音频基础

数字音频

数字音频的操作需要3个步骤：采样，量化，编码。

• 采样：这个是指音频的。首先要对模拟信号进行采样，所谓采样就是在时间轴上对信号进行数字化。采样率一般是44.1kHz，而所谓的44.1kHz就是代表1秒会采样44100次
• 量化：是指在幅度轴上对信号进行数字化，比如用16比特的二进制信号来表示声音的一个采样，而16比特（一个short）所表示的范围是[-32768,32767]，共有65536个可能取值，因此最终模拟的音频信号在幅度上也分为了65536层。
• 编码:既然每一个量化都是一个采样，那么这么多的采样该如何进行存储呢？这就涉及将要讲解的第三个概念：编码。所谓编码，就是按照一定的格式记录采样和量化后的数字数据，比如顺序存储或压缩存储，等等。这里面涉及了很多种格式，通常所说的音频的裸数据格式就是脉冲编码调制（Pulse Code Modulation, PCM）数据。

音频编码

压缩编码的基本指标之一就是压缩比，压缩比通常小于1（否则就没有必要去做压缩，因为压缩就是要减小数据容量）。
压缩算法包括有损压缩和无损压缩。

• 无损压缩是指解压后的数据可以完全复原。在常用的压缩格式中，用得较多的是有损压缩。
• 有损压缩是指解压后的数据不能完全复原，会丢失一部分信息，压缩比越小，丢失的信息就越多，信号还原后的失真就会越大。根据不同的应用场景（包括存储设备、传输网络环境、播放设备等），可以选用不同的压缩编码算法，如PCM、WAV、AAC、MP3、Ogg等。

压缩编码的原理实际上是压缩掉冗余信号，冗余信号是指不能被人耳感知到的信号，包含人耳听觉范围之外的音频信号以及被掩蔽掉的音频信号等。

几种常用的音频压缩编码格式

• WAV编码：WAV编码的一种实现（有多种实现方式，但是都不会进行压缩操作）就是在PCM数据格式的前面加上44字节，分别用来描述PCM的采样率、声道数、数据格式等信息。
  特点：音质非常好，大量软件都支持。
  适用场合：多媒体开发的中间文件、保存音乐和音效素材。
• MP3编码：MP3具有不错的压缩比，使用LAME编码（MP3编码格式的一种实现）的中高码率的MP3文件，听感上非常接近源WAV文件，当然在不同的应用场景下，应该调整合适的参数以达到最好的效果。
  特点：音质在128Kbit/s以上表现还不错，压缩比比较高，大量软件和硬件都支持，兼容性好。
  适用场合：高比特率下对兼容性有要求的音乐欣赏。
• AAC编码：AAC是新一代的音频有损压缩技术，它通过一些附加的编码技术。
  特点：在小于128Kbit/s的码率下表现优异，并且多用于视频中的音频编码。
  适用场合：128Kbit/s以下的音频编码，多用于视频中音频轨的编码。

PCM数据

描述一段PCM数据一般需要以下几个概念

• 量化格式（sampleFormat）
• 采样率（sampleRate）
• 声道数（channel）。

以CD的音质为例：量化格式（有的地方描述为位深度）为16比特（2字节），采样率为44100，声道数为2，这些信息就描述了CD的音质。而对于声音格式，还有一个概念用来描述它的大小，称为数据比特率，即1秒时间内的比特数目，它用于衡量音频数据单位时间内的容量大小。而对于CD音质的数据，比特率为多少呢？计算如下：

44100 ＊ 16 ＊ 2 = 1378.125kbps

那么在1分钟里，这类CD音质的数据需要占据多大的存储空间呢？计算如下：

1378.125 ＊ 60 / 8 / 1024 = 10.09MB

Android平台的声音渲染 （播放）

• Java SDK: MediaPlayer、SoundPool和AudioTrack。这三个API的使用场景各不相同，简单来说具体如下。
  • MediaPlayer：适合在后台长时间播放本地音乐文件或者在线的流式媒体文件，它的封装层次比较高，使用方式比较简单。
  • SoundPool：适合播放比较短的音频片段，比如游戏声音、按键声音、铃声片段等，它可以同时播放多个音频。
  • AudioTrack：适合低延迟的播放，是更加底层的API，提供了非常强大的控制能力，适合流媒体的播放等场景，由于其属于底层API，所以需要结合解码器来使用。
• NDK : OpenSL ES,可以提供非常强大的音效处理、低延时播放等功能，比如在Android手机上可实现实时耳返的功能。

Android平台录制声音

• AudioRecord