關于PCM

PCM是Pulse code modulation的縮寫，它是對波形最直接的編碼方式。它在音頻中的地位可能和BMP在圖片中的地位有點類似吧。

Sampling rate：從模擬信號到數(shù)字信號，即從連續(xù)信號到離散信號的轉換都是通過離散采樣完成的，Sampling rate就是每秒種采樣的個數(shù)。根據香農采樣定理，要保證信號不失真，Sampling rate要大于信號最高頻率的兩倍。我們知道人的耳朵能聽到的頻率范圍是20hz – 20khz，所以Sampling rate達到40k就夠了，再多了也只是浪費。但是有時為了節(jié)省帶寬和存儲資源，可以降低Sampling rate而損失聲音的質量，所以我們常常見到小于40k采樣率的聲音數(shù)據。

Sample size：用來量化一個采樣的幅度，一般為8 bits、16 bits和24 bits。8 bits只有早期的聲卡支持，而24 bits只有專業(yè)的聲卡才支持，我們用的一般都是16 bits的。

Number of channels：聲音通道個數(shù)，單聲道為一個，立體聲為兩個，還有更多的（如8個聲道的7.1格式）。一般來說，每個聲道都來源于一個獨立的mic，所以聲道多效果會更好（更真實），當然代價也更大。

Frame： Frame是指包含了所有通道的一次采樣數(shù)據，比如對于16bits的雙聲道來說，一個frame的大小為4個字節(jié)（2 * 16）。

一、數(shù)字音頻

音頻信號是一種連續(xù)變化的模擬信號，但計算機只能處理和記錄二進制的數(shù)字信號，由自然音源得到的音頻信號必須經過一定的變換，成為數(shù)字音頻信號之后，才能送到計算機中作進一步的處理。

數(shù)字音頻系統(tǒng)通過將聲波的波型轉換成一系列二進制數(shù)據，來實現(xiàn)對原始聲音的重現(xiàn)，實現(xiàn)這一步驟的設備常被稱為模/數(shù)轉換器（A/D）。A/D轉換器以每秒鐘上萬次的速率對聲波進行采樣，每個采樣點都記錄下了原始模擬聲波在某一時刻的狀態(tài)，通常稱之為樣本（sample），而每一秒鐘所采樣的數(shù)目則稱為采樣頻率，通過將一串連續(xù)的樣本連接起來，就可以在計算機中描述一段聲音了。對于采樣過程中的每一個樣本來說，數(shù)字音頻系統(tǒng)會分配一定存儲位來記錄聲波的振幅，一般稱之為采樣分辯率或者采樣精度，采樣精度越高，聲音還原時就會越細膩。

數(shù)字音頻涉及到的概念非常多，對于在Linux下進行音頻編程的程序員來說，最重要的是理解聲音數(shù)字化的兩個關鍵步驟：采樣和量化。采樣就是每隔一定時間就讀一次聲音信號的幅度，而量化則是將采樣得到的聲音信號幅度轉換為數(shù)字值，從本質上講，采樣是時間上的數(shù)字化，而量化則是幅度上的數(shù)字化。下面介紹幾個在進行音頻編程時經常需要用到的技術指標：

采樣頻率

采樣頻率是指將模擬聲音波形進行數(shù)字化時，每秒鐘抽取聲波幅度樣本的次數(shù)。采樣頻率的選擇應該遵循奈奎斯特（Harry Nyquist）采樣理論：如果對某一模擬信號進行采樣，則采樣后可還原的最高信號頻率只有采樣頻率的一半，或者說只要采樣頻率高于輸入信號最高頻率的兩倍，就能從采樣信號系列重構原始信號。正常人聽覺的頻率范圍大約在20Hz~20kHz之間，根據奈奎斯特采樣理論，為了保證聲音不失真，采樣頻率應該在40kHz左右。常用的音頻采樣頻率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，如果采用更高的采樣頻率，還可以達到DVD的音質。 其中，8kHZ為電話的采樣頻率。

量化位數(shù)

量化位數(shù)是對模擬音頻信號的幅度進行數(shù)字化，它決定了模擬信號數(shù)字化以后的動態(tài)范圍，常用的有8位、12位和16位。量化位越高，信號的動態(tài)范圍越大，數(shù)字化后的音頻信號就越可能接近原始信號，但所需要的存貯空間也越大。

聲道數(shù)

聲道數(shù)是反映音頻數(shù)字化質量的另一個重要因素，它有單聲道和雙聲道之分。雙聲道又稱為立體聲，在硬件中有兩條線路，音質和音色都要優(yōu)于單聲道，但數(shù)字化后占據的存儲空間的大小要比單聲道多一倍。

二、聲卡驅動

出于對安全性方面的考慮，Linux下的應用程序無法直接對聲卡這類硬件設備進行操作，而是必須通過內核提供的驅動程序才能完成。在Linux上進行音頻編程的本質就是要借助于驅動程序，來完成對聲卡的各種操作。

對硬件的控制涉及到寄存器中各個比特位的操作，通常這是與設備直接相關并且對時序的要求非常嚴格，如果這些工作都交由應用程序員來負責，那么對聲卡的編程將變得異常復雜而困難起來，驅動程序的作用正是要屏蔽硬件的這些底層細節(jié)，從而簡化應用程序的編寫。目前Linux下常用的聲卡驅動程序主要有兩種：OSS和ALSA。

最早出現(xiàn)在Linux上的音頻編程接口是OSS（Open Sound System），它由一套完整的內核驅動程序模塊組成，可以為絕大多數(shù)聲卡提供統(tǒng)一的編程接口。OSS出現(xiàn)的歷史相對較長，這些內核模塊中的一部分（OSS/Free）是與Linux內核源碼共同免費發(fā)布的，另外一些則以二進制的形式由4Front Technologies公司提供。由于得到了商業(yè)公司的鼎力支持，OSS已經成為在Linux下進行音頻編程的事實標準，支持OSS的應用程序能夠在絕大多數(shù)聲卡上工作良好。

雖然OSS已經非常成熟，但它畢竟是一個沒有完全開放源代碼的商業(yè)產品，ALSA（AdvancedLinux Sound Architecture）恰好彌補了這一空白，它是在Linux下進行音頻編程時另一個可供選擇的聲卡驅動程序。ALSA除了像OSS那樣提供了一組內核驅動程序模塊之外，還專門為簡化應用程序的編寫提供了相應的函數(shù)庫，與OSS提供的基于ioctl的原始編程接口相比，ALSA函數(shù)庫使用起來要更加方便一些。ALSA的主要特點有：

支持多種聲卡設備

模塊化的內核驅動程序

支持SMP和多線程

提供應用開發(fā)函數(shù)庫

兼容OSS應用程序

ALSA和OSS最大的不同之處在于ALSA是由志愿者維護的自由項目，而OSS則是由公司提供的商業(yè)產品，因此在對硬件的適應程度上OSS要優(yōu)于ALSA，它能夠支持的聲卡種類更多。ALSA雖然不及OSS運用得廣泛，但卻具有更加友好的編程接口，并且完全兼容于OSS，對應用程序員來講無疑是一個更佳的選擇。