學(xué)習(xí)這篇文章之前，你如果有計(jì)算機(jī)相關(guān)的專(zhuān)業(yè)肯定是更好的鸽扁，畢竟會(huì)涉及到一些專(zhuān)業(yè)術(shù)語(yǔ)，例如信號(hào)等镶骗？
有沒(méi)有人覺(jué)得很奇怪桶现，計(jì)算機(jī)是如何存儲(chǔ)到計(jì)算機(jī)的呢？如果你有基礎(chǔ)鼎姊，你應(yīng)該知道聲音屬于一種模擬信號(hào)骡和，具體化就是我們課上學(xué)的那些三角函數(shù)等，但是我們計(jì)算機(jī)存儲(chǔ)的只能是二進(jìn)制編碼吧相寇，這個(gè)大家應(yīng)該了解慰于，那么是如何將聲音這種模擬信號(hào)轉(zhuǎn)換成二進(jìn)制呢，這里有個(gè)概念叫做轉(zhuǎn)換唤衫，也就是將模擬信號(hào)(Analog Signal) 轉(zhuǎn)成數(shù)字信號(hào)(Digital Signal)進(jìn)行存儲(chǔ)婆赠。這一個(gè)過(guò)程，我們稱(chēng)為音頻數(shù)字化

模擬-數(shù)字.png

• 模擬信號(hào)：模擬信號(hào)稱(chēng)為連續(xù)信號(hào)佳励，它在一段連續(xù)的時(shí)間范圍內(nèi)可以在任意瞬間呈現(xiàn)為任意數(shù)值休里。
• 數(shù)字信號(hào)：自變量是離散的、因變量也是離散的信號(hào)赃承，這種信號(hào)的自變量用整數(shù)表示妙黍，因變量用有限數(shù)字中的一個(gè)數(shù)字來(lái)表示。
  
  模擬-數(shù)字示意圖.png

脈沖編碼調(diào)制(PCM,Pulse Code Modulation)

這個(gè)概念我是從大學(xué)的信號(hào)與系統(tǒng)上面接觸的瞧剖，當(dāng)時(shí)候可以是說(shuō)聽(tīng)說(shuō)到一臉蒙蔽的拭嫁，pcm屬于音頻數(shù)字化的一種常見(jiàn)技術(shù)方案，里面涉及到幾個(gè)過(guò)程抓于，分別是采樣->量化->編碼做粤，具體地說(shuō)，采樣就是把輸入的模擬信號(hào)按適當(dāng)?shù)臅r(shí)間間隔得到各個(gè)時(shí)刻的樣本值.量化是把經(jīng)采樣測(cè)得的各個(gè)時(shí)刻的值用二進(jìn)碼制來(lái)表示捉撮，編碼則是把量化生成的二進(jìn)制數(shù)排列在一起形成順序脈沖序列

采樣-量化.png

• 采樣：在某些特定的時(shí)刻對(duì)模擬信號(hào)進(jìn)行測(cè)量叫做采樣怕品，得到的信號(hào)稱(chēng)為離散時(shí)間信號(hào)

• 采樣率：每秒采集的樣本數(shù)量，稱(chēng)為采樣率(采樣頻率呕缭，采樣速率堵泽，Sampling Rate),eg 20.1Hz表示1秒鐘采集201000個(gè)樣本修己，采樣頻率最直觀的影響是什么恢总？是影響聲音的的評(píng)率范圍表現(xiàn)力，采樣評(píng)率越高睬愤，能表現(xiàn)的評(píng)率范圍就越大片仿。44.1KHz采樣頻率，可以表現(xiàn)的頻率范圍是0Hz-22050Hz尤辱；48KHz采樣頻率可以表現(xiàn)的頻率范圍就是0Hz-24000Hz砂豌；96KHz采樣頻率可以表現(xiàn)的頻率范圍是0Hz-48000Hz厢岂。人耳能聽(tīng)到的平均頻率范圍，大概是20Hz-20000Hz阳距。

