【小知识】音频基础知识

音频基础知识

声音是振动产生的声波，经过空气、固体、液体这些介质传播并被人或动物听觉器官所感知的波动现象。音频信号采集需要将声音通过麦克风等转变为模拟信号，然后对模拟信号进行抽样、量化和编码转换成离散的数字信号。PCM（Pulse Code Modulation）就是一种将模拟信号数字化的方法，一般也用来表示未经过封装的音频原始文件。模数转换过程中涉及三个基本概念：采样位深、采样率和通道数。

采样位深：每个采样点用多少bit表示，该值越大，能够表达振动幅度的精确程度就越高。例如采样位深为16bit，则意味着可以将振动幅度划分为65536个等级。

采样率：每秒的采样点数，一般用 Hz来表示，比如1s如果有48000个采样点，则采样率就是48kHz。因为人耳的听觉范围是20Hz-20KHz，根据奈奎斯特采样定理，模数转换过程中，采样频率大于信号中最高频率的2倍时，采样后的数字信号可以完整地保留原始信号的信息。因此如果采样率为48kHz，可以完整保留24kHz以下频率的完整音频信息。

通道数：声音通道个数，常见的为单通道和双通道。双通道可以理解为单通道数据保存两份。人左右耳因为空间位置导致听到声音时间不同，双通道通过播放时模拟这种情况营造声音从不同方向传来的空间感。

音频采样过程中持续采样时间称为帧长，可以使用20ms，也可以使用200ms，时间越短延时越小。假设一次采样，采样位深是16bit，采样率为16kHz，单通道，帧长为20ms，使用PCM，则每帧的大小为：

帧大小 = 位深 * 采样率 * 帧长 * 通道/ （1000*8）
      = 16 * 16000 * 20 * 1 /（1000*8）
      = 640字节