Android 音视频之音频入门讲解

简介

    音频是个专业术语，音频一词已用作一般性描述音频范围内和声音有关的设备及其作用。人类能够听到的所有声音都称之为音频，它可能包括噪音等。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，把它制作成音频文件。而音频只是储存在计算机里的声音。

    简单讲，其实就是将采集到的音频模拟信号，经过一定的转换，变成方便在信道中传输的数字信号。在不同的使用场景，也许会使用不同的编码方式，那么音频质量、码率、安全系数等都不一样。

音频基础知识

采样和采样频率：
一秒钟内采样的次数称为采样频率。采样频率越高，越接近原始信号，但是也加大了运算处理的复杂度。根据Nyquist采样定理，要想重建原始信号，采样频率必须大于信号中最高频率的两倍。人能感受到的频率范围为20HZ--20kHZ, 一般音乐的采样频率为44.1kHZ, 更高的可以是48kHZ和96kHZ，不过一般人用耳听感觉不出差别了。语音主要是以沟通为主，不需要像音乐那样清晰，用16k采样的语音就称为高清语音了。现在主流的语音采样频率为16kHz。

采样位数：
数字信号是用0和1来表示的。采样位数就是采样值用多少位0和1来表示，也叫采样精度，用的位数越多就越接近真实声音。如用8位表示，采样值取值范围就是-128--127，如用16位表示，采样值取值范围就是-32768--32767。现在一般都用16位采样位数。

声道：
声道是指处理的声音是单声道还是立体声。Android支持双声道立体声和单声道。CHANNEL_IN_MONO单声道，CHANNEL_IN_STEREO立体声。单声道在声音处理过程中只有单数据流，而立体声则需要左、右声道的两个数据流。显然，立体声的效果要好，但相应的数据量要比单声道的数据量加倍。

码率：
就是比特率。比特率是指每秒传送的比特(bit)数。码率=采样率X采样位数X声道数。

音频采集和播放：
一般用专门的芯片（通常叫codec芯片）采集音频，做AD转换，然后把数字信号通过I2S总线（主流用I2S总线，也可以用其他总线，比如PCM总线）送给CPU处理（也有的会把codec芯片与CPU芯片集成在一块芯片中）。当要播放时CPU会把音频数字信号通过I2S总线送给codec芯片，然后做DA转换得到模拟信号再播放出来。

音频编码过程

时域转频域变化
时域是描述数学函数或物理信号对时间的关系。
在研究时域的信号时，常会用示波器将信号转换为其时域的波形
频域是指在对函数或信号进行分析时，分析其和频率有关部份，而不是和时间有关的部份
有兴趣的可以去了解一下傅里叶变换

心理声学原理
心理声学原理是指用功能强大的算法将我们听不到的音频信息去掉。
20hz-20000hz之间的，才是人能听到的。之外的可以称为冗余数据。
冗余数据还有被遮蔽掉的数据，分为频域遮蔽和时域遮蔽。

量化编码
通常也把音频采样过程叫脉冲编码调制编码，即PCM（Pulse Code Modulation）编码，采样值也叫PCM值。
PCM通过抽样、量化、编码三个步骤将连续变化的模拟信号转换为数字编码。

如图，我们首先对一段音频片段进行10次抽样。
每次采样，都存在不同的振幅。为了实现以数字码表示样值，必须采用“四舍五入”的方法把样值分级“取整”，使一定取值范围内的样值由无限多个值变为有限个值。这一过程称为量化。
然后我们将不同的样值进行编码，将十进制的值转化为计算机认识的二进制的值。
最后根据二进制的值，我们转化为数字信号。就是所形成的方波。

音频压缩

音频压缩类型
1.有损压缩，就是消除冗余数据。音频采集过程中采集到各种各样的声音，只有一部分是人能识别出来的。其他的声音，我们直接删除掉。恢复回来的时候没有了，所以称为有损压缩。
2.哈夫曼无损压缩，利用数据的统计冗余进行压缩，可完全恢复原始数据而不引起任何数据丢失的，称为无损压缩。

使用音频压缩技术的原因
    要计算一个PCM音频流的码率是一件很轻松的事情，采样率值×采样大小值×声道数。一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频文件，它的码率则为 44.1K×16×2 =1411.2 Kbps。注意这边的单位是小b，单位是位。如果我们将单位转换为字节，则需要将码率除以8，就可以得到这个WAV的数据速率，即176.4KB/s。这表示存储一秒钟采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频信号，需要176.4KB的空间，1分钟则约为10.34M，这对大部分用户是不可接受的，尤其是喜欢在电脑上听音乐的朋友，要降低磁盘占用，只有2种方法，降低采样指标或者压缩。降低指标是不可取的，因此专家们研发了各种压缩方案。
    MP3发展已经有10个年头了，MP3作为前几年最为普及的音频压缩格式，他是MPEG(MPEG：Moving Picture Experts Group) Audio Layer-3的简称，是MPEG1的衍生编码方案，1993年由德国Fraunhofer IIS研究院和汤姆生公司合作发展成功。MP3可以做到12:1的惊人压缩比并保持基本可听的音质，在当年硬盘天价的日子里，MP3迅速被用户接受，为大家所大量接受。

常见音频的压缩编码
目前主要有三大技术标准组织制定压缩标准：
a）ITU，主要制定有线语音的压缩标准（g系列），有g711/g722/g726/g729等。
b）3GPP,主要制定无线语音的压缩标准（amr系列等）, 有amr-nb/amr-wb。后来ITU吸纳了amr-wb，形成了g722.2。
c）MPEG,主要制定音乐的压缩标准，有11172-3，13818-3/7，14496-3等。
一些大公司或者组织也制定压缩标准，比如iLBC，OPUS。

目前市场编解码器性能比较OPUS > Vorbis > AAC ，其他的已经随时间慢慢退出市场了

参考文献

Android官方文献
音频基础
PCM编码


下一篇：Android 音视频之音频编码

有问题的地方请大家帮忙指出，谢谢。
持续更新中...