|
|
数字音频技术知识点及声卡驱动
) O' ]1 I' c8 b( L- h4 F关于PCM
$ F/ @5 t- H% X u; X
6 _9 ]0 K0 \9 U& x/ q( `7 O H
* d" N) q, Z9 [! o) YPCM 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) V5 ~1 V' K- v9 N9 i
( v# W- T* N/ W/ K L$ p
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。/ a A4 T# [+ S- ~9 F
% m& y; T4 I& _; u
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。/ [- u- g( }5 R x: r
6 Q( n( e2 i3 b, ~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。0 e/ H$ n3 ]& G1 s, r
9 A9 b. ~. D5 g; b7 {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)。
* R$ H5 @1 N2 r) K) f6 e! V: G8 n$ y- P3 s1 S
一、数字音频) K. k& ^& h1 f' }, q/ S" m: r' ^4 `
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。! B) V9 K _( A
% M i! ? t/ ~2 O1 T# ?: T' V5 g
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。
: A8 `1 z4 F4 B4 F
6 z+ v I+ x, }; r' @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:
C# l+ t5 a. P4 y4 \% L! `# O2 y" w5 Y* ], d
采样频率/ U$ U9 P: M6 h$ y+ l
$ x" l. N/ R) 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。
# s% }4 S4 F. F: y9 M" A
1 e8 m' n$ I; S量化位数
9 m: u6 ?" T2 q2 y' [$ `! u- D
* X# ]) f8 ~9 s& s/ f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。
% p$ I3 j; b8 l, M* `$ y6 K# S
# \2 `2 @ c' }9 S4 v. Z声道数
+ u* {+ X0 k/ ^! e, o. r" | O6 j& A4 V! Z# y
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。$ ?; D- |2 Q1 x6 X7 h# Y2 j
5 S" w# N" L, w$ K二、声卡驱动
?5 x' B7 F$ S6 Z2 T+ l8 w! G9 [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。" W! l. r( @" V8 X/ G
1 `8 A1 D0 I' ?+ [" L0 W5 v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。# w0 q# ?' M7 ?2 k0 q/ y2 ~
! C, b5 D8 L. m4 ?1 A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。
5 `5 ~- L+ l% u0 d9 w( s1 Q7 {6 G- K6 [ x4 C9 ^5 }7 N; ?0 ~# J
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:# }! G* V0 l1 ^* M0 {' r( q! e
) S6 |6 |( q* i G- D2 Q8 B: e支持多种声卡设备! w: X( W& E. p
/ d" A# a! x3 |5 `9 a8 w$ z
模块化的内核驱动程序
/ @. ~# j2 n2 r" z u3 @2 H N6 r" K! F; l
支持SMP和多线程
9 b) t7 w$ J$ N+ V- a1 J: I
; D2 @0 t4 a. w6 o提供应用开发函数库6 s& `- j% n; T! y
: a- L& M: ~2 l% t0 Q
兼容OSS应用程序
1 k0 Z$ R r: p: n9 f& \! |/ T" i/ c: J0 C2 g' `
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。 |
|
