学习笔记-音频编解码

     

     研究音频编码之前，先了解一下音频的几种常用的格式以及他们的优缺点：

1、PCM格式

PCM 是通过话筒录音后直接得到的未经压缩的二进制数据流，该文件没有附加的文件头和文件结束标识。

数据大小 = 采样频率*采样位数*声道数*时间/8（byte）；

采样频率（声音在”模-数“转换的过程中单位时间内采样的次数）一般是22k或者44k，

采样位数是8位/16位，每个采样数据记录的是振幅，采样精度取决于存储空间的大小；

8bit 只能记录256个数，也就是只能将振幅划分为256个等级；

16bit能够记录65536个数，这已经是CD标准了；

 

声道数一般分为单声道和双声道；单声道声音文件是采样数据为8位的短整型（short int 00H-FFH）；双声道立体声音文件，每次采样数据为16位的整数，高八位（左声道）和低八位（右声道）两个声道；

 

人对声音的识别频率是20HZ-20000HZ,如果每秒采样20000次，还原的声音能够满足人耳的需求，所以22050的采样是常用的，44100是CD音质，超过48000，对人耳也就没任何意义了，这和电影的每秒24帧的图片意思一样。

2、WAV格式

wav是封装格式，里面可以存放多种编码格式的数据，但是一般都是存放PCM格式的，由wav文件头部分和数据体部分组成；0-43字节存放的是采样率，通道数，以及数据体的标识符等头信息，44字节以后就是数据部分；很显然，如果头部的文件信息损坏了，那么播放就会出现问题。

标准格式化的WAV文件采样频率是44100HZ，采样比特为16位，因此标准的WAV文件和CD音频格式一样，都是44.1KHZ的采样频率，16位量化数字，在声音文件质量和CD音频相差无几。

     WAV是录音时用的标准的windows文件格式，文件的扩展名为 “.wav”，WAVE文件作为最经典的Windows多媒体音频格式，应用非常广泛。声道有单声道和立体声之分，采样频率一般有11kHz、22kHz 和44kHz三种。WAVE文件所占容量=（采样频率×采样位数×声道）×时间/8（1字节=8bit）。　　WAV文件与MIDI或MP3这类多媒体声音文件比较起来，所占的硬盘空间要大得多，但WAV文件的回放效果是最好的，WAV文件直接反映了一个声音在每个时刻的大小值，1分钟44khz采样率的WAV文件就会占用10M硬盘空间！

3、MP3格式

    MP3是利用一种音频压缩技术也是一种音频格式，由于这种压缩方式的全称叫MPEG1 Layer-3。

MP3文件是由TAG_V2(ID3V2)结构体、一组Frame，和TAG_V1(ID3V1)结构体组成。头部的TAG结构体不一定存在，需要进行判断；尾部的TAG结构体长度为128个字节，也需要进行判断；中间一组Frame长度可以定长也可以边长，每一帧Frame都是由帧头和数据实体组成，帧头记录了MP3的位率、采样率、和版本信息等，各帧之间相互独立，也就是说，如果前面的帧损坏了，后面的还是可以播放的；

      MPEG Audio Layer3，所以人们把它简称为MP3。因为人耳只能听到一定频段内的声音，而其他更高或更低频率的声音对人耳是没有用处的，所以MP3技术就把这部分 声音去掉了，从而使得文件体积大为缩小，但在人耳听起来却并没有什么失真。　 MP3可以将声音用1∶10甚至1∶12的压缩率进行压缩，举个例子一般来说一张光碟容量为650M，作为CD它能容纳的不过是60到90分钟的音乐（15 首左右的歌曲）， 一首5分钟的歌曲要占用50M左右的空间，而一首5分钟的MP3歌曲体积只有4～5M，一张光碟能放上一百多收首MP3歌曲。MP3的体积小，音质却非常接近CD，是一种很不错的音乐文件格式。

4、AMR格式

      AMR文件包含一个文件头，后面就是一帧一帧的AMR帧。AMR文件的文件头是固定值，表明该文件是AMR文件。每个帧分为帧头和数据部分，帧头里面弄存放的是编码方式和辅助信息，采样率因为编码方式的不同而不同，因此不会像MP3那样每个帧里面还要写上采样率。

