具体描述
本书是作者根据多年的工作经验而总结出来的有关Windows平台下数字音频规范与程序设计的一手资料，由浅入深地介绍了当今多数主流音频相关的技术规范与编程实现，适合于对数字音频感兴趣、准备或正在从事数字音频相关工作和开发的用户。
本书共分11章，涵盖了Windows平台下数字音频相关规范与编程的许多方面，详细介绍了Windows系统下高层与底层的多媒体音频接口（API）；WAVE音频的全面解析、播放与录音；MIDI音乐的全面解析、播放与录制；USB MIDI驱动设计；MP3的格式与编解码；乐音的基频检测；音频混音器原理与编程；低延迟ASIO音频驱动开发；普通音频插件与VST(i)插件的设计；游戏开发中经常使用的DirectSound播放与录制等。
本书最大的特色是不但针对多媒体音频应用程序的开发做了较全面的介绍，可以满足大部分常规音频编程用户的需求，而且对音频驱动的开发也做了较多的切入。其中一部分是作者近几年独自研究的成果，对于有这方面需求的读者来说都是很宝贵的参考资料。
本书结构清晰，逻辑严密，内容具体且涉及面广泛，不但是从事多媒体（音频）开发与应用的广大开发人员的技术指导书，同时也可作为各高等院校相关专业、非相关专业师生重要的参考读物。
本书中每章都提供了一个或多个经典的编程实例程序，附带在光盘中赠送，光盘中提供了所有章节中实例程序的Visual C++源代码。
作者简介
目录信息
第一章 Windows音频体系与VC++开发基础
1.1 认识声音与音频
1.2 Windows音频体系层次结构
1.2.1 用户模式与内核模式
1.2.2 关于声音的延迟问题及解决方法
1.3 VC++开发基础
1.3.1 区分C、C++和VC++三者的关系
1.3.2 事件驱动与消息处理
1.3.3 开发环境概述
1.3.4 MFC概述
1.3.5 利用向导创建一个简单的对话框程序
第二章 MCI与MMAPI多媒体编程接口
2.1 MCI简介
2.1.1 MCI逻辑结构
2.1.2 MCI接口、函数与命令
2.1.3 MCI消息与宏定义
2.2 MCI编程步骤
2.3 MCI编程实例
2.3.1 播放CD
2.3.2 WAV播放与录音
2.3.3 基于MCIWnd的多媒体播放器
2.4 MMAPI简介
2.4.1 四种多媒体文件IO
2.4.2 波形音频处理
2.4.3 MIDI的流缓冲区与非流缓冲区处理
2.4.4 多媒体定时器
第三章 WAVE格式及播放与录制
3.1 认识WAVE
3.2 WAVE文件结构
3.3 采样点与采样帧的区别
3.4 WAVE中常用的一些块
3.4.1 格式块
3.4.2 数据块
3.4.3 提示块
3.4.4 播放列表块
3.4.5 关联数据块
3.4.6 采样块
3.5 多媒体波形音频函数
3.6 波形音频处理的回调机制
3.7 WAVE播放
3.7.1 WAVE播放基本流程
3.7.2 双缓冲播放机制
3.7.3 关于死锁的问题
3.8 WAVE录音
3.9 程序实例
3.9.1 WAVE文件解析及分离与合并
3.9.2 WAVE播放器
3.9.3 WAVE录音机
第四章 MIDI标准与程序设计
4.1 什么是MIDI
4.1.1 MIDI硬件接口
4.1.2 MIDI设备连接
4.1.3 MIDI通讯方式
4.2 MIDI信息
4.2.1 MIDI音乐制作
4.2.2 通道信息
4.2.3 控制器
4.2.4 系统信息
4.2.5 运行状态
4.3 其他MIDI规范
4.4 GM、GS与XG
4.5 GM2
4.6 MIDI文件格式
3.6.1 头部信息
3.6.2 轨道信息
3.6.3 Meta信息
4.7 MIDI文件示例
4.8 与MIDI相关的时间计算
4.8.1 BPM
4.8.2 PPNQClock
4.8.3 MIDIClock
4.8.4 SMPTE
