|
|
数字音频技术知识点及声卡驱动% G0 N' a$ V3 j8 I! L! }& r0 c
关于PCM
" B: D7 Z" S4 Z! W. S! Y E
+ f# i8 @+ T! R! Y& }; P+ V% f3 S* n' l
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。3 O% |( ]' W9 B& }8 p# f! _
8 x% `, N. R" H' a3 _0 _' }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。
! g3 Y/ J4 ^/ A0 X0 \( h
( N) M; d, d1 o# X$ \4 {/ R; QSample size:用来量化一个采样的幅度，一般为8 bits、16 bits和24 bits。8 bits只有早期的声卡支持，而24 bits只有专业的声卡才支持，我们用的一般都是16 bits的。6 z& u u) p8 a; l2 v J2 P# A; }
' Z+ E6 p( T0 m e. e
Number of channels:声音通道个数，单声道为一个，立体声为两个，还有更多的(如8个声道的7.1格式)。一般来说，每个声道都来源于一个独立的mic，所以声道多效果会更好(更真实)，当然代价也更大。
# H/ z5 t* |$ H
$ V- ?% ?2 m5 w% a$ ]) N( t! k/ SFrame: Frame是指包含了所有通道的一次采样数据，比如对于16bits的双声道来说，一个frame的大小为4个字节(2 * 16)。
8 T! A, t$ C$ w' C+ \
3 \0 e1 O, X3 g一、数字音频/ j0 _9 K8 d; l" q! Q, t
音频信号是一种连续变化的模拟信号，但计算机只能处理和记录二进制的数字信号，由自然音源得到的音频信号必须经过一定的变换，成为数字音频信号之后，才能送到计算机中作进一步的处理。
, H0 T/ x* S( j' X& I+ R7 m7 q* y7 }" ^0 k [# U
数字音频系统通过将声波的波型转换成一系列二进制数据，来实现对原始声音的重现，实现这一步骤的设备常被称为模/数转换器(A/D)。A/D转换器以每秒钟上万次的速率对声波进行采样，每个采样点都记录下了原始模拟声波在某一时刻的状态，通常称之为样本(sample)，而每一秒钟所采样的数目则称为采样频率，通过将一串连续的样本连接起来，就可以在计算机中描述一段声音了。对于采样过程中的每一个样本来说，数字音频系统会分配一定存储位来记录声波的振幅，一般称之为采样分辩率或者采样精度，采样精度越高，声音还原时就会越细腻。; h' r* n% c' a4 F) ~
" k9 V0 A# g7 H/ D. R# N数字音频涉及到的概念非常多，对于在Linux下进行音频编程的程序员来说，最重要的是理解声音数字化的两个关键步骤:采样和量化。采样就是每隔一定时间就读一次声音信号的幅度，而量化则是将采样得到的声音信号幅度转换为数字值，从本质上讲，采样是时间上的数字化，而量化则是幅度上的数字化。下面介绍几个在进行音频编程时经常需要用到的技术指标:; ?* V* L% Y4 _
: @, D1 P2 g8 L O* H4 q采样频率
: ^" }8 r' R3 s2 y6 p( ?5 [4 C, W. r: Q$ L2 ]% K2 x) {
采样频率是指将模拟声音波形进行数字化时，每秒钟抽取声波幅度样本的次数。采样频率的选择应该遵循奈奎斯特(Harry Nyquist)采样理论:如果对某一模拟信号进行采样，则采样后可还原的最高信号频率只有采样频率的一半，或者说只要采样频率高于输入信号最高频率的两倍，就能从采样信号系列重构原始信号。正常人听觉的频率范围大约在20Hz~20kHz之间，根据奈奎斯特采样理论，为了保证声音不失真，采样频率应该在40kHz左右。常用的音频采样频率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，如果采用更高的采样频率，还可以达到DVD的音质。 其中，8kHZ为电话的采样频率。
# \) P5 r; v& x- @
F! y- ^; h- f0 r1 i0 H( w7 r量化位数0 s" B |$ z- g }/ q# A
$ i! v' c; d7 F3 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。
" n, u8 O9 ~" B8 d# k: B4 P8 [# S$ d* t" N# \9 y. L; `* d/ Z. i
声道数
' S1 }+ E1 H; k( s. S& R$ A/ g% I
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。
1 d8 u/ O' u! ^0 y0 q# L; n' ~# }# H) |$ J' ~
二、声卡驱动
& U5 a( M* {/ e. p" Y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。
) d( `, o# V1 J3 i; O! Y3 r% S# D3 \* U/ 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。
5 n, r# {+ z: q, C' ~' \8 N1 P/ b0 A2 {% T$ ` X! I. [" ?
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。
0 M T& C( ^2 w8 C0 G+ s3 D# ?) K Q' W u- d3 o2 }
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:
$ h, N2 m/ N+ B& M9 X2 n$ I7 a' }9 D0 y9 s0 K( S
支持多种声卡设备
, {. n' c6 x4 B: ^% k' q) |) B- w# C5 q4 @% ^( `& L! I
模块化的内核驱动程序/ |9 ~- X% {, `8 n# H
3 R% ~. c! ~7 m, r; K: l; ` E6 L支持SMP和多线程
1 l+ [& z/ q) G. p
, W- v( J9 o1 ]# W提供应用开发函数库
7 Q, c, N' ~% O0 I6 J4 b# M; O9 X5 d
兼容OSS应用程序
3 D5 a9 F- D/ {( p. \4 u# O2 i" s: R+ D8 o4 T
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。 |
|
