音视频学习笔记 - 音频基础知识

PCM

• 音频数字化的常见技术方案是脉冲编码调制（PCM，Pulse Code Modulation），主要过程是：采样 → 量化 → 编码。
  
  模拟信号转换为数字信号
  
  
  模拟信号转换为数字信号

采样

• 采样（Sampling）：每隔一段时间采集一次模拟信号的样本，是一个在时间上将模拟信号离散化（把连续信号转换成离散信号）的过程。
  • 采样率: 每秒采集的样本数量，称为采样率（采样频率，采样速率，Sampling Rate）
• 根据采样定理（奈奎斯特–香农采样定理，Nyquist-Shannon sampling theorem）得知：只有当采样率高于声音信号最高频率的2倍时，才能把采集的声音信号唯一地还原成原来的声音。人耳能够感觉到的最高声音频率为20000Hz，因此为了满足人耳的听觉要求，需要至少每秒进行40000次采样（40kHz采样率）。这就是为什么常见的CD的采样率为44.1kHz。电话、无线对讲机、无线麦克风等的采样率是8kHZ。

量化

• 量化（Quantization）：将每一个采样点的样本值数字化。

• 位深度：位深度（采样精度，采样大小，Bit Depth）：使用多少个二进制位来存储一个采样点的样本值。位深度越高，表示的振幅越精确。常见的CD采用16bit的位深度，能表示65536（216）个不同的值。DVD使用24bit的位深度，大多数电话设备使用8bit的位深度

  
  
  不同采样率、位深度对比

编码

• 编码：将采样和量化后的数字数据转成二进制码流。
  -声道（Channel）单声道产生一组声波数据，双声道（立体声）产生两组声波数据。

• 采样率44.1kHZ、位深度16bit的1分钟立体声PCM数据有多大？

  • 采样率 * 位深度 * 声道数 * 时间 => 44100 * 16 * 2 * 60 / 8 ≈ 10.34MB
  • 1分钟10.34MB，这对于大部分用户来说是不能接受的。要想在不改变音频时长的前提下，降低音频数据的大小，只有2种方法：降低采样指标、压缩。降低采样指标是不可取的，会导致音频质量下降，用户体验变差，因此专家们研发了各种压缩方案。

• 比特率,比特率（Bit Rate），指单位时间内传输或处理的比特数量，单位是：比特每秒（bit/s或bps），还有：千比特每秒（Kbit/s或Kbps）、兆比特每秒（Mbit/s或Mbps）、吉比特每秒（Gbit/s或Gbps）、太比特每秒（Tbit/s或Tbps）。

• 采样率44.1kHZ、位深度16bit的立体声PCM数据的比特率是多少？

  • 采样率 * 位深度 * 声道数 => 44100 * 16 * 2 = 1411.2Kbps

• 通常，采样率、位深度越高，数字化音频的质量就越好。从比特率的计算公式可以看得出来：比特率越高，数字化音频的质量就越好。

• 信噪比 信噪比（Signal-to-noise ratio，SNR，S/N，讯噪比），指信号与噪声的比例，用于比较所需信号的强度与背景噪声的强度，以分贝（dB）为单位。

• PCM数据可以理解为是：未经压缩的原始音频数据，体积比较大，为了更便于存储和传输，一般都会使用某种音频编码对它进行编码压缩，然后再存成某种音频文件格式。

编码

压缩分为无损压缩和有损压缩。

解码

• 无损压缩
  • 解压后可以完全还原出原始数据
  • 压缩比小，体积大
• 有损压缩
  • 解压后不能完全还原出原始数据，会丢失一部分信息
  • 压缩比大，体积小
  • 压缩比越大，丢失的信息就越多，还原后的信号失真就会越大
• 一般是通过舍弃原始数据中对人类听觉不重要的部分，达成压缩成较小文件的目的
• 压缩比 = 未压缩大小 / 压缩后大小
• 解码（Decode）当需要播放音频时，得先解码（解压缩）出PCM数据，然后再进行播放。