• 采樣定理：采樣定理

根據(jù)（奈奎斯特–香農(nóng)采樣定理塔粒，Nyquist-Shannon sampling theorem）得知：只有當(dāng)采樣率高于聲音信號(hào)最高頻率的**2**倍時(shí)，才能把采集的聲音信號(hào)唯一地還原成原來(lái)的聲音筐摘。人耳能夠感覺(jué)到的最高聲音頻率為20000Hz卒茬，因此為了滿足人耳的聽(tīng)覺(jué)要求，需要至少每秒進(jìn)行40000次采樣（40kHz采樣率）咖熟。這就是為什么常見(jiàn)的CD的采樣率為44.1kHz圃酵。電話、無(wú)線對(duì)講機(jī)馍管、無(wú)線麥克風(fēng)等的采樣率是8kHZ

• 量化(Quantization):將每一個(gè)采樣點(diǎn)的樣本值數(shù)字化
• 位深度（采樣精度郭赐，采樣大小，Bit Depth）：使用多少個(gè)二進(jìn)制位來(lái)存儲(chǔ)一個(gè)采樣點(diǎn)的樣本值确沸。位深度越高捌锭，表示的振幅越精確。常見(jiàn)的CD采用16bit的位深度罗捎，能表示65536（216）個(gè)不同的值舀锨。DVD使用24bit的位深度，大多數(shù)電話設(shè)備使用8bit的位深度宛逗。另外我們常見(jiàn)的16Bit（16比特）坎匿，可以記錄大概96分貝的動(dòng)態(tài)范圍。那么雷激，您可以大概知道替蔬，每一個(gè)比特大約可以記錄6分貝的聲音。同理屎暇，20Bit可記錄的動(dòng)態(tài)范圍大概就是120dB承桥；24Bit就大概是144dB。
  假如根悼，我們定義0dB為峰值凶异，那么聲音振幅以向下延伸計(jì)算，那么挤巡，CD音頻可的動(dòng)態(tài)范圍就是“-96dB～0dB剩彬。”矿卑，依次類(lèi)推喉恋，24Bit的HD-Audio高清音頻的的動(dòng)態(tài)范圍就是“-144dB~0dB。”轻黑。由此可見(jiàn)糊肤，位深度較高時(shí)，有更大的動(dòng)態(tài)范圍可利用氓鄙，可以記錄更低電平的細(xì)節(jié)

綜合上面的位深度和采樣馆揉，可以看到一些這樣的基本參數(shù)概念

16Bit 44.1KHz，代表這個(gè)數(shù)字音頻能夠表現(xiàn)“96dB的動(dòng)態(tài)范圍”和“0赫茲-22050赫茲”的頻率范圍抖拦；
24Bit 48KHz把介，代表這個(gè)數(shù)字音頻能夠表現(xiàn)“144dB的動(dòng)態(tài)范圍”和“0赫茲-24000赫茲”的頻率范圍。

采樣率位深度.png

• 編碼將采樣和量化后的數(shù)字?jǐn)?shù)據(jù)轉(zhuǎn)成二進(jìn)制碼流蟋座。

擴(kuò)展知識(shí)

聲道(Channel)

• 單聲道（mono）：信號(hào)一次產(chǎn)生一組聲波數(shù)據(jù)拗踢。
• 雙聲道（stereo）：一次產(chǎn)生兩組聲波數(shù)據(jù)。雙聲道在硬件中占有兩條線路向臀，一條是左聲道巢墅，一條是右聲道。
  立體聲不僅音質(zhì)券膀、音色好君纫，而且能產(chǎn)生逼真的空間感。但是立體聲數(shù)字化后所占的空間比單聲道多一倍芹彬。

以CD音質(zhì)為例蓄髓，量化格式為16bite，采樣率為44100舒帮，聲道數(shù)為2会喝。這些信息描述CD音質(zhì)。那么可以CD音質(zhì)數(shù)據(jù)玩郊，比特率bit/s（單位：bps）：
44100 * 16 * 2 = 1411.2Kbps
那么一分鐘的,這類(lèi)CD音質(zhì)數(shù)據(jù)需要占用存儲(chǔ)空間：
1411.2Kbps* 60 /8/1024 = 10.34MB肢执，可以看出一分鐘接近10M，這個(gè)用戶體驗(yàn)不太友好译红，如果又想在不改變音頻石長(zhǎng)的前提预茄，又要降低音頻數(shù)據(jù)的大小，我們可以考慮這兩種方法：1.降低采樣率侦厚，2.壓縮耻陕。
但是如果降低采樣率，通過(guò)上面的采樣率深度圖可以看出刨沦，會(huì)導(dǎo)致音頻質(zhì)量下降诗宣，用戶體驗(yàn)變差，因此首選壓縮方案

