|
|
数字音频技术知识点及声卡驱动1 }9 Q: v2 ]+ e% q* D7 g# C
关于PCM
) H/ T& ]2 _- L* n4 t- y) j8 J; f* Q y; t0 c; \
: X \" n' O4 a5 \" w# gPCM 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。: e& w( V6 Y. A1 p
5 f4 l* X( V/ l7 o ]8 t$ P2 Q9 sSampling 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。
) h8 t2 H* \( @. D. r3 q, b1 D. `" E; l* R9 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。
' B" m: c3 W$ s( @" R% R2 f5 X5 `+ ~7 p2 J6 c0 `' ~1 T2 d6 f6 ?' L
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。
. i3 i9 \3 r# j* A. ]# `. e. C. @7 }, \! A
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)。
" q/ f( o' I, @; G- Q7 ~8 f" f: Z3 x- L
一、数字音频, j2 `4 ]% ^4 W3 D- q3 l+ k6 M8 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。
) N# J9 t; t: V( Y; ?- }! O9 } J% k* f$ ?
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。
! K* R- u* K/ l! K. H* U9 I* f
8 U/ q5 ^: c% [) b- w! 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:4 e$ |5 X" ~0 m1 q; n* k/ A
* ]+ `/ f3 g i9 X/ F: `采样频率$ E8 V3 U8 `. P
( b4 F' ]0 y- f9 t% C# F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。
/ I d) O; A' I
& o: |' _( ^6 f3 ^% m5 J6 f量化位数- x6 _- f" o3 h' I) I3 A7 [
}( e4 o2 T9 i c" I; b
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。
6 C! W8 L' l7 e1 S' v/ \4 J; D$ q$ }
声道数/ L) q; |, I3 U9 M
+ j2 S3 i6 C! Y, |- r5 u% v$ ]; 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。
, T7 B+ L9 U! E! F4 x$ l* o( a+ p, w6 Y
二、声卡驱动
6 v) ]' W n% {% h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。2 |# L J! U2 C% i
" ^- j" ]) d- u" v; V; F" R
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。$ y; y- S* S# @+ x4 o
9 h ^% f% ]6 O' e1 C
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。( p! q, X, k$ P4 T6 K
: r0 r2 ~' p' h6 ?+ m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: r0 O: \% o% S5 Q9 d5 i
0 O. u, Z, d$ p% L( a8 J
支持多种声卡设备
" h! o+ ]3 C' _. P+ n' ^0 A. R+ ?5 ?) `, b' e8 }
模块化的内核驱动程序
$ O c, ?( m$ p; o9 c& _
0 c) H3 p" O9 u4 M! w$ r支持SMP和多线程
" f6 @+ p8 X4 } F( K; A \4 B7 m' \2 ]/ I) n
提供应用开发函数库& o6 u; P) U1 G; h+ B$ ~
- N$ ?4 R- J: l6 o; C兼容OSS应用程序
) N: w- l2 k3 t' q3 C% O6 ?$ v6 {2 S( i* p9 Q( ~; a$ F
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。 |
|
