|
|
数字音频技术知识点及声卡驱动
* _1 c5 j' q6 E/ b+ _+ }关于PCM' ]3 `" L1 f$ _5 M8 m
" u% q+ y* a, g- \
, B# @- j7 I/ A; |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。' I4 }# E$ L8 h$ P0 x D T
, N1 }4 Y$ x: {5 wSampling 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。# C' p7 _" g: c5 |
) ]5 @6 D3 y: U% m# y
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。
% t5 s0 S8 A& U" `% ^# J' b" }3 C, t. b" B, O
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。! Z2 }' W/ {# n- K+ H" g
' S" p( |, _; C( s' yFrame: 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 A$ `+ [+ h* c, N6 ]/ |' K& |% G" S4 R8 k" l/ L j! a4 f3 p3 H
一、数字音频
" k4 G/ g$ V r, |/ y9 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。1 _/ Y; j6 n4 d5 ]6 C
: X: m1 f' ~$ T- S& n" N' J
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。
- T# V- l+ I% j8 h5 v% \
. y1 V: t3 K4 T7 x+ p0 ]% ]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:$ B# Y# y4 P1 w
9 U( C$ Y2 i3 U v% r! ~5 P+ p采样频率
( [9 ?. T% {5 ?/ m, c7 V6 T; l) k; Z* w# x
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。. z9 V4 ]. t( U: U
* `# _, ]7 B6 @% \( p
量化位数
0 l- ^ L* [- @& v/ b
) c1 Q* o2 r1 A+ v; w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。
; B2 Q8 z- @! y6 j% }
( S! f) i+ g( K6 c& j声道数6 | p% W# Q2 P, S* n$ h
. d9 I2 W4 ]7 u& Y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。
8 x+ _1 Q4 a# E W
/ F g& q6 Y* \% q2 m4 k/ l二、声卡驱动
: R/ a' I- j. u- \! V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。; k' N8 s9 s. L8 h
2 {6 y$ j7 L& _$ l 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。
7 Y+ D# l. {! j; p
2 D% k3 M% X9 ]: u1 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。) P3 \4 U1 B- l9 l, O
# t" Y/ c+ T( G% D# P$ r" Y
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:
0 }: k& A1 q _3 Y* P, v5 k
# T0 _7 m. ?2 i+ {1 @支持多种声卡设备: k2 _2 O+ q! N( ?- B7 P" L8 L
2 I- O4 a2 i4 W! Y# e% V/ ^' s
模块化的内核驱动程序% `) {; `8 B+ J$ t
& N& m& W! [5 k5 d2 A支持SMP和多线程
, I# w, O' N9 |1 l7 j7 q
2 N/ {9 c' ~% `提供应用开发函数库* a1 O) a( C- B: }* h" }
+ H, J: j8 M$ l v4 Z z
兼容OSS应用程序5 w- I& p$ X& Q/ H& R
! K! U9 d, W# ?0 L; @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。 |
|
