Linux音頻編程指南 收藏
級別: 中級
肖文鵬
自由軟件愛好者
2004 年 2 月 01 日
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。
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（A/D）。A/D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)：
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（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(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(dá)到DVD的音質(zhì)。
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(zhì)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(zhì)和音色都要優(yōu)于單聲道，但數(shù)字化后占據(jù)的存儲空間的大小要比單聲道多一倍。
二、聲卡驅(qū)動
出于對安全性方面的考慮，Linux下的應(yīng)用程序無法直接對聲卡這類硬件設(shè)備進行操作，而是必須通過內(nèi)核提供的驅(qū)動程序才能完成。在Linux上進行音頻編程的本質(zhì)就是要借助于驅(qū)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(shè)備直接相關(guān)并且對時序的要求非常嚴(yán)格，如果這些工作都交由應(yīng)用程序員來負(fù)責(zé)，那么對聲卡的編程將 變得異常復(fù)雜而困難起來，驅(qū)動程序的作用正是要屏蔽硬件的這些底層細(xì)節(jié)，從而簡化應(yīng)用程序的編寫。目前Linux下常用的聲卡驅(qū)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(nèi)核驅(qū)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(nèi)核模塊中的一部分 （OSS/Free）是與Linux內(nèi)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(jīng)成為在Linux下進行音頻編程的事實標(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，但它畢竟是一個沒有完全開放源代碼的商業(yè)產(chǎn)品，ALSA （Advanced Linux 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(qū)動程序。ALSA除了像OSS那樣提供了一組內(nèi) 核驅(qū)動程序模塊之外，還專門為簡化應(yīng)用程序的編寫提供了相應(yīng)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(shè)備
模塊化的內(nèi)核驅(qū)動程序
支持SMP和多線程
提供應(yīng)用開發(fā)函數(shù)庫
兼容OSS應(yīng)用程序
ALSA 和OSS最大的不同之處在于ALSA是由志愿者維護的自由項目，而OSS則是由公司提供的商業(yè)產(chǎn)品，因此在對硬件的適應(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(yīng)用程序員來講無疑是一個更佳的選擇。
三、編程接口
如何對各種音頻設(shè)備進行操作是在Linux上進行音頻編程的關(guān)鍵，通過內(nèi)核提供的一組系統(tǒng)調(diào)用，應(yīng)用程序能夠訪問聲卡驅(qū)動程序提供的各種音頻設(shè)備接口，這是在Linux下進行音頻編程最簡單也是最直接的方法。
3.1 訪問音頻設(shè)備
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（system call）。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： int open(const char *pathname, int flags, int mode);
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/dev/dsp。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read用來從聲卡讀取數(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)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write用來向聲卡寫入數(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)核就會阻塞當(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可以對聲卡進行控制，凡是對設(shè)備文件的操作不符合讀/寫基本模式的，都是通過ioctl來完成的，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)識符，它是在設(shè)備打開時獲得的；如果設(shè)備比較復(fù)雜，那么對它的控制請求相應(yīng)地也會有很多種，參數(shù)request的目的就是用來區(qū)分 不同的控制請求；通常說來，在對設(shè)備進行控制時還需要有其它參數(shù)，這要根據(jù)不同的控制請求才能確定，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)識符，它是在設(shè)備打開時獲得的。一旦應(yīng)用程序調(diào)用了close系統(tǒng)調(diào)用，Linux內(nèi)核就會釋放與之相關(guān)的各種資源，因此建議在不需要的時候盡量及時關(guān)閉已經(jīng)打開的設(shè)備。
