目录

声音的本质声音的物理性质波形频率一个例子数字音频采样率采样量化（采样精度、采样深度）音频帧常见名词解释举例

声音的本质

声音是一种由物体震动引发的物理现象，如小提琴的弦声等。物体的震动使其四周空气的压强产生变化，这种护墙沪弱变化以波的形式向四周传播，当被人耳锁接收时，我们就听见了声音。

声音的物理性质

波形

声音是由物体的振动产生的，这种震动引起了周围空气压强的震荡，我们称这种震荡的函数表现形式为波形

振幅——音量调整

频率

声音的频率是周期的倒数，它表示的是声音再1秒时间内的周期数，单位是赫兹(Hz)、千赫(kHz)，即1000Hz，表示每秒震动一千次。

声音按频率可做如下划分

声音信号采集转为数字信号，参考的原理就是人耳能听见的声音。如果要采集频率非常高的声音信号，那么对采集设备的要求就非常高

一个例子

这是我做的采样率16k，16bit，1kHz的音源

放大后效果如下

这就是音频数据再计算机中的存储方式——数字音频

数字音频

主要从采样率、采样量化、编码来进行讲解

为什么需要采样？

计算机并不直接使用连续平滑的波形来表示声音，他是每隔固定的时间对波形的幅值进行采样，用得到的一系列数字量来表示声音，如下图

PCM（Pluse Code Modulaton）脉冲编码调制。

人耳听到的是模拟信号，PCM是把声音从模拟信号转化为数字信号的技术

采样率

采样率（也称为采样速度或者采样频率）定义了每秒从连续信号中提取并组成离散信号的采样个数，单位用赫兹（Hz）来表示。

采样频率的倒数是采样周期（也称为采样时间），它表示采样之间的时间间隔。这里要注意不要将采样率与位速相混淆。

根据Nyguist（耐奎斯特）采样定律，要从采样中完全回复原始信号波形，采样频率必须至少是信号中最高频率的两倍。

人耳能听到的是[20, 20k]Hz频率的声音，所以采样率一般为40kHZ，为了不使其造成低频失真，所以CD质量采样率使用44.1KHz，z这样就能保证声音到达20kHz也能被数字化，从而使得经过数字化处理之后，人耳听到的声音质量不会被降低

采样量化（采样精度、采样深度）

采样是再离散的时间点上进行的，而采样值本身再计算机中夜视离散的。

采样的精度取决于它用多少位来表示，这就是量化。

如8bit量化可以表示256个不同的值，而CD质量的16bit量化可以表示65536个值，范围为[-32768,32767]

下图是一个3bit量化的示意图，可以看出3bit量化只能表示8个值:0.75,0.5,0.25,0,-0.25,-0.5,-0.75和-1，因而量化位数比较少，波形就很难辨认，还原后的声音质量也就越差（可能除了嗡嗡声之外什么都没有）

音频帧

音频和视频不一样，视频每一帧都是一张图像，音频数据是流式的，不同的编码格式各自不同的编码标准，拿PCM和MP3做一个对比。PCM因为没有压缩，根据采样率位宽等数据可以得到每秒的音频数据，并不需要帧的概念；MP3是因为压缩后信息比较多，则有了类似H264的帧概念，每一个帧都有帧头。

每帧的采样点 = 采样率 / 帧率帧率是我们自己定义的

MP3原理（待更）

常见名词解释

5.1声道常用于电影院，是环绕的立体声

码率就是单位时间内的音频数据量(bit)

以上的两个模式就是左右声道存储的方式

如果是四声道

交错存储方式就是1234 1234 1234 1234非交错存储方式是1111 2222 3333 4444

举例

如上图

采样频率4410，采样精度16bit，2通道(声道)，采集4分钟的数据

4410 x 16 x 2 x 4 x 60 = 338688000 bit338688000 / 8 / 1024 / 1024 = 40M byte比特率：采样频率 x 采样精度 x 通道数= 44100 x 16 x2 = 1411200 bit/s

可以看到，如果不做压缩，站控空间还是很多的