4.9 程序实例
4.9.1 MIDI设备枚举、播放与录制
4.9.2 MIDI信息发送器
4.9.3 鼓速测试工具
4.9.4 MIDI播放器
4.9.5 截获MIDI信息
4.10 USBMIDI概述
4.11 USBMIDI的实现机制
4.12 USB-MIDI功能器件
4.12.1 MIDI流接口
4.12.2 拓扑结构
4.12.3 USB-MIDI转换器
4.12.4 元件
4.13 USB-MIDI数据格式
4.14 USB-MIDI操作模型
4.14.1 主机到USB-MIDI功能器件的通讯
4.14.2 USB-MIDI功能器件到主机的通讯
4.14.3 高带宽数据传输机制
4.15 USB-MIDI描述符
4.15.1 MIDI流接口描述符
4.15.2 MIDI流端点描述符
4.16 USBMIDI驱动设计
4.16.1 用户模式音频驱动程序
4.16.2 用户模式音频驱动的入口点
4.16.3 用户模式音频驱动入口点消息
4.16.4 用户模式音频驱动通知客户端
4.16.5 用户模式音频驱动的安装
4.17 USB驱动程序
4.17.1 IRP的分层处理
4.17.2 IRP的基本结构与内容
4.17.3 驱动对象与设备对象
4.17.4 核心模式驱动的入口点
4.17.5 USB驱动程序的设计步骤
4.18 户模式音频驱动几个上层接口的实现
第五章 数字音乐合成
5.1 合成器概述
5.2 MIDI的发音原理
5.3 FM合成原理
5.4 波表合成
5.4.1 波表合成器工作原理
5.4.2 波表合成的关键技术
5.4.3 频率变换
5.4.4 循环(LOOP)
5.4.5 波表合成器的衡量指标
5.5 软波表与硬波表
5.6 音色制作
5.6.1 样本准备与分配
5.6.2 样本参数调整
5.6.3 音色参数调整
5.6.4 设置效果参数
5.6.5 保存音色文件
第六章 音频混音器
6.1 混音器原理
6.1.1 声卡硬件模型
6.1.2 音频线路
6.1.3 控件
6.2 混音器编程
6.2.1 MixerAPI函数介绍
6.2.2 枚举系统中的混音器设备
6.2.3 打开混音器设备
6.2.4 枚举音频线路
6.2.5 获取音频线路信息
6.2.6 枚举音频线路的相关控件
6.2.7 获取与线路相关的所有控件信息
6.2.8 通过控件ID获取控件信息
6.2.9 通过控件类型获取控件信息
6.2.10 获取或设置控件之值
6.2.11 多声道控件
6.2.12 多条目控件
6.2.13 混音器专用信息
6.3 程序实例-混音器调节软件
第七章 音频插件设计
7.1 插件的实现原理
7.2 基于动态链接库的方法实现DLL插件
7.2.1 定义插件接口结构
7.2.2 实现插件的功能
7.2.3 插件管理
7.3 实现一个支持三种插件类型的MINI播放器
7.3.1 主程序设计
7.3.2 输入型插件设计
7.3.3 常规型插件设计
7.3.4 输出型插件设计
7.4 给Winamp写一个MIDI键盘插件
7.4.1 确定插件的类型
7.4.2 截获系统API
7.4.3 实现插件功能
7.5 基于ATL的方法实现COM插件
7.6 VST插件概述
7.7 VSTSDK与VST的音频数据处理
7.8 创建一个最简单的VST插件
7.9 设计一个StereoDelay效果的VST插件
7.10 VSTXML文件
7.11 设计一个简单的FM合成器插件
7.11.1 什么是FM合成
7.11.2 用到哪些VST(i)函数
7.11.3 波形产生器
7.11.4 包络发生器
7.11.5 频率比
7.11.6 低频振荡器
7.11.7 合成信号路径
7.11.8 合成实现
7.11.9 音高测试
7.11.10 谐振频率测试
7.12 VSTGUI编程
