|
|
发表于 2020-5-30
|
|阅读模式
关于PCM# n" ]. g0 k$ Q5 g3 `4 r
" r- H& {5 Y' y w! l2 ~% u! `5 a
( J% G8 ]! n6 N2 W1 i' J7 vPCM 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 F0 D' Z! D7 V( V# z; v* g' h! d* R" @
# D( }. [" O: D* J9 |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。/ d. e6 ^# z2 t, P9 ~4 V
* B1 L9 X3 k G' h4 ESample 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。. B7 ], b; _& |* O/ _4 `0 u1 K7 U) h
; R& d) {4 g' r3 s) o" ]* \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。
# ]% q2 A3 g2 P! p4 \, l
. v! J4 Q( u/ G' y; X7 j6 U8 DFrame: 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)。
+ m; \$ [6 W- J, z# J1 a$ [7 F/ ^3 A( c9 w1 Z8 ]
一、数字音频9 c# }2 k. W# q( [( n
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。. ~3 O; r0 }, [6 |6 p( s# h' a1 Z/ V+ }
) L3 a' r1 X. P. o
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。# S7 ?# ^ e) i5 k, K
/ b$ c7 i- C4 g" u3 j8 `; Z
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:
$ s! V- v2 ?# E, d+ I$ y8 i. H( f# K" `- R5 a$ C
采样频率
! G1 z3 U, F; I: }/ w1 H* Q7 n
: O: I7 t1 Q9 [+ d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。
9 \" Q( s2 ?) ~5 L
+ {6 q }/ J8 X* E" w量化位数$ j* @. d! D/ I
6 ?% }1 g/ o+ ^9 O" I6 z; j! y4 s
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。% j1 S) A0 O, @
2 P# ?, Y1 p4 C4 ?% O, v0 c声道数
5 W" \, u! `7 H% s
0 ~% {, ^% t, n" m( g) G+ Y- c) 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。4 Z" _% t; O: ?8 w/ y
0 A7 x+ [9 w+ X) i) t
二、声卡驱动) u3 s0 r4 G6 I- l, d' ?/ T3 x' W
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。
- |4 ?2 m; U# o7 Z/ U- l
6 J! _" M+ C0 P: R- C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。3 y9 i) p( c8 j0 B$ k
, e0 i( ~( h" p& u# l) a
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。; K2 s$ S8 G. a9 j
- t) E9 T- l, N
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:" v4 [1 D' Y5 P5 _& r: U
5 c$ x6 c9 W& w' P$ b }
支持多种声卡设备
' ], `2 q0 p* Z- v u5 g. ]) l+ ?' w# l& s- u4 ^
模块化的内核驱动程序
( p& _3 E0 C* X: x
( r6 C. h) f4 k( K; v: l& u3 ^支持SMP和多线程# [$ U: s' v7 A: Z% S# t. \0 S
0 m2 O! A: s+ l6 Y% i提供应用开发函数库
4 {" p* }2 a: M: ^( s F( R& Z$ v9 D. [# q
兼容OSS应用程序" _. Y* H9 H6 k& {" _
8 e" j1 L/ r1 x, k+ mALSA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。 |
|
