|
|
数字音频技术知识点及声卡驱动
B+ s0 \0 g" o7 l4 t关于PCM
. D, d$ x$ J- o% `6 t5 M5 H- k2 j) \2 o* _9 q4 W
; d z% Q% f1 L; i9 `* dPCM 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。; U; @/ X0 k! W1 S2 t. b4 y. h# _
$ D& A) m3 h1 u8 ?( RSampling 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。
( P3 ~# ~ O+ T
; v3 c y C, D' L9 s) D# \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。/ |* c8 j( o" z
& Y/ E2 [8 I. c+ t
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。) u2 c! s1 A, }
% o" p( C) D* Y0 \& U6 d, A5 q( tFrame: 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)。
0 {! n6 ~5 q- o; @3 S7 v/ h. X! N, H( l
% P- l }6 p! {一、数字音频! _0 y0 w7 s- r2 h7 ^" a, 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。
7 J' b* e" L# w$ }6 ], J9 j3 B5 F9 ?4 p/ e) c" L
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。
/ v6 I7 u3 ~, m) e% T2 m7 ]
5 A9 G* M/ y4 A+ O- ?7 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:
9 p2 O1 E4 F9 S) K+ \" E) ?: ^9 E5 X& ~( v% |, G
采样频率1 L# Q: }4 O) {- G* h7 X4 s; U
" a' S# I2 o2 G3 h- C8 ~- ^- o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。
' y3 w( s# P. u G, {/ V M
, `, x+ F5 g0 D+ Y. z量化位数
2 q# Y; @; v; Q2 {* W2 z' `. \
$ Y% U4 P5 i% |, q4 H. l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。9 v2 {* F" d1 B! J
& E% c* f, ?& {2 X
声道数+ g1 N; R: N; B0 n; L
% L8 m2 N V' Q* ^1 }$ m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。# T- ^1 T9 V5 G B- x3 l
, J+ t6 k6 ^$ P" [
二、声卡驱动, V$ u8 F" F" n# l$ a* p) s
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。+ B1 y: T; _- k
9 `) o9 w) I2 A, y% l# 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。
# h9 F: _, r+ b
3 e. g; w$ W- X% ]# I+ k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 O8 i, S$ R7 j. C# a% {& t2 u: o5 x
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:* S2 U% O, ]' y# G
: E% V8 A7 u7 {9 i* h, _
支持多种声卡设备% ^ m6 Q* k) W! ]
3 n2 Y8 ^# r6 r. Q4 o9 w模块化的内核驱动程序% ^8 j6 V0 x! ^0 Y2 `8 L% K
Y7 K+ z5 I, Y6 n9 j! ^# [
支持SMP和多线程2 o( x" w y) P. q4 L
4 w- K+ M; J8 w& H- I2 D( a3 S
提供应用开发函数库
" ~2 g! p& O* d H3 b2 c' R4 X% W+ e. D1 n3 @' a t
兼容OSS应用程序
+ Q; Z4 S) A7 W8 K8 H1 x0 c: U/ Y- y1 D+ a2 r2 N
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。 |
|
