Linux音頻編程指南
http://www.ibm.com/developerworks/cn/linux/l-audio/
一、數(shù)字音頻
音頻信號(hào)是一種連續(xù)變化的模擬信號(hào)，但計(jì)算機(jī)只能處理和記錄二進(jìn)制的數(shù)字信號(hào)，由自然音源得到的音頻信號(hào)必須經(jīng)過(guò)一定的變換，成為數(shù)字音頻信號(hào)之后，才能送到計(jì)算機(jī)中作進(jìn)一步的處理。
數(shù)字音頻系統(tǒng)通過(guò)將聲波的波型轉(zhuǎn)換成一系列二進(jìn)制數(shù)據(jù)，來(lái)實(shí)現(xiàn)對(duì)原始聲音的重現(xiàn)，實(shí)現(xiàn)這一步驟的設(shè)備常被稱為模/數(shù)轉(zhuǎn)換器（A/D）。A/D轉(zhuǎn)換器以每秒鐘上萬(wàn)次的速率對(duì)聲波進(jìn)行采樣，每個(gè)采樣點(diǎn)都記錄下了原始模擬聲波在某一時(shí)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(guò)將一串連續(xù)的樣本連接起來(lái)，就可以在計(jì)算機(jī)中描述一段聲音了。對(duì)于采樣過(guò)程中的每一個(gè)樣本來(lái)說(shuō)，數(shù)字音頻系統(tǒng)會(huì)分配一定存儲(chǔ)位來(lái)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(shí)就會(huì)越細(xì)膩。
數(shù)字音頻涉及到的概念非常多，對(duì)于在Linux下進(jìn)行音頻編程的程序員來(lái)說(shuō)，最重要的是理解聲音數(shù)字化的兩個(gè)關(guān)鍵步驟：采樣和量化。采樣就是每隔一定時(shí)間就讀一次聲音信號(hào)的幅度，而量化則是將采樣得到的聲音信號(hào)幅度轉(zhuǎn)換為數(shù)字值，從本質(zhì)上講，采樣是時(shí)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(gè)在進(jìn)行音頻編程時(shí)經(jīng)常需要用到的技術(shù)指標(biāo)：
采樣頻率采樣頻率是指將模擬聲音波形進(jìn)行數(shù)字化時(shí)，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（Harry Nyquist）采樣理論：如果對(duì)某一模擬信號(hào)進(jìn)行采樣，則采樣后可還原的最高信號(hào)頻率只有采樣頻率的一半，或者說(shuō)只要采樣頻率高于輸入信號(hào)最高頻率的兩 倍，就能從采樣信號(hào)系列重構(gòu)原始信號(hào)。正常人聽(tīng)覺(jué)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(dá)到DVD的音質(zhì)。 量化位數(shù)
量化位數(shù)是對(duì)模擬音頻信號(hào)的幅度進(jìn)行數(shù)字化，它決定了模擬信號(hào)數(shù)字化以后的動(dòng)態(tài)范圍，常用的有8位、12位和16位。量化位越高，信號(hào)的動(dòng)態(tài)范圍越大，數(shù)字化后的音頻信號(hào)就越可能接近原始信號(hào)，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(zhì)量的另一個(gè)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(zhì)和音色都要優(yōu)于單聲道，但數(shù)字化后占據(jù)的存儲(chǔ)空間的大小要比單聲道多一倍。
回頁(yè)首
二、聲卡驅(qū)動(dòng)
出于對(duì)安全性方面的考慮，Linux下的應(yīng)用程序無(wú)法直接對(duì)聲卡這類硬件設(shè)備進(jìn)行操作，而是必須通過(guò)內(nèi)核提供的驅(qū)動(dòng)程序才能完成。在Linux上進(jìn)行音頻編程的本質(zhì)就是要借助于驅(qū)動(dòng)程序，來(lái)完成對(duì)聲卡的各種操作。
對(duì)硬件的控制涉及到寄存器中各個(gè)比特位的操作，通常這是與設(shè)備直接相關(guān)并且對(duì)時(shí)序的要求非常嚴(yán)格，如果這些工作都交由應(yīng)用程序員來(lái)負(fù)責(zé)，那么對(duì)聲卡的編程將變得異常復(fù)雜而困難起來(lái)，驅(qū)動(dòng)程序的作用正是要屏蔽硬件的這些底層細(xì)節(jié)，從而簡(jiǎn)化應(yīng)用程序的編寫。目前Linux下常用的聲卡驅(qū)動(dòng)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 SoundSystem），它由一套完整的內(nèi)核驅(qū)動(dòng)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(duì)較長(zhǎng)，這些內(nèi)核模塊中的一部分（OSS/Free）是與Linux內(nèi)核源碼共同免費(fèi)發(fā)布的，另外一些則以二進(jìn)制的形式由4FrontTechnologies公司提供。由于得到了商業(yè)公司的鼎力支持，OSS已經(jīng)成為在Linux下進(jìn)行音頻編程的事實(shí)標(biāo)準(zhǔn)，支持OSS的應(yīng)用程序能夠在絕大多數(shù)聲卡上工作良好。
雖然OSS已經(jīng)非常成熟，但它畢竟是一個(gè)沒(méi)有完全開(kāi)放源代碼的商業(yè)產(chǎn)品，ALSA（Advanced Linux SoundArchitecture）恰好彌補(bǔ)了這一空白，它是在Linux下進(jìn)行音頻編程時(shí)另一個(gè)可供選擇的聲卡驅(qū)動(dòng)程序。ALSA除了像OSS那樣提供了一組內(nèi)核驅(qū)動(dòng)程序模塊之外，還專門為簡(jiǎn)化應(yīng)用程序的編寫提供了相應(yīng)的函數(shù)庫(kù)，與OSS提供的基于ioctl的原始編程接口相比，ALSA函數(shù)庫(kù)使用起來(lái)要更加方便一些。ALSA的主要特點(diǎn)有：
