|
|
数字音频技术知识点及声卡驱动
6 l. f* A4 z; A7 s$ N9 l关于PCM
0 {( B+ G+ K& I/ {& X$ m
& l/ _- t+ t0 ~7 s0 ~; V F6 K
9 c+ }' c% v# R, l/ J. |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。
4 m" {3 D2 M1 M( X% b2 t! ?$ ?8 d4 C' e9 u9 ?, t5 x! 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。
0 ]: k$ y* ` T3 a: u( p4 M) z- E1 J: b9 V, }5 S
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。' V# D$ H9 L k. T7 y
) v2 E5 r' M/ L. G0 E$ v7 @
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 J4 j3 \- d* o% Q: K$ |7 L A
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)。
, P8 B7 O5 z B% _( e/ T5 [. S d, |$ ~
一、数字音频
( {+ o0 X9 T, c3 b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。
2 D; }: e4 X3 a) Q8 h2 t
& v+ k/ r% ?2 H& }1 e) _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。
{6 E8 {' A2 [" L% X3 p& G
$ ?* J1 U7 ~5 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:
& ^: u! d1 ^# ?# E3 u) B$ ^8 W$ s' q+ R5 X6 |
采样频率: L8 G J2 L% ` b! w3 f. }
! @3 @8 F4 v& m! T2 `, x: L2 f6 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。 N+ s3 r1 S6 w+ Y, a9 j
- x$ @% H( m! K9 S2 m" t3 O% O量化位数
+ {" m% V& b9 I4 w& w& m8 p
/ j6 c$ @) S9 Y$ B) d0 c7 i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 b/ U: X2 |: N* e9 T0 t- P) F' g2 ^3 Z" h1 _) |
声道数
1 D' Z+ e V4 p& ~3 W- u; o" d: a4 r& B2 m& ^
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。
8 [5 b/ m- G/ y+ Y3 B) o+ X
$ o: v' T: h H3 p7 y; X二、声卡驱动
. }' V0 a' A+ r+ N. H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。# N) n1 \+ a, Z2 r1 ^
, p0 n6 y6 {* k! _) |: }
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" P# K/ b* D5 t6 K! r) j, P
4 |# E0 z5 t2 G
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。4 {, G+ J) v* S- Y
" U; B" O7 X2 t C1 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:
( A8 P9 H; B" Q2 n9 W. B* s) P6 `1 {, H8 O- y; ~* O) i
支持多种声卡设备$ ?7 f* ?' Z$ @4 `
" w7 a s& m. X* t- W: f模块化的内核驱动程序
( _& B% ^. ?) t) i# f7 l& l- G0 c, N9 I: M6 f" S# r( F* T
支持SMP和多线程: J. m; i# |, e
* d$ f) ]" i/ Z提供应用开发函数库
5 b7 R' o6 S. u4 A% u% G
1 |, j, g. a* G9 F- D# `, R兼容OSS应用程序; G4 R- n. n$ g! [5 |
( \; w+ S* o: G+ |' @+ l& 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。 |
|