7.12.1 创建一个最简单GUI的VST插件
7.12.2 几种常用GUI控件的使用方法
7.12.3 监听器与控件标识符
7.13 实现一个自行设计界面的RingModulator插件
7.14 VST宿主程序设计
第八章 基音的时频域检测
8.1 概述
8.2 音乐信号的前期处理
8.2.1 信号数字化
8.2.2 取音框
8.2.3 静音与杂音处理
8.3 时域基频检测方法
8.3.1 自相关函数法
8.3.2 自相关函数法的程序实例
8.3.3 平均振幅差函数法
8.3.4 平均振幅差函数法的程序实例
8.4 频域基频检测方法
8.4.1 傅里叶变换的原理及其物理意义
8.4.2 快速傅里叶变换法
8.4.3 快速傅里叶变换法的程序实例
8.4.4 谐波积频谱法
8.4.5 谐波积频谱法的程序实例
8.4.6 倒谱法
8.4.7 极大似然法
8.5 时频域检测方法
8.5.1 小波变换法
8.5.2 ACF与AMDF结合法
8.5.3 ACF与AMDF相结合的程序实例
8.6 基频检测的后期处理
8.7 软件调音器的设计
第九章 ASIO音频驱动设计
9.1 何为ASIO
9.2 用户层ASIO驱动设计
9.2.1 ASIO的有限状态机
9.2.2 音频数据流的传输
9.2.3 ASIO驱动接口
9.2.4 数据同步
9.2.5 四个重要的回调函数
9.2.6 几个重要的数据结构
9.2.7 输入输出延迟问题
9.3 用户层ASIO驱动的实现
9.3.1 准备工作
9.3.2 添加自注册功能
9.3.3 实现IASIO的所有接口
9.4 在音频软件中使用ASIO驱动
9.4.1 ASIO播放
9.4.2 ASIO录音
第十章 MP3编解码
10.1 MP3简介
10.2 MP3文件格式
10.2.1 TAG_V2（ID3V2）
10.2.1.1 标签头
10.2.1.2 扩展标签头
10.2.1.3 标签帧
10.2.2 帧（Frame）
10.2.2.1 帧头（FRAME_HEADER）
10.2.2.2 音频数据（AUDIO_DATA）
10.2.3 TAG_V1（ID3V1）
10.3 程序实例-MP3文件分析
10.4 MP3编码的基本概念
10.4.1 奈奎斯特定理
10.4.2 非均匀量化
10.4.3 霍夫曼编码
10.4.4 离散余弦变换
10.4.5 心理声学模型
10.4.5.1 静音门槛曲线
10.4.5.2 临界频带
10.4.5.3 屏蔽效应
10.4.5.4 感知熵
10.4.5.5 第二心理声学模型
10.4.5.6 滤波器组
10.4.5.7 比特分配与非均匀量化
10.4.5.8 霍夫曼编码
10.4.5.9 封装成帧
10.5 MP3编码过程
10.5.1 编码框架
10.5.2 心理声学模型
10.5.2.1 汉宁窗快速傅里叶变换FFT
10.5.2.2 非预测值计算
10.5.2.3 计算长块阈值（第一部分）
10.5.2.4 计算感知熵PE
10.5.2.5 长块阈值计算（第二部分）
10.5.2.6 短块阈值计算
10.5.3 分析滤波器组
10.5.4 MDCT
10.5.4.1 窗框选择
10.5.4.2 改进的离散余弦变换
10.5.5 长窗混叠处理
10.5.6 非均匀量化与编码
10.5.6.1 帧循环的准备工作
10.5.6.2 外层循环（失真控制）
10.5.6.3 内层循环（速率控制）
10.5.7 格式化
10.6 MP3解码过程
10.6.1 帧头信息处理
10.6.2 帧边信息处理
10.6.3 解码比例因子信息
10.6.3.1 长块（LongBlock）
10.6.3.2 短块（ShortBlock）
10.6.3.3 混合块（MixBlock）
10.6.4 解码霍夫曼编码
10.6.4.1 解码Zeros区
10.6.4.2 解码Count1区
