音频数字化简单原理

音频数字化简单原理 

    从字面上来说,数字化 (Digital) 就是以数字来表示,例如用数字去记录一张桌子的长宽尺寸,各木料间的角度,这就是一种数字化。跟数位常常一起被提到的字是模拟 ( Analog/Analogue) ,模拟的意思就是用一种相似的东西去表达,例如将桌子用传统相机 将三视图拍下来,就是一种模拟的记录方式。
两个概念:

1、分贝(dB):声波振幅的度量单位,非绝对、非线性、对数式度量方式。以人耳所能听到的最静的声音为1dB,那么会造成人耳听觉损伤的最大声音为100dB。人们正常语音交谈大约为20dB。10dB意味着音量放大10倍,而20dB却不是20倍,而是100倍(10的2次方)


2、频率(Hz):人们能感知的声音音高。男性语音为180Hz,女性歌声为600Hz,钢琴上 C调至A调间为440Hz,电视机发出人所能听到的声音是17kHz,人耳能够感知的最高声音频 率为20kHz。

将音频数字化,其实就是将声音数字化。最常见的方式是透过 PCM(脉冲) 。运作原理如下。首先我们考虑声音经过麦克风,转换成一连串电压变化的信号,如下图所示。这张图的横座标为秒,纵座标为电压大小。要将这样的信号转为 PCM 格 式的方法,是先以等时距分割。


音频数字化简单原理_第1张图片
我们把分割线与信号图形交叉处的座标位置记录下来,可以得到如下资料,(0.01,11.6 5) ,(0.02,14.00) 、 (0.03,16.00) 、 (0.04,17.74) … ..(0.18,15.94) 、 (0.19 ,17.7) 、 (0.20,20) 。好了,我们现在已经把这个波形以数字记录下来了。由于我们 已经知道时间间隔是固定的 0.01 秒,因此我们只要把纵座标记录下来就可以了,得到 的结果是 11.65 14.00 16.00 17.74 19.00 19.89 20.34 20.07 19.44 18.59 17.47
16.31 15.23 14.43 13.89 13.71 14.49 15.94 17.70 20.00 这一数列。这一串数字就
是将以上信号数字化的结果。看吧,我们确实用数字记录了事物。在以上的范例中,我
们的采样频率是 100Hz(1/0.01 秒 ) 。其实电脑中的 .WAV 档的内容就是类似这个样子
,文件头中记录了采样频率和可容许最大记录振幅,后面就是一连串表示振幅大小的数
字,有正有负。常见CD唱盘是以PCM格式记录,而它的采样频率 (Sample Rate) 是 441
00Hz ,振幅采样精度/数位是 16Bits ,也就是说振幅最小可达 -32768(-2^16/2) ,最
大可达 +32767(2^16/2-1) 。CD唱盘是以螺旋状由内到外储存资料,可以存储74分钟的
音乐。CD唱盘的规格为什么是 44.1kHz、16Bits呢?关于 44.1kHz 这个数字的选取分为
两个层面。首先人耳的聆听范围是 20Hz 到 20kHz ,根据 Nyquist s ,理论
上只要用 40kHz 以上的采样频率就可以完整记录 20kHz 以下的信号。那么为什么要用
44.1kHz 这个数字呢?那是因为在 CD 发明前硬盘还很贵,所以主要将数字音频信号储
存媒体是录像带,用黑白来记录 0 与 1 。而当时的录像带格式为每秒 30 张,而一张
图又可以分为 490 条线,每一条线又可以储存三个取样信号,因此每秒有 30*490*3=4
4100 个取样点,而为了研发的方便, CD唱盘也继承了这个规格,这就是 44.1kHz 的由
来。在这里我们可以发现无论使用多么高的采样精度/数位,记录的数字跟实际的信号大
小总是有误差,因此数字化无法完全记录原始信号。我们称这个数字化造成失真称为量
化失真。

数字化的最大好处是资料传输与保存的不易失真。记录的资料只要数字大小不改变,记
录的资料内容就不会改变。如果我们用传统类比的方式记录以上信号,例如使用录音带
表面的磁场强度来表达振幅大小,我们在复制资料时,无论电路设计多么严谨,总是无
法避免杂讯的介入。这些杂讯会变成复制后资料的一部份,造成失真,且复制越多次信
噪比 ( 信号大小与噪音大小的比值 ) 会越来越低,资料的细节也越来越少。如果多次
复制过录音带,对以上的经验应该不陌生。在数字化的世界里,这串数字转换为二进制
,以电压的高低来判读1与0,还可以加上各种检查码,使得出错机率很低,因此在一般
的情况下无论复制多少次,资料的内容都是相同,达到不失真的目的。

