|
|
数字音频技术知识点及声卡驱动
, u) i, f \2 @( a( Z0 \6 C* j( g关于PCM
' E$ w& A ]7 u, w6 \ ^; Y* v s+ u! y1 F' ^
( ?. }1 q& U; Q- i" ]: M
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。7 k5 N; Y+ Y6 J7 |' H3 }0 Y
" ?; s k1 T) R; d& h. V! v& ?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。- z4 f0 Q b1 M) K6 H( w
- \1 D3 v' j: L2 V% P1 [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。9 t5 F1 o3 B# j. k) q( z: {
: \$ u |/ `/ V" b4 s1 B: vNumber 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。
. `+ a4 }2 [. ?4 W) j% e5 k( b& C V
' C( g8 v: B: T% I1 ]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)。. e" O+ D! O ~+ w1 F
- j, f% p# c3 n8 a; M+ ]* a一、数字音频. \9 w; J! m" k" a) r! F* E
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。1 V" }* ?1 {+ S, d
B& H0 c( H" d7 p8 e/ ^) i& O; m+ }
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。
S0 x: h4 B8 S8 j
4 h0 A2 P+ M+ j, n1 F- t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:! R8 h/ E- f) q
. x. n/ }5 w3 @: T4 c采样频率
8 ^+ e2 i9 `2 N9 l& |- N
# p# r3 ?/ S& v6 h+ I& \3 f5 @* 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。8 C8 d" X; p! e
9 f6 @: Z* M, I6 ^$ }9 V" b
量化位数
$ J1 e+ v) h7 u! t: J
0 _6 G: _: _1 ~! ]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。" {# C( y" f' d* \& N
! |5 M- }' q P0 u [& n9 S9 S$ g: |声道数
. f0 z9 d: e$ } E" O; W \) W/ C- p
8 _" ]8 Q0 I6 d: O+ h" [: Y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。* v/ i7 ?6 I0 N; j2 T y: a' i
5 r S' p1 t% Q/ `
二、声卡驱动
3 \0 l2 p* P; U) D8 Z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。# O& P( F5 I" u) r, e
7 O8 J7 S! i# w, u3 J2 O) q! g
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。
0 k6 S @' R- D! B" z/ B4 K# J
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。; o) ?- |5 H5 B! d: l! M
- Q3 G# ~; W8 C0 c- ]) [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: s( }( K i0 o) E0 [, i1 w
0 L. N& e5 n7 {支持多种声卡设备
# U0 k0 K7 I# f" ^' h) k# Q/ @8 G+ G2 }' V) Q
模块化的内核驱动程序& h' c0 B3 q0 Q' @
% q/ e1 r8 V l) _, i' }; A3 W M4 u支持SMP和多线程
- S8 G5 W+ \' |) Z6 B. d' G( [5 g& N1 J7 a3 [
提供应用开发函数库* R1 U, R6 a' L2 ^1 w; z
5 S( w8 r2 R( P O6 Q* q& h
兼容OSS应用程序
' F- z2 x2 w+ x- k, @9 J5 R4 X! ~' m7 r. T8 u
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。 |
|