10.6.4.3 解码BigValues区
10.6.5 非均匀反量化
10.6.6 重新排序
10.6.7 立体声处理
10.6.8 混叠消除
10.6.9 IMDCT反余弦变换
10.6.10 频率反转
10.6.11 多相合成滤波器
10.7 程序实例
10.7.1 MP3文件解析
10.7.2 MP3的实时录制
10.7.2.1 编译LAME
10.7.2.2 Lame-EncDLL接口函数使用与说明
10.7.2.3 录制原始波形音频数据
10.7.2.4 WAVE转MP3
10.7.3 MP3播放器
10.7.4 Libmad源码分析
第十一章 DirectSound开与应用
11.1 DirectX概述
11.2 DirectSound简介
11.2.1 DirectSound的功能组成与组件对象
11.2.2 DirectSound的缓冲区
11.2.3 DirectSound的数据结构
11.3 DirectSound播放
11.3.1 VC++编译环境配置
11.3.2 DirectSound回放的基本过程
11.3.3 枚举系统输出声音设备
11.3.4 创建DirectSound对象
11.3.5 设置声音设备的协作等级
11.3.6 创建声音缓冲区对象
11.3.7 加载WAVE声音数据
11.3.8 声音缓冲区回放
11.3.9 声音缓冲区控制
11.3.10 混音
11.3.11 3D音效和声音效果
11.3.12 DirectSound3D收听者
11.3.13 设置声音特效
11.4 DirectSound录音
11.4.1 枚举系统录音设备
11.4.2 创建设备对象
11.4.3 获取录音设备的性能
11.4.4 创建录音缓冲区
11.4.5 获取录音缓冲区信息
11.4.6 为录音缓冲区对象设置通知机制
11.4.7 开始录音
11.5 使用DirecSound中的效果
11.5.1 在缓冲区中设置效果
11.5.2 混响（Reverb）
11.5.3 合唱（Chorus）
11.5.4 回响（Echo）
11.5.5 镶边（Flanger）
11.5.6 参量均衡（ParametricEQ）
11.5.7 咕噜（Gargle）
11.5.8 失真（Distortion）
11.5.9 压缩（Compression）
11.6 扬声器配置
11.6.1 设置扬声器配置
11.6.2 获取扬声器配置
11.7 程序实例
11.7.1 DirectSound播放
11.7.2 DirectSound录音
11.7.3 DirectSound效果器
· · · · · · (收起)
读后感
用户评价
这本书的叙事风格非常独特，它没有采用那种教科书式的刻板说教，反而更像是一位经验老道的音频工程师在给你进行一对一的“内幕”传授。阅读过程中，我几次停下来，拿起我的音频接口和DAW软件，试图将书中所述的理论立刻付诸实践。它对不同音频编码格式的介绍，远比我之前阅读的任何资料都要细致入微，从历史沿革到最新的压缩标准，都给出了深入的分析，并且明确指出了每种技术的优势与局限性。最让我印象深刻的是，作者在讨论程序设计实践时，那种“实战派”的作风。他没有停留在理想化的模型上，而是非常坦诚地探讨了在不同硬件平台和操作系统限制下，如何优化代码以达到最低延迟和最高效率的策略。这种将理论与工程实践无缝衔接的能力，是这本书最宝贵的地方。它让我深刻理解到，真正的“规范”不仅仅是标准文档，更是如何在资源有限的环境下，利用巧妙的算法去逼近完美声音体验的艺术。读完它，我感觉自己对音频处理的“黑匣子”有了更清晰的认识，不再仅仅是输入一段音频，然后期待某个完美的结果，而是能够主动地去设计、去调试、去掌控整个流程。