支持多種聲卡設(shè)備模塊化的內(nèi)核驅(qū)動(dòng)程序支持SMP和多線程提供應(yīng)用開(kāi)發(fā)函數(shù)庫(kù)兼容OSS應(yīng)用程序ALSA和OSS最大的不同之處在于ALSA是由志愿者維護(hù)的自由項(xiàng)目，而OSS則是由公司提供的商業(yè)產(chǎn)品，因此在對(duì)硬件的適應(yīng)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(yùn)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(duì)應(yīng)用程序員來(lái)講無(wú)疑是一個(gè)更佳的選擇。
回頁(yè)首
三、編程接口
如何對(duì)各種音頻設(shè)備進(jìn)行操作是在Linux上進(jìn)行音頻編程的關(guān)鍵，通過(guò)內(nèi)核提供的一組系統(tǒng)調(diào)用，應(yīng)用程序能夠訪問(wèn)聲卡驅(qū)動(dòng)程序提供的各種音頻設(shè)備接口，這是在Linux下進(jìn)行音頻編程最簡(jiǎn)單也是最直接的方法。
3.1 訪問(wèn)音頻設(shè)備
無(wú)論是OSS還是ALSA，都是以內(nèi)核驅(qū)動(dòng)程序的形式運(yùn)行在Linux內(nèi)核空間中的，應(yīng)用程序要想訪問(wèn)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(lái)說(shuō)，對(duì)聲卡的操作在很大程度上等同于對(duì)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(shí)返回的文件描述符將作為隨后操作的標(biāo)識(shí)；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(lái)完成；最后，使用close系統(tǒng)調(diào)用告訴Linux內(nèi)核不會(huì)再對(duì)該設(shè)備做進(jìn)一步的處理。
open系統(tǒng)調(diào)用系統(tǒng)調(diào)用open可以獲得對(duì)聲卡的訪問(wèn)權(quán)，同時(shí)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：
int open(const char *pathname, int flags, int mode);
參數(shù)pathname是將要被打開(kāi)的設(shè)備文件的名稱，對(duì)于聲卡來(lái)講一般是/dev/dsp。參數(shù)flags用來(lái)指明應(yīng)該以什么方式打開(kāi)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(kāi)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(shí)才會(huì)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(gè)正整數(shù)作為文件標(biāo)識(shí)符，在隨后的系統(tǒng)調(diào)用中需要用到該標(biāo)識(shí)符。如果open系統(tǒng)調(diào)用失敗，它將返回-1，同時(shí)還會(huì)設(shè)置全局變量errno，指明是什么原因?qū)е铝隋e(cuò)誤的發(fā)生。 read系統(tǒng)調(diào)用
系統(tǒng)調(diào)用read用來(lái)從聲卡讀取數(shù)據(jù)，其函數(shù)原型如下所示：
int read(int fd, char *buf, size_t count);
參數(shù)fd是設(shè)備文件的標(biāo)識(shí)符，它是通過(guò)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(lái)保存從聲卡獲得的數(shù)據(jù)；參數(shù)count則 用來(lái)限定從聲卡獲得的最大字節(jié)數(shù)。如果read系統(tǒng)調(diào)用成功完成，它將返回從聲卡實(shí)際讀取的字節(jié)數(shù)，通常情況會(huì)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(shí)還會(huì)設(shè)置全局變量errno，來(lái)指明是什么原因?qū)е铝隋e(cuò)誤的發(fā)生。 write系統(tǒng)調(diào)用
系統(tǒng)調(diào)用write用來(lái)向聲卡寫入數(shù)據(jù)，其函數(shù)原型如下所示：
size_t write(int fd, const char *buf, size_t count);
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)，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(shí)符，它也是通過(guò)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(lái)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(shí)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(shí)還會(huì)設(shè)置全局變量errno，來(lái)指明是 什么原因?qū)е铝隋e(cuò)誤的發(fā)生。無(wú)論是read還是write，一旦調(diào)用之后Linux內(nèi)核就會(huì)阻塞當(dāng)前應(yīng)用程序，直到數(shù)據(jù)成功地從聲卡讀出或者寫入為止。 ioctl系統(tǒng)調(diào)用