3.2 音頻設(shè)備文件
對于Linux應(yīng)用程序員來講，音頻編程接口實際上就是一組音頻設(shè)備文件，通過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)動程序提供的最簡單的接口，通常它是一個只讀文件，作用也僅僅只限于匯報聲卡的當(dāng)前狀態(tài)。一般說來， /dev/sndstat是提供給最終用戶來檢測聲卡的，不宜用于程序當(dāng)中，因為所有的信息都可以通過ioctl系統(tǒng)調(diào)用來獲得。 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，它對于Linux下的音頻編程來講非常重要：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)換器進行錄音。目前許多聲卡都提供有多個數(shù)字采樣設(shè) 備，它們在Linux下可以通過/dev/dsp1等設(shè)備文件進行訪問。
DSP是數(shù)字信號處理器（Digital Signal Processor）的簡稱，它是用來進行數(shù)字信號處理的特殊芯片，聲卡使用它來實現(xiàn)模擬信號和數(shù)字信號的轉(zhuǎn)換。聲卡中的DSP設(shè)備實際上包含兩個組成部 分：在以只讀方式打開時，能夠使用A/D轉(zhuǎn)換器進行聲音的輸入；而在以只寫方式打開時，則能夠使用D/A轉(zhuǎn)換器進行聲音的輸出。嚴(yán)格說來，Linux下的 應(yīng)用程序要么以只讀方式打開/dev/dsp輸入聲音，要么以只寫方式打開/dev/dsp輸出聲音，但事實上某些聲卡驅(qū)動程序仍允許以讀寫的方式打開 /dev/dsp，以便同時進行聲音的輸入和輸出，這對于某些應(yīng)用場合（如IP電話）來講是非常關(guān)鍵的。
在從 DSP設(shè)備讀取數(shù)據(jù)時，從聲卡輸入的模擬信號經(jīng)過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)動程序的內(nèi)核緩沖區(qū)中，當(dāng)應(yīng)用程序通過 read系統(tǒng)調(diào)用從聲卡讀取數(shù)據(jù)時，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)的速度過慢，以致低于聲卡的采樣頻率，那么多余的數(shù)據(jù)將會被丟棄；如果 讀取數(shù)據(jù)的速度過快，以致高于聲卡的采樣頻率，那么聲卡驅(qū)動程序?qū)枞切┱埱髷?shù)據(jù)的應(yīng)用程序，直到新的數(shù)據(jù)到來為止。
在向 DSP設(shè)備寫入數(shù)據(jù)時，數(shù)字信號會經(jīng)過D/A轉(zhuǎn)換器變成模擬信號，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，否則過慢的話 會產(chǎn)生聲音暫?；蛘咄ｎD的現(xiàn)象，過快的話又會被內(nèi)核中的聲卡驅(qū)動程序阻塞，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，聲卡通常不會支持非阻塞 （non-blocking）的I/O操作。
無論是從聲卡讀取數(shù)據(jù)，或是向聲卡寫入數(shù)據(jù)，事實上都具有特定的格式 （format），默認(rèn)為8位無符號數(shù)據(jù)、單聲道、8KHz采樣率，如果默認(rèn)值無法達(dá)到要求，可以通過ioctl系統(tǒng)調(diào)用來改變它們。通常說來，在應(yīng)用程 序中打開設(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)動程序提供了對 /dev/audio的支持，那么在Linux上就可以通過cat命令，來播放在Sun工作站上用mu-law進行編碼的音頻文件： [xiaowp@linuxgam sound]$ cat audio.au > /dev/audio
由于設(shè)備文件/dev/audio主要出于對兼容性的考慮，所以在新開發(fā)的應(yīng)用程序中最好不要嘗試用它，而應(yīng)該以/dev/dsp進行替代。對于應(yīng)用程序 來說，同一時刻只能使用/dev/audio或者/dev/dsp其中之一，因為它們是相同硬件的不同軟件接口。
/dev/mixer
在 聲卡的硬件電路中，混音器（mixer）是一個很重要的組成部分，它的作用是將多個信號組合或者疊加在一起，對于不同的聲卡來說，其混音器的作用可能各不 相同。運行在Linux內(nèi)核中的聲卡驅(qū)動程序一般都會提供/dev/mixer這一設(shè)備文件，它是應(yīng)用程序?qū)煲羝鬟M行操作的軟件接口?；煲羝麟娐吠ǔＳ?兩個部分組成：輸入混音器（input mixer）和輸出混音器（output mixer）。
輸入混音器負(fù)責(zé)從多個不同的信號源接收模擬 信號，這些信號源有時也被稱為混音通道或者混音設(shè)備。模擬信號通過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行級別（level）調(diào) 制，然后被送到輸入混音器中進行聲音的合成?；煲羝魃系碾娮娱_關(guān)可以控制哪些通道中有信號與混音器相連，有些聲卡只允許連接一個混音通道作為錄音的音源， 而有些聲卡則允許對混音通道做任意的連接。經(jīng)過輸入混音器處理后的信號仍然為模擬信號，它們將被送到A/D轉(zhuǎn)換器進行數(shù)字化處理。
