|
|
数字音频技术知识点及声卡驱动+ V) n% W9 M- d9 q; _
关于PCM" n- g& U- |% R% `- R- b. _
, Z4 e" M9 q0 V1 v9 Z0 x; B
i+ ?3 v% h& z: M1 M2 ?; {+ L1 OPCM 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。
" v- ~! P1 w& S; S6 i% {) V7 c% M4 Z# K: E5 J. |9 h
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。
$ {0 b9 H9 K6 E# E: G4 a& b) M
( s6 m/ f: V; V, ` fSample 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。% F* u9 _5 Q# {! G& ]! X
2 b! g: t1 i& K% R" SNumber 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。
' N# l R9 [- Y. y8 S& ?
z8 B4 z: f3 _5 m- dFrame: 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)。 z0 [& c$ Q2 ^0 g9 T+ j
6 n$ G4 b$ X: e& k5 c
一、数字音频4 Q9 U9 ~4 X. L. U2 p4 s# G
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。
+ K. u6 j: _! I
, D$ p/ \7 k! u 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。
2 d3 F; U% J- J+ A& p9 \; I6 e( U6 Q- w2 S' Q# o8 N& f
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:
. y/ v2 _4 j! o% A; \# {& I" A; i* u( @% _& z1 N* ?. l" _
采样频率' g) Y( I2 @2 q9 B
& Q7 ?+ C5 d5 G' w( Y" @7 K
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。
6 K# y% i9 C5 ]+ |+ f: X. n, l% X/ n! L0 g2 H
量化位数. [' q- p8 S. m8 k6 ]
# b0 Y/ y! i) r$ ]; `# y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。5 u- t" \. M) m7 f; m$ x; |: h
& @* T; g! Z$ S& L! S9 H5 X声道数
1 E- f) I+ d) a/ B
. m6 W8 x* {+ k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。
+ ^9 k; a- J% w- G9 Z) j( M1 ~( f' ^3 \8 u1 o! T8 M' Q) L. x
二、声卡驱动
* H% w: U3 z o0 ?2 F7 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。1 y4 u6 Z6 I% {- T* `& H/ }
- K9 k. F( i# ^! V
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。
$ J9 k& n- q4 {. q0 u8 {
, M6 W4 G: ~5 D* C' ?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。) q1 P1 d/ e# a- l6 S' F9 F
, b1 M; B+ `- v5 l/ a, F% L: F! P7 [# _
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:6 T6 H3 a+ `+ j0 j) `. u
- _# ], K7 I0 N8 C+ F- S. y' I5 K支持多种声卡设备. w9 I) _( n O( M7 Z2 p
& h$ p+ p$ l* z" }模块化的内核驱动程序
; R5 l0 C& o$ [. a# G% d# S! G+ e# v4 W% Q# x* a# L2 J9 G6 a
支持SMP和多线程
: W, h; h1 R6 Q& M6 ]7 i0 G$ u2 z8 Y# d* T
提供应用开发函数库; z/ I; Q' k9 a t. c! Q% R0 t" g
$ S. J! F$ }( J: D; q( v4 S
兼容OSS应用程序
$ |4 E( @4 e& b: ]! v# Z+ ]7 J
! h2 f0 K2 L6 L( Y5 aALSA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。 |
|