系統(tǒng)調(diào)用ioctl可以對(duì)聲卡進(jìn)行控制，凡是對(duì)設(shè)備文件的操作不符合讀/寫基本模式的，都是通過(guò)ioctl來(lái)完成的，它可以影響設(shè)備的行為，或者返回設(shè)備的狀態(tài)，其函數(shù)原型如下所示：
int ioctl(int fd, int request, ...);
參數(shù)fd是設(shè)備文件的標(biāo)識(shí)符，它是在設(shè)備打開(kāi)時(shí)獲得的；如果設(shè)備比較復(fù)雜，那么對(duì)它的控制請(qǐng)求相應(yīng)地也會(huì)有很多種，參數(shù)request的目的就是用來(lái)區(qū)分 不同的控制請(qǐng)求；通常說(shuō)來(lái)，在對(duì)設(shè)備進(jìn)行控制時(shí)還需要有其它參數(shù)，這要根據(jù)不同的控制請(qǐng)求才能確定，并且可能是與硬件設(shè)備直接相關(guān)的。 close系統(tǒng)調(diào)用
當(dāng)應(yīng)用程序使用完聲卡之后，需要用close系統(tǒng)調(diào)用將其關(guān)閉，以便及時(shí)釋放占用的硬件資源，其函數(shù)原型如下所示：
int close(int fd);
參數(shù)fd是設(shè)備文件的標(biāo)識(shí)符，它是在設(shè)備打開(kāi)時(shí)獲得的。一旦應(yīng)用程序調(diào)用了close系統(tǒng)調(diào)用，Linux內(nèi)核就會(huì)釋放與之相關(guān)的各種資源，因此建議在不需要的時(shí)候盡量及時(shí)關(guān)閉已經(jīng)打開(kāi)的設(shè)備。
3.2 音頻設(shè)備文件
對(duì)于Linux應(yīng)用程序員來(lái)講，音頻編程接口實(shí)際上就是一組音頻設(shè)備文件，通過(guò)它們可以從聲卡讀取數(shù)據(jù)，或者向聲卡寫入數(shù)據(jù)，并且能夠?qū)β暱ㄟM(jìn)行控制，設(shè)置采樣頻率和聲道數(shù)目等等。
/dev/sndstat設(shè)備文件/dev/sndstat是聲卡驅(qū)動(dòng)程序提供的最簡(jiǎn)單的接口，通常它是一個(gè)只讀文件，作用也僅僅只限于匯報(bào)聲卡的當(dāng)前狀態(tài)。一般說(shuō)來(lái)，/dev/sndstat是提供給最終用戶來(lái)檢測(cè)聲卡的，不宜用于程序當(dāng)中，因?yàn)樗械男畔⒍伎梢酝ㄟ^(guò)ioctl系統(tǒng)調(diào)用來(lái)獲得。 Linux提供的cat命令可以很方便地從/dev/sndstat獲得聲卡的當(dāng)前狀態(tài)： [xiaowp@linuxgam sound]$ cat /dev/sndstat /dev/dsp
聲卡驅(qū)動(dòng)程序提供的/dev/dsp是用于數(shù)字采樣（sampling）和數(shù)字錄音（recording）的設(shè)備文件，它對(duì)于 Linux下的音頻編程來(lái)講非常重要：向該設(shè)備寫數(shù)據(jù)即意味著激活聲卡上的D/A轉(zhuǎn)換器進(jìn)行放音，而向該設(shè)備讀數(shù)據(jù)則意味著激活聲卡上的A/D轉(zhuǎn)換器進(jìn)行 錄音。目前許多聲卡都提供有多個(gè)數(shù)字采樣設(shè)備，它們?cè)贚inux下可以通過(guò)/dev/dsp1等設(shè)備文件進(jìn)行訪問(wèn)。
DSP是數(shù)字信號(hào)處理器（Digital Signal Processor）的簡(jiǎn)稱，它是用來(lái)進(jìn)行數(shù)字信號(hào)處理的特殊芯片，聲卡使用它來(lái)實(shí)現(xiàn)模擬信號(hào)和數(shù)字信號(hào)的轉(zhuǎn)換。聲卡中的DSP設(shè)備實(shí)際上包含兩個(gè)組成部 分：在以只讀方式打開(kāi)時(shí)，能夠使用A/D轉(zhuǎn)換器進(jìn)行聲音的輸入；而在以只寫方式打開(kāi)時(shí)，則能夠使用D/A轉(zhuǎn)換器進(jìn)行聲音的輸出。嚴(yán)格說(shuō)來(lái)，Linux下的 應(yīng)用程序要么以只讀方式打開(kāi)/dev/dsp輸入聲音，要么以只寫方式打開(kāi)/dev/dsp輸出聲音，但事實(shí)上某些聲卡驅(qū)動(dòng)程序仍允許以讀寫的方式打開(kāi) /dev/dsp，以便同時(shí)進(jìn)行聲音的輸入和輸出，這對(duì)于某些應(yīng)用場(chǎng)合（如IP電話）來(lái)講是非常關(guān)鍵的。
在從DSP設(shè)備讀取數(shù)據(jù)時(shí)，從聲卡輸入的模擬信號(hào)經(jīng)過(guò)A/D轉(zhuǎn)換器變成數(shù)字采樣后的樣本（sample），保存在聲卡驅(qū)動(dòng)程序 的內(nèi)核緩沖區(qū)中，當(dāng)應(yīng)用程序通過(guò)read系統(tǒng)調(diào)用從聲卡讀取數(shù)據(jù)時(shí)，保存在內(nèi)核緩沖區(qū)中的數(shù)字采樣結(jié)果將被復(fù)制到應(yīng)用程序所指定的用戶緩沖區(qū)中。需要指出 的是，聲卡采樣頻率是由內(nèi)核中的驅(qū)動(dòng)程序所決定的，而不取決于應(yīng)用程序從聲卡讀取數(shù)據(jù)的速度。如果應(yīng)用程序讀取數(shù)據(jù)的速度過(guò)慢，以致低于聲卡的采樣頻率， 那么多余的數(shù)據(jù)將會(huì)被丟棄；如果讀取數(shù)據(jù)的速度過(guò)快，以致高于聲卡的采樣頻率，那么聲卡驅(qū)動(dòng)程序?qū)?huì)阻塞那些請(qǐng)求數(shù)據(jù)的應(yīng)用程序，直到新的數(shù)據(jù)到來(lái)為止。