輸出混音器 的工作原理與輸入混音器類似，同樣也有多個信號源與混音器相連，并且事先都經(jīng)過了增益調(diào)節(jié)。當(dāng)輸出混音器對所有的模擬信號進行了混合之后，通常還會有一個 總控增益調(diào)節(jié)器來控制輸出聲音的大小，此外還有一些音調(diào)控制器來調(diào)節(jié)輸出聲音的音調(diào)。經(jīng)過輸出混音器處理后的信號也是模擬信號，它們最終會被送給喇叭或者 其它的模擬輸出設(shè)備。對混音器的編程包括如何設(shè)置增益控制器的級別，以及怎樣在不同的音源間進行切換，這些操作通常來講是不連續(xù)的，而且不會像錄音或者放 音那樣需要占用大量的計算機資源。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兩個系統(tǒng)調(diào)用之外，大部分的操作都是通過 ioctl系統(tǒng)調(diào)用來完成的。與/dev/dsp不同，/dev/mixer允許多個應(yīng)用程序同時訪問，并且混音器的設(shè)置值會一直保持到對應(yīng)的設(shè)備文件被 關(guān)閉為止。
為了簡化應(yīng)用程序的設(shè)計，Linux上的聲卡驅(qū)動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，也就是說如果已經(jīng) 打開了 /dev/dsp，那么就不用再打開/dev/mixer來對混音器進行操作，而是可以直接用打開/dev/dsp時得到的文件標(biāo)識符來設(shè)置混音器。
/dev/sequencer
目前大多數(shù)聲卡驅(qū)動程序還會提供/dev/sequencer這一設(shè)備文件，用來對聲卡內(nèi)建的波表合成器進行操作，或者對MIDI總線上的樂器進行控制，一般只用于計算機音樂軟件中。
四、應(yīng)用框架
在Linux下進行音頻編程時，重點在于如何正確地操作聲卡驅(qū)動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，所以遵循一個通用的框架無疑將有助于簡化應(yīng)用程序的設(shè)計。
4.1 DSP編程
對 聲卡進行編程時首先要做的是打開與之對應(yīng)的硬件設(shè)備，這是借助于open系統(tǒng)調(diào)用來完成的，并且一般情況下使用的是/dev/dsp文件。采用何種模式對 聲卡進行操作也必須在打開設(shè)備時指定，對于不支持全雙工的聲卡來說，應(yīng)該使用只讀或者只寫的方式打開，只有那些支持全雙工的聲卡，才能以讀寫的方式打開， 并且還要依賴于驅(qū)動程序的具體實現(xiàn)。Linux允許應(yīng)用程序多次打開或者關(guān)閉與聲卡對應(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)之間進行切換， 建議在進行音頻編程時只要有可能就盡量使用只讀或者只寫的方式打開設(shè)備文件，因為這樣不僅能夠充分利用聲卡的硬件資源，而且還有利于驅(qū)動程序的優(yōu)化。下面 的代碼示范了如何以只寫方式打開聲卡進行放音（playback）操作：
int handle = open("/dev/dsp", O_WRONLY);if (handle == -1) { perror("open /dev/dsp"); return -1;}
運 行在Linux內(nèi)核中的聲卡驅(qū)動程序?qū)ｉT維護了一個緩沖區(qū)，其大小會影響到放音和錄音時的效果，使用ioctl系統(tǒng)調(diào)用可以對它的尺寸進行恰當(dāng)?shù)脑O(shè)置。調(diào) 節(jié)驅(qū)動程序中緩沖區(qū)大小的操作不是必須的，如果沒有特殊的要求，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 文件打開之后，這是因為對聲卡的其它操作有可能會導(dǎo)致驅(qū)動程序無法再修改其緩沖區(qū)的大小。下面的代碼示范了怎樣設(shè)置聲卡驅(qū)動程序中的內(nèi)核緩沖區(qū)的大?。?/div>
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，參數(shù)setting實際上由兩部分組成，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)的大小會被設(shè)置為65536字節(jié)。參數(shù)setting的高16位則用來標(biāo)明分 片（fragment）的最大序號，它的取值范圍從2一直到0x7FFF，其中0x7FFF表示沒有任何限制。
接下來要做的是設(shè)置聲卡工作時的聲道（channel）數(shù)目，根據(jù)硬件設(shè)備和驅(qū)動程序的具體情況，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=stereoint 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行音頻編程時需要考慮的另一個問題，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時將第二個參數(shù)的值設(shè)置為SNDCTL_DSP_SPEED，同時在第三個參數(shù)中指定采樣頻率的數(shù)值就行了。對于大多數(shù)聲卡來說，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)的所有頻率都會被硬件支持，在Linux下進行音頻編程時最常用到的幾種采 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混音通道組成，它們可以通過驅(qū)動程序提供的設(shè)備文件/dev/mixer進行編程。對混音器的操作是通過ioctl系統(tǒng)調(diào)用來完成的，并且所有控制命令都由SOUND_MIXER或者MIXER開頭，表1列出了常用的幾個混音器控制命令：
