音频的基本概念

1 音频的基本概念

1.1 音频的概念

音频数据的承载方式最常用的是脉冲编码调制 脉冲编码调制，即 PCM。

在自然界中， 声音是连续不断的，是一种模拟信号，那怎样才能把声音保存下来呢？

那就是把 声音数字化，即转换为数字信号。

我们知道声音是一种波，有自己的 振幅和频率，那么要保存声音，就要保存声音在各个时间点上的振幅。而 数字信号并不能连续保存所有时间点的振幅，事实上，并不需要保存连续的信号，就可以还原到人耳可接受的声音。

根据奈奎斯特采样定理 ： 为了不失真地恢复模拟信号， 采样频率应该不小于模拟信号频谱中最高频率的 中最高频率的 2倍。

根据以上分析，PCM 的采集步骤分为以下步骤：
模拟信号 模拟信号 -> 样 采样 -> 化 量化 -> 码 编码 -> 数字信号

音频到底是什么？
音频这个专业业术语， 人类能够听到的所有声音都称之为 音频，它可能包括噪音、 声音被录制下来以后，无论是说话声、歌声、乐器都可以通过数字音乐软件处理。把它制作成 CD，这时候所有的声音没有改变，因为 CD 本来就是音频文件的一种类型。而 音频只是储存在计算机里的声音。演讲和音乐，如果有计算机加上相应的音频卡 – 就是我们经常说的声卡，我们可以把所有的声音录制下来，声音的声学特性，音的高低都可以用计算机硬盘文件的方式储存下来。反过来，我们也可以把储存下来的音频文件通过一定的音频程序播放，还原以前录下的声音。

1.2 音频相关的术语

采样率：
采样率，即采样的频率。

上面提到，采样率要大于原声波频率的 采样率要大于原声波频率的 2 倍，人耳能听到的最高频率为 20kHz，所以为了满足人耳的听觉要求，采样率至少为 40kHz， 通常为 44.1kHz，更高的通常为 48kHz。

注意：人耳听觉频率范围[20Hz, 20KHz]。

采样位数：
涉及到上面提到的振幅量化。 波形振幅在模拟信号上也是连续的样本值，而在数字信号中，信号一般是不连续的，所以模拟信号量化以后，只能取一个近似的整数值，为了记录这些振幅值，采样器会采用一个固定的位数 采样器会采用一个固定的位数来记录这些振幅值，通常有8位 、16 位 、32位。

注意：位数越多，记录的值越准确，还原度越高。但是占用的硬盘空间越大。

音频编码：
由于数字信号是由 0，1 组成的，因此，需要将 幅度值转换为一系列 0 和 1 进行存储，也就是 编码，最后得到的数据就是数字信号：一串 一串 0 和 和 1 组成的数据组成的数据。

过程如下：

声道数：

声道数，是指 支持能不同发声（注意是不同声音）的音响的个数。

码率：
码率，是指一个数据流中每秒钟能通过的信息量，单位bps（bit per second）。

码率 = 采样率 * 采样位数 * 声道数。

音频格式：
是指要在计算机内播放或是处理音频文件，也就是要对声音文件进行数、模转换，这个过程同样由采 样和量化构成，人耳所能听到的声音，最低的频率是从 20Hz 起一直到最高频率 20KHZ，20KHz 以上人耳是听不到 的，因此音频文件格式的最大带宽是 20KHZ，故而采样速率需要介于 40~50KHZ 之间，而且对每个样本需要更多的量化比特数。

音频数字化的标准是每个样本 16 位-96dB 的信噪比，采用线性脉冲编码调制 PCM，每一量化步长都 具有相等的长度。在音频文件的制作中，正是采用这一标准。

常见的音频格式有 常见的音频格式有：CD 格式、WAVE（*.WAV）、 AIFF、MP3、MIDI、 AAC、WMA。