比特率

• 比特率（Bit Rate),指單位時(shí)間內(nèi)傳輸或處理的比特?cái)?shù)量已卷，比特每秒（bit/s或bps）梧田，還有：千比特每秒（Kbit/s或Kbps）、兆比特每秒（Mbit/s或Mbps）侧蘸、吉比特每秒（Gbit/s或Gbps）裁眯、太比特每秒（Tbit/s或Tbps）。
  采樣率44.1kHZ讳癌、位深度16bit的立體聲PCM數(shù)據(jù)的比特率是多少穿稳？
  pcm比特率 = 采樣率 * 位深度 * 聲道數(shù) = 1411.2Kbps，通常晌坤，采樣率逢艘、位深度越高，數(shù)字化音頻的質(zhì)量就越好骤菠。從比特率的計(jì)算公式可以看得出來(lái)：比特率越高它改，數(shù)字化音頻的質(zhì)量就越好。

信噪比(Signal-to-noise ratio,SNR,S/N,信噪比)

指信號(hào)與噪音的比例商乎，用于比較信號(hào)的強(qiáng)度與背景噪音的強(qiáng)度央拖，以分貝(db)為單位，位深度限制了信噪比的最大值

音頻編碼解碼

編碼

PCM數(shù)據(jù)是未經(jīng)壓縮的原始音頻數(shù)據(jù)鹉戚，為了便于存儲(chǔ)和傳輸鲜戒，一般會(huì)使用某種音頻編碼對(duì)其進(jìn)行編碼壓縮，然后再存成某種音頻文件格式

音頻編碼.png

CD音質(zhì)的數(shù)據(jù)采樣抹凳，每分鐘需要存儲(chǔ)空間為10.34MB遏餐。從存儲(chǔ)的角度或者網(wǎng)絡(luò)實(shí)時(shí)傳播的角度，這個(gè)數(shù)據(jù)量都是太大了赢底，對(duì)于存儲(chǔ)和傳輸都是非常具有挑戰(zhàn)的失都。所以我們需要通過(guò)壓縮編碼。
壓縮編碼的基本指標(biāo)就是 壓縮比幸冻，壓縮比 通常小于1(如果等于或者大于1嗅剖，是不是就失去的壓縮的意義了，壓縮目的就是為了減少數(shù)據(jù)體量)嘁扼。壓縮算法分為2種信粮，有損壓縮 和 無(wú)損壓縮。

無(wú)損壓縮

• 解壓后可以完全還原出原始數(shù)據(jù)
• 壓縮比小趁啸，體積大

有損壓縮

• 解壓后不能完全還原出原始數(shù)據(jù)强缘，會(huì)丟失一部分信息
• 壓縮比大，體積小
• 壓縮比越大不傅，丟失的信息就越多旅掂，還原后的信號(hào)失真就會(huì)越大

注意：對(duì)于有損壓縮音頻，不同的壓縮算法访娶，及時(shí)比特率相等商虐，也會(huì)導(dǎo)致音質(zhì)結(jié)果完全不同
典型代表：96kbps的WMA音頻格式的音質(zhì)明顯要比96kbps的MP3音質(zhì)好。為什么會(huì)這樣呢？因?yàn)椴煌膲嚎s算法秘车，對(duì)數(shù)據(jù)的利用率不同而造成的差異典勇。再舉例，假如MP3壓縮至48kbps以下叮趴，已經(jīng)慘不忍睹割笙，而如果是AAC音頻格式，同樣是48kbps的位速下眯亦，音質(zhì)明顯比MP3好
而對(duì)于無(wú)損壓縮音頻伤溉，即使比特率完全不同，但是最后的音質(zhì)是相同的
比如把同一個(gè)WAV文件分別壓縮成FLAC格式和APE格式妻率，得到的文件乱顾，位速是不太相同的，但是音質(zhì)卻是一樣的宫静。即使是同一種格式糯耍，壓縮級(jí)別不同，位速也完全不同囊嘉，可是最后的結(jié)果温技，音質(zhì)還是一樣（但編碼解碼時(shí)，CPU占用率不同扭粱，編碼時(shí)間也不同）舵鳞。

