Linux音訊驅動-聲音採集過程
現實中的聲音是一段連續的訊號， 現在大部分的聲音是以離散的數字訊號儲存下來，例如CD、MP3音訊格式。 在儲存這些資訊時，考慮到對聲音質量和儲存的效率， 需要對聲音的幾個重要的基本屬性進行研究。
對於人類而言，聲音是通過物體震動而產生的聲波，通過介質傳播而能夠被人耳感知到的波動現象。能夠被人耳朵感知到的波動頻率在20到20KHz之間， 高於這個範圍稱為“超聲波”，低於此範圍稱為“次聲波”。
一些動物感知波動的頻率：
- 蝙蝠：1000～120000Hz
- 海豚：2000～100000Hz
- 貓：60～65000Hz
- 狗：15～50000Hz
- 人：20～20000Hz
聲波強度用分貝來表示， 它和聲波在單位時間內對垂直於傳播方向的單位面積產生的能量（聲強）的對數成正比。 波的振幅越大， 能量越大， 聲強也就越大。但這並不意味人能感覺的響度就越大！
聲波響度，一定強度的聲波作用於人耳所引起的辨別聲音的感覺成為響度。 響度是主觀的，它不僅取決於聲音的客觀物理強度， 還取決於聲音的頻率。 在強度相同時，1000Hz~4000Hz的聲音人耳聽起來最響。 在此範圍之外， 隨著頻率的升高或降低， 響度越來越弱。 當降至20Hz一下或者升高到20KHz人耳就很難聽到了。
音調是對聲波頻率的主觀反映，一般頻率越高音調越高。 聲波的強度對音調稍有影響， 當頻率一定時，聲隨著強增大，低頻音調顯得更低，高頻音調顯得更高。
聽閥表示聽力的好壞， 聽閥越高說明需要更高的聲強才能讓耳朵感受到聲音， 聽力越差， 反之聽力越好。辨別閥用來表示聽覺器官辨別聲音某種特性最小差異的能力
聲音的採集是在一段連續的訊號中， 採取離散的訊號， 採集密度用取樣率來表示。香濃取樣定理表明，取樣頻率必須大於被取樣訊號頻寬的兩倍。 如果訊號的頻寬是100Hz， 那麼為了避免混疊取樣率必須大於200Hz，否則不能從取樣訊號中回覆原始訊號。 如果取樣頻率遠遠高於2倍訊號頻寬，可以幫助避免混疊、改善解析度以及降低噪聲。 在數字領域中，經常採用的取樣率：
- 8,000 Hz - 電話所用取樣率, 對於人的說話已經足夠
- 11,025 Hz
- 22,050 Hz - 無線電廣播所用取樣率
- 32,000 Hz - miniDV 數碼視訊 camcorder、DAT (LP mode)所用取樣率
- 44,100 Hz - 音訊 CD, 也常用於 MPEG-1 音訊（VCD, SVCD, MP3）所用取樣率
- 47,250 Hz - Nippon Columbia (Denon)開發的世界上第一個商用 PCM 錄音機所用取樣率
- 48,000 Hz - miniDV、數字電視、DVD、DAT、電影和專業音訊所用的數字聲音所用取樣率
- 50,000 Hz - 二十世紀七十年代後期出現的 3M 和 Soundstream 開發的第一款商用數字錄音機所用取樣率
- 50,400 Hz - 三菱 X-80 數字錄音機所用所用取樣率
- 96,000 或者 192,000 Hz - DVD-Audio、一些 LPCM DVD 音軌、Blu-ray Disc（藍光碟）音軌、和 HD-DVD （高清晰度 DVD）音軌所用所用取樣率
如果取樣率越高，單位訊號的採集的樣本訊號就越多，訊號還原度也就越高。 從上面的不同的取樣率可以看到， 取樣率越高的訊號清晰度就越高，當然也要求更多的儲存空間。
除了採集率， 取樣位數也是一個重要的取樣指標， 它是對一個取樣精確度的表示。 它和取樣率共同影響訊號的採集的質量。 取樣位數是用來表示一個取樣訊號的長度。 對於人類而言，能接受聲音的頻率範圍是20Hz-20KHz, 所以取樣的頻率44.1KHz 以及16bit的取樣位數就可以有很好的保真能力（CD格式的取樣率和取樣位數）。因此我們可以計算出一張60分鐘的2聲道立體聲音樂CD的大小，3600*44100*(16*8)*2 bit ~= 604MB;
位元率也用來表示但是時間播放連續數字媒體的位元數量， 單位bit/s. 它是有采樣率和取樣位數共同決定的指標， 例如上述CD的位元率是44100*16*2bit/s = 1.4Mbit/s
儲存音訊的格式有很多種：
非壓縮格式：如目前最流行的WAV格式， 經常用來儲存原始錄音資料。
有失真壓縮格式：基於聲學心理學的模型，除去人耳很難或者根本聽不見的聲音， 例如一個很高的聲音後面跟著一個很低 的聲音。 MP3屬於這種。
無失真壓縮格式：壓縮時不產生質量或者資料的損失，解壓產生的資料和為解壓的資料完全相同。 要保證音樂的原始質量，就 應該選擇這種格式，APE， FLAC等等屬於這種。
多聲道格式: 容納2個聲道以上的格式微軟的WMA和蘋果的AAC， 這兩個格式是手版權限制的， 編碼器和解碼器需要授權才可以使用。