|
数字音频技术知识点及声卡驱动
8 T; s% y0 }4 t关于PCM
8 d0 U- A5 l0 \7 m" k8 g
& w# J% {3 O: y/ ^
+ p5 Z" T2 `3 M+ ]! pPCM 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。
1 V0 i6 X7 v$ R8 M X9 X
9 y' }6 ^, U. v1 B9 x4 Q! p/ dSampling 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。
! w/ @4 ^- X7 U" x' }* T" X2 |5 @" n1 v& W3 o9 @4 W/ i {4 D; ^
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。
) a7 |7 S, Y7 V$ t4 D! }. g0 g3 T* K8 p1 B( S1 c5 L/ t3 k
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。
3 e+ M, V. s8 {% U# c' P- ~5 [1 R+ ?: { O o G( n8 N* L
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)。7 M) c E( V# V- `8 M
V5 v+ S2 w7 X3 J y一、数字音频
$ ?4 k2 {8 Y, I* T$ L K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。
4 W$ ~8 } ^" A7 k: u/ U9 I2 |1 W" 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。5 n/ t1 r/ w, Z2 r! a
* {( [2 U( D Z6 u) k$ r. W% C" j
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:
3 S; Z$ v" h$ i# _
- a' G$ H' n M& N9 e采样频率6 d! `2 ^4 O) M, O, e
& ~/ I& w4 `7 L9 b
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。
: O3 p5 K/ b9 Y5 q
: M. l& y# M# ~: S) j s量化位数
" a8 D( ~+ c( o7 Q. |" w. o8 U' f) r
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。' z; \8 b3 j) ?' F) [, e
7 n" S/ p& m( P) v声道数
- o" D j7 L! a. N* U
& C/ q* S" m# }2 |; O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。; Y; T w; i4 x, k
# L( l- a+ P t& a二、声卡驱动6 [" K: k/ _# _3 | t. A7 k
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。
' i1 u0 p) n5 T0 {+ m
/ N; p+ {. O" \1 T3 {, p4 N! Y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。
8 \ L9 x/ S; F/ Z# U; l& f2 n% ?) }. Q
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。
, z+ \ S) A8 H1 C9 K. B/ r Q" H5 N" w0 w; F
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:: H2 f3 R K( d0 u) p5 _
5 g5 \, v" I; \# b- x F6 @2 V支持多种声卡设备
0 _, W9 ~; k3 {+ r8 T5 G
7 K/ Q5 m- a! n; q模块化的内核驱动程序
1 |7 M. E9 W+ V1 n0 W% D2 s& b" K) K2 X3 F' H$ F: L2 q9 H
支持SMP和多线程# f. v8 e) M8 {( \3 f
$ A' t1 }: s4 m1 L$ e) _提供应用开发函数库( F$ T7 q6 X& d |7 x: M
) R$ |. t9 e4 ?" Q兼容OSS应用程序
3 k3 c, ~: r- \6 U' k! d, k4 ^
/ P; M. X1 X6 R& W8 J6 A. N5 ?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。 |
|