音频基本知识

音频基本知识

第一部分 模拟声音-数字声音原理

第二部分 音频压缩编码

第三部分 和弦铃声格式

第四部分 单声道、立体声和环绕声

第五部分 3D环绕声技术

第六部分数字音频格式和数字音频接口

第一部分 模拟声音-数字声音原理

一、模拟声音数字化原理

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。

图1 模拟声音数字化的过程

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。

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(f s)是多少，②每个声音样本的位数(bit)应该是多少，也就是量化位数。

¾采样频率

奈奎斯特理论（采样定理）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。

常见的音频录制时的采样率和量化位数：

镭射碟 声音录制格式 从数字音频接口输入输出

DVD

杜比数字 杜比数字位信号

线性PCM 线性PCM(48kHz采样/16bit或

48KHz采样/24bit等)

CD 线性PCM 线性PCM(44.1kHz采样/16bit)

VCD MPEG 线性PCM(44.1kHz采样/16bit)

表1 常见音频录制及传输格式

¾量化精度

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，即音量等级个数有2的16次方。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。

¾压缩编码

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。

二、问题

1、音频压缩技术有多重要？

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：

PCM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。再除以8将bit 换算成字节byte,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。

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：

音频格式 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

WMA 64Kbps 8KB

表2 相同音质下各种音乐大小对比

2、频率与采样率的关系

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。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。

3、流特征

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。

第二部分 音频压缩编码

一．有损(lossy)/无损(lossless)/未压缩(uncompressed)音频格式

未压缩音频是一种没经过任何压缩的简单音频。例如PCM或WAV音轨。

所谓无损压缩格式，顾名思义，就是毫无损失地将声音信号进行压缩的音频格式。常见的像MP3、WMA等格式都是有损压缩格式，相比于作为源的WAV文件，它们都有相当大程度的信号丢失，这也是它们能达到10％的压缩率的根本原因。而无损压缩格式，就好比用Zip 或RAR这样的压缩软件去压缩音频信号，得到的压缩格式还原成WAV文件，和作为源的WAV 文件是一模一样的！目前比较出名的无损压缩格式有APE、FLAC、LPAC、WavPack。无损压缩的不足就是占用空间大，压缩比不高。

有损压缩就是在压缩过程中会舍弃一些细节，也就是压缩是不可逆的。例如MP3,如果将wav—>MP3,再将此MP3—>wav，则后来的wav音质明显不如开始的wav。有损压缩包括AC3, DTS, AAC, MPEG-1/2/3的音频部分。

二、语音(Voice)编码和音频(Audio)编码

语音编码主要是针对语音通信系统中的编码方案，应用在有线或无线通信中；音频编码是针对音乐的编码方案，主要用来更方便地实现对音乐文件进行网络传输和存储。两者的差别一方面是频带不同，另一方面是压缩要求不一样，音乐要求具有高保真度和立体感等要求。音频编码最常见的是MPEG的音频编码。

语音的编码技术通常分为三类：波形编码、参量编码和混合编码。其中，波形编码和参