|
|
数字音频技术知识点及声卡驱动
$ l* U; g; H5 @& m- h! T' D" |6 a关于PCM; |3 b" A( m7 D6 P; P F
" n1 j# ]+ C0 R1 b6 v4 ~' `# I+ i' j* c1 S0 [; ], N
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。
7 L. [3 @0 W4 T5 i) ^8 R2 O+ l$ \( z a C% F1 }) e1 p
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。
' K/ j: v7 }% ~; s4 }7 P$ E/ h( ?/ [, d1 K7 D- J
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。; g/ ]3 t" Z! a- s H8 y
1 x. d$ g3 Q, G4 N0 a2 B6 N; H
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。
* h8 W! C' e* a5 }- F( W$ F& M4 L' p" f9 z
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)。& z; y. T- v6 C$ S9 z
( c1 S* J: |$ B4 z# q一、数字音频5 j! H% { v0 U
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。
3 E0 e# m* o- m0 ^" q
Y9 ?/ k" X. B; y0 @# m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。
7 O( z! h5 A' H" p5 H4 ~" G
6 X4 o' b' k% D* l( z" D- R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:: ^9 n/ t: \4 d/ o( p; r) h
5 w5 y1 ^/ V8 ~/ x5 Y采样频率
7 q" J$ [7 b4 r. p
" B3 K5 m: f& i {6 p+ N5 o/ K: o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。
& H* L" k, ]4 K g8 }; @7 e6 R- _5 z! s7 t
量化位数
- N& b; j4 l _- ]0 o( ?2 u
" I' n3 ^! I' Z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。
G+ [9 E. D! a+ E& I0 P1 r! e% g! f: V/ `, y2 U6 h
声道数6 ~9 |: ~# G& \1 P+ e5 V$ t
% e& [, k* M7 M+ j0 P1 O! z9 a; ~ ~
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。8 }' ?% `4 ]; t
. K/ V$ \; ]4 m V& t二、声卡驱动9 u: b; i+ N+ k
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。7 H/ P6 ?2 Q7 p! Z/ P
* [& B: f6 S, s3 @8 z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 i' z; o2 \/ Q2 B( Y- ^" c6 C% q2 J
% M9 \ [$ A+ ~5 H% l5 e! l8 P
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。2 m$ d1 N: H4 f$ M
! H/ ~7 h) x+ v7 H* r: 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:
' K- L* h; L2 d2 g" [& }& j% F3 U' Y3 u7 x6 b8 }
支持多种声卡设备; T$ L0 k+ t( K; W3 z1 j
1 }3 O$ f: a! G: U! b9 C: \
模块化的内核驱动程序
4 [ j+ k8 ~3 Z) K$ {2 M) V% E6 I$ f
/ ]- ?. r+ h } J* K6 a+ Z1 s M支持SMP和多线程9 S* X: z3 i5 g' G
. [6 ^, S6 {7 _0 Q6 A& L" G
提供应用开发函数库
' x7 B* \7 Y! g+ A8 P" T* G7 c$ ]0 \: D* J" {/ @5 ?3 B
兼容OSS应用程序
: d8 B' l- ^% b4 L
1 M6 _6 O c% E5 X: h4 KALSA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。 |
|
