|
|
数字音频技术知识点及声卡驱动
! F" R# W) o: t, @4 K9 S6 i关于PCM: v$ Y6 W' Q3 c0 e4 z. Y
% r$ S/ `1 a+ `9 |5 X* l
! ]% P, G5 ?1 X% H1 L7 J3 R" e; mPCM 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。. Y; C7 m6 g0 e! m, P) N& a
; B/ M( x! b/ p+ o* CSampling 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。$ m' k/ a/ T5 V" L" u0 s4 r B
" R2 D! |6 e9 P# j' sSample 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. G: {3 }3 t/ G8 T, i2 r. Y8 ?( h" I9 Z1 | W
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。* S2 ]7 s4 ?9 l7 I! @
2 c, E" @$ O6 t; s% 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)。2 i' W3 E$ Y6 @ p% ? \2 w- N$ k
& k8 S7 X: s' C, e* |% B4 |一、数字音频( M8 P! f# s, t3 @ d& v+ ? r
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 B3 \$ h- C/ e5 f c7 P
3 ]9 H! T5 r# q8 |% {5 \ P' {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。: g1 k& m2 @/ ~5 u8 R
+ c$ X" }' E+ T- o
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:
, M4 b, d4 A U2 l
+ S* ?; u! ]. \- w' x采样频率
. ]! H4 j# d8 P* U
, c [& S9 f- D! F! H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。+ ]/ a, P2 _/ E( |+ w& [& J
a" K! o$ g4 q- `* k+ @3 T. j) s
量化位数
6 D! x* D0 l; f4 Q8 L+ l: H" z0 d- S& F% v- Z/ d0 q9 T5 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。* p8 p5 e7 j% G& _' x; n! I* V$ _
; {8 p' w$ \, |# i
声道数
# K+ |( u- \ }9 L* \* X0 G( W( |% j* e0 @ V1 T5 K, Y5 R8 |
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。
- Q7 s9 \9 ?4 L7 Q. ]& w7 l, e& w: |8 k% W8 ?' r+ ^
二、声卡驱动1 H! R1 r- Z; [ h+ W4 G$ `
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。1 H- [+ R* Q3 I- y' E$ \
5 p8 `2 C0 q* s/ D6 r5 Q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。, u. {% O% j! A* k. l* W
C5 M" }+ g) L: f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。
) U# |0 q0 O/ g6 ]% a. B
7 O q; Q( s3 g9 P" v: S& P$ z$ s+ D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:. U7 |8 C( T/ z5 n, M) n9 T
1 x2 q& O) ~3 i7 X4 `+ |支持多种声卡设备
7 C/ v8 c. i" @7 ~+ d* b7 i6 k
6 H& v; \# X5 b! R模块化的内核驱动程序
9 Y8 _0 }7 S' J! O
+ G6 |3 @- v( N! p4 o u+ H6 V支持SMP和多线程7 V7 X: R l- \2 I3 v; i: b
( K7 ~ ~" F' q8 H
提供应用开发函数库
! i1 E9 E1 x5 s6 M9 b5 a3 {7 J+ o$ G0 c, ?
兼容OSS应用程序6 `* C8 N$ T& E# T2 ?* b3 ]
; {& \! P- H6 e @2 ^0 m0 r5 I
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。 |
|
