声音的基础知识：
1. 人的听觉范围： 20Hz ~ 20KHz， HZ就是一秒钟震动的次数；
20Hz一下是次声波，20000Hz是超声波；
2. 正常人说话的频率为 85Hz - 1100Hz
3. 声音的三要素：
1. 音调：音频的快慢 由低到高 男生 - 女生 - 儿童 音频越高声音就越好听；
2. 音量： 物体振动的幅度；
3. 音色： 谐波 由很多不同的频率的声音组成的，下图中绿色的波是代表主频。
所有的变化都是在主频上做的一些微调，其中紫色的波是在黄色和浅蓝色结合主频生成的，紫色波中的两个小幅度的变化就是谐波。
音色的不同主要是通过谐波的不同来决定的；
http://img.mukewang.com/szimg/60827b33096974e206720594.jpg
问题： 这个模拟信号为什么要用正弦波表示？
模数的转换
就是将模拟信号转换成数字信号 即可以将模拟信号转换为计算机能够识别的方波
1. 对声音进行量化采样，例如下图：对一段频率每0.25 进行一次采样。实际上一般的采样率48000次，也就是一秒钟的模拟信号分割成48000个小段数字信号的值进行表示；采样率越大 数据越大 还原度越高，
2. 采样大小（也叫位深）：一个采样数字信号用多少bit表示。常用的是16bit，采样越大表示的声音音量范围就越大；
3. 采样率：常用采样：8k 16k 32k 44.1k 48k;采样率越大 数据越大 还原度越高;
4. 声道数：单声道 双声道 多声道（立体声）
5. 数字信号还需要从十进制转换成二进制，让计算机识别，数字电路会形成方波。
一秒钟的PCM数据（kb） = 采样大小 * 采样频率 * 声道数；
模拟信号转数字信号表
音频原始数据
1. PCM是纯的音频数据，没有任何的格式；
2. WAV是一种多媒体文件格式 ， 既可以存储原始数据 也可以存储压缩数据，就是在PCM原始数据上加了一个header，方便识别处理；
WAV头部信息
- format是固定的WAVE
- 如果SubChunkID是fmt就是采样的信息，接着才是原始数据，如果SubChunkID是data，就表示后面直接就是原始数据；
- BlockAlign表示字节对齐数，如果是4字节，那么原始数据的一个采样就是4个字节表示的
一个WAV数据实例
网友评论