|
|
数字音频技术知识点及声卡驱动
- V7 C8 I6 g4 c关于PCM3 [( r& b1 W2 O( P
4 D5 l3 p) H' z6 h6 r2 `- H) }7 F* I) h R# H/ n
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。- `: l* o" ]) P- F- i! p$ L( j
, H9 t/ P: X4 LSampling 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。* x# i% v K6 v3 v
4 r; T E+ t! `: G& J
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。( Z, M7 J j; t; r# S
: k# x$ 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。
$ f6 q/ ]+ Z' j, Y" @, K6 c. s6 j# T
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)。, _4 j' b! z" _4 _! { Q2 {6 S
& M0 {4 j8 T* C; r4 B/ `7 h一、数字音频
0 c; O% U* D+ W* C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。+ f3 V6 p# W: F
# M2 U7 w; e* W: 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。$ M/ i+ Y0 h8 X
1 e7 P+ _4 W/ ^+ f0 u, Y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:, O" m' ]2 T4 M5 M
4 k0 S0 ?6 g7 Y采样频率: W7 S- E0 |! Z. X# ^+ i$ I
[% ?* P7 ^2 D& d' F! C9 v
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。9 z- E f `4 x7 ^4 t' q+ n8 z* k
% P7 T! y) V0 d3 i# ^- Q; N4 ^
量化位数
: H1 s& g; k% |
" a. f2 T. ~/ y, c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 \$ ?* v8 h4 l7 i
$ z R, J8 q/ b* y声道数 Y5 {# d- B( [" H7 O$ L
. E+ H P1 d: C3 V# 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。
: M' O5 S( c5 c, t, j% x. ~1 K) K# K2 }% i7 u- p' a
二、声卡驱动
+ C* A7 Y; N3 h+ 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。
( d/ M* {* j1 a: {; _, K X1 i
/ Y' I5 }2 q0 Y) q, P# p( U' w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。
3 C, ~+ J( ~: ]/ U. I8 H' T
! F1 K/ w @+ v/ Q! H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。2 M. ~7 {* q; y
3 |' _; H9 K6 G' }" h; N: q
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:
: e8 F3 v! a5 Z4 T2 R0 k1 }: V) V( S
支持多种声卡设备$ q4 V3 I$ N3 K. Q
/ m4 B, o3 o8 f6 P) {. K. |
模块化的内核驱动程序* m7 W2 v" _/ @$ V& x2 d1 J* L
- k% v! O+ x% |9 x, Y. X: h支持SMP和多线程( n* G, n( |/ L! @( \$ u
* b3 }( o4 e. P. }: D% i' d& l提供应用开发函数库 {* g5 B9 [7 p# x8 E& F/ S I
4 v) @2 K& B. f2 Y( k兼容OSS应用程序
- J' }' O1 x" q6 Y. ~( B5 R2 r3 d0 d4 n P0 X. y' p4 c% a l
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。 |
|