壓縮編碼的原理實(shí)際上就是壓縮冗余的信號(hào)。冗余信號(hào)就是指不能被人耳感知的信號(hào)琢蛤。包括人耳聽(tīng)覺(jué)范圍之外的音頻信號(hào)以及被掩蓋掉的音頻信號(hào)

解碼

前面經(jīng)過(guò)將pcm數(shù)據(jù)編碼之后蜓堕，如果這個(gè)時(shí)候需要播放音頻的話，得先解碼(解壓縮)出pcm數(shù)據(jù)博其，然后再進(jìn)行播放

音頻解碼.png

音頻編碼和文件格式

編碼分類(lèi)

• 波形編碼
  波形編碼：不利用生成音頻信號(hào)的任何參數(shù)套才，直接將時(shí)間域信號(hào)變成數(shù)字信號(hào)，使重構(gòu)的語(yǔ)音波形極可能與原始語(yǔ)音信號(hào)的波形性質(zhì)一致慕淡，波形編碼的基本原理：在時(shí)間軸上對(duì)模擬語(yǔ)音信號(hào)按一定的速率抽樣背伴，然后將幅度樣本分層量化，并用代碼表示

• 優(yōu)點(diǎn)：波形編碼方法簡(jiǎn)單峰髓，易于實(shí)現(xiàn)傻寂，適應(yīng)能力強(qiáng)并且語(yǔ)音質(zhì)量好

• 缺點(diǎn)：壓縮比相對(duì)比較低，導(dǎo)致較高的編碼率携兵。

• 參數(shù)編碼
  參數(shù)編碼：從語(yǔ)音 波形信號(hào) 中提取生成語(yǔ)音的參數(shù)疾掰，使用這些參數(shù)通過(guò)語(yǔ)音生成模型重構(gòu)出語(yǔ)音，使重構(gòu)的語(yǔ)音信號(hào)盡可能地保持原始語(yǔ)音信號(hào)的語(yǔ)意徐紧。也就是說(shuō)静檬，參數(shù)編碼是把語(yǔ)音信號(hào)產(chǎn)生的數(shù)字模型作為基礎(chǔ)炭懊，然后求出數(shù)字模型的模型參數(shù)，再按照這些參數(shù)還原數(shù)字模型拂檩，進(jìn)而合成語(yǔ)音侮腹。

• 優(yōu)點(diǎn)：編碼率較低，保密性好广恢。

• 缺點(diǎn)：可能會(huì)失真比較大凯旋，音質(zhì)低呀潭。

混合編碼

混合編碼是指同時(shí)使用兩種或兩種以上的編碼方法進(jìn)行編碼钉迷。這種編碼方法克服了波形編碼和參數(shù)編碼的弱點(diǎn)，并結(jié)合了波形編碼高質(zhì)量和參數(shù)編碼的低編碼率钠署，能夠取得比較好的效果糠聪。
注意：音頻文件格式并不等于音頻編碼，比如WAV是一種音頻文件格式谐鼎，但是不是一種編碼方式舰蟆，而FLAC即是一種文件格式，又是一種編碼

無(wú)損

• MonKey's Audio 是一種無(wú)損的音頻編碼和文件格式身害，文件擴(kuò)展名為.ape,壓縮率一般在55%左右
• FLAC(Free Lossless Audio Codec),是一種無(wú)損的音頻編碼和文件格式，文件擴(kuò)展名為.flac.雖然壓縮率稍微比不上MonKey's Audio草戈，但是FLAC技術(shù)更加先進(jìn)塌鸯，占用資源更低，有更多的平臺(tái)及硬件產(chǎn)品支持FLAC唐片。
• ALAC
  ALAC（Apple Lossless Audio Codec）丙猬，是由Apple開(kāi)發(fā)的一種無(wú)損的音頻編碼，文件擴(kuò)展名為.m4a费韭、.caf茧球。

有損

• MP3（MPEG Audio Layer III），是非常流行的一種有損音頻編碼和文件格式星持，文件擴(kuò)展名為.mp3抢埋。

• WMA:WMA（Windows Media Audio），是由Microsoft開(kāi)發(fā)的音頻編碼和文件格式督暂，文件擴(kuò)展名為.wma羹令。包括4種類(lèi)型：

