音频基本知识.docx

音频基本知识第一部分模拟声音-数字声音原理第二部分音频压缩编码第三部分和弦铃声格式第四部分单声道、立体声和环绕声 第五部分 3D环绕声技术第六部分数字音频格式和数字音频接口第一部分模拟声音-数字声音原理一、模拟声音数字化原理声音是通过空气传播的一种连续的波，叫声波声音的强弱体现在声波压力的大小上， 音调的高低体现在声音的频率上声音用电表示时，声音信号在时间和幅度上都是连续的模 拟信号压缩编码MP3AACWMA图1 模拟声音数字化的过程声音进入计算机的第一步就是数字化，数字化实际上就是采样和量化连续时间的离散化通过采样来实现声音数字化需要回答两个问题:①每秒钟需要采集多少个声音样本，也就是采样频率(f) 是多少，②每个声音样本的位数(bit per sample，bps)应该是多少，也就是量化精度»采样频率采样频率的高低是根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决 定的奈奎斯特理论指出，采样频率不应低于声音信号最高频率的两倍，这样才能把以数字 表达的声音还原成原来的声音采样的过程就是抽取某点的频率值，很显然，在一秒中内抽 取的点越多，获取得频率信息更丰富，为了复原波形，一次振动中，必须有2个点的采样， 人耳能够感觉到的最高频率为20kHz，因此要满足人耳的听觉要求，则需要至少每秒进行40k 次采样，用40kHz表达，这个40kHz就是采样率。

我们常见的CD，采样率为44.1kHz 话音的信号频率约为3.4 kHz，采样频率就选为8 kHz＞量化精度光有频率信息是不够的，我们还必须纪录声音的幅度量化位数越高，能表示的幅度的 等级数越多例如，每个声音样本用3bit表示，测得的声音样本值是在0〜8的范围里我 们常见的CD位16bit的采样精度，即音量等级有2的16次方个样本位数的大小影响到声 音的质量，位数越多，声音的质量越高，而需要的存储空间也越多＞压缩编码经过采样、量化得到的PCM数据就是数字音频信号了，可直接在计算机中传输和存储 但是这些数据的体积太庞大了！为了便于存储和传输，就需要进一步压缩，就出现了各种压 缩算法，将PCM转换为MP3,AAC,WMA等格式常见的用于语音(Voice)的编码有:EVRC (Enhanced Variable Rate Coder)增强型可 变速率编码，AMR、ADPCM、G.723.1、G.729等常见的用于音频(Audio)的编码有：MP3、 AAC、 AAC+、 WMA 等二、问题1、为什么要使用音频压缩技术？我们可以拿一个未压缩的CD文件(PCM音频流)和一个MP3文件作一下对比：PCM音频：一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码CD文件，它的数 据速率则为44.1KX 16X2 =1411.2 Kbps，这个参数也被称为数据带宽。

将码率除以8 bit, 就可以得到这个CD的数据速率，即176.4KB/s这表示存储一秒钟PCM编码的音频信号， 需要176.4KB的空间MP3音频：将这个WAV文件压缩成普通的MP3, 44.1KHz，128Kbps的码率，它的数据速率为 128Kbps/8=16KB/s如下表所示：比特率存1秒音频数据所占空间CD（线性 PCM）1411.2 Kbps176.4KBMP3128Kbps16KBAAC96Kbps12KBmp3PRO64Kbps8KB表1 相同音质下各种音乐大小对比2、频率与采样率的关系采样率表示了每秒对原始信号采样的次数，我们常见到的音频文件采样率多为 44.1KHz，这意味着什么呢？假设我们有2段正弦波信号，分别为20Hz和20KHz，长度均为 一秒钟，以对应我们能听到的最低频和最高频，分别对这两段信号进行40KHz的采样，我们 可以得到一个什么样的结果呢？结果是：20Hz的信号每次振动被采样了 40K/20=2000次， 而20K的信号每次振动只有2次采样显然，在相同的采样率下，记录低频的信息远比高频 的详细这也是为什么有些音响发烧友指责CD有数码声不够真实的原因，CD的44.1KHz采 样也无法保证高频信号被较好记录。