在向DSP設(shè)備寫入數(shù)據(jù)時(shí)，數(shù)字信號(hào)會(huì)經(jīng)過(guò)D/A轉(zhuǎn)換器變成模擬信號(hào)，然后產(chǎn)生出聲音。應(yīng)用程序?qū)懭霐?shù)據(jù)的速度同樣應(yīng)該與聲卡 的采樣頻率相匹配，否則過(guò)慢的話會(huì)產(chǎn)生聲音暫?；蛘咄ｎD的現(xiàn)象，過(guò)快的話又會(huì)被內(nèi)核中的聲卡驅(qū)動(dòng)程序阻塞，直到硬件有能力處理新的數(shù)據(jù)為止。與其它設(shè)備有 所不同，聲卡通常不會(huì)支持非阻塞（non-blocking）的I/O操作。
無(wú)論是從聲卡讀取數(shù)據(jù)，或是向聲卡寫入數(shù)據(jù)，事實(shí)上都具有特定的格式（format），默認(rèn)為8位無(wú)符號(hào)數(shù)據(jù)、單聲道、 8KHz采樣率，如果默認(rèn)值無(wú)法達(dá)到要求，可以通過(guò)ioctl系統(tǒng)調(diào)用來(lái)改變它們。通常說(shuō)來(lái)，在應(yīng)用程序中打開(kāi)設(shè)備文件/dev/dsp之后，接下去就應(yīng) 該為其設(shè)置恰當(dāng)?shù)母袷?，然后才能從聲卡讀取或者寫入數(shù)據(jù)。
/dev/audio/dev/audio類似于/dev/dsp，它兼容于Sun工作站上的音頻設(shè)備，使用的是mu-law編碼方式。如果聲卡驅(qū)動(dòng)程序提供了對(duì)/dev /audio的支持，那么在Linux上就可以通過(guò)cat命令，來(lái)播放在Sun工作站上用mu-law進(jìn)行編碼的音頻文件：
[xiaowp@linuxgam sound]$ cat audio.au > /dev/audio
由于設(shè)備文件/dev/audio主要出于對(duì)兼容性的考慮，所以在新開(kāi)發(fā)的應(yīng)用程序中最好不要嘗試用它，而應(yīng)該以/dev/dsp進(jìn)行替代。對(duì)于應(yīng)用程序來(lái)說(shuō)，同一時(shí)刻只能使用/dev/audio或者/dev/dsp其中之一，因?yàn)樗鼈兪窍嗤布牟煌浖涌凇?/dev/mixer
在聲卡的硬件電路中，混音器（mixer）是一個(gè)很重要的組成部分，它的作用是將多個(gè)信號(hào)組合或者疊加在一起，對(duì)于不同的聲卡來(lái)說(shuō)，其混音器的作用可能各 不相同。運(yùn)行在Linux內(nèi)核中的聲卡驅(qū)動(dòng)程序一般都會(huì)提供/dev/mixer這一設(shè)備文件，它是應(yīng)用程序?qū)煲羝鬟M(jìn)行操作的軟件接口。混音器電路通常 由兩個(gè)部分組成：輸入混音器（input mixer）和輸出混音器（output mixer）。
輸入混音器負(fù)責(zé)從多個(gè)不同的信號(hào)源接收模擬信號(hào)，這些信號(hào)源有時(shí)也被稱為混音通道或者混音設(shè)備。模擬信號(hào)通過(guò)增益控制器和由軟件控制的音量調(diào)節(jié)器后，在不 同的混音通道中進(jìn)行級(jí)別（level）調(diào)制，然后被送到輸入混音器中進(jìn)行聲音的合成?；煲羝魃系碾娮娱_(kāi)關(guān)可以控制哪些通道中有信號(hào)與混音器相連，有些聲卡 只允許連接一個(gè)混音通道作為錄音的音源，而有些聲卡則允許對(duì)混音通道做任意的連接。經(jīng)過(guò)輸入混音器處理后的信號(hào)仍然為模擬信號(hào)，它們將被送到A/D轉(zhuǎn)換器 進(jìn)行數(shù)字化處理。
輸出混音器的工作原理與輸入混音器類似，同樣也有多個(gè)信號(hào)源與混音器相連，并且事先都經(jīng)過(guò)了增益調(diào)節(jié)。當(dāng)輸出混音器對(duì)所有的模擬信號(hào)進(jìn)行了混合之后，通常 還會(huì)有一個(gè)總控增益調(diào)節(jié)器來(lái)控制輸出聲音的大小，此外還有一些音調(diào)控制器來(lái)調(diào)節(jié)輸出聲音的音調(diào)。經(jīng)過(guò)輸出混音器處理后的信號(hào)也是模擬信號(hào)，它們最終會(huì)被送 給喇叭或者其它的模擬輸出設(shè)備。 對(duì)混音器的編程包括如何設(shè)置增益控制器的級(jí)別，以及怎樣在不同的音源間進(jìn)行切換，這些操作通常來(lái)講是不連續(xù)的，而且不會(huì)像錄音或者放音那樣需要占用大量的 計(jì)算機(jī)資源。由于混音器的操作不符合典型的讀/寫操作模式，因此除了open和close兩個(gè)系統(tǒng)調(diào)用之外，大部分的操作都是通過(guò)ioctl系統(tǒng)調(diào)用來(lái)完 成的。與/dev/dsp不同，/dev/mixer允許多個(gè)應(yīng)用程序同時(shí)訪問(wèn)，并且混音器的設(shè)置值會(huì)一直保持到對(duì)應(yīng)的設(shè)備文件被關(guān)閉為止。
為了簡(jiǎn)化應(yīng)用程序的設(shè)計(jì)，Linux上的聲卡驅(qū)動(dòng)程序大多都支持將混音器的ioctl操作直接應(yīng)用到聲音設(shè)備上，也就是說(shuō)如果已經(jīng)打開(kāi)了/dev /dsp，那么就不用再打開(kāi)/dev/mixer來(lái)對(duì)混音器進(jìn)行操作，而是可以直接用打開(kāi)/dev/dsp時(shí)得到的文件標(biāo)識(shí)符來(lái)設(shè)置混音器。 /dev/sequencer
