鄞州区建网站外包,网页制作教程赵丰年,北京做网站优化多少钱,1150网站建设服务器主板1 引言
现实生活中#xff0c;我们听到的声音都是时间连续的#xff0c;我们称为这种信号叫模拟信号。模拟信号需要进行数字化以后才能在计算机中使用。 目前我们在计算机上进行音频播放都需要依赖于音频文件。音频文件的生成过程是将声音信息采样、量化和编码产生的数字信号…1 引言
现实生活中我们听到的声音都是时间连续的我们称为这种信号叫模拟信号。模拟信号需要进行数字化以后才能在计算机中使用。 目前我们在计算机上进行音频播放都需要依赖于音频文件。音频文件的生成过程是将声音信息采样、量化和编码产生的数字信号的过程人耳所能听到的声音最低的频率是从20Hz起一直到最高频率20KHZ因此音频文件格式的最大带宽是20KHZ。根据奈奎斯特的理论只有采样频率高于声音信号最高频率的两倍时才能把数字信号表示的声音还原成为原来的声音所以音频文件的采样率一般在40~50KHZ比如最常见的CD音质采样率44.1KHZ。
2 音频信号
音频信号audio signals是表示机械波的信号是机械波的波长、强度变化的信息载体。根据机械波的特征可分为规则信号和不规则信号。其中规则信号又可以分为音乐等。规则信号是一种连续变化的模拟信号可用一条连续的曲线来表示。
音频信号常见的分为
语音信号音乐信号
3 音频信号的模数转换
模数转换是指现实中声音的模拟信号转换为数字信号的过程。
模数转换过程会经过一系列的信号处理过程模拟信号--采样-量化-编码-数字信号。
音频模拟信号--数字信号转换
模拟信号经过-抽样-量化-编码-数字信号 下面以麦克风的声音采集举例 首先声波通过空气传播到麦克风的振膜。 然后振膜随空气抖动的振幅大小产生相应的电学信号。我们把这种带有声学表征的电学信号叫做模拟信号Analog Signal。 最后通过 A/DC模数转换器将模拟信号转换成数字信号Digital Signal。即通过 PCMPulse Code Modulation脉冲编码调制对连续变化的模拟信号进行抽样、量化和编码转换成离散的数字信号。 4 声音的三要素
声音的三要素分别是音调、音量、音色具体如下 音调指的是声音频率的高低表示人的听觉分辨一个声音的调子高低的程度物体振动的快发出的声音的音调就高振动的慢发出的音调就低。 音量又称音强、响度指声音的振幅大小表示人耳对所听到的声音大小强弱的主观感受。 音色又称音品指不同声音表现在波形方面总是有与众不同的特性不同的物体振动都有不同的特点反映每个物体发出的声音的特有的品质音色具体由谐波决定好听的声音绝不仅仅是一个正弦波而是谐波。
5 采样率sample rate
采样 波是无限光滑的采样的过程就是从波中抽取某些点的频率值就是把模拟信号数字化。如下图所示蓝色代表模拟音频信号红色代表采样得到的量化数值 采样率采样率就是 1 秒内采集到的采样点的个数一般用赫兹 Hz 来表示。采样率是指将模拟信号转换成数字信号时的采样频率人耳能听到的声音一般在 20Hz~20KHz 之间根据采样定理采样频率大于信号中最高频率的 2 倍时采样之后的数字信号便能完整的反应真实信号也就是说采样率和保留的声音频率基本上是 2 倍的关系. 由上图我们可以看到16kHz 采样率的音频在 8kHz 以上的频谱基本是没有能量的黑色也就是说这部分高频的信息由于采样率不够已经丢失了。从听感上来说人耳可以听到的频率范围大概是 5020kHz 之间。如果采样率不够那么和实际听感比起来声音就会显得“低沉”或者说“闷”。
用多大的采样率取决于业务场景,下面列举了常见业务场景的采样率 8,000 Hz - voip电话所用采样率, 对于人的说话已经足够 11,025 Hz-AM调幅广播所用采样率 22,050 Hz和24,000 Hz- FM调频广播所用采样率 32,000 Hz - miniDV 数码视频 camcorder、DAT (LP mode)所用采样率 44,100 Hz - 音频 CD, 也常用于 MPEG-1 音频VCD, SVCD, MP3所用采样率 47,250 Hz - 商用 PCM 录音机所用采样率 48,000 Hz - miniDV、数字电视、DVD、DAT、电影和专业音频所用的数字声音所用采样率 50,000 Hz - 商用数字录音机所用采样率 96,000 或者 192,000 Hz - DVD-Audio、一些 LPCM DVD 音轨、BD-ROM蓝光盘音轨、和 HD-DVD 高清晰度 DVD音轨所用所用采样率 2.8224 MHz - Direct Stream Digital 的 1 位 sigma-delta modulation 过程所用采样率。
采样越高声音的还原就越真实越自然人对频率的识别范围是 20HZ - 20000HZ, 如果每秒钟能对声音做 20000 个采样, 回放时就足可以满足人耳的需求. 所以 22050 的采样频率是常用的, 44100已是CD音质, 超过48000的采样对人耳已经没有意义。这和电影的每秒 24 帧图片的道理差不多。
重采样 主要是分为上采样和下采样在进行采样的过程中需要注意采样的倍率的问题并不是可以随意的改变采样率的大小的根据采样定理在进行模拟/数字信号的转换过程中当采样频率大于信号中最高频率的2倍时采样之后的数字信号完整地保留了原始信号中的信息一般实际应用中保证采样频率为信号是最高频率的5~10倍。采样定理又称奈奎斯特定理。 上采样 在进行采样的过程中通常是分为上采样和下采样的而区分的依据是重新采样的时候新采样率和原采样率的大小的比较如果是大于原信号就成为是上采样如果是小于原信号就称为下采样。而上采样的实质也就是内插或插值。 下采样 新的采样率的大小小于原采样率的大小。 方法 重采样的时候主要是有最邻近法、双线性内插法以及三次卷积内插法这三种。 在卷积网络中还有反卷积亚像素卷积等。 6 采样位深Sample Bits