要较好的记录高频信号，看来需要更高的采样率，于是 有些朋友在捕捉CD音轨的时候使用48KHz的采样率，这是不可取的！这其实对音质没有任 何好处，对抓轨软件来说，保持和CD提供的44.1KHz 一样的采样率才是最佳音质的保证之 一，而不是去提高它较高的采样率只有相对模拟信号的时候才有用，如果被采样的信号是 数字的，请不要去尝试提高采样率3、流特征随着网络的发展，人们对收听音乐提出了要求，因此也要求音频文件能够一边读一 边播放，而不需要把这个文件全部读出后然后回放，这样就可以做到不用下载就可以实现收 听了也可以做到一边编码一边播放，正是这种特征，可以实现的直播，架设自己的数 字广播电台成为了现实第二部分音频压缩编码一. 有损(lossy)/ 无损(lossless)/ 未压缩(uncompressed )音频格式未压缩音频是一种没经过任何压缩的简单音频未压缩音频通常用于影音文件的的PCM 或WAV音轨无损压缩音频是对未压缩音频进行没有任何信息/质量损失的压缩机制无损压缩音频 一般不使用于影音世界，但是存在的格式有无损WMA或Matroska里的FLAC有损压缩音频尝试尽可能多得从原文件删除没有多大影响的数据，有目的地制成比原文 件小多的但音质却基本一样。

有损压缩音频普遍流行于影音文件，包括 AC3, DTS, AAC, MPEG-1/2/3, Vorbis,和 Real Audio.我们也来讨论下无损/有损压缩过程只要你转换成一种有损压缩音频格式(例如wav 转MP3)，质量上有损失，那么它就是有损压缩从有损压缩音频格式转换成另一有损压缩 音频格式(例如Mp3转AAC)更槽糕，因为它不仅会引入原文件存在的损失，而且第2次编 码也会有损失二、 语音(Voice)编码和音频(Audio)编码语音编码主要是针对语音通信系统中的编码方案，应用在有线或无线通信中；音频编码 是针对音乐的编码方案，主要用来更方便地实现对音乐文件进行网络传输和存储两者的差 别一方面是频带不同，另一方面是压缩要求不一样，音乐要求具有高保真度和立体感等要求 音频编码最常见的是MPEG的音频编码语音的编码技术通常分为三类：波形编码、参量编码和混合编码其中，波形编码和参 量编码是两种基本类型波形编码是将时间域信号直接变换为数字代码，力图使重建语音波形保持原语音信号的 波形形状波形编码的基本原理是在时间轴上对模拟语音按一定的速率抽样，然后将幅度样 本分层量化，并用代码表示解码是其反过程，将收到的数字序列经过解码和滤波恢复成模 拟信号。

它具有适应能力强、语音质量好等优点，但所用的编码速率高，在对信号带宽要求 不太严格的通信中得到应用，而对频率资源相对紧张的移动通信来说，这种编码方式显然不 合适脉冲编码调制(PCM)和增量调制(AM)，以及它们的各种改进型自适应增量调制(ADM)， 自适应差分编码(ADPCM)等，都属于波形编码技术它们分别在64以及16Kbit/s的速率 上，能给出高的编码质量，当速率进一步下降时，其性能会下降较快参量编码又称为声源编码，是将信源信号在频率域或其它正交变换域提取特征参量，并 将其变换成数字代码进行传输具体说，参量编码是通过对语音信号特征参数的提取和编码， 力图使重建语音信号具有尽可能高的可靠性，即保持原语音的语意，但重建信号的波形同原 语音信号的波形可能会有相当大的差别这种编码技术可实现低速率语音编码，比特率可压 缩到2Kbit/s-4.8Kbit/s，甚至更低，但语音质量只能达到中等，特别是自然度较低，连 熟人都不一定能听出讲话人是谁线性预测编码（LPC）及其它各种改进型都属于参量编码混合编码将波形编码和参量编码组合起来，克服了原有波形编码和参量编码的弱点，结 合各自的长处，力图保持波形编码的高质量和参量编码的低速率，在4-16Kbit/s速率上能 够得到高质量的合成语音。