那么,数字化的资料如何转换成原来的音频信号呢?在计算机的声卡中一块芯片叫做 D
AC(Digital to Analog Converter) ,中文称数模转换器。DAC的功能如其名是把数字信
号转换回模拟信号。我们可以把DAC想像成 16 个小电阻,各个电阻值是以二的倍数增大
。当 DAC 接受到来自计算机中的二进制 PCM 信号,遇到 0 时相对应的电阻就开启,遇
到 1 相对应的电阻不作用,如此每一批 16Bits 数字信号都可以转换回相对应的电压大
小。我们可以想像这个电压大小看起来似乎会像阶梯一样一格一格,跟原来平滑的信号
有些差异,因此再输出前还要通过一个低通滤波器,将高次谐波滤除,这样声音就会变
得比较平滑了。

从前面的内容可以看出,音频数字化就是将模拟的(连续的)声音波形数字化(离散化),
以便利用数字计算机进行处理的过程,主要包参数括采样频率(Sample Rate)和采样数
位/采样精度(Quantizing,也称量化级)两个方面,这二者决定了数字化音频的质量。
采样频率是对声音波形每秒钟进采样的次数。根据这种采样方法,采样频率是能够再现
声音频率的一倍。人耳听觉的频率上限在2OkHz左右,为了保证声音不失真,采样频率应
在4OkHz左右。经常使用的采样频率有11.025kHz、22.05kHz和44.lkHz等。采样频率越高
,声音失真越小、音频数据量越大。采样数位是每个采样点的振幅动态响应数据范围,
经常采用的有8位、12位和16位。例如,8位量化级表示每个采样点可以表示256个(0-25
5)不同量化值,而16位量化级则可表示65536个不同量化值。采样量化位数越高音质越好
,数据量也越大。

反映音频数字化质量的另一个因素是通道(或声道)个数。记录声音时,如果每次生成一
个声波数据,称为单声道;每次生成二个声波数据,称为立体声(双声道),立体声更能
反映人的听觉感受。

除了上述因素外,数字化音频的质量还受其它一些因素(如扬声器质量,麦克风优劣,计
算机声卡A/D与D/A(模/数、数/模)转换芯片品质,各个设备连接线屏蔽效果好坏等)的
影响。

综上所述,声音数字化的采样频率和量化级越高,结果越接近原始声音,但记录数字声
音所需存储空间也随之增加。可以用下面的公式估算声音数字化后每秒所需的存储量(假
定不经压缩):

存储量=(采样频率*采样数位)/8(字节数)

若采用双声道录音,存储量再增加一倍。例如,数字激光唱盘(CD-DA,红皮书标准)的
标准采样频率为44.lkHz,采样数位为16位,立体声,可以几乎无失真地播出频率高达2
2kHz的声音,这也是人类所能听到的最高频率声音。激光唱盘一分钟音乐需要的存储量
为:

44.1*1000*l6*2*60/8=10,584,000(字节)=10.584MBytes

这个数值就是微软Windows系统中WAVE(.WAV)声音文件在硬盘中所占磁盘空间的存储量。
由MICROSOFT公司开发的WAV声音文件格式,是如今计算机中最为常见的声音文件类型之
一,它符合RIFF文件规范,用于保存WINDOWS平台的音频信息资源,被WINDOWS平台机器
应用程序所广泛支持。另外,WAVE格式支持MSADPCM、CCIPTALAW、CCIPT-LAW和其他压缩
算法,支持多种音频位数,采样频率和声道,但其缺点是文件体积较大,所以不适合长
时间记录。因此,才会出现各种音频压缩编/解码技术的出现,例如,MP3,RM,WMA,VQ
F,ASF等等它们各自有自己的应用领域,并且不断在竞争中求得发展。

WAVE、MIDI、MP3、RM常见音频格式简介

WAVE--WINDOWS系统最基本音频格式---*.wav

1、占用巨大硬盘空间,音质最好,支持音乐与语音
2、通常采样使用44KHZ采样/秒,16位/采样,立体声,双声道,CD音质
3、一分钟音乐占用大约10M硬盘空间,56K调制解调器需要30分钟才能完成网络传送

MIDI--电子合成音乐---*.mid

1、与WAVE格式截然不同,只有音乐,没有语音
2、使用音色库回放,有软硬波表之分,
3、十分节省磁盘空间,但是音质回放对声卡依赖较大
4、无法使用Total Recorder录制mid音乐
5、可以使用Wingroove软波表或其它软件转为wave

MP3--最流行音频压缩格式---*.mp3

1、节省硬盘空间,有损压缩,无法复原
2、音质与不同压缩编码软件有关
3、音乐与语音,可以使用各种采样比率

RM--网络流媒体压缩格式---*.rm/*.ra

1、节省磁盘空间,有损压缩,无法复原
2、在目前比较窄的网络带宽下,与Real Server服务器配合,使用Real Player在客户端
比较流畅地播放音视频媒体

其它还有:

1、微软的WMA编码--*.wma
2、微软的ASF流媒体编码--*.asf
3、Yamaha的VQF编码--*.vqf

你可能感兴趣的:(windows,Microsoft,存储,音乐,微软,磁盘)