|
|
数字音频技术知识点及声卡驱动
. q% e% x$ z' A* X$ W# E关于PCM
- c5 W1 h& O3 C' I H5 Z
# |6 A6 j( S$ @( ?9 o' s g8 Z! o, R* I& v6 _, B Y
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。$ L3 ]; o* T* }' \. w" I& w' L& G% ?& i
3 b) `+ x- `* ]+ Z/ Z2 c! z6 iSampling 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。
( e+ S! b- B# X$ N: j9 R
5 L1 p7 H1 m$ k RSample 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。" A& f4 \* K o
( Q) b% \. Y3 g( ]/ _
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。8 N8 n R/ }% J( ~
5 `1 f M& _# 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)。3 W s, l9 d* A. v
\, l5 Z1 V" e0 }/ k. ?一、数字音频* x8 z& `0 S0 f* R. _
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。
9 J) l4 p" Z) S1 s5 n3 T2 ~
( L! e0 A0 I! A$ r: g- p$ P. ?4 d9 K. J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' I% M# x( u
% n, P1 r, [$ O/ v% s
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# O3 _ E. t- M& t6 U9 q* e( L4 {1 T
4 Z( V" o5 M% ]* C
采样频率; L1 n+ U. `" K3 e. q
2 e1 F, R2 ~1 {7 i! T# P
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。4 F# J; H9 a& X+ J( y- c! W: S
, ?5 E3 j2 v1 D6 M- I
量化位数
3 Q. p$ t$ ]8 o. h4 i+ X) w+ p: Y6 r& i; k3 Z8 t# X+ ]
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。
# o f' M: |) @2 T u* I' k* |4 F
8 R: k, O5 y/ a5 U声道数% }) S2 r! H& u3 R2 z
8 \# H* H$ W5 Y! j
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。
+ w6 h' [4 a5 X3 O3 A& Z0 }" D( z9 T: x, j
二、声卡驱动
% ]% p. a# O2 g8 C& M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。/ B6 ]+ D# s7 c% U
3 o( J6 T/ U) T$ F( m0 I5 @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。* @) a0 W& L% w% A% p0 m% k6 q
3 }, k, L# v P" s; g0 u6 _
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) d- x( P( J8 M0 F0 t- [
" F4 j, ^# A) e8 S* _: r: e
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 |7 X/ Z2 F0 \8 e% U
* u" U6 M7 |# D, R" M支持多种声卡设备% z8 C/ A, T$ s/ M4 V W, ^' v
- r' m5 s7 k2 D7 F. a
模块化的内核驱动程序
! B0 J3 _/ d8 t$ r6 j8 z( }5 J; d0 S( W$ E' h2 ?% u F
支持SMP和多线程' h6 A0 _1 \# Q* l
. @* x7 e9 O6 V& f提供应用开发函数库( [5 M$ @; R+ \2 p# T9 k
' j0 j( l: h8 Y, \' b/ f$ X7 B
兼容OSS应用程序2 g2 E. J. u" F3 v
1 Q2 u3 u( b+ r8 z! aALSA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。 |
|
