|
|
数字音频技术知识点及声卡驱动
6 ]) ]8 R7 c; e: b5 x' J3 c6 @关于PCM
$ A. B5 x6 G) C( L) ?
- }& _! l% J/ a" D4 k) o$ h. r5 O% e. Q& n. |5 I3 {
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。
( r& M4 A3 G7 \, N
' | m0 g/ C2 S |, u$ oSampling 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。; q- ]2 ?1 a7 w: N) `# z5 Z
. x% D( h: ?+ O. v. oSample 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。" U. U9 w4 W5 w- |/ f
$ Y, q: v* f( ~* p: k1 _3 oNumber 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。
/ q* Z4 L3 A5 _
" m; G) V/ i" |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)。
& @, Y, E# |5 m, N6 w" N" t! b; O/ U- s3 d4 O( g E5 N
一、数字音频
: N3 T$ T: J5 J; M3 w' y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 C; N6 L; x' \& E9 ]' F5 Q; w* v& D' M% ^
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。
, h& M3 i+ C* W8 h7 v7 x. {/ D* e& @8 l) n' f9 \
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:
# b9 D5 b; N# l7 u; ]6 A
/ y3 ^0 i) n0 g- R6 E: z采样频率
6 i3 t$ G; j% w: u5 O1 `4 b# |' F& v# |7 n# B3 z9 q" F7 x" I
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。
, [) C# s7 i2 }5 C0 f# \5 s' P3 e. V/ N7 o! K, E4 n1 q! S
量化位数
: D9 Z0 q, }5 L6 i+ p7 ~; O" d/ X {6 X- 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。7 F: r6 K" J. s5 `
4 _8 A+ E4 O n& F
声道数. s, k/ S# O. ?& h& `
# K. v. N, G! 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。3 @ K+ u% G8 _
" b& m, B* n& S8 w4 E
二、声卡驱动
0 v0 y* C% }. f2 I' Q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。
- T5 ^+ B# L5 \. F2 ~2 S. B1 q& D) H& e. Y% ?. z) I( O1 B
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。
/ C- B- g( E# ~3 Y1 }3 J g/ d
9 c5 e1 K' I5 ?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。 \# U3 q# |8 X- m! W# z
8 r8 L& R2 p q ?% ^# ]5 }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:
6 Z, |* U6 m! F8 ]! |+ h& P. k
0 ]) V+ G0 Y9 O1 @* v支持多种声卡设备
4 A& q2 J- |, X G4 F
! X, b Q$ V; Q0 @! p* Z7 F模块化的内核驱动程序
4 e; [& [8 F' K3 W. z1 b! F' r
8 _& G4 [% l# d; |$ f& y; S; B: ]支持SMP和多线程
8 o, \/ a6 \/ C( M" @7 U6 F. H" C O6 ^
提供应用开发函数库' b( \- O. P6 o; I( @0 X* u
) S) Z. k5 W& i8 X4 o7 ]2 K* A
兼容OSS应用程序
; ]0 r2 ~9 z* g! z1 S0 o; h, x/ C1 O$ m% U7 B7 a. ?- T
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。 |
|
