宫商子
发表于 2010-7-4 09:23:33
马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有帐号？快速注册
x
音频基础* q& f) P5 F5 c7 ~$ J
6 A# w9 S7 Z' \9 c& e
一、模拟声音数字化原理& V6 b" }1 H. o3 o, O, u; U
声音是通过空气传播的一种连续的波，叫声波。声音的强弱体现在声波压力的大小上，音调的高低体现在声音的频率上。声音用电表示时，声音信号在时间和幅度上都是连续的模拟信号。 % n! A3 }4 ` U& m
声音进入计算机的第一步就是数字化，数字化实际上就是采样和量化。连续时间的离散化通过采样来实现。" b7 P" T# e! m* v% d
声音数字化需要回答两个问题：①每秒钟需要采集多少个声音样本，也就是采样频率(fs)是多少，②每个声音样本的位数(bit per sample，bps)应该是多少，也就是量化精度。采( m8 V7 z# m, x# F# F+ l3 I
1. 采样频率# x: `: p8 q! O; p
采样频率的高低是根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决定的。奈奎斯特理论指出，采样频率不应低于声音信号最高频率的两倍，这样才能把以数字表达的声音还原成原来的声音。采样的过程就是抽取某点的频率值，很显然，在一秒中内抽取的点越多，获取得频率信息更丰富，为了复原波形，一次振动中，必须有2个点的采样，人耳能够感觉到的最高频率为20kHz，因此要满足人耳的听觉要求，则需要至少每秒进行40k次采样，用40kHz表达，这个40kHz就是采样率。我们常见的CD，采样率为44.1kHz。电话话音的信号频率约为3.4 kHz，采样频率就选为8 kHz。0 ?) H2 M( C& [) W6 F' a2 A" L0 d; M
2. 量化精度
9 S2 ]3 I( ?+ n1 z Z( Z 光有频率信息是不够的，我们还必须纪录声音的幅度。量化位数越高，能表示的幅度的等级数越多。例如，每个声音样本用3bit表示，测得的声音样本值是在0～8的范围里。我们常见的CD位16bit的采样精度，即音量等级有2的16次方个。样本位数的大小影响到声音的质量，位数越多，声音的质量越高，而需要的存储空间也越多。
$ U3 R. q. ^: \5 o; h0 ]; {! x3. 压缩编码, d C$ w) O( q; _6 I' R
经过采样、量化得到的PCM数据就是数字音频信号了，可直接在计算机中传输和存储。但是这些数据的体积太庞大了！为了便于存储和传输，就需要进一步压缩，就出现了各种压缩算法，将PCM转换为MP3,AAC,WMA等格式。! I- ~7 {4 D1 z/ }) M( N
常见的用于语音(Voice)的编码有：EVRC (Enhanced Variable Rate Coder) 增强型可变速率编码，AMR、ADPCM、G.723.1、G.729等。常见的用于音频(Audio)的编码有：MP3、AAC、AAC+、WMA等
& q. |- Y" D% B, n* S! n二、问题
6 a$ t0 a* l V( v+ C) g9 t1、为什么要使用音频压缩技术？
# r& P7 ^/ k) n9 M A我们可以拿一个未压缩的CD文件(PCM音频流)和一个MP3文件作一下对比：
( y' `4 N+ H2 u! o) h6 J( Y' k2 APCM音频：一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码CD文件，它的数据速率则为 44.1K×16×2 =1411.2 Kbps，这个参数也被称为数据带宽。将码率除以8 bit,就可以得到这个CD的数据速率，即176.4KB/s。这表示存储一秒钟PCM编码的音频信号，需要176.4KB的空间。* e6 C" r! x9 |" i0 J( N
MP3音频：将这个WAV文件压缩成普通的MP3，44.1KHz，128Kbps的码率，它的数据速率为128Kbps/8=16KB/s。如下表所示：
7 j) D* u1 ]' y
0 S+ a9 h0 {0 h" M; y3 o8 N+ `
' p3 r& b* |" ~ | 比特率 | 存1秒音频数据所占空间 | CD(线性PCM) | 1411.2 Kbps | 176.4KB | MP3 | 128Kbps | 16KB | AAC | 96Kbps | 12KB | mp3PRO | 64Kbps | 8KB |
r* E% k( G* T! [/ x
表1 相同音质下各种音乐大小对比
2 N) u# }! X2 w5 C2、频率与采样率的关系: W" P% @3 \ u
采样率表示了每秒对原始信号采样的次数，我们常见到的音频文件采样率多为44.1KHz，这意味着什么呢？假设我们有2段正弦波信号，分别为20Hz和20KHz，长度均为一秒钟，以对应我们能听到的最低频和最高频，分别对这两段信号进行40KHz的采样，我们可以得到一个什么样的结果呢？结果是：20Hz的信号每次振动被采样了40K/20=2000次，而20K的信号每次振动只有2次采样。显然，在相同的采样率下，记录低频的信息远比高频的详细。这也是为什么有些音响发烧友指责CD有数码声不够真实的原因，CD的44.1KHz采样也无法保证高频信号被较好记录。要较好的记录高频信号，看来需要更高的采样率，于是有些朋友在捕捉CD音轨的时候使用48KHz的采样率，这是不可取的！这其实对音质没有任何好处，对抓轨软件来说，保持和CD提供的44.1KHz一样的采样率才是最佳音质的保证之一，而不是去提高它。较高的采样率只有相对模拟信号的时候才有用，如果被采样的信号是数字的，请不要去尝试提高采样率。: ]7 }: N, E: h$ Z' G6 Z
3、流特征
+ n$ |+ X. \ \; i6 u 随着网络的发展，人们对在线收听音乐提出了要求，因此也要求音频文件能够一边读一边播放，而不需要把这个文件全部读出后然后回放，这样就可以做到不用下载就可以实现收听了。也可以做到一边编码一边播放，正是这种特征，可以实现在线的直播，架设自己的数字广播电台成为了现实。
& a' F- X" g* e
3 b7 j2 `$ _6 U8 | |
|
|
|
|
|
|
|
|
[复制链接]
