|
|
数字音频技术知识点及声卡驱动( R. q Z: D7 G
关于PCM
2 k1 r. x6 A" E7 m9 F- ?" d% s; G' Y( `
; t/ V$ G( `( S0 gPCM 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。 Z/ Z% u# C+ ?8 C- C
* `6 [7 F# c4 i$ u& Z' F
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。/ a& b. P. ~% S
$ c7 M: b; ?3 }0 i# \( }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。
# r1 j! s0 ?" S4 p4 g- s1 ?" Q- n: n5 U ^7 n( H% M( @5 C
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。
0 O7 L; c; K' j* u# j; w$ q. v8 N% t& Q5 G3 `
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)。8 G9 j, y( [2 I% G+ u4 s, Y' L0 k
- Q6 i' J3 A0 n$ y1 M/ @, ~4 H
一、数字音频- c$ W- t, O! y- |
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。' V9 Z% z1 G) v: D! a
9 B( \; Z* ~: h0 `" L, ^% G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。
8 h( n7 q- r1 _% F
/ X; {- Z+ K8 a0 G( `8 w- G& a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:
( T) J W4 ^9 B9 m) q
. W! c3 L* Z4 z' P* Y. z采样频率& r+ F5 D) Y5 k
2 c# S2 e5 P! X( a* u
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。. q5 r: r+ t+ s
, @9 C. h# [* @) m
量化位数
8 h$ y5 Q% ^: W8 [+ s# A
7 V: h" [4 ]' {! J3 L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。% @6 b, i% j. T0 r- U1 V
9 u* P: V) s( H声道数' Q' P* U! E9 K& g# e1 N( d, p p; t
9 i4 i$ M( e/ m+ Y: N4 c
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 ^) ~) A$ Z1 g9 I0 X/ H2 D' Z$ G3 r- {
二、声卡驱动
7 B- c7 D8 G9 m1 _) a7 I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。
2 L# H1 }9 q% r3 H
, s6 C8 K* h: b e7 P: w& t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 ]! { l! S: C' M
* x9 [5 N) D9 u( H( j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 W0 l7 e" K1 k6 o1 @$ G) c) l+ Y9 o q! B$ j/ p) }% |
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:# K; ]) _! t- H; s% n0 a" A- M! p
0 g" E: Y# _: D' I7 N1 U
支持多种声卡设备/ R& {9 Q. Y: c% H; U0 h
! N1 C7 u& O4 F) C模块化的内核驱动程序
; N) `4 @; ^/ O+ P9 L) @; u9 e9 ^" G& L& n' Z" U+ z1 r0 Y" r: Z
支持SMP和多线程3 y& K/ ?% o" s$ c4 o
. a" y& {! j% c0 g0 ^* J; `
提供应用开发函数库( o0 ^* r2 X1 g4 b( z
0 u% [7 {2 E9 _6 ^1 A
兼容OSS应用程序& G% F; @* A2 k: {) x- L% y
: {9 r, i5 \4 \/ L* `
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。 |
|