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 聲卡的輸入增益和輸出增益進行調(diào)節(jié)是混音器的一個主要作用，目前大部分聲卡采用的是8位或者16位的增益控制器，但作為程序員來講并不需要關(guān)心這些，因為 聲卡驅(qū)動程序會負(fù)責(zé)將它們變換成百分比的形式，也就是說無論是輸入增益還是輸出增益，其取值范圍都是從0到100。在進行混音器編程時，可以使用 SOUND_MIXER_READ宏來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，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 于只有一個混音通道的單聲道設(shè)備來說，返回的增益大小保存在低位字節(jié)中。而對于支持多個混音通道的雙聲道設(shè)備來說，返回的增益大小實際上包括兩個部分，分 別代表左、右兩個聲道的值，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?。?/div>
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SOUND_MIXER_WRITE宏來實現(xiàn)，此時遵循的原則與獲取增益值時的原則基本相同，例如下面的語句可以用來設(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 編寫實用的音頻程序時，混音器是在涉及到兼容性時需要重點考慮的一個對象，這是因為不同的聲卡所提供的混音器資源是有所區(qū)別的。聲卡驅(qū)動程序提供了多個 ioctl系統(tǒng)調(diào)用來獲得混音器的信息，它們通常返回一個整型的位掩碼（bitmask），其中每一位分別代表一個特定的混音通道，如果相應(yīng)的位為1，則 說明與之對應(yīng)的混音通道是可用的。例如通過 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混音通道，而通過 SOUND_MIXER_READ_RECMAS返回的位掩碼，則可以查詢出能夠被當(dāng)作錄音源的每一個通道。下面的代碼可以用來檢查CD輸入是否是一個有 效的混音通道：
ioctl(fd, SOUND_MIXER_READ_DEVMASK, &devmask);if (devmask & SOUND_MIXER_CD) printf("The CD input is supported");
如果進一步還想知道其是否是一個有效的錄音源，則可以使用如下語句：
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)聲卡提供多個錄音源，通過 SOUND_MIXER_READ_RECSRC可以查詢出當(dāng)前正在使用的錄音源，同一時刻能夠使用幾個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立體聲的支持，可以通過SOUND_MIXER_READ_STEREODEVS來獲得。
4.3 音頻錄放框架
下面給出一個利用聲卡上的DSP設(shè)備進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，然后再進行回放，其所有的功能都是通過讀寫/dev/dsp設(shè)備文件來完成的：
/* * sound.c */#include #include #include #include #include #include #include #define LENGTH 3 /* 存儲秒數(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
下面再給出一個對混音器進行編程的基本框架，利用它可以對各種混音通道的增益進行調(diào)節(jié)，其所有的功能都是通過讀寫/dev/mixer設(shè)備文件來完成的：
/* * mixer.c */#include #include #include #include #include #include /* 用來存儲所有可用混音設(shè)備的名稱 */const char *sound_device_names[] = SOUND_DEVICE_NAMES;int fd; /* 混音設(shè)備所對應(yīng)的文件描述符 */int devmask, stereodevs; /* 混音器信息對應(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 \n\n" "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) { /* 沒有找到匹配項 */ fprintf(stderr, "%s is not a valid mixer device\n", 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 device\n", dev); } /* 將兩個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)動返回的左右聲道的增益 */ left = level & 0xff; right = (level & 0xff00) >> 8; /* 顯示實際設(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，此時會列出聲卡上所有可用的混音通道：
[xiaowp@linuxgam sound]$ ./mixerusage: ./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 90cd gain set to 80% / 90%
五、小結(jié)
隨 著Linux平臺下多媒體應(yīng)用的逐漸深入，需要用到數(shù)字音頻的場合必將越來越廣泛。雖然數(shù)字音頻牽涉到的概念非常多，但在Linux下進行最基本的音頻編 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)動程序進行交互，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 模式對初學(xué)者來講大有裨益。
參考資料
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：機械工業(yè)出版社，2003
本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點擊舉報。
