|
|
数字音频技术知识点及声卡驱动
) h8 U. w. x: G! F B% r关于PCM% g# A% S3 w2 g b! {: o
: y7 x! c5 v5 W
) `9 C8 Y# y! Z9 O) u/ d
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。
8 g; H# v+ R5 T8 u# A$ P
8 U# s. @9 y4 F W$ e1 t! n* M$ h8 mSampling 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。
1 [; N/ Q m, K8 R- t# S
! z! h. u* F( u5 {# e8 e" P# H2 @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。; N! j5 [' s+ y! J: | T1 p
; @" o. H( E5 [, s
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。
$ u: H; c L) D- @. o: e f: u+ r# [( ]
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)。6 v0 s8 H. n3 J
3 R) N: a: i& E. J
一、数字音频& ?# M0 ?1 P2 j: b2 K# S. K. Z
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。2 s' i! S7 C) U" ~
6 g3 W; A2 g4 n6 @( l; t) i! d6 u# w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。
1 K$ R+ F1 V2 g% b. d1 _) }- z* X v7 k B9 X i( {
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:5 g9 k$ n- N6 T' d4 v6 R
: D: x& V, A( i6 A' d采样频率7 }0 Z1 X# b9 ]$ |" Y! H# |
, W; Y9 k. Z# v9 S5 F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。. Q3 _9 j- L: O/ D4 k/ J! R
& Z3 t# q) o8 O7 k- P. p3 x
量化位数# t, T1 x3 S, W$ r/ u
" V3 n% x( y0 V2 A0 }$ X d1 x
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。1 X) \! i7 T, z7 ~
; C9 x& o+ Z, a5 u
声道数
- G! Q& s H) a1 [
0 o( p0 S; T" a+ w% a {, R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。6 A e8 x6 z9 K+ `" S1 W c2 B% u
5 C2 u) v$ H4 D4 I0 e5 ^
二、声卡驱动& `8 p0 Q0 O: t+ \5 q) u6 p. c
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。
' o( [* _2 h) \+ ]
' U" u6 v: k2 m6 F9 t% {2 ?# O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 m" m7 O2 h& g2 x( n+ D: g+ I
+ [( l" t) j+ ?! ~* u" y9 p9 r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。
6 I8 {) o0 J9 g) M) t4 f' P, f" e3 E! A- S; }# D( n
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:
x. y; I0 d5 |0 n* ^
8 T* F; A" C1 o) ^. ?. J B- @支持多种声卡设备
: n2 Z1 M7 M$ l
5 Y. r- i. N8 R, g# C; r模块化的内核驱动程序
+ l% I( l! @) t2 _5 F
9 E |' h# s) O# W: U$ s支持SMP和多线程% i8 g( k! I3 X/ n) |1 c( F
( t0 X' K0 h% A/ E5 q, C: C1 ~
提供应用开发函数库4 f/ D( f4 F! s
2 t5 Q* r- J9 ?, o) D# Z0 D }
兼容OSS应用程序' g7 \7 E6 y8 h2 A
O o/ j) }$ m) w+ `+ V% ?" UALSA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。 |
|
