|
|
数字音频技术知识点及声卡驱动
- m! r8 l( a5 K$ B0 Z关于PCM
4 I, Q# v! n4 j$ Y0 Q% ~! Q T; j! n$ x% C4 S c; B- m, M
& C* y( K- E& Y% NPCM 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。6 e7 A2 q/ `% s3 A
, I2 v; t" z6 fSampling 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。4 y) h; i, H/ j& d3 ~7 C
* \- A. Z7 w7 M+ m4 W% ^1 ~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。
6 c3 S3 V7 H7 I. I ^9 u, O5 Y0 R' v% \$ i
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。1 z5 U; ~4 M3 }! J2 q0 X
" F0 b7 l, a1 |, X
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)。
2 ]% o& ]2 L/ E" f8 m0 Y8 @# X+ C" P1 J1 s7 s7 d, \
一、数字音频) W- V/ T# t6 l
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。' d) R3 R, c9 ]% E( u2 ~( c' k. y
4 Q5 e/ v# ?; ], s z$ G8 S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。
/ ^ x5 D1 p9 i. K+ O# \$ @8 {
4 t' I+ G3 w2 }# |$ E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:
5 L/ o" Q7 V Q0 w$ {8 C9 X. V5 z4 H
采样频率; M2 Y1 @' k+ j
5 ^* W% @7 ~ U# Z4 o7 t; X, c- f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。4 w" w: I. r) G9 a
. O3 M' k; _, b9 g" \
量化位数; H( f: ]! f6 r) ]9 o
: k9 g6 s8 h) ^% 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。
0 q v1 z2 I% R2 h1 k+ O
* K6 k$ B3 e; }3 Y4 }% g声道数
3 J1 V4 p% \! y3 d
% D0 B2 C" O, \; ?- W/ A9 u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。
; H O* p" a Q" i6 p9 C
0 N; M3 S: |* u二、声卡驱动
; h) c1 d- _- J' S/ {; J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。
& g' T' I6 W7 [5 H- u3 }: J! M4 V- | K" G; x/ 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。
0 E, |& U+ C, k r& l, H% b0 W% h5 C3 M |9 A. v
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 ^. Y9 f U) y9 [) b" u" r4 f0 p: [4 G! T2 x) L
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:
0 o8 d* N+ l3 ~/ d9 k
& p: }5 ?, x+ f支持多种声卡设备
6 d" [) N% M$ X2 a7 `2 V4 A0 O7 K$ |' ~
模块化的内核驱动程序! O* p8 {. b( M2 `. o
3 Z, J# U' [& d9 [! t" \5 g Q& g2 {
支持SMP和多线程+ D' s8 i# H* V) i
' \# R9 D7 y8 F; P提供应用开发函数库- T6 P' `! s8 B; r- k
. `7 P F. t. Z兼容OSS应用程序- }. q J- @+ E- O( ]7 `4 D
8 y& D0 j5 h/ H5 b) B% k* y
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。 |
|
