|
|
数字音频技术知识点及声卡驱动- h- A4 N7 t$ ~- n6 Q
关于PCM) Z+ E3 t3 n" x7 g. v) k
8 ^+ w# U6 ^$ s0 ~5 c9 t9 n5 e8 T
0 }3 \& @% _; \0 q( 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。! V, ?6 d1 g/ U& k
6 w9 T6 Z" N E+ ~* BSampling 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。/ u u+ J' M/ x0 o8 d
& e0 K* X& A, E( f% R& O0 @
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- b& \4 b; \) l0 c% g, x+ B! v' F
1 T! u9 U! y, U) j1 |# N. pNumber 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。! r7 P1 Q5 k+ Z- P
0 B! X Z# g8 m3 f2 e; 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)。
# u- r: i& f' O& f, x' p
# l0 Q. Y9 c4 ]& E9 ?& {一、数字音频/ b- M9 B: \9 J% @
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。# K% {3 N8 j) w3 V# I
9 |! i' m J8 r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。 O% |5 c. f1 S4 G) @
+ V1 K0 S4 t. e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:" O! i7 b2 f6 C- n% M( K' \
0 m; h9 }# `! ~9 r采样频率
- k& c5 t/ B, E/ h
* G( w" o: s% ~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。
) g3 |+ p6 ?2 R1 |
# D+ I P* E* V# u! X8 c量化位数
! [7 n# c* l0 o1 G, L7 k
! `0 o# x/ B2 u7 ?5 `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。
5 a# g/ g" {6 t4 o3 C+ g K4 e
& g+ H2 W2 ?. W) S# \; p3 g声道数
X3 B/ p6 t; Z2 H' u) U: ~3 Y8 b, m& x
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。; @% e5 g! s E% \5 l& H
3 e6 F v6 G* X0 [$ Y$ [8 Q9 D二、声卡驱动7 j4 h1 w7 q8 p" U* k
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。
5 d3 T( }$ ^/ X8 e7 ?3 d# x9 q0 Z! ^7 C
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。
2 g' S5 I! B0 t) K1 d/ X% u r: p# s$ Y+ Y
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。1 e) g' P h& A3 A; ^
1 i5 _8 X. |% \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:+ K! a% M- u4 w9 g& t4 G/ P
8 w7 {6 M7 M. _1 C7 _9 T* m
支持多种声卡设备$ P* x; p7 G$ S8 u
/ ?& {3 R9 F6 l; J5 J
模块化的内核驱动程序. o! k0 w& x; Q5 g' B4 E
P+ C0 v; s8 C1 j2 C% {# k支持SMP和多线程' H6 t' S' G, ?7 B) ?$ Z0 j" m
7 v3 D! ?4 d0 O2 [0 H; d' [ }提供应用开发函数库- Z2 y- `8 i7 t9 h( O' A
' K; d0 l2 n/ N% v' h9 c兼容OSS应用程序8 C3 J+ F- x* U5 e/ S/ L
) c# q6 `* @$ W7 m
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。 |
|
