，比如对于16bits的双声道来说，一个frame的大小为4个字节(2 * 16)。0 J/ o8 m; l3 O) Y0 O! b
7 a1 l/ R; o4 G- O
一、数字音频
" B# }- i' x9 x. T音频信号是一种连续变化的模拟信号，但计算机只能处理和记录二进制的数字信号，由自然音源得到的音频信号必须经过一定的变换，成为数字音频信号之后，才能送到计算机中作进一步的处理。
5 d6 ~& ?' C( Z' D/ }+ n$ z6 O( `* m. d: l/ U! q% j
数字音频系统通过将声波的波型转换成一系列二进制数据，来实现对原始声音的重现，实现这一步骤的设备常被称为模/数转换器(A/D)。A/D转换器以每秒钟上万次的速率对声波进行采样，每个采样点都记录下了原始模拟声波在某一时刻的状态，通常称之为样本(sample)，而每一秒钟所采样的数目则称为采样频率，通过将一串连续的样本连接起来，就可以在计算机中描述一段声音了。对于采样过程中的每一个样本来说，数字音频系统会分配一定存储位来记录声波的振幅，一般称之为采样分辩率或者采样精度，采样精度越高，声音还原时就会越细腻。" h! G8 f1 P6 ]' @! R) W* r
1 Y4 n& F$ Q6 i0 ^1 P1 z( ~
数字音频涉及到的概念非常多，对于在Linux下进行音频编程的程序员来说，最重要的是理解声音数字化的两个关键步骤:采样和量化。采样就是每隔一定时间就读一次声音信号的幅度，而量化则是将采样得到的声音信号幅度转换为数字值，从本质上讲，采样是时间上的数字化，而量化则是幅度上的数字化。下面介绍几个在进行音频编程时经常需要用到的技术指标: y" J5 l h1 v) H$ P: M+ @6 i1 X
7 ~& m! w* n6 _) [1 [) O$ f/ }
采样频率! a1 J. ?# e5 |6 v1 l5 v/ x
3 h6 U* j7 |8 w
采样频率是指将模拟声音波形进行数字化时，每秒钟抽取声波幅度样本的次数。采样频率的选择应该遵循奈奎斯特(Harry Nyquist)采样理论:如果对某一模拟信号进行采样，则采样后可还原的最高信号频率只有采样频率的一半，或者说只要采样频率高于输入信号最高频率的两倍，就能从采样信号系列重构原始信号。正常人听觉的频率范围大约在20Hz~20kHz之间，根据奈奎斯特采样理论，为了保证声音不失真，采样频率应该在40kHz左右。常用的音频采样频率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，如果采用更高的采样频率，还可以达到DVD的音质。 其中，8kHZ为电话的采样频率。* T* h5 ~" J( M5 U9 u+ K
! ?8 L; k8 Z0 i$ I5 b! [4 C量化位数
3 p: t( a+ c& y0 r) c$ S- A3 i/ P, |: j: y2 t9 Y
量化位数是对模拟音频信号的幅度进行数字化，它决定了模拟信号数字化以后的动态范围，常用的有8位、12位和16位。量化位越高，信号的动态范围越大，数字化后的音频信号就越可能接近原始信号，但所需要的存贮空间也越大。! c0 T' e- H2 L9 `, f
9 c7 j. }1 e7 W( f" T声道数; d- o) G; u2 V! G4 D( X
; L; h3 ~& o0 F+ n& G声道数是反映音频数字化质量的另一个重要因素，它有单声道和双声道之分。双声道又称为立体声，在硬件中有两条线路，音质和音色都要优于单声道，但数字化后占据的存储空间的大小要比单声道多一倍。/ q. q. B3 @1 v0 N6 z7 ~
4 ]1 Y2 n/ [6 i1 F# u) \! ]* ?
二、声卡驱动
( v! u( ~7 a& j* `: |9 [; W出于对安全性方面的考虑，Linux下的应用程序无法直接对声卡这类硬件设备进行操作，而是必须通过内核提供的驱动程序才能完成。在Linux上进行音频编程的本质就是要借助于驱动程序，来完成对声卡的各种操作。5 n5 u5 G1 z$ \2 c. u7 m
8 A) ^( x3 R$ a# f对硬件的控制涉及到寄存器中各个比特位的操作，通常这是与设备直接相关并且对时序的要求非常严格，如果这些工作都交由应用程序员来负责，那么对声卡的编程将变得异常复杂而困难起来，驱动程序的作用正是要屏蔽硬件的这些底层细节，从而简化应用程序的编写。目前Linux下常用的声卡驱动程序主要有两种:OSS和ALSA。
6 ?1 @' X; U" ]8 k5 \; T, s4 O1 f
% L# _) ~8 e" d3 P8 R$ g最早出现在Linux上的音频编程接口是OSS(Open Sound System)，它由一套完整的内核驱动程序模块组成，可以为绝大多数声卡提供统一的编程接口。OSS出现的历史相对较长，这些内核模块中的一部分(OSS/Free)是与Linux内核源码共同免费发布的，另外一些则以二进制的形式由4Front Technologies公司提供。由于得到了商业公司的鼎力支持，OSS已经成为在Linux下进行音频编程的事实标准，支持OSS的应用程序能够在绝大多数声卡上工作良好。
( l- {4 }* G3 V* H. M: ?- _: |4 g
$ l ]3 `/ Y2 R虽然OSS已经非常成熟，但它毕竟是一个没有完全开放源代码的商业产品，ALSA(AdvancedLinux Sound Architecture)恰好弥补了这一空白，它是在Linux下进行音频编程时另一个可供选择的声卡驱动程序。ALSA除了像OSS那样提供了一组内核驱动程序模块之外，还专门为简化应用程序的编写提供了相应的函数库，与OSS提供的基于ioctl的原始编程接口相比，ALSA函数库使用起来要更加方便一些。ALSA的主要特点有:
$ E+ F: `1 Q# p U( M4 [2 b9 |5 X0 N( E+ h, I
支持多种声卡设备8 p& z! }1 A K2 \/ h5 i5 [
2 Y% I+ A0 c7 F3 o3 T& e) T
模块化的内核驱动程序
9 t; }3 E+ @! X$ Z: F
% s9 ?/ s2 a6 W' W) K. w# f9 L支持SMP和多线程7 H) `* W: j, o1 Y4 n0 E: x
: B2 {. a, @% ]( H+ z
提供应用开发函数库
% @3 R4 k! l3 B t: T! c5 q/ G& o: R* t' M6 e1 y9 t
兼容OSS应用程序
7 o0 r$ S; C/ y4 A* m+ s6 o: { c/ Z s- V9 J" J/ w% }: ?
ALSA和OSS最大的不同之处在于ALSA是由志愿者维护的自由项目，而OSS则是由公司提供的商业产品，因此在对硬件的适应程度上OSS要优于ALSA，它能够支持的声卡种类更多。ALSA虽然不及OSS运用得广泛，但却具有更加友好的编程接口，并且完全兼容于OSS，对应用程序员来讲无疑是一个更佳的选择。 |
|
