|
|
数字音频技术知识点及声卡驱动' \9 Q; `$ P. i* [4 Q
关于PCM" z- _8 n f8 t4 K0 R
6 s+ M" I$ E/ @# E; e2 N
2 t: ~/ k$ V2 G" D3 aPCM 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。
# R* _) P6 n8 |5 [1 M4 a
3 V \7 l; x, _5 M$ b( c9 ZSampling 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。
$ M( z& {7 I6 ?8 f' b0 z. O& [
' i4 w$ j; B7 R! W% d% jSample 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。1 l! u$ p0 Q$ T$ J, F
" l( }& Z0 J8 k9 F- [
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。" R6 {& h% S4 |6 \: S
; e6 C2 T; T4 }" N5 H
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)。
9 ]5 X- R/ |7 m C2 K3 a3 B* `5 _2 V( U& \: b0 r
一、数字音频
! k5 g5 ]0 H7 s3 E" [& P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 V# ?2 o) ?6 c; T8 b' b; u5 R- Z
- ~1 |5 Z: z0 X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。/ X* q4 g+ B' |2 y+ K
8 i2 }* I; y7 F6 @2 K m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:# d: |' n+ @4 [. [
2 Y7 u# o8 c9 F3 ~2 N( J, K( a# Q" R
采样频率 D( L6 ?# \( b' V4 o# Y4 h3 n. k
8 [) L1 D5 B: 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。& x6 O# [3 s( A0 j1 a( D8 e3 Y
- A0 F8 [1 ~% `0 \0 W/ n& O量化位数
" a) r+ m) v2 i" E6 j1 A# C/ z% f' j- G. Q. v% p
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。$ b. |( i) C1 d! X2 L$ m
/ v+ v1 q2 h: q W! O3 p1 U声道数% [1 O3 o) A. Z, [, j# |$ p
& B7 b* I& n: m/ `* q
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。& d3 G% _( q. e6 w
6 f( o, J: {4 ^ w1 U( ^
二、声卡驱动
" M# [# E6 G+ M6 R5 I+ h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。
$ C! v/ G- d! @) ?
& y' g! }( N6 y! S4 h1 j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。, q) \ t2 b8 r- f
! Z1 r$ }/ c6 J0 o. r! w) M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。
1 P5 I- e# F, j1 D1 ?4 C; M
' V! j; c$ A& F7 @& a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:/ p$ j( w T' Q) H
8 _% j. b6 ?/ W7 i( [# J# c, r支持多种声卡设备
- X: a# r* }4 ~0 f" s! ^- D0 T* P' ~4 x; u3 E1 j
模块化的内核驱动程序9 Z; u- p+ d) O1 i0 m
* R a' }: \: W9 d& J" A9 O支持SMP和多线程
: b; ^ d) M# h* d% K0 C/ j* E
& J7 L' c( g# \7 u+ s提供应用开发函数库% I' i4 b p* h0 m
% h- j9 |$ U& Y. p2 S" Y
兼容OSS应用程序
4 m$ H1 C, \" w& M
0 A4 A1 g+ `. Z$ X/ V7 a8 |0 Q bALSA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。 |
|
