|
|
数字音频技术知识点及声卡驱动$ _/ k9 e8 U% E
关于PCM
1 G: y! J2 t) V# a2 B1 y- `/ G% X, X& E, `* r; r
4 B9 ]: F2 J8 f2 E1 V& XPCM 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。9 r. V2 B5 P2 b: T' l: w
: F* o- p, f0 p' y
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。
+ S+ i `' N' Q- v
4 E% G( o' l$ J8 _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。6 l1 @0 M2 |+ h& {, \1 q, X- d
. o8 ` i# g$ xNumber 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。- k* _3 U3 [* ~1 L+ \7 w
- m+ R+ E3 A' n3 F7 R: a
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 a* i% V7 Z, y
, T: h/ A+ W) m- ~0 A4 o一、数字音频4 r/ d! J* t0 i9 {/ 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。, F# m2 @2 y. b, n
! }9 `8 t; [( d+ {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。
, C- K2 V; W" s! ], \& ?
' l$ ]9 u' o# _. h' E7 V2 r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:
6 T" n% }7 C: n8 d2 m, ~7 U9 l) n
/ O% Y3 A d% o) W2 H采样频率
& j) j9 T! e7 P' e0 t1 n0 s6 ], n; R, ]3 i( G
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。5 n, i% M4 d+ t0 c* L) J9 @- ^9 g
o0 i, Y$ j, ]& m6 y
量化位数
1 ^7 A# t2 s, Z# o5 h3 R: |$ g8 p+ R) q5 M$ ^
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。
- o B2 A! @. S% u; I6 o; v; |7 @- r Z( h% s q& x6 K6 u n
声道数 M, [+ T9 V j, |
, _( ?6 X/ P2 A) u/ h7 }& ? D7 J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。
' g; Y- n6 c2 m; T0 ~0 P
' Q! W! C9 c; m二、声卡驱动
# b$ x8 |+ N; o9 C: I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。+ m- ^+ D- q) \; o/ |
% Y$ a1 ~! c' o6 ]% R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。9 x& Z: a, }. ? _2 ]
4 Z( t: n7 R3 t% o% e% s! Z
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。
f3 }8 L: {' J$ X8 q/ \7 G: Y
( ?$ Z) k* w# b+ o) e3 T( W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:
' `# H& @6 m- l: W6 e# X9 W- C( ]& s: }. l: ~- x6 _
支持多种声卡设备
: o6 R9 X; w* e! e$ T! e; M; Z0 F# n% [3 d4 ^, I; K
模块化的内核驱动程序* q( W D+ E0 \0 u O$ r
3 M, ~. t" o- v" Z. a9 y* O0 S支持SMP和多线程
, \3 W4 ~; F( b0 Y7 K
0 T2 a2 K/ @4 H6 }9 m2 W' b" a提供应用开发函数库
* L3 A! z4 H D$ C+ L2 X7 w
$ O' b2 _5 k) y" o/ n兼容OSS应用程序4 g" X0 m0 R' L! I9 r2 ]9 `
& X4 U# M7 M& O! nALSA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。 |
|
