|
|
数字音频技术知识点及声卡驱动
: y3 @9 U) t# }* s1 O关于PCM; C2 t5 r/ w. N7 S
% u& D; J- [; Y2 X7 ~3 n( S6 k
, U% M8 u$ w# |# u% l9 i* lPCM 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。
7 i2 P/ k2 r; P! u' ?& X6 V9 J' x7 [1 w, q% u
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。% y7 {5 A: ~$ ^3 _1 O" y0 V% @3 X+ A
, v) m m0 R$ n4 h8 @7 B- W! K
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。
. S+ F6 k8 H% C. Z L
2 E3 K5 d, P: \5 |. x8 nNumber 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。
1 u4 ^$ ]) A$ C6 ~( w$ j7 Y! f; D& [* Y& u
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 b7 ~% @3 n1 i' x
1 C/ @& b1 z$ K0 Z一、数字音频
5 T& g9 D! ?3 z$ v% m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。, v6 J& q4 t/ A, \
$ O7 j" R. s, {! b3 @* l: F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。
4 P, M9 f) e, k9 y* `) W8 Q! o% K Z2 N1 Y5 [) g$ L- y7 s* j7 w
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:
2 q" k2 G5 M% k( ]( r+ H" l; a; w+ f' ~( Q' U
采样频率3 o8 K$ z ^& C/ p
! ^. y$ T& b/ B! O5 I6 W* ?
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。 ^, Q( o& L) L9 r' W7 i& ^: j4 p
% ]$ [% Y1 L# N$ J4 q量化位数5 O3 _3 n7 C% q, C
7 j5 f- c+ G% g) y& A2 k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。
& w6 { I; j2 a& p
# J9 Q1 s7 v( V7 L8 F声道数
3 W# i& f/ q) J4 n q8 s4 s2 F \/ q9 x! k" ?; ]
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。
/ \# k3 r% p7 S! q: c4 y* S) E5 c9 \: U% D2 {
二、声卡驱动, Z: p5 k# M/ |" b% ~3 \5 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。" ?: [4 y* O0 V! T: R7 g6 j4 M
' d: S5 v* d; I9 `! w- a& X* c
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。/ A% @( k" F. {0 `7 l6 F
: n; b, Z- N+ E1 N' |4 r6 V
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 G8 _6 K+ `6 a) v. H
- q! V& R$ S( Y# i8 L5 v; u1 Y1 Y6 e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:
( Z$ x. M. k3 t, @1 e O6 n* ?; O& r
支持多种声卡设备
- A- q: |+ R% B V$ N. n
# j; W# A6 t' m0 Q! p; s5 Y3 {模块化的内核驱动程序
% \; f8 G5 S+ l
T$ V$ K) ?; ~支持SMP和多线程" j2 B- k; w- f
7 }. D: `: x" n4 R
提供应用开发函数库9 Q6 T$ b7 J* A; v5 X* p
' g1 K$ A/ Q( e, A8 v* E兼容OSS应用程序
( P: J* X. g7 t! {: x& l3 C' ~7 J$ G3 X0 ^* z2 @5 w7 r, b
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。 |
|