这本书的阅读体验，可以说是充满了一种挑战与成就感并存的乐趣。它毫不留情地深入到数字音频的“骨髓”之中，要求读者具备一定的数学和编程基础，但同时，它又像一位耐心且知识渊博的导师，总能在关键时刻提供清晰的桥梁，帮助读者跨越认知上的鸿沟。我特别喜欢其中关于音频渲染管线（Rendering Pipeline）的剖析部分，它将复杂的实时音频处理流程，拆解成了若干个可管理、可优化的模块，每一个模块的功能和输入输出都被描述得清清楚楚。这对于我理解现代数字音频工作站（DAW）的工作原理起到了决定性的作用。此外，书中所引用的案例和参考资料都具有很强的时效性和行业代表性，这保证了读者学到的知识是当前业界真正需要的“硬通货”。它不是一本为了凑字数的书，每一章、每一节的内容都紧密围绕着“如何高效、准确地处理数字声音”这一核心目标展开。读完这本书，我感觉自己像完成了一次高强度的技术马拉松，虽然过程艰辛，但最终获得的工程洞察力和技术深度是无可替代的。
这本书给我的感觉就像是走进了一个错综复杂但又充满秩序的电子乐园。从翻开第一页开始，那种对声音本质的探索欲望就被强烈地激发了。作者似乎并不满足于停留在理论的表层，而是扎实地将那些抽象的数字信号处理概念，通过精妙的实例和清晰的逻辑，构建成了一幅可以触摸、可以操作的蓝图。我尤其欣赏它在基础概念讲解时的那种严谨性，比如对采样定理的深入剖析，不仅仅是告诉你“是什么”，更重要的是解释了“为什么”以及在实际应用中会遇到哪些“陷阱”。读到后面处理算法的部分，那种醍醐灌顶的感觉尤其明显，仿佛那些原本晦涩难懂的傅里叶变换、滤波器设计，突然间变得不再是遥不可及的数学公式，而是解决实际音频问题的有效工具。这本书的结构安排非常合理，知识点层层递进，使得即便是对数字信号处理初学者来说，也能逐步建立起完整的知识体系。它不是那种读完后只留下几句口号的快餐读物，而是需要你沉下心来，反复推敲，才能真正领会其精髓的“内功心法”。对于任何想在音频技术领域深耕的人来说，这本书无疑是打地基时不可或缺的指南。
这本书的价值，我认为在于它构建了一个完整的“从概念到实现”的闭环思维模式。很多市面上的书籍要么过于侧重理论，让人不知如何下手；要么过于偏重代码示例，让人缺乏对原理的深层理解。而这本书巧妙地找到了一个平衡点。它首先为你打下坚实的数字信号处理基础，确保你明白声音在计算机中是如何被“量化”和“重构”的；随后，它会迅速过渡到行业内通用的标准和协议，比如各种接口规范、数据流的组织方式。更值得称赞的是，它对于“错误处理”和“容错设计”的讨论，这往往是新手容易忽略的环节。作者用实际案例展示了在数据传输或处理过程中，如何通过校验和、错误恢复机制来保证音频流的完整性。这种对鲁棒性的重视，体现了编写高质量音频程序的必备素养。读完后，我不再是机械地复制粘贴代码片段，而是能够根据具体应用场景，主动设计出既符合规范又具有高可靠性的音频处理流程。这本书确实让人对“专业”二字有了更深刻的体会。
我必须承认，初次接触这本书时，我对其中涉及到的一些高级数学工具感到有些畏惧。然而，作者的功力体现在他能将那些看似高深的理论，用一种极具画面感和工程逻辑的方式呈现出来。比如，在讲解噪声整形（Noise Shaping）和抖动（Dithering）时，他不仅仅是给出了数学公式，更是配以大量的图示和听觉上的比喻，让我清晰地感受到了这些技术对最终音质的微妙影响。这本书的精髓在于，它强迫你去思考“精度”与“效率”之间的永恒矛盾。在描述DSP实现细节的部分，作者展现了对底层硬件架构的深刻理解，他会提醒读者注意流水线延迟、缓存命中率等在软件层面往往容易被忽略的因素，这对于希望编写高性能音频代码的读者来说，简直是宝贵的经验之谈。总的来说，这本书就像是一份精心绘制的“数字音频世界地图”，它不仅标明了主要的城市（规范标准），还细致地标注了连接这些城市的路况、限速和潜在的危险路段（工程限制）。它提升的不仅仅是我的技术知识，更是我的系统性思维能力。