      AMR铃声格式也是彩信通用文件格式之一，既可以用来制作音乐文件，还常常被采用AMR文件来制作一些音效类的作品，像搞笑的人声啊、动物的声音啊等等，在彰显个性上，AMR有不可替代的优势。由于AMR文件的容量很小，每秒钟的AMR音频大小可控制在1K左右，因此即便是长达1分钟的音频文件，所以AMR还被广泛应用为手机的录音文件格式。

 

5、AAC格式

AAC格式，没有头文件，全部由帧序列组成，帧由帧头和数据实体组成，帧头里面存放的是采样率，声道数，以及帧长度等等，有点类似MP3格式。

AAC适用于比特率在8Kbps单声道的电话音质到160Kbps多声道的超高质量音频 范围内的编码，并且允许对多媒体进行编码、解码。AAC增加了诸如对立体声的完美再现、比特流效果音扫描、多媒体控制、降噪优异等MP3没有的特性，使得 在音频压缩后仍能完美地再现CD音质。

6、WMA格式

      WMA的全称是Windows Media Audio，它是微软公司推出的与MP3格式齐名的一种新的音频格式。由于WMA在压缩比和音质方面都超过了MP3，更是远胜于RA(Real Audio)，即使在较低的采样频率下也能产生较好的音质，再加上WMA有微软的Windows Media Player做其强大的后盾，所以一经 推出就赢得一片喝彩。　　和MP3相比，WMA只能算是“平民中的精英”，虽然64kbps的WMA在波形还原以后的确要好于128kbps的MP3，原 因就是低流量的MP3在编码时候丢弃了太多的高频信息，但是在128kbps以上时WMA的音质和文件大小相比MP3而言就没什么优势了。由于它是微软所 研发的技术，目前只在采用Windows　mobile操作系统的Smartphone手机上使用，范围比较有限。

 

7、caf格式

caf格式是苹果的一种封装的音频格式，与WAV差不多，里面存放的是LPCM、MP3等编码数据；

 

8、铃声格式MIDI和MMF

      MIDI几乎是目前市场上被支持度最高的铃音文件格式，它的文件小，表现力好，几乎已经成为目前和弦手机的铃声标准配置。和弦铃声的文件格式便是MIDI，不同的机型支持的和弦数会有所不同，所以下载的时候一定要主要去选择合适自己的机型文件。MMF：　　MMF是由雅马哈开发出来的多媒体数据形式的SMAF格式的文件，是一种特定的铃声格式。和MIDI铃音一样，MMF也是分各种和弦数的。因为采取的铃声芯片的关系，MMF和弦铃声音色饱满，表现力比同样和弦数的MIDI铃音更好，MMF铃声音量大，而且MMF格式铃声可以逼真的表现人声、鸟鸣等模拟音效，这是MIDI所不能的；另外，MMF音乐文件较小，大约是同曲MIDI的2/3，用GPRS下载时更省钱。

      但是，因为MMF并不是目前中国移动规定的通用彩信文件格式，所以用户在一般的彩信网站上往往下载不到这一格式的铃声，只在少数专门的网站才有提供下载。目前市场上日韩系的手机对这一格式的铃声支持比较好，一些采用韩系手机机芯制造的国产品牌手机也继承了这个特点。

 

9、ADPCM格式

      ADPCM（ADP）：ADPCM又可称为ADP，这种格式常用在MP3机和手机的录音方面，它其实也是一种编码格式，优势是文件体积更小。然而，如果你对人声铃声的音质要求较高，那么ADP的表现肯定会让你失望，由于只是一种以录音为主要职能的音频格式，ADP处理一些简单的人声还可以，可面对层次复杂的音乐或歌曲，其音质只能用惨不忍睹来形容。目前市面上有很多飞利浦手机均支持ADP铃声，如535和9＠9c等。在制作ADP铃声时，为了获得相对最佳的音质，应该用WAV音频文件来作为转换所需的源文件。

10、iMY格式

      IMY是2000年由爱立信提出的一种音频文件格式，并于2001年6月得到3GPP认可成为标准，IMY具有占有空间小、容易编辑等特点，是被专门设计用于EMS中的铃声文件格式。IMY是中国移动规定的通用彩信文件格式之一，但是支持这一文件格式播放和铃声的手机并不多，支持EMS的爱立信以及现在的索尼爱立信手机型号多支持i-Melody铃声格式。