|
|
数字音频技术知识点及声卡驱动
, L8 c& _% S; x% T8 w7 c1 X关于PCM+ i0 f0 I X' N* f' f, }
) p" ~! `- E. o& Q9 D. N2 ~
9 _5 e4 b# [; {$ O. ^2 ]$ `* P
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。( D3 z2 g; K0 K! p
y; P- K1 U A4 a0 A$ 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。
9 S$ g" X; q/ c0 ^7 W! r: N; u! C
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。
' v( b/ Q5 }# m6 @ S7 y* ^0 y i5 q+ k5 q) Q# _% S1 W! E
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) E! Z) t) p% ?! I; g9 n! O
; M8 G$ g% I" H+ @* ` {& S2 R* k9 ?" y
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)。
5 Q* p; r; I& _ o. o9 c) g; |- X% n# M
一、数字音频# U. E) C0 b# {/ T! o. j3 O" X
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。% C' z& A5 ?+ G2 _9 @ [
0 B: R; v3 S. H+ `8 m1 @- ]
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。 V- O) y2 x2 F9 ] q/ k9 Z) @
; ?' L( { E8 C- |7 ?& k
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 ^6 B" J0 l6 O& s! z
: w- a t- D' R/ R8 E9 i6 x采样频率" r3 a" V( o& l' k2 ^0 X
% A! }& c H4 r( Y4 t: R0 q
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。& q ~; R8 m4 N0 f+ J4 @ h
0 S0 h0 i4 v% n4 S- w: l
量化位数
* I9 e6 c' u' u0 l" X7 t3 Q: W* X. T& V' R
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。
$ |, |0 R2 x6 |- `! {/ M: Z- o5 g0 X8 ~6 [, r
声道数3 n- h u. c! j) n8 W6 ^! R+ ]$ X
% p+ q0 U* V. M, j) h
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。% C7 V+ w: X4 B: b! p N7 d* ^$ @
/ e7 v! |7 U9 M) m/ K二、声卡驱动$ A t( i, e/ Y" x
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。
B3 }3 R0 {8 E+ g! H. {! T C( `, ?1 S! d8 L7 y
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。& f% n5 y# H- Q; j5 v
, X8 Y# V: Y& k- K, X7 ^% G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 F0 ?& t: ]% V, h
. R! `' t5 i3 o& m( c) h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:
8 l3 S2 v+ o7 u5 I5 P1 N1 o! {' c. u6 L; t( G Z% y4 ~; ^/ D
支持多种声卡设备
& O3 M* t$ `3 l( p7 s- d
0 R& ~2 ]5 j; c, N5 I" g. N3 x模块化的内核驱动程序
" r2 U/ e+ I' t. m& _9 D7 M& }9 C" y& ~9 \: c
支持SMP和多线程- a( H4 C, T; s4 ^* B' e% c
0 i6 A( E6 o3 K, P9 {: U提供应用开发函数库
. s+ Y. Y2 ?0 a, W
$ v7 w; p4 ]" x: P兼容OSS应用程序6 ?0 f7 H; r2 ?; Z2 I
, j# {. s% u2 z7 f' g2 T8 {
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。 |
|
