|
|
数字音频技术知识点及声卡驱动 s5 q3 `. ]2 ? g+ n: E$ k8 R
关于PCM3 w/ a( @1 b; H' q% y- ?. R
$ J8 S" ^7 J- i
9 _2 }3 `4 b$ v5 C& b! MPCM 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。- R6 [8 A H _
% C& {4 v/ x: [# Z/ gSampling 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。, j( Q/ w. q- v7 ^+ _
( @4 h% ^7 t. u$ b7 FSample 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。
' Q6 y- D; H6 H: ]& B% l( ~. ^0 X7 i* @0 Q
Number 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。
9 w' ]2 T# l/ I% N7 ]
- N/ ], `2 Y! Y5 L3 `Frame: 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)。* C' `6 @9 m. L$ Y% S: `3 i2 h
( |7 [! q& F3 Q
一、数字音频
$ k; R( U8 n& R5 ~* h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。
$ Q# H& g) e: Y8 I2 u& x8 h3 J$ T( B" Q) M* D1 c' k
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。
+ w" F# ~; {+ E% P1 h# e' W/ j8 C( [( H- N$ p
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:
: f2 I) z' y- s7 L" s' Y: b, t" I, J
采样频率
+ Q, s- x; B" Y9 {0 a; E
) Y, H2 {. t1 ^1 x$ p, y5 Q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。2 J P4 l/ r( c2 ?) k% z) {/ Z; g
- @0 h8 w( ]% ?; f2 E! \量化位数
8 {8 ? l* m2 g
# y9 I* y' _: X" M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。, S) t' ~3 ^/ X! Y
/ r8 [( |6 c( C! p6 E- u+ W
声道数
: R( t4 T2 v0 b1 | ?: R/ e
: U. B; }0 a$ ^4 [) F* {6 _0 x, R9 S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。3 o. @/ r. R# V4 |1 s- w l
; ~. z* ?$ s* q% x, b2 O: I$ J
二、声卡驱动7 x8 _3 Y0 v: o( P6 S9 ^% W0 Q
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。* p: [4 [7 k$ K1 l
4 d% L+ Z4 V* w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。7 B% |4 e: g z7 z- ]
1 N/ F/ D) Y* x8 S6 W
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。
0 L% q# V# |+ Z0 b1 M6 z
; U8 C! g) m+ J4 g+ W0 c, {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:0 f1 A# F7 x: J: z& g+ O
j( P. P" l$ F) m7 J. L7 @
支持多种声卡设备$ E P# D+ a( |& S7 S/ C6 Y
% H; |* [* X& u' N
模块化的内核驱动程序
2 Q. M$ t8 L1 p1 E }; W4 _& }/ y6 l! w, C9 M
支持SMP和多线程
5 w! G# C# ]# V5 y- k( R& m: R" b7 w" m0 \, O3 Q6 \" N' {
提供应用开发函数库
+ q. ~% _ _ p' t+ v; Q# n8 k) r6 k/ q( a- I% N% N- G0 a' p
兼容OSS应用程序" l$ m- W: J: X9 Z. c
1 N5 T1 q8 H7 h8 }" I7 hALSA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。 |
|
