一、簡介:
關(guān)于聲音的物理定義:
聲音:是由物體振動(dòng)產(chǎn)生的聲波。是通過介質(zhì)傳播并能被人或動(dòng)物聽覺器官所感知的波動(dòng)現(xiàn)象。
最初發(fā)出振動(dòng)的物體叫聲源。聲音以波的形式振動(dòng)傳播。聲音是聲波通過任何物質(zhì)傳播形成的運(yùn)動(dòng)。
聲音作為一種波，頻率在20 Hz~20 kHz之間的聲音是可以被人耳識(shí)別的。
二、音頻簡介:
任何我們可以聽見的聲音經(jīng)過音頻線或話筒的傳輸都是一系列的模擬信號(hào)。模擬信號(hào)是我們可以聽見的。而數(shù)字信號(hào)就是用一堆數(shù)字記號(hào)(二進(jìn)制的1和0)來記錄聲音，而不是用物理手段來保存信號(hào)（用普通磁帶錄音就是一種物理方式）。
我們實(shí)際上聽不到數(shù)字信號(hào)。而聲音的存儲(chǔ)通常存儲(chǔ)的是音頻的數(shù)字信號(hào).模擬信號(hào)通過采樣--量化--編碼可以轉(zhuǎn)化為數(shù)字信號(hào).
相關(guān)概念:
采樣:
在音頻處理時(shí)要先把音頻的模擬信號(hào)變成數(shù)字信號(hào)，這叫A/D轉(zhuǎn)換。要把音頻的模擬信號(hào)變成數(shù)字信號(hào)，就需要采樣。
采樣率:
一秒鐘內(nèi)采樣的次數(shù)稱為采樣頻率,采樣率越高,失真越小.
8000hz 為電話采樣。
22050hz 的采樣頻率是常用的。
44100hz已是CD音質(zhì)。
超過48000的采樣對(duì)人耳已經(jīng)沒有意義...
采樣位數(shù)/位寬：
每個(gè)采樣數(shù)據(jù)記錄的是振幅, 采樣精度取決于采樣位數(shù)的大小:
數(shù)字信號(hào)是用0和1來表示的。采樣位數(shù)就是采樣值用多少位0和1來表示，也叫采樣精度，用的位數(shù)越多就越接近真實(shí)聲音。如用8位表示，采樣值取值范圍就是-128 ~ 127，如用16位表示，采樣值取值范圍就是-32768 ~ 32767。采樣位數(shù)越高，精度越高,聲音變化的梯度越小,聲音更加細(xì)膩,失真越低。當(dāng)然音頻文件的體積也會(huì)成倍的放大.
1 字節(jié)(也就是8bit) 只能記錄 256 個(gè)數(shù), 也就是只能將振幅劃分成 256 個(gè)等級(jí)
2 字節(jié)(也就是16bit) 可以細(xì)到 65536 個(gè)數(shù), 這已是 CD 標(biāo)準(zhǔn)了;
4 字節(jié)(也就是32bit) 能把振幅細(xì)分到 4294967296 個(gè)等級(jí), 實(shí)在是沒必要了。
聲道：
通常語音只用一個(gè)聲道。而對(duì)于音樂來說，既可以是單聲道（mono），也可以是雙聲道（即左聲道右聲道），還可以是多聲道，叫環(huán)繞立體聲。
編解碼 ：
編碼過程：模擬信號(hào)->采樣->量化->編碼->數(shù)字信號(hào).
通常把音頻采樣過程也叫做脈沖編碼調(diào)制編碼，即
PCM（Pulse Code Modulation）編碼，采樣值也叫PCM值。脈沖編碼調(diào)制是數(shù)字通信的編碼方式之一。主要過程是將話音、圖像等模擬信號(hào)每隔一定時(shí)間進(jìn)行取樣，使其離散化，同時(shí)將抽樣值按分層單位四舍五入取整量化，同時(shí)將抽樣值按一組二進(jìn)制碼來表示抽樣脈沖的幅值。如果把采樣值直接保存或者發(fā)送，會(huì)占用很大的存儲(chǔ)空間。以16kHz采樣率16位采樣位數(shù)單聲道為例，一秒鐘就有16*16000/8 = 32000字節(jié)。為了節(jié)省保存空間或者發(fā)送流量，會(huì)對(duì)PCM值壓縮。
目前主要有三大技術(shù)標(biāo)準(zhǔn)組織制定壓縮標(biāo)準(zhǔn):
1. ITU，主要制定有線語音的壓縮標(biāo)準(zhǔn)（g系列），有g(shù)711/g722/g726/g729等。
2. 3GPP,主要制定無線語音的壓縮標(biāo)準(zhǔn)（amr系列等）,有amr-nb/amr-wb。后來ITU吸納了amr-wb，形成了g722.2。
3. MPEG,主要制定音樂的壓縮標(biāo)準(zhǔn)，有11172-3，13818-3/7，14496-3等。
壓縮:
對(duì)于自然界中的音頻信號(hào)，如果轉(zhuǎn)換成數(shù)字信號(hào)，進(jìn)行音頻編碼，那么只能無限接近，不可能百分百還原。所以說實(shí)際上任何信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)都會(huì)“有損”。但是在計(jì)算機(jī)應(yīng)用中，能夠達(dá)到最高保真水平的就是PCM編碼。因此，PCM約定俗成了無損編碼
