|
|
数字音频技术知识点及声卡驱动
- @$ V, {0 k+ q$ N7 ^6 H+ @# `关于PCM
+ F E# K" z: d- A! f9 _1 p- U' Z$ u' c9 o
; [) g/ k- r5 ?9 g# h7 A0 cPCM 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。8 x; N: j n6 |+ n5 B, S5 C3 x
2 _( B2 w( Y4 m k2 L
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。
. G) C& Y5 A& H
& ^5 m8 c9 O$ t E/ hSample 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。
* d7 B. Y6 p& {3 m# \' A/ Y% L
* n! j' Z' }2 b2 t# U% \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。2 H4 t; g# A5 h- |$ @
/ g+ r, w+ V/ }; T6 i) C
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)。
7 q7 f% y4 i5 o( O9 g& k0 U3 Y7 X+ D; Z( l8 U4 ~7 f3 n, v) |1 {% M
一、数字音频
4 J# ^0 g( _" T+ U F0 h4 ~6 l/ i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。1 B/ ^0 P. i9 V& O( r4 E
* k0 z |! I# J4 ?, C0 A
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。
8 t( I1 ^# V/ C* X* g N
7 o& \, G+ z: q0 x1 p0 }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:
3 a* `8 O# t$ G7 V4 l5 I( e0 q7 G0 @) E5 h$ D4 P4 v
采样频率
]1 t) d5 @9 F; Q+ ~. e$ S0 r# R2 H
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。2 X2 B5 m( T6 U
1 T$ k; S5 |6 _7 r* n& z
量化位数
) b5 J+ p. {+ H) @& Y. L' y$ O+ A9 w6 \* W* J, u. _! u& u
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。
+ {3 a, e' {1 z& P% n' s7 \ W" ^& r, R3 F8 z1 R$ w' ` d* O- R2 l
声道数
{6 T& |4 X) E+ a+ c/ @' ~0 j$ i! X8 r8 O. M, f0 X
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。
; k' ^& k6 y# M; ~
; k* i: t- f( Y" Z# J1 T+ f! X二、声卡驱动
6 K; J0 O( B: _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 F8 s5 _3 X; X) K9 |2 s/ @+ J4 p( K, _; U% K; C R$ m
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。" M1 m* E, p! X- B$ i8 P/ i
0 t( k! u3 K& }$ S$ q! a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。" h, v2 A. `7 e. J4 V
& x Q1 M. M: D% G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:5 t* [: J0 T" e) a# s
5 Y- ]% |3 s5 U1 s7 C) `
支持多种声卡设备: H: s7 ]+ H1 s6 Y3 F) S
% U( {) ?0 C" @, K& i
模块化的内核驱动程序4 O1 I/ l7 l2 Q( {8 n/ b' h4 j; Y
! [. B+ x G7 e6 _ ]* p支持SMP和多线程
, M) x: H1 x/ A# k. r9 J9 A* D0 \+ [: A; k( k! o" u% ?
提供应用开发函数库0 M* B+ @# c, C0 \- Y3 [- H
|0 Z; }) ~% X/ z( r0 q/ z兼容OSS应用程序
$ J( i1 S% r5 {6 h9 Z3 H
% Y, j' I# V' @. gALSA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。 |
|
