音频基础概念及常见编码格式

声音是由物体振动而产生的

声波的三要素

声波的三要素是频率、振幅和波形，频率代表音阶的高低，振幅代表响度（音量），波形代表音色。

 

PCM脉冲编码调制

PCM(Pulse Code Modulation)，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。原理是用一个固定的频率对模拟信号进行采样，采样后的信号在波形上看就像一串连续的幅值不一的脉冲(脉搏似的短暂起伏的电冲击)，把这些脉冲的幅值按一定精度进行量化，这些量化后的数值被连续的输出、传输、处理或记录到存储介质中，所有这些组成了数字音频的产生过程(抽样、量化、编码三个过程)。

描述一段PCM数据一般需要以下几个概念：量化格式（sampleFormat）、采样率（sampleRate）、声道数（channel）

量化是指在幅度轴上对信号进行数字化

采样就是在时间轴上对信号进行数字化

编码就是按照一定的格式记录采样和量化后的数字数据，比如顺序存储或压缩存储

采样频率：每秒采集数据的次数

采样精度：每次采集数据的位数

声道数：存在几路音频

比特率：针对编码格式，表示压缩编码后每秒的音频数据量大小

音频压缩编码

压缩编码的原理实际上是压缩掉冗余信号，冗余信号是指不能被人耳感知到的信号

几种常用的压缩编码格式

（1）WAV

WAV为微软公司（Microsoft)开发的一种声音文件格式,WAV是最接近无损的音乐格式，所以文件大小相对也比较大。

WAV编码的一种实现（有多种实现方式，但是都不会进行压缩操作）就是在PCM数据格式的前面加上44字节，分别用来描述PCM的采样率、声道数、数据格式等信息。

特点：音质非常好，大量软件都支持

适用场合：多媒体开发的中间文件、保存音乐和音效素材。

（2）MP3编码

MP3具有不错的压缩比，使用LAME编码（MP3编码格式的一种实现）的中高码率的MP3文件，听感上非常接近源WAV文件，当然在不同的应用场景下，应该调整合适的参数以达到最好的效果。

特点：音质在128Kbit/s以上表现还不错，压缩比比较高，大量软件和硬件都支持，兼容性好。

适用场合：高比特率下对兼容性有要求的音乐欣赏。

（3）AAC编码

AAC是新一代的音频有损压缩技术，全称Advanced Audio Coding，是一种专为声音数据设计的文件压缩格式。与MP3不同，它采用了全新的算法进行编码，更加高效，具有更高的“性价比”。优点：相对于mp3，AAC格式的音质更佳，文件更小。

适用场合：128Kbit/s以下的音频编码，多用于视频中音频轨的编码。

（4）Ogg编码

Ogg是一种非常有潜力的编码，Ogg除了音质好之外，还是完全免费的，Ogg有着非常出色的算法，可以用更小的码率达到更好的音质，但目前因为还没有媒体服务软件的支持

特点：可以用比MP3更小的码率实现比MP3更好的音质，高中低码率下均有良好的表现，兼容性不够好，流媒体特性不支持。

适用场合：语音聊天的音频消息场景。