也叫采样位宽采样深度量化精度采样后需要量化每个采样点会有对应量化的数值采样位深也就是每个采样点用多少 bit 来表示。从物理意义上来说位深代表的是振动幅度的表达精确程度或者说粒度
采样频率和采样位数是数字化声音的两个最基本要素相当于视频中的屏幕大小 例如800*600和颜色分辨率例如24bit。
音频量化的量化位数常用的有 8bit (也就是1字节) 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级; 16bit (也就是2字节) 可以细到 65536 个数, 这已是 CD 标准了; 24bit (3字节) 振幅可以达到1677216DVD的标准 32bit (也就是4字节) 能把振幅细分到 4294967296 个等级, 实在是没必要了
常用场景 网络电话中用的就是 16bit 的位深这样不太会影响听感并且存储和传输的耗费也不是很大。 音乐或者更高保真度要求的场景中则可以使用 32bit 甚至 64bit 的位深来减少失真。
7 声道Sound Channel
也叫通道声道是指声音在录制或播放时在不同空间位置采集或回放的相互独立的音频信号所以声道数也就是声音录制时的音源数量或回放时相应的扬声器数量。
音频声道是音频信号的独立通道用于录制、存储和播放声音。音频声道的类型和配置直接影响听众的听觉体验。从单声道的简单配置到复杂的多声道环绕声系统不同的声道配置被设计用来满足不同的音频播放需求从基础的通信到高质量的音乐和电影欣赏。随着技术的进步三维音频和立体声扩展等更先进的系统正在变得越来越普及为用户带来更加沉浸和真实的听觉体验。
声道的分类如下
单声道Mono 定义 单声道是最基本的声道类型所有的声音都通过一个单一的声道播放。 特点 单声道无法提供空间感所有声源好像都来自同一个点。 应用 常用于电话通信、无线电广播以及某些类型的语音录制。 立体声Stereo 定义 立体声使用两个声道左和右来播放声音提供比单声道更丰富的听觉体验。 特点 通过左右声道的不同立体声能够模拟空间中的声音位置给听者一种声音在空间中分布的感觉。 应用 广泛应用于音乐、电影、电视和广播中。 3. 多声道 A. 5.1环绕声 配置 包含前左、前中、前右、后左、后右五个全频声道加上一个低频效果声道.1。 特点 能够在水平平面上提供全方位的声音体验常用于家庭影院系统。 B. 7.1环绕声 配置 在5.1环绕声的基础上增加了两个后环绕声道。 特点 提供更加立体和包围感强的声音效果常见于电影院和高端家庭影院。 3D音频和立体声扩展 技术 如杜比全景声Dolby Atmos和DTS:X这些格式通过在垂直和水平平面上添加声道创造出三维的声音空间。 应用 用于提供更加沉浸式的听觉体验特别是在电影院和某些高端家庭影音系统中。 双声道Dual左声道和右声道 定义 与立体声相似但双声道录音中的两个声道可能独立且不意图创建空间感。 应用 可用于某些音乐录制其中两个声道分别录制不同的声音或乐器。 8 码率
码率指的是比特率声音中的比特率是指将模拟声音信号转换成数字声音信号后单位时间内的二进制数据量是间接衡量音频质量的一个指标。
单位为 bpsBit Per Second比特率越高每秒传送数据就越多画质就越清晰
码率 采样频率 * 量化位数 * 声道个数
不同码率的音频质量 32 kbps —MW(AM) 质量 96 kbps —FM质量 128 - 160 kbps –相当好的质量有时有明显差别 192 kbps — 优良质量偶尔有差别 224 - 320 kbps — 高质量 800 bps – 能够分辨的语音所需最低码率需使用专用的FS-1015语音编解码器 8 kbps —电话质量使用语音编码 8-500 kbps --Ogg Vorbis和MPEG1 Player1/2/3中使用的有损音频模式 500 kbps–1.4 Mbps —44.1KHz的无损音频解码器为FLAC Audio,WavPack或Monkeys Audio 1411.2 - 2822.4 Kbps —脉冲编码调制(PCM)声音格式CD光碟的数字音频 5644.8 kbps —SACD使用的Direct Stream Digital格式
9 音频存储
音频存储也就是把量化所得的结果即单个声道的样本以二进制的码字进行存放。其中有两种存放方式
直接以整形来存放量化结果即Twos complement code以浮点类型来存放量化结果即Floating point encoding code。
大多数格式的PCM样本数据使用整形来存放而在对一些对精度要求高的应用方面则使用浮点型来表示PCM 样本数据。 存储计算方式
[时长]s * [采样率]Hz * [采样位数]bit * [声道数] / 8 [文件大小]byte
某音频信号是采样率为8kHz、立体声道、位宽为16bit时长为1s则音频数据的大小为
1 * 8000 * 16 *2 256000 bit / 8 32000 byte / 1024 31.25 KB
10 音频格式的封装
音频的封装格式分有损和无损封装格式 无损编码封装APEWAVFLACAIFFALACAMA 有损编码封装MP3AACAMRWMARAOGG
下面列举了常见的wav格式进行了一个梳理分析