目前大多數(shù)聲卡驅(qū)動(dòng)程序還會(huì)提供/dev/sequencer這一設(shè)備文件，用來(lái)對(duì)聲卡內(nèi)建的波表合成器進(jìn)行操作，或者對(duì)MIDI總線上的樂(lè)器進(jìn)行控制，一般只用于計(jì)算機(jī)音樂(lè)軟件中。
回頁(yè)首
四、應(yīng)用框架
在Linux下進(jìn)行音頻編程時(shí)，重點(diǎn)在于如何正確地操作聲卡驅(qū)動(dòng)程序所提供的各種設(shè)備文件，由于涉及到的概念和因素比較多，所以遵循一個(gè)通用的框架無(wú)疑將有助于簡(jiǎn)化應(yīng)用程序的設(shè)計(jì)。
4.1 DSP編程
對(duì)聲卡進(jìn)行編程時(shí)首先要做的是打開(kāi)與之對(duì)應(yīng)的硬件設(shè)備，這是借助于open系統(tǒng)調(diào)用來(lái)完成的，并且一般情況下使用的是/dev/dsp文件。采用何種模式對(duì)聲卡進(jìn)行操作也必須在打開(kāi)設(shè)備時(shí)指定，對(duì)于不支持全雙工的聲卡來(lái)說(shuō)，應(yīng)該使用只讀或者只寫的方式打開(kāi)，只有那些支持全雙工的聲卡，才能以讀寫的方式打開(kāi)，并且還要依賴于驅(qū)動(dòng)程序的具體實(shí)現(xiàn)。Linux允許應(yīng)用程序多次打開(kāi)或者關(guān)閉與聲卡對(duì)應(yīng)的設(shè)備文件，從而能夠很方便地在放音狀態(tài)和錄音狀態(tài)之間進(jìn)行切換，建議在進(jìn)行音頻編程時(shí)只要有可能就盡量使用只讀或者只寫的方式打開(kāi)設(shè)備文件，因?yàn)檫@樣不僅能夠充分利用聲卡的硬件資源，而且還有利于驅(qū)動(dòng)程序的優(yōu)化。下面的代碼示范了如何以只寫方式打開(kāi)聲卡進(jìn)行放音（playback）操作：
int handle = open("/dev/dsp", O_WRONLY);
if (handle == -1) {
perror("open /dev/dsp");
return -1;
}
運(yùn)行在Linux內(nèi)核中的聲卡驅(qū)動(dòng)程序?qū)ｉT維護(hù)了一個(gè)緩沖區(qū)，其大小會(huì)影響到放音和錄音時(shí)的效果，使用ioctl系統(tǒng)調(diào)用可以對(duì)它的尺寸進(jìn)行恰當(dāng)?shù)脑O(shè)置。調(diào)節(jié)驅(qū)動(dòng)程序中緩沖區(qū)大小的操作不是必須的，如果沒(méi)有特殊的要求，一般采用默認(rèn)的緩沖區(qū)大小也就可以了。但需要注意的是，緩沖區(qū)大小的設(shè)置通常應(yīng)緊跟在設(shè)備文件打開(kāi)之后，這是因?yàn)閷?duì)聲卡的其它操作有可能會(huì)導(dǎo)致驅(qū)動(dòng)程序無(wú)法再修改其緩沖區(qū)的大小。下面的代碼示范了怎樣設(shè)置聲卡驅(qū)動(dòng)程序中的內(nèi)核緩沖區(qū)的大?。?/p>
int setting = 0xnnnnssss;
int result = ioctl(handle, SNDCTL_DSP_SETFRAGMENT, &setting);
if (result == -1) {
perror("ioctl buffer size");
return -1;
}
// 檢查設(shè)置值的正確性
在設(shè)置緩沖區(qū)大小時(shí)，參數(shù)setting實(shí)際上由兩部分組成，其低16位標(biāo)明緩沖區(qū)的尺寸，相應(yīng)的計(jì)算公式為buffer_size =2^ssss，即若參數(shù)setting低16位的值為16，那么相應(yīng)的緩沖區(qū)的大小會(huì)被設(shè)置為65536字節(jié)。參數(shù)setting的高16位則用來(lái)標(biāo)明分片（fragment）的最大序號(hào)，它的取值范圍從2一直到0x7FFF，其中0x7FFF表示沒(méi)有任何限制。
接下來(lái)要做的是設(shè)置聲卡工作時(shí)的聲道（channel）數(shù)目，根據(jù)硬件設(shè)備和驅(qū)動(dòng)程序的具體情況，可以將其設(shè)置為0（單聲道，mono）或者1（立體聲，stereo）。下面的代碼示范了應(yīng)該怎樣設(shè)置聲道數(shù)目：
int channels = 0; // 0=mono 1=stereo
int result = ioctl(handle, SNDCTL_DSP_STEREO, &channels);
if ( result == -1 ) {
perror("ioctl channel number");
return -1;
}
if (channels != 0) {
// 只支持立體聲
}
采樣格式和采樣頻率是在進(jìn)行音頻編程時(shí)需要考慮的另一個(gè)問(wèn)題，聲卡支持的所有采樣格式可以在頭文件soundcard.h中找到，而通過(guò)ioctl系統(tǒng)調(diào)用則可以很方便地更改當(dāng)前所使用的采樣格式。下面的代碼示范了如何設(shè)置聲卡的采樣格式：
int format = AFMT_U8;
int result = ioctl(handle, SNDCTL_DSP_SETFMT, &format);
if ( result == -1 ) {
perror("ioctl sample format");
return -1;
}
// 檢查設(shè)置值的正確性
聲卡采樣頻率的設(shè)置也非常容易，只需在調(diào)用ioctl時(shí)將第二個(gè)參數(shù)的值設(shè)置為SNDCTL_DSP_SPEED，同時(shí)在第三個(gè)參數(shù)中指定采樣頻率的數(shù)值就行了。對(duì)于大多數(shù)聲卡來(lái)說(shuō)，其支持的采樣頻率范圍一般為5kHz到44.1kHz或者48kHz，但并不意味著該范圍內(nèi)的所有頻率都會(huì)被硬件支持，在Linux下進(jìn)行音頻編程時(shí)最常用到的幾種采樣頻率是11025Hz、16000Hz、22050Hz、32000Hz和44100Hz。下面的代碼示范了如何設(shè)置聲卡的采樣頻率：
