|
|
数字音频技术知识点及声卡驱动& Q" T9 M6 r f' p0 k
关于PCM' `: v4 M7 |. H' `% V
. ?( h3 a4 e4 _9 \% E) x
& ?3 j9 ?( g/ G( UPCM 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。
+ o2 N9 U& r- X( G' d6 J/ b( {( w. G5 [; C, j1 `6 _- r1 p6 M6 [
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 T" v' d3 X8 j) U4 q! b9 m u3 U& V+ y7 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。
$ G' h- B5 V) R3 z' }' S
1 A6 Y" p( f: ?# D2 ]: tNumber 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。) H4 ~6 i7 U1 S( z
$ Y |8 D1 g, 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)。
" {3 A! `; b3 Y, m Y
, L9 Y, b& M. {' G# U. L6 @, E一、数字音频" W& A, ^9 F" A4 G$ a* r+ T
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。# {/ l0 L* `$ V! {" s; C% T3 Q6 e
: _; U r4 `# h8 ^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。; {+ p) Y4 Z( n
$ h7 P3 f0 U! E" r9 F) l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:" A+ B! s) _7 @1 @- T( y! U M
& H0 E9 I z7 j9 L& V采样频率
# G# r, @/ @6 f4 J( d
* y' e+ d+ c, u0 ]+ D! k R- @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。$ a( |) `4 K1 ~+ r1 C6 h
3 D* k6 L# z; F0 \) q9 t4 }; B量化位数 }& v7 _: b8 u; h9 P$ [% h
) p; h$ b0 q7 ?9 H+ H2 ^+ a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 R! Z( U- f! s3 o+ w
G5 o7 L: r$ [5 t5 ^0 j2 \声道数: G U" C9 ~0 m+ F6 o
0 Q* M+ I! H. e
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。
) c$ u1 k: P9 ]* q. z; E6 W3 f& e2 I) J. r& [% z
二、声卡驱动% c7 e, E' B. E3 h9 m. @5 a/ Q8 F
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。
! o" y: l; ]6 R/ n/ k, A. k/ |* @$ 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。
g# f" ?! J& C5 B& w- d( R. Z& _. i# }5 J4 \
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 H& ?6 Q: J' T" b
7 P! u9 n) N5 B, ?' f# ]
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:
- \" u5 K: I* |7 _/ H, ?
. l/ L2 m) m8 \( x支持多种声卡设备 _3 t# M% b2 h t" m6 G
" I% p) p: c* M ?7 B) k4 ~1 s
模块化的内核驱动程序
% L3 @3 M3 s0 u: U* l( U$ G( K5 J, ~$ f
支持SMP和多线程
! o. z* m* n# U% t0 U4 h8 y4 d) I9 ~2 ^
提供应用开发函数库
2 |7 e, Q& a- Q! ?0 `# m1 a3 ]$ [8 C/ s k: K E
兼容OSS应用程序! X/ x2 R* A( t! K
- _) \6 {/ j( S0 zALSA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。 |
|
