声音

一、声音

振幅（Amplitude）：从平衡位置到最大位移位置之间的距离。振幅越大，响度越大

周期（Period）：空气分子完全来回振动一次所花费的时间。

频率（Frequency）：物体每秒来回振动的次数。频率越高，音调就越高

音色（Timbre）：是指声音的特色。

二、音频数字化

将模拟信号（Analog Signal）转成数字信号（Digital Signal）后进行存储的过程

常见技术方案是脉冲编码调制（PCM，Pulse Code Modulation）

三、脉冲编码调制（PCM，Pulse Code Modulation）

过程：采样-量化-编码

采样（Sampling）

采样（Sampling）：每隔一段时间采集一次模拟信号的样本，是一个在时间上将模拟信号离散化（把连续信号转换成离散信号）的过程。

采样率（采样频率，采样速率，Sampling Rate）：每秒采集的样本数量。比如，采样率44.1kHz表示1秒钟采集44100个样本。

采样定理（奈奎斯特–香农采样定理，Nyquist-Shannon sampling theorem）得知：只有当采样率高于声音信号最高频率的2倍时，才能把采集的声音信号唯一地还原成原来的声音。人耳能够感觉到的最高声音频率为20000Hz，因此为了满足人耳的听觉要求，需要至少每秒进行40000次采样（40kHz采样率）

量化

量化（Quantization）：将每一个采样点的样本值数字化。

位深度（采样精度，采样大小，Bit Depth）：使用多少个二进制位来存储一个采样点的样本值。位深度越高，表示的振幅越精确。常见的CD采用16bit的位深度，DVD24bit,电话8bit

编码

编码：将采样和量化后的数字数据转成二进制码流。

声道（Channel）

单声道产生一组声波数据，双声道（立体声）产生两组声波数据。PCM数据大小 = 采样率 * 位深度 * 声道数 * 时间

比特率

比特率（Bit Rate），指单位时间内传输或处理的比特数量，单位是：比特每秒（bit/s或bps）

比特率（Bit Rate） = 采样率 * 位深度 * 声道数

信噪比

信噪比（Signal-to-noise ratio，SNR，S/N，讯噪比），指信号与噪声的比例，用于比较所需信号的强度与背景噪声的强度，以分贝（dB）为单位。

PCM数据大小

PCM数据大小 = 采样率 * 位深度 * 声道数 * 时间

要想在不改变音频时长的前提下，降低音频数据的大小，只有2种方法：降低采样指标、压缩。降低采样指标是不可取的，会导致音频质量下降，用户体验变差，因此专家们研发了各种压缩方案。

四、音频的编码

编码：为了更便于存储和传输，一般都会使用某种音频编码对它进行编码压缩，然后再存成某种音频文件格式。

压缩比 = 未压缩大小 / 压缩后大小

• 无损压缩
  • 解压后可以完全还原出原始数据
  • 压缩比小，体积大
• 有损压缩
  • 解压后不能完全还原出原始数据，会丢失一部分信息
  • 压缩比大，体积小
  • 压缩比越大，丢失的信息就越多，还原后的信号失真就会越大
  • 一般是通过舍弃原始数据中对人类听觉不重要的部分，达成压缩成较小文件的目的

五、音频的解码（Decode）

当需要播放音频时，得先解码（解压缩）出PCM数据，然后再进行播放。

六、常见压缩方式

无损

Monkey's Audio：是一种无损的音频编码和文件格式，文件扩展名为.ape，压缩率一般在55%左右。

FLAC（Free Lossless Audio Codec），是一种无损的音频编码和文件格式，文件扩展名为.flac。虽然压缩率稍有不及Monkey's Audio，但FLAC技术更先进，占用资源更低，有更多的平台及硬件产品支持FLAC。

ALAC（Apple Lossless Audio Codec），是由Apple开发的一种无损的音频编码，文件扩展名为.m4a、.caf。

有损

MP3（MPEG Audio Layer III），是非常流行的一种有损音频编码和文件格式，文件扩展名为.mp3。

• 第1版是：MPEG-1 Audio Layer III，属于国际标准ISO/IEC 11172-3
• 第2版是：MPEG-2 Audio Layer III，属于国际标准ISO/IEC 13818-3
• 第3版是：MPEG-2.5 Audio Layer III，并不是由MPEG官方开发的，不是公认的标准

WMA（Windows Media Audio），是由Microsoft开发的音频编码和文件格式，文件扩展名为.wma。包括4种类型：

• WMA：原始的WMA编解码器，作为MP3的竞争者，属于有损音频编码
• WMA Pro：支持更多声道和更高质量的音频，属于有损音频编码
• WMA Lossless：属于无损音频编码
• WMA Voice：属于有损音频编码

AAC（Advanced Audio Coding），是由Fraunhofer IIS、杜比实验室、AT&T、Sony、Nokia等公司共同开发的有损音频编码和文件格式，压缩比通常为18:1。

AAC被设计为MP3格式的后继产品，通常在相同的比特率下可以获得比MP3更高的声音质量，是iPhone、iPod、iPad、iTunes的标准音频格式。

AAC编码的文件扩展名主要有3种：

• .acc：传统的AAC编码，使用MPEG-2 Audio Transport Stream（ADTS）容器
• .mp4：使用了MPEG-4 Part 14的简化版即3GPP Media Release 6 Basic（3gp6）进行封装的AAC编码
• .m4a：为了区别纯音频MP4文件和包含视频的MP4文件而由Apple公司使用的扩展名
  • Apple iTunes对纯音频MP4文件采用了.m4a文件扩展名
  • M4A的本质和音频MP4相同，故音频MP4文件可以直接更改文件扩展名为.m4a

Vorbis，是由Xiph.Org基金会开发的一种有损音频编码。通常以Ogg作为容器格式，所以常合称为Ogg Vorbis，文件扩展名为.ogg。

Speex，是由Xiph.Org基金会开发的一种有损音频编码和文件格式，文件扩展名为.spx。

Opus，是由Xiph.Org基金会开发的一种有损音频编码和文件格式，文件扩展名为.opus。用以取代Vorbis和Speedx。经过多次盲听测试，在任何给定的比特率下都比其他标准音频格式具有更高的质量，包括MP3、AAC。

七、文件格式

Ogg

Ogg是一种多媒体文件格式，由Xiph.Org基金会所维护，可以纳入各式各样的音视频编码（音频、视频都可以），文件扩展名常为.ogg。

Ogg常用的音频编码有：

• 有损压缩：Speex、Vorbis、Opus
• 无损压缩：FLAC
• 未压缩：PCM

WAV

WAV（Waveform Audio File Format），是由IBM和Microsoft开发的音频文件格式，扩展名是.wav，通常采用PCM编码，常用于Windows系统中。

WAV的文件格式如下图所示，前面有44个字节的文件头，紧跟在后面的就是音频数据（比如PCM数据）。

WAV文件格式

• NumChannels：声道数
• SampleRate：采样率（Hz）
• ByteRate：每秒多少个字节（Byte/s）
• BitsPerSample：位深度

AIFF

AIFF（Audio Interchange File Format），由Apple开发的音频文件格式，扩展名是.aiff、.aif。跟WAV一样，通常采用PCM编码，常用于Mac系统中。