int rate = 22050;
int result = ioctl(handle, SNDCTL_DSP_SPEED, &rate);
if ( result == -1 ) {
perror("ioctl sample format");
return -1;
}
// 檢查設(shè)置值的正確性
4.2 Mixer編程
聲卡上的混音器由多個(gè)混音通道組成，它們可以通過(guò)驅(qū)動(dòng)程序提供的設(shè)備文件/dev/mixer進(jìn)行編程。對(duì)混音器的操作是通過(guò)ioctl系統(tǒng)調(diào)用來(lái)完成的，并且所有控制命令都由SOUND_MIXER或者M(jìn)IXER開(kāi)頭，表1列出了常用的幾個(gè)混音器控制命令：
名 稱 作 用 SOUND_MIXER_VOLUME 主音量調(diào)節(jié) SOUND_MIXER_BASS 低音控制 SOUND_MIXER_TREBLE 高音控制 SOUND_MIXER_SYNTH FM合成器 SOUND_MIXER_PCM 主D/A轉(zhuǎn)換器 SOUND_MIXER_SPEAKER PC喇叭 SOUND_MIXER_LINE 音頻線輸入 SOUND_MIXER_MIC 麥克風(fēng)輸入 SOUND_MIXER_CD CD輸入 SOUND_MIXER_IMIX 回放音量 SOUND_MIXER_ALTPCM 從D/A 轉(zhuǎn)換器 SOUND_MIXER_RECLEV 錄音音量 SOUND_MIXER_IGAIN 輸入增益 SOUND_MIXER_OGAIN 輸出增益 SOUND_MIXER_LINE1 聲卡的第1輸入 SOUND_MIXER_LINE2 聲卡的第2輸入 SOUND_MIXER_LINE3 聲卡的第3輸入表1 混音器命令
對(duì)聲卡的輸入增益和輸出增益進(jìn)行調(diào)節(jié)是混音器的一個(gè)主要作用，目前大部分聲卡采用的是8位或者16位的增益控制器，但作為程序員來(lái)講并不需要關(guān)心這些，因?yàn)槁暱?qū)動(dòng)程序會(huì)負(fù)責(zé)將它們變換成百分比的形式，也就是說(shuō)無(wú)論是輸入增益還是輸出增益，其取值范圍都是從0到100。在進(jìn)行混音器編程時(shí)，可以使用SOUND_MIXER_READ宏來(lái)讀取混音通道的增益大小，例如在獲取麥克風(fēng)的輸入增益時(shí)，可以使用如下的代碼：
int vol;
ioctl(fd, SOUND_MIXER_READ(SOUND_MIXER_MIC), &vol);
printf("Mic gain is at %d %%n", vol);
對(duì)于只有一個(gè)混音通道的單聲道設(shè)備來(lái)說(shuō)，返回的增益大小保存在低位字節(jié)中。而對(duì)于支持多個(gè)混音通道的雙聲道設(shè)備來(lái)說(shuō)，返回的增益大小實(shí)際上包括兩個(gè)部分，分別代表左、右兩個(gè)聲道的值，其中低位字節(jié)保存左聲道的音量，而高位字節(jié)則保存右聲道的音量。下面的代碼可以從返回值中依次提取左右聲道的增益大?。?/p>
int left, right;
left = vol & 0xff;
right = (vol & 0xff00) >> 8;
printf("Left gain is %d %%, Right gain is %d %%n", left, right);
類似地，如果想設(shè)置混音通道的增益大小，則可以通過(guò)SOUND_MIXER_WRITE宏來(lái)實(shí)現(xiàn)，此時(shí)遵循的原則與獲取增益值時(shí)的原則基本相同，例如下面的語(yǔ)句可以用來(lái)設(shè)置麥克風(fēng)的輸入增益：
vol = (right << 8) + left;
ioctl(fd, SOUND_MIXER_WRITE(SOUND_MIXER_MIC), &vol);
在編寫實(shí)用的音頻程序時(shí)，混音器是在涉及到兼容性時(shí)需要重點(diǎn)考慮的一個(gè)對(duì)象，這是因?yàn)椴煌穆暱ㄋ峁┑幕煲羝髻Y源是有所區(qū)別的。聲卡驅(qū)動(dòng)程序提供了多個(gè)ioctl系統(tǒng)調(diào)用來(lái)獲得混音器的信息，它們通常返回一個(gè)整型的位掩碼（bitmask），其中每一位分別代表一個(gè)特定的混音通道，如果相應(yīng)的位為1，則說(shuō)明與之對(duì)應(yīng)的混音通道是可用的。例如通過(guò)SOUND_MIXER_READ_DEVMASK返回的位掩碼，可以查詢出能夠被聲卡支持的每一個(gè)混音通道，而通過(guò)SOUND_MIXER_READ_RECMAS返回的位掩碼，則可以查詢出能夠被當(dāng)作錄音源的每一個(gè)通道。下面的代碼可以用來(lái)檢查CD輸入是否是一個(gè)有效的混音通道：
ioctl(fd, SOUND_MIXER_READ_DEVMASK, &devmask);
if (devmask & SOUND_MIXER_CD)
printf("The CD input is supported");
如果進(jìn)一步還想知道其是否是一個(gè)有效的錄音源，則可以使用如下語(yǔ)句：
ioctl(fd, SOUND_MIXER_READ_RECMASK, &recmask);
if (recmask & SOUND_MIXER_CD)
printf("The CD input can be a recording source");
