|
|
数字音频技术知识点及声卡驱动0 k& ~8 I3 s3 g
关于PCM9 O" X7 s n4 c8 X" V& E& t1 R
4 T0 N, A& M1 J- }8 e5 ^
- T8 K$ k% S& h) ePCM 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。& D6 e% b$ j p
" j; h8 Q9 N$ L# Z% OSampling 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。
5 d4 Q) o/ h; e9 J& B+ `% g& V5 `& r+ @
: ~7 F6 \" I# F! E3 y9 hSample 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。3 i6 ]/ c4 S$ r3 w! \
1 S1 H: m& {+ z: N$ k
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。3 `- o0 |2 W4 ]3 D# m
9 G A/ k( e& {1 _: M9 {% g' z3 IFrame: 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)。, `1 w. P) O' g2 J. G
. O, r& [$ O. w4 J7 b
一、数字音频
' |. `, O! o( T+ W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。& c" b; I- G% P& @# q3 R
& a3 H5 Z& F( S% h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。
! _7 ?" W) ?% _! X( ?' v3 K6 S1 J% X5 ^$ }
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: Q/ z) ^6 t$ l! r
: v0 I/ E5 z L6 v, M
采样频率
9 h, E7 S, q; c) k: o5 B1 z9 R7 D" V3 d3 B l7 Z
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。& P, T; b& O; v. {3 s" K5 D
0 F) Y: N7 C) t4 W
量化位数
+ s7 P7 o$ L6 u {+ T; ~
3 k# J# B9 d. z9 c- \( z/ 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。4 i) J$ {& V8 P) h/ U
, U1 d( X- t2 o; v# G' x声道数9 F3 G) e4 d' b0 P3 a0 P8 |
" D6 C4 D6 n$ o, I
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。
9 t" t; D1 _) ]; A* v; ]: s( |0 m6 ^! f
- x4 E9 w4 V1 J二、声卡驱动 f% }3 d% e4 F" Y- {; d' J/ A
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。' I; S8 T8 E7 ?0 k" I
+ S) }* v& U7 K8 k7 n
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。, q: D: S2 R, _
2 E8 c0 @0 ?& v( |5 D: H/ Q/ o
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。+ |- X7 x; }! @# s" ]' {8 o
# a) k' ~' O, e4 {4 W$ s9 w' }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:
7 |/ j' |4 r, t& V! o7 a
' S# I' u! }8 R" p3 x支持多种声卡设备
2 D( d* @& v, ^- c# M7 N5 K% l+ L
模块化的内核驱动程序
( J1 S3 F' d0 {7 S2 e0 H
7 B4 d+ ?7 e% u支持SMP和多线程
( T# D# y6 _3 A! J( `/ @+ u. G; Q% C( P% q) \
提供应用开发函数库
: ~" W3 J6 [5 e) Z6 y! K" E1 G2 Y4 \6 e6 Z" I- I: F( b, r& N- R# Q
兼容OSS应用程序2 w, y c2 u! I% w
3 Y, m. G& P3 Y* |0 D1 `
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。 |
|
