|
|
数字音频技术知识点及声卡驱动
. _- L }3 h# v: t7 @: D7 L7 N: Y3 C关于PCM
5 F+ u9 C" }$ J, n9 a
* F |" E2 O+ K0 P2 O$ O8 I7 |+ G8 Y: p+ i7 k5 z
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。
& F/ y' {$ l$ L5 P% {; Y" o. y5 S+ j3 N' e2 \
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。' j7 d( I+ z: ?: L9 {7 k% [$ h
! Q' g+ v" p& p- l" v5 K4 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。, G2 z" \) _, I2 d! I; L; I; F- u
. j. s3 u7 `, k3 M* INumber 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。' Z$ ]7 h. ?5 `) i1 A, r
( g& M3 s. G, J5 T/ AFrame: 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)。% d) E3 Z7 ?: y+ R
" J. \7 t! t' b8 A" v一、数字音频
, l1 v" b7 i# i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。! j/ T- l: d7 w( l. _" r2 P! u
3 j! c9 R# @: K# j! B; P- \
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 y; j, \$ n. ?! v% }3 e3 U
+ n" @- z9 G/ H) `2 \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:$ ~# M( p& j) @
3 X3 q% j+ ?3 k% z采样频率
" s1 I4 K7 A/ r. z$ l% n: N( x) d' n+ K
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 J K' m) s% g6 ?' e7 k2 N6 o' f
2 f) n! b9 l- c- p) o
量化位数
h z" f" o; l
# L- d, l( r. m# ]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。& \3 u+ S# T8 P4 t! e( f* ?! K" l
, ]6 j( _# m% ^$ K% f+ o$ s
声道数
; T( E" V- b- B: z& K: }
9 L/ g* B# y9 j4 Y& N' _% A+ 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。5 h! G3 R6 T5 b0 o9 ~
+ E5 z. E" @0 M
二、声卡驱动* U# d# ~2 S/ h9 k5 d( R5 o
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。) V5 z" h3 D" ]2 ` E! u! a8 j2 J! }
7 a' S- C. O9 ?+ u/ w1 [/ q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。7 Y' g1 i: z; `' X8 f* w
* g. D) d, W X. L @1 H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。2 @" B# C+ N a* z/ B" h6 h
" n0 }( s) V/ A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:
* d+ i) b% U- e# f6 X5 U( B: @- Q' X/ C
支持多种声卡设备9 ]2 R; R8 x2 [! [
9 b. {7 L, h1 u) v" D模块化的内核驱动程序
- G/ c/ ]$ ^) Z9 S: h8 Z2 w- e5 x! |* P: T
支持SMP和多线程8 A: {# f. C2 o4 E0 E/ [0 f' r
6 I! X0 o- g# k( R! e1 n9 g提供应用开发函数库
' ^* J4 J9 ~! R1 _
' r. t7 a* Z+ m5 m( x$ i5 I兼容OSS应用程序5 a3 D' e3 g' @- R* |1 X- @
. o4 L! F$ \7 L7 n3 J: J9 S, }
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。 |
|
