|
|
数字音频技术知识点及声卡驱动. e" g" _. Y0 @) e/ {( _
关于PCM: O$ |8 T4 g1 b, w" P; S5 e: i
& x! C* G* r. b2 G
3 N. K2 R8 J) a5 v7 e0 M
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。2 E8 z2 p3 |2 i# c) \* {
* `4 @" R$ b0 n/ T6 y
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。% {3 u$ U# B0 o& |' e
! ?+ n2 h! Y: a/ ~
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。
6 s+ e$ u7 k" H' `# T% A, |$ U6 h! x* e9 K- Z6 F/ k1 ~
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。9 o( c( V( i) f; m4 H. n( X
4 n0 x0 M, _7 p8 l- i! s% j
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)。; c, o' w2 s/ k& T) `- c) i5 S
~2 `% V+ E, M一、数字音频
# {0 `+ b% W( Q4 k, n6 _/ D' Q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。3 L: c7 z) X0 [
7 e/ ^* ]# P2 j8 z2 B# m
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。
( q1 p* M% J% Y' J5 A+ u* d" i4 [1 g' \6 ?0 @2 u
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:0 H3 Z' P# O6 C9 p7 `6 c- W* I
; G" m% s& G- n- Y1 S/ z' P C采样频率
- o& W2 K/ {+ g% ~; q
5 O5 }7 A" w2 D% u/ w r5 C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。* ~# \& d* I/ i7 @5 |. C& A
* S& Z# f0 @% \7 B* ~3 @! j量化位数# M$ P) e- o, P
" X& m7 \1 p# g8 s4 U& U3 c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。% f3 g) I( ]5 \* Q4 u' y. W
1 E1 m) ]3 S0 [1 [2 r d/ Z
声道数
& f) A5 O; V, B/ y6 P1 q9 _! K- G9 b: }1 W( c( B3 `6 f
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。- X0 W) c# T, S! F5 {
3 v3 o8 m5 G1 C3 u% |
二、声卡驱动( ?) v8 g& Z) }( o& _) q5 [' z
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。+ t$ l/ v A4 l) {9 ~6 j) }* V
1 n t( s' V$ k( @, U6 {3 G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。
+ B: c8 \+ X- d V
4 [# L* s+ S7 J8 s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。
& P1 S: ? M ? q3 B) X' M+ F# L
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:4 ^/ f0 _5 }+ ~- U: p
+ s& O, H* j Q" y# e* y支持多种声卡设备9 ^& b2 C7 Y( N
. d' d9 [! A' t3 U模块化的内核驱动程序+ R- I2 V5 P% h6 L4 p
7 {" M( {9 }6 V( y9 T I- V& q/ V支持SMP和多线程1 w( z- F3 N" p8 U* W3 G
! o( B' w n. s. D0 P7 l7 N: a
提供应用开发函数库
8 d1 K% Z% U$ l# m, l2 v8 q
/ _0 x" o, j' ]兼容OSS应用程序0 T8 k6 d- ]9 G5 W1 q9 M* B
, q, h4 @# Q& A2 ~" O" c4 C
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。 |
|
