|
|
数字音频技术知识点及声卡驱动# N" {9 z( \4 V, S7 O# q. X
关于PCM! a' }. v& S |. d( e
' \1 k! G( h& D4 F3 a9 W; \" d
5 _" d9 O5 T* v: Z! Y( ZPCM 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。
% r3 y: U: ~+ z+ h9 K# x, L! k; o! u T5 s+ x) p$ y9 l
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 l0 C7 ~# S' F8 r0 v6 ?8 \) o: Q; I7 s9 N9 n/ C: @
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。2 r; }, t2 f- p- c K2 q' B: R
: t; a" }% m9 X2 t. ?, b% G f" DNumber 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。
- R- ? }+ O, w. V( J
; K! n$ o* ]+ ^5 _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)。* J' ~" j8 G6 ]/ J* F- k
7 v/ ?- ?6 F/ [ Q7 W( {- |! s: _一、数字音频- a+ X: `& m6 |! }4 c9 A
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。, L8 M6 I" r6 \5 \, C0 q0 R, M
7 [ Z1 S/ m( n/ f3 F
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。
1 C0 i; r6 A' A8 u' \. N3 n2 R3 H3 \2 I
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:
% N" \! `; S- }- G8 ?/ ]* [* ^
E8 u: ]/ E, O采样频率- E* Q% g( |& T8 H/ V
3 R8 f6 S# [* T
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。
2 d% O5 s, ~$ g E: ~ I( Z" o Y/ ?5 X+ z
量化位数+ F) z1 D+ Y1 ~' N" {& f
{5 q8 U8 O$ m& E' e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。
( F& B+ B! ^7 V1 V l
" n* |- @" i. Z+ c: t2 F) b声道数
+ C, _' L3 {$ ^) A5 l) n
2 ^1 t( e: i* ^ K+ V6 C- L" \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 p5 e% T$ L# ?, B3 y- v
; k7 i( d3 \+ o; S" I
二、声卡驱动6 _0 ^& ?- o; U% |* c- [* B* a
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。
3 G+ V2 t1 W$ M$ n6 i
/ v% I" @/ ]& R' i' [ s' J5 |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。
$ ^6 v7 Q) V9 C$ T6 Q( R) h
9 Y2 T2 z3 @: p7 e |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。
3 \( K' M% R6 J0 h2 i, c
; w, I, h# x- g1 F- i) E; L3 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:
$ G& ~8 ~) }* E r1 p
& Z h) Y! B# e* w. e. [+ N支持多种声卡设备2 K$ s+ G9 Y8 U6 N" L# i5 h
, s1 [# M& L- {2 K. W( V
模块化的内核驱动程序% A) k0 ^+ G' _# p4 b
: p/ q, x+ a5 J! z6 _0 m- ]4 F- K
支持SMP和多线程& P6 @ d. @- Y& C- r' Q
4 ?, F' l% \& [' l
提供应用开发函数库
! L& _' `) q/ o+ G# Z
4 R) E; h' S" A) i/ z+ `" R- Q兼容OSS应用程序. n- v; R! S5 `6 Y2 u6 @
: p2 a6 u6 o9 ~( A% A* J" S* j, C
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。 |
|