目前大多數(shù)聲卡提供多個(gè)錄音源，通過(guò)SOUND_MIXER_READ_RECSRC可以查詢出當(dāng)前正在使用的錄音源，同一時(shí)刻能夠使用幾個(gè)錄音源是由聲卡硬件決定的。類似地，使用SOUND_MIXER_WRITE_RECSRC可以設(shè)置聲卡當(dāng)前使用的錄音源，例如下面的代碼可以將CD輸入作為聲卡的錄音源使用：
devmask = SOUND_MIXER_CD;
ioctl(fd, SOUND_MIXER_WRITE_DEVMASK, &devmask);
此外，所有的混音通道都有單聲道和雙聲道的區(qū)別，如果需要知道哪些混音通道提供了對(duì)立體聲的支持，可以通過(guò)SOUND_MIXER_READ_STEREODEVS來(lái)獲得。
4.3 音頻錄放框架
下面給出一個(gè)利用聲卡上的DSP設(shè)備進(jìn)行聲音錄制和回放的基本框架，它的功能是先錄制幾秒種音頻數(shù)據(jù)，將其存放在內(nèi)存緩沖區(qū)中，然后再進(jìn)行回放，其所有的功能都是通過(guò)讀寫/dev/dsp設(shè)備文件來(lái)完成的：
/*
* sound.c
*/
#include
#include
#include
#include
#include
#include
#include
#define LENGTH 3 /* 存儲(chǔ)秒數(shù) */
#define RATE 8000 /* 采樣頻率 */
#define SIZE 8 /* 量化位數(shù) */
#define CHANNELS 1 /* 聲道數(shù)目 */
/* 用于保存數(shù)字音頻數(shù)據(jù)的內(nèi)存緩沖區(qū) */
unsigned char buf[LENGTH*RATE*SIZE*CHANNELS/8];
int main()
{
int fd; /* 聲音設(shè)備的文件描述符 */
int arg; /* 用于ioctl調(diào)用的參數(shù) */
int status; /* 系統(tǒng)調(diào)用的返回值 */
/* 打開(kāi)聲音設(shè)備 */
fd = open("/dev/dsp", O_RDWR);
if (fd < 0) {
perror("open of /dev/dsp failed");
exit(1);
}
/* 設(shè)置采樣時(shí)的量化位數(shù) */
arg = SIZE;
status = ioctl(fd, SOUND_PCM_WRITE_BITS, &arg);
if (status == -1)
perror("SOUND_PCM_WRITE_BITS ioctl failed");
if (arg != SIZE)
perror("unable to set sample size");
/* 設(shè)置采樣時(shí)的聲道數(shù)目 */
arg = CHANNELS;
status = ioctl(fd, SOUND_PCM_WRITE_CHANNELS, &arg);
if (status == -1)
perror("SOUND_PCM_WRITE_CHANNELS ioctl failed");
if (arg != CHANNELS)
perror("unable to set number of channels");
/* 設(shè)置采樣時(shí)的采樣頻率 */
arg = RATE;
status = ioctl(fd, SOUND_PCM_WRITE_RATE, &arg);
if (status == -1)
perror("SOUND_PCM_WRITE_WRITE ioctl failed");
/* 循環(huán)，直到按下Control-C */
while (1) {
printf("Say something:n");
status = read(fd, buf, sizeof(buf)); /* 錄音 */
if (status != sizeof(buf))
perror("read wrong number of bytes");
printf("You said:n");
status = write(fd, buf, sizeof(buf)); /* 回放 */
if (status != sizeof(buf))
perror("wrote wrong number of bytes");
/* 在繼續(xù)錄音前等待回放結(jié)束 */
status = ioctl(fd, SOUND_PCM_SYNC, 0);
if (status == -1)
perror("SOUND_PCM_SYNC ioctl failed");
}
}
4.4 混音器框架
下面再給出一個(gè)對(duì)混音器進(jìn)行編程的基本框架，利用它可以對(duì)各種混音通道的增益進(jìn)行調(diào)節(jié)，其所有的功能都是通過(guò)讀寫/dev/mixer設(shè)備文件來(lái)完成的：
/*
* mixer.c
*/
#include
#include
#include
#include
#include
#include
/* 用來(lái)存儲(chǔ)所有可用混音設(shè)備的名稱 */
const char *sound_device_names[] = SOUND_DEVICE_NAMES;
int fd; /* 混音設(shè)備所對(duì)應(yīng)的文件描述符 */
int devmask, stereodevs; /* 混音器信息對(duì)應(yīng)的位圖掩碼 */
char *name;
/* 顯示命令的使用方法及所有可用的混音設(shè)備 */
void usage()
{
int i;
fprintf(stderr, "usage: %s n"
" %s nn"
"Where is one of:n", name, name);
for (i = 0 ; i < SOUND_MIXER_NRDEVICES ; i++)
if ((1 << i) & devmask) /* 只顯示有效的混音設(shè)備 */
fprintf(stderr, "%s ", sound_device_names[i]);