• WMA：原始的WMA編解碼器，作為MP3的競(jìng)爭(zhēng)者损痰，屬于有損音頻編碼

• WMA Pro：支持更多聲道和更高質(zhì)量的音頻福侈，屬于有損音頻編碼

• WMA Lossless：屬于無(wú)損音頻編碼

• WMA Voice：屬于有損音頻編碼

• AAC:AAC（Advanced Audio Coding），是由Fraunhofer IIS卢未、杜比實(shí)驗(yàn)室肪凛、AT&T堰汉、Sony、Nokia等公司共同開(kāi)發(fā)的有損音頻編碼和文件格式伟墙，壓縮比通常為18:1
  AAC被設(shè)計(jì)為MP3格式的后繼產(chǎn)品翘鸭，通常在相同的比特率下可以獲得比MP3更高的聲音質(zhì)量，是iPhone戳葵、iPod就乓、iPad、iTunes的標(biāo)準(zhǔn)音頻格式拱烁。
  AAC編碼的文件擴(kuò)展名主要有3種：

• .acc:傳統(tǒng)的AAC編碼生蚁，使用MPEG-2 Audio Transport Stream（ADTS）容器

• .mp4：使用了MPEG-4 Part 14的簡(jiǎn)化版即3GPP Media Release 6 Basic（3gp6）進(jìn)行封裝的AAC編碼

• .m4a：為了區(qū)別純音頻MP4文件和包含視頻的MP4文件而由Apple公司使用的擴(kuò)展名

  • Apple iTunes對(duì)純音頻MP4文件采用了.m4a文件擴(kuò)展名
  • M4A的本質(zhì)和音頻MP4相同，故音頻MP4文件可以直接更改文件擴(kuò)展名為.m4a

• Voris
  Vorbis戏自，是由Xiph.Org基金會(huì)開(kāi)發(fā)的一種有損音頻編碼邦投。通常以O(shè)gg作為容器格式，所以常合稱(chēng)為Ogg Vorbis擅笔，文件擴(kuò)展名為.ogg志衣。

• Speex
  Speex，是由Xiph.Org基金會(huì)開(kāi)發(fā)的一種有損音頻編碼和文件格式猛们，文件擴(kuò)展名為.spx念脯。

• Opus
  Opus，是由Xiph.Org基金會(huì)開(kāi)發(fā)的一種有損音頻編碼和文件格式弯淘，文件擴(kuò)展名為.opus绿店。用以取代Vorbis和Speedx。經(jīng)過(guò)多次盲聽(tīng)測(cè)試耳胎，在任何給定的比特率下都比其他標(biāo)準(zhǔn)音頻格式具有更高的質(zhì)量惯吕，包括MP3、AAC怕午。

文件格式

• Ogg
  Ogg是一種多媒體文件格式废登，由Xiph.Org基金會(huì)所維護(hù)，可以納入各式各樣的音視頻編碼（音頻郁惜、視頻都可以）堡距，文件擴(kuò)展名常為.ogg。
  Ogg常用的音頻編碼有：

• 有損壓縮：Speex兆蕉、Vorbis羽戒、Opus

• 無(wú)損壓縮：FLAC

• 未壓縮：PCM

• WAV
  WAV（Waveform Audio File Format），是由IBM和Microsoft開(kāi)發(fā)的音頻文件格式虎韵，擴(kuò)展名是.wav易稠，通常采用PCM編碼，常用于Windows系統(tǒng)中包蓝。WAV的文件格式如下圖所示驶社，前面有44

  WAV文件格式.gif
  
  
  WAV文件格式詳細(xì).gif

• NumChannels: 聲道數(shù)

• SampleRate:采樣率(Hz)

• ByteRate:每秒多少個(gè)字節(jié)(Byte/s)

• BitsPerSample:位深度

• AIFF
  AIFF（Audio Interchange File Format）企量，由Apple開(kāi)發(fā)的音頻文件格式，擴(kuò)展名是.aiff亡电、.aif届巩。跟WAV一樣，通常采用PCM編碼份乒，常用于Mac系統(tǒng)中恕汇。