。我們而習(xí)慣性的把MP3列入有損音頻編碼范疇，是相對(duì)PCM編碼的。強(qiáng)調(diào)編碼的相對(duì)性的有損和無損
碼率:
碼率 = 采樣頻率 * 采樣位數(shù) * 聲道個(gè)數(shù)； 例：采樣頻率44.1KHz，量化位數(shù)16bit，立體聲(雙聲道)，未壓縮時(shí)的碼率 = 44.1KHz * 16 * 2 = 1411.2Kbps = 176.4KBps，即每秒要錄制的資源大小,理論上碼率和質(zhì)量成正比
1.bps（bits per second）即比特率、比特/秒、位/秒、每秒傳送位數(shù)
2.比特（bit）是信息技術(shù)中的最小單位。
文件大小（例如文本或圖像文件）通常以字節(jié)（Byte）為單位。一字節(jié)對(duì)應(yīng)八比特。
3.在數(shù)據(jù)傳輸中，數(shù)據(jù)通常是串行傳輸?shù)?，即一個(gè)比特接一個(gè)比特地傳輸。
數(shù)據(jù)速率的單位是比特每秒（bps），含義是每秒串行通過的位數(shù)。
4. Bps (Bytes per second), 即字節(jié)每秒，因?yàn)橐蛔止?jié)對(duì)應(yīng)八比特，所以1 Bps = 8bps。
常用音頻格式
WAV 格式：音質(zhì)高 無損格式 體積較大
AAC（Advanced Audio Coding） 格式：相對(duì)于 mp3，AAC 格式的音質(zhì)更佳，文件更小，有損壓縮，一般蘋果或者Android SDK4.1.2（API 16）及以上版本支持播放,性價(jià)比高
AMR 格式：壓縮比比較大，但相對(duì)其他的壓縮格式質(zhì)量比較差，多用于人聲，通話錄音
AMR分類:
AMR(AMR-NB): 語音帶寬范圍：300－3400Hz，8KHz抽樣
mp3 格式：特點(diǎn) 使用廣泛， 有損壓縮，犧牲了12KHz到16KHz高音頻的音質(zhì)
三、音頻編碼原理:
有一定電子基礎(chǔ)的都知道傳感器采集音頻信號(hào)是模擬量，而我們實(shí)際傳輸過程中使用的是數(shù)字量。而這就涉及到模擬轉(zhuǎn)數(shù)字的過程。而模擬信號(hào)數(shù)字化必須經(jīng)過三個(gè)過程，即抽樣、量化和編碼，以實(shí)現(xiàn)話音數(shù)字化的脈沖編碼調(diào)制（PCM，Pulse Coding Modulation）技術(shù)。
抽樣(Sampling)
抽樣是把模擬信號(hào)以其信號(hào)帶寬2倍以上的頻率提取樣值，變?yōu)樵跁r(shí)間軸上離散的抽樣信號(hào)的過程。
量化（quantizing）
抽樣信號(hào)雖然是時(shí)間軸上離散的信號(hào)，但仍然是模擬信號(hào)，其樣值在一定的取值范圍內(nèi)，可有無限多個(gè)值。顯然，對(duì)無限個(gè)樣值一一給出數(shù)字碼組來對(duì)應(yīng)是不可能的。為了實(shí)現(xiàn)以數(shù)字碼表示樣值，必須將連續(xù)信號(hào)進(jìn)行離散,既將聲音信號(hào)振幅的值域,以采樣位寬所表示的范圍進(jìn)行量化。這一過程稱為量化。
量化后的抽樣信號(hào)與量化前的抽樣信號(hào)相比較，當(dāng)然有所失真，且不再是模擬信號(hào)。這種量化失真在接收端還原模擬信號(hào)時(shí)表現(xiàn)為噪聲，并稱為量化噪聲。量化噪聲的大小取決于把樣值分級(jí)“取整”的方式，分的級(jí)數(shù)越多，即量化級(jí)差或間隔越小，量化噪聲也越小。
-
編碼（Coding）
量化后的抽樣信號(hào)就轉(zhuǎn)化為按抽樣時(shí)序排列的一串十進(jìn)制數(shù)字碼流，即十進(jìn)制數(shù)字信號(hào)。簡單高效的數(shù)據(jù)系統(tǒng)是二進(jìn)制碼系統(tǒng)，因此，應(yīng)將十進(jìn)制數(shù)字代碼變換成二進(jìn)制編碼，根據(jù)十進(jìn)制數(shù)字代碼的總個(gè)數(shù)，可以確定所需二進(jìn)制編碼的位數(shù)，即字長(采樣位數(shù))這種把量化的抽樣信號(hào)變換成給定字長的二進(jìn)制碼流的 過程稱為編碼。
四、音頻開發(fā)的具體內(nèi)容:
- 音頻采集/播放
- 音頻算法處理（去噪、靜音檢測、回聲消除、音效處理、功放/增強(qiáng)、混音/分離，等等）
- 音頻的編解碼和格式轉(zhuǎn)換
- 音頻傳輸協(xié)議的開發(fā)（SIP，A2DP、AVRCP，等等）
