|
|
数字音频技术知识点及声卡驱动* Y% M; O @4 V. y
关于PCM
& }9 [. T. i+ I( U. P
4 h v& _" Z( w* z; N. }' A( d) \9 Q$ A( E+ W4 U
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。) q2 E$ ]( }. W7 z5 `
, a- s% z' C+ H7 i/ X
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。
% d, k8 n5 V) m5 t; Y8 |7 z. G P; y0 ]- C" e! h
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。
: ~% w& l+ H/ U# _' }3 L) z8 r. S* 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。2 H9 ]) z9 q# w4 }% B8 d
1 F* A, m. R- e% A& w7 L7 \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)。
) m& U1 Q2 x' q2 F1 r W) ~" b9 Y% v9 ?! A9 w5 U' |, e, f% i5 L
一、数字音频
/ s! f0 P( x/ v. d: ^ q2 C7 A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。2 T+ \, V' m* I3 Q
" @7 y% u3 C2 f9 J9 C5 N. o; x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。
2 l( b, o. u# _% s- c; H
4 l+ \/ q3 b4 S& }' 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:
7 ]8 A9 o! g( w. V* h; j; d n0 Y4 v& r$ J E
采样频率
9 A; m9 z5 g o, a! ^$ J: B% r; W6 R& X2 Q$ y" f$ M
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。# s' w+ c6 v8 z: q4 ]: q6 W* B. z
' h7 ?- Q+ b2 R3 h- n
量化位数( P# Y- w, S! H
& J9 g" p2 d' i& Z P5 Z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。$ Y w! |9 Y, ~2 f! j D- U
: s. h4 N' p8 m: e" W% m声道数
, k+ B& [! I0 E4 H6 @% t* @
" Q$ X6 N* S+ W3 ]. 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。+ S k' ]1 K3 r9 y3 x2 G. Q
) \+ g- E) s0 _# t. P# x7 c" e二、声卡驱动9 e! O- n# V, m) B' B6 {) ]
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。
: w3 Z/ d, N0 N. R1 e* l
* {. i& _. w- R4 o: K' q9 }5 A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。
. h. l6 [$ s/ p# b6 n& d
! I: }0 _" H. f( i$ I1 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。
2 M1 K/ V( l5 O4 x2 q8 F, N# W" {' r& a* x* m9 b, D# _# e7 _
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:
; w3 h' B3 ]0 J: X5 T l9 a8 n! |% F
) s7 F2 ?2 x& e/ ?& k% T支持多种声卡设备
& k! I1 @8 [$ N5 g7 G1 J+ d
/ a) B, ?2 B# p- H模块化的内核驱动程序
# x! u, A3 J4 ~* ^9 g, e6 C: \. x2 b! [
支持SMP和多线程
, _9 j2 T B5 i/ \7 X2 w6 x5 t" p* g
提供应用开发函数库
: q. ^* C4 l+ o5 g2 K. ?& A( m" [9 ]7 |) ]) e
兼容OSS应用程序
% H o C. S' j; C R: }
& ?4 F, x; w4 H& b' W9 ~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。 |
|
