linux音頻編程

1、Linux音頻編程指南肖文鵬(xiaowp@)自由軟件愛好者簡介：簡介：雖然目前Linux的優(yōu)勢主要體現(xiàn)在網(wǎng)絡(luò)服務(wù)方面，但事實上同樣也有著非常豐富的媒體功能，本文就是以多媒體應(yīng)用中最基本的聲音為對象，介紹如何在Linux平臺下開發(fā)實際的音頻應(yīng)用程序，同時還給出了一些常用的音頻編程框架。本文的標(biāo)簽：本文的標(biāo)簽：設(shè)備編程標(biāo)記本文！發(fā)布日期：發(fā)布日期：2004年2月01日級別：級別：初級訪問情況訪問情況7117次瀏覽建議：建議：0(添加評論)

2、平均分（共14個評分）一、數(shù)字音頻一、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(jīng)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(zhuǎn)換成一系列二進制數(shù)據(jù)，來實現(xiàn)對原始聲音的重現(xiàn)，實現(xiàn)這一步驟的設(shè)備常被稱為模數(shù)轉(zhuǎn)換器（AD）。AD轉(zhuǎn)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

3、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(xì)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(guān)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

4、度，而量化則是將采樣得到的聲音信號幅度轉(zhuǎn)換為數(shù)字值，從本質(zhì)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(jīng)常需要用到的技術(shù)指標(biāo)：1.采樣頻率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(yīng)該遵循奈奎斯特（HarryNyquist）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

5、倍，就能從采樣信號系列重構(gòu)原始信號。正常人聽覺的頻率范圍大約在20Hz~20kHz之間，根據(jù)奈奎斯特采樣理論，為了保證聲音不失真，采樣頻率應(yīng)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(zhì)。2.量化位數(shù)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

6、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。無論是OSS還是ALSA，都是以內(nèi)核驅(qū)動程序的形式運行在Linux內(nèi)核空間中的，應(yīng)用程序要想訪問聲卡這一硬件設(shè)備，必須借助于Linux內(nèi)核所提供的系統(tǒng)調(diào)用（systemcall）。從程序員的角度來說，對聲卡的操作在很大程度上等同于對磁盤文件的操作：首先使用open系統(tǒng)調(diào)用建立起與硬件間的聯(lián)系，此時返回的文件描述符將作

7、為隨后操作的標(biāo)識；接著使用read系統(tǒng)調(diào)用從設(shè)備接收數(shù)據(jù)，或者使用write系統(tǒng)調(diào)用向設(shè)備寫入數(shù)據(jù)，而其它所有不符合讀寫這一基本模式的操作都可以由ioctl系統(tǒng)調(diào)用來完成；最后，使用close系統(tǒng)調(diào)用告訴Linux內(nèi)核不會再對該設(shè)備做進一步的處理。?open系統(tǒng)調(diào)用系統(tǒng)調(diào)用系統(tǒng)調(diào)用open可以獲得對聲卡的訪問權(quán)，同時還能為隨后的系統(tǒng)調(diào)用做好準(zhǔn)備，其函數(shù)原型如下所示：intopen(constpathnameintflagsintmode

8、)參數(shù)pathname是將要被打開的設(shè)備文件的名稱，對于聲卡來講一般是devdsp。參數(shù)flags用來指明應(yīng)該以什么方式打開設(shè)備文件，它可以是O_RDONLY、O_WRONLY或者O_RDWR，分別表示以只讀、只寫或者讀寫的方式打開設(shè)備文件；參數(shù)mode通常是可選的，它只有在指定的設(shè)備文件不存在時才會用到，指明新創(chuàng)建的文件應(yīng)該具有怎樣的權(quán)限。如果open系統(tǒng)調(diào)用能夠成功完成，它將返回一個正整數(shù)作為文件標(biāo)識符，在隨后的系統(tǒng)調(diào)用中需要用到該

9、標(biāo)識符。如果open系統(tǒng)調(diào)用失敗，它將返回1，同時還會設(shè)置全局變量errno，指明是什么原因?qū)е铝隋e誤的發(fā)生。?read系統(tǒng)調(diào)用系統(tǒng)調(diào)用系統(tǒng)調(diào)用read用來從聲卡讀取數(shù)據(jù)，其函數(shù)原型如下所示：intread(intfdbufsize_tcount)參數(shù)fd是設(shè)備文件的標(biāo)識符，它是通過之前的open系統(tǒng)調(diào)用獲得的；參數(shù)buf是指向緩沖區(qū)的字符指針，它用來保存從聲卡獲得的數(shù)據(jù)；參數(shù)count則用來限定從聲卡獲得的最大字節(jié)數(shù)。如果read系統(tǒng)

10、調(diào)用成功完成，它將返回從聲卡實際讀取的字節(jié)數(shù)，通常情況會比count的值要小一些；如果read系統(tǒng)調(diào)用失敗，它將返回1，同時還會設(shè)置全局變量errno，來指明是什么原因?qū)е铝隋e誤的發(fā)生。?write系統(tǒng)調(diào)用系統(tǒng)調(diào)用系統(tǒng)調(diào)用write用來向聲卡寫入數(shù)據(jù)，其函數(shù)原型如下所示：size_twrite(intfdconstbufsize_tcount)系統(tǒng)調(diào)用write和系統(tǒng)調(diào)用read在很大程度是類似的，差別只在于write是向聲卡寫入數(shù)據(jù)，

11、而read則是從聲卡讀入數(shù)據(jù)。參數(shù)fd同樣是設(shè)備文件的標(biāo)識符，它也是通過之前的open系統(tǒng)調(diào)用獲得的；參數(shù)buf是指向緩沖區(qū)的字符指針，它保存著即將向聲卡寫入的數(shù)據(jù)；參數(shù)count則用來限定向聲卡寫入的最大字節(jié)數(shù)。如果write系統(tǒng)調(diào)用成功完成，它將返回向聲卡實際寫入的字節(jié)數(shù)；如果read系統(tǒng)調(diào)用失敗，它將返回1，同時還會設(shè)置全局變量errno，來指明是什么原因?qū)е铝隋e誤的發(fā)生。無論是read還是write，一旦調(diào)用之后Linux內(nèi)核就