fprintf(stderr, "n");
exit(1);
}
int main(int argc, char *argv[])
{
int left, right, level; /* 增益設(shè)置 */
int status; /* 系統(tǒng)調(diào)用的返回值 */
int device; /* 選用的混音設(shè)備 */
char *dev; /* 混音設(shè)備的名稱 */
int i;
name = argv[0];
/* 以只讀方式打開(kāi)混音設(shè)備 */
fd = open("/dev/mixer", O_RDONLY);
if (fd == -1) {
perror("unable to open /dev/mixer");
exit(1);
}
/* 獲得所需要的信息 */
status = ioctl(fd, SOUND_MIXER_READ_DEVMASK, &devmask);
if (status == -1)
perror("SOUND_MIXER_READ_DEVMASK ioctl failed");
status = ioctl(fd, SOUND_MIXER_READ_STEREODEVS, &stereodevs);
if (status == -1)
perror("SOUND_MIXER_READ_STEREODEVS ioctl failed");
/* 檢查用戶輸入 */
if (argc != 3 && argc != 4)
usage();
/* 保存用戶輸入的混音器名稱 */
dev = argv[1];
/* 確定即將用到的混音設(shè)備 */
for (i = 0 ; i < SOUND_MIXER_NRDEVICES ; i++)
if (((1 << i) & devmask) && !strcmp(dev, sound_device_names[i]))
break;
if (i == SOUND_MIXER_NRDEVICES) { /* 沒(méi)有找到匹配項(xiàng) */
fprintf(stderr, "%s is not a valid mixer devicen", dev);
usage();
}
/* 查找到有效的混音設(shè)備 */
device = i;
/* 獲取增益值 */
if (argc == 4) {
/* 左、右聲道均給定 */
left = atoi(argv[2]);
right = atoi(argv[3]);
} else {
/* 左、右聲道設(shè)為相等 */
left = atoi(argv[2]);
right = atoi(argv[2]);
}
/* 對(duì)非立體聲設(shè)備給出警告信息 */
if ((left != right) && !((1 << i) & stereodevs)) {
fprintf(stderr, "warning: %s is not a stereo devicen", dev);
}
/* 將兩個(gè)聲道的值合到同一變量中 */
level = (right << 8) + left;
/* 設(shè)置增益 */
status = ioctl(fd, MIXER_WRITE(device), &level);
if (status == -1) {
perror("MIXER_WRITE ioctl failed");
exit(1);
}
/* 獲得從驅(qū)動(dòng)返回的左右聲道的增益 */
left = level & 0xff;
right = (level & 0xff00) >> 8;
/* 顯示實(shí)際設(shè)置的增益 */
fprintf(stderr, "%s gain set to %d%% / %d%%n", dev, left, right);
/* 關(guān)閉混音設(shè)備 */
close(fd);
return 0;
}
編譯好上面的程序之后，先不帶任何參數(shù)執(zhí)行一遍，此時(shí)會(huì)列出聲卡上所有可用的混音通道：
[xiaowp@linuxgam sound]$ ./mixer
usage: ./mixer
./mixer
Where is one of:
vol pcm speaker line mic cd igain line1 phin video
之后就可以很方便地設(shè)置各個(gè)混音通道的增益大小了，例如下面的命令就能夠?qū)D輸入的左、右聲道的增益分別設(shè)置為80%和90%：
[xiaowp@linuxgam sound]$ ./mixer cd 80 90
cd gain set to 80% / 90%
回頁(yè)首
五、小結(jié)
隨著Linux平臺(tái)下多媒體應(yīng)用的逐漸深入，需要用到數(shù)字音頻的場(chǎng)合必將越來(lái)越廣泛。雖然數(shù)字音頻牽涉到的概念非常多，但在Linux下進(jìn)行最基本的音頻編程卻并不十分復(fù)雜，關(guān)鍵是掌握如何與OSS或者ALSA這類聲卡驅(qū)動(dòng)程序進(jìn)行交互，以及如何充分利用它們提供的各種功能，熟悉一些最基本的音頻編程框架和模式對(duì)初學(xué)者來(lái)講大有裨益。
參考資料
1. OSS是Linux上最早出現(xiàn)的聲卡驅(qū)動(dòng)程序，http://www.opensound.com是它的核心網(wǎng)站，從中可以了解到許多與OSS相關(guān)的信息。2. ALSA是目前廣泛使用的Linux聲卡驅(qū)動(dòng)程序，并且提供了一些庫(kù)函數(shù)來(lái)簡(jiǎn)化音頻程序的編寫，在其官方網(wǎng)站http://www.alsa-project.org/上可以了解到ALSA的許多信息，并能夠下載到最新的驅(qū)動(dòng)程序和工具軟件。
3. Ken C. Pohlmann著，蘇菲譯，數(shù)字音頻原理與應(yīng)用（第四合版），北京：電子工業(yè)出版社，2002
4. 鐘玉琢等編著，多媒體技術(shù)及其應(yīng)用，北京：機(jī)械工業(yè)出版社，2003
下載文檔
