|
|
数字音频技术知识点及声卡驱动- k9 d! ~8 f* H2 X, d4 J3 M5 l$ s
关于PCM
5 i, Y, @) J% t9 M5 Q, m5 H' n2 j! u2 m
( _- Z7 s9 T, e3 c7 BPCM 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。9 E- C' c7 @7 U
4 }+ S3 v) ?; t7 D
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。' U% ]7 B* b2 B5 S: Q' K/ n4 l' P: T* d
1 @$ U% p' J1 A! b1 E+ C6 o+ gSample 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。
! T, a/ H C+ w
; k4 b9 a% @# ENumber 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。
$ f5 k7 M- z8 p5 T. S. N6 u% o ^5 [* f$ ^
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! H3 n4 \) z Y6 T% h) H2 w
$ q G) c! ^9 [! O$ `, @& R; B4 a一、数字音频, a4 {; D9 i w0 N
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。 c7 b7 Z# V( @7 F) A
" D! v2 A1 i( N0 s+ 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。
/ S3 b. X! j% ]6 d# E
2 [* x0 ~5 ~5 x- o5 ^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:4 I+ A: G3 S. a7 h z+ K8 d
# y# a5 O6 q2 Y; A, ~1 @( o
采样频率0 `: A) D" q& v, Y; O1 d5 {
: \2 N2 h8 U( {; n( K4 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。
: j8 e# F6 S* S4 ?" J) W3 ^5 b( W) N$ S' {2 t- M
量化位数
1 S+ T N: F: P$ y4 i
5 y4 Z% n; w9 m5 F- D% E! s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 y$ {1 J. ]* Z) z
, O n! u. g9 D z$ ^! p声道数
+ ~* {% _* ], G. ~
& L: J3 a F& t4 { H" V. Y4 W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 [( S' z& k! T# M) l W5 W& I+ L+ l* C0 j) b
二、声卡驱动8 m3 m: {' v% s" ^3 `# 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。
% u7 O/ K( r1 ~9 G" j# u
# p5 u k3 {! F' R! 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。
1 j; H5 q' k6 C, K7 X) v4 k' i0 [1 N0 t
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。
' f! {- _5 R0 I6 Z& S* w4 r) G) J' y& `. V; i9 O# [7 ^* b
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:
+ F( C$ I0 a d% X9 c4 l# d8 I5 j6 o
支持多种声卡设备2 o0 u4 U: i; P5 K1 {
/ P, K7 w: {3 V- ?8 A- i模块化的内核驱动程序
' ^/ P& d8 I% G' I8 i; Q2 u4 [) T
支持SMP和多线程
9 J \" R6 {. v& S, }/ G6 |7 t' M8 D
提供应用开发函数库
8 D5 |, n$ M* [: Q; `$ Z; |+ B% Z7 b |
" ~/ V0 ^; z! c兼容OSS应用程序7 ?3 A0 i2 ?+ A, G4 E0 ]) K# F
: p7 X5 X6 v- H7 m$ x2 b
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。 |
|