多脉冲激励线性预测编码（MPLPC），规划脉冲激励线性预测编 码（KPELPC），码本激励线性预测编码（CELP）等都是属于混合编码技术很显然，混合编 码是适合于数字移动通信的语音编码技术三、 无线通信中常见语音编码PHS为32kbit/s的ADPCM编码，GSM为13kbit/s的规则脉冲激励长期预测（RPE-LTP）编码， WCDMA使用的是自适应多速率编码（AMR），cdma2000使用的是可变速率编码（IS-773, IS-127）1、 AMR编码（介绍它的原因是因为中有使用AMR铃声）在3G多媒体通信的发展过程中，音视 频编码有了很大的发展1999年初,3GPP采纳了由爱立信、诺基亚、西门子提出的自适应多 速率（AMR）标准作为第三代移动通信中语音编解码器的标准AMR声码器采用代数码本激励 线性预测（ACELP:Algebraic Code Excited Linear Prediction编码方式AMR 标准针对不 同的应用，分别提出了 AMR-NB，AMR-WB和AMR-WB+三种不同的协议AMR-NB应用于窄带， 而AMR-WB和AMR-WB+则应用于宽带通信中对于铃声，AMR-NB对应的铃声文件扩展名是.amr，AMR-WB对应铃声文件扩展名 是.awb。

它们不是音乐，而是录音得到的原声2、 ADPCM 编码自适应差分脉码调制（ADPCM）是在差分脉码调制（DPCM）的基础上发展起来的DPCM根据 信号的过去样值预测下一个样值，并将预测误差加以量化、编码，而后进行传输，由于预测 误差的幅度变化范围小于原信号的幅度变化范围，因此在相同量化噪声条件下，DPCM的量 化比特数小于PCM，从而达到语音压缩编码的目的ADPCM与DPCM比较，两者主要区别在于 ADPCM中的量化器和预测器采用了自适应控制同时，在译码器中多了一个同步编码调整， 其作用是为了在同步级连时不产生误差积累20世纪80年代以来，32kb / s的ADPCM技术已日趋成熟，并接近PCM的质量，但却节 省一半的信道容量，因而受到重视1984年CCITT提出G721建议，采用动态锁定量化器， 这是一种具有自适应速度控制32kb / s的自适应量化器，并将它作为国际标准化的语音编码 方法1986年又对G721建议进行了修正，称G726建议ADPCM不适合作音乐的编码，常用于录音雅马哈的MMF铃声用到MIDI+PCM/ADPCM技 术，其中PCM和ADPCM就是模拟音效，包括人声四、 各种主流音频编码（或格式）的介绍1、 PCM编码PCM （Pulse Code Modulation）,即脉冲编码调制，指模拟音频信号只经过采样、模数 转换直接形成的二进制序列，未经过任何编码和压缩处理。

PCM编码的最大的优点就是音质 好，最大的缺点就是体积大在计算机应用中，能够达到最高保真水平的就是3CM编码，在 CD、DVD以及我们常见的WAV文件中均有应用2、 WAVE格式（铃声）这是一种古老的音频文件格式，由微软开发WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码WAV可以使 用多种音频编码来压缩其音频流，不过我们常见的都是音频流被PCM编码处理的WAV，但这 不表示WAV只能使用PCM编码，MP3编码同样也可以运用在WAV中，只要安装好了相应的 Decode，就可以欣赏这些WAV 了在Win。