当前位置:文档之家› 音频基本知识

音频基本知识

音频基本知识第一部分 模拟声音-数字声音原理第二部分 音频压缩编码第三部分 和弦铃声格式第四部分 单声道、立体声和环绕声第五部分 3D环绕声技术第六部分数字音频格式和数字音频接口第一部分 模拟声音-数字声音原理一、模拟声音数字化原理声音是通过空气传播的一种连续的波,叫声波。

声音的强弱体现在声波压力的大小上,音调的高低体现在声音的频率上。

声音用电表示时,声音信号在时间和幅度上都是连续的模拟信号。

图1 模拟声音数字化的过程声音进入计算机的第一步就是数字化,数字化实际上就是采样和量化。

连续时间的离散化通过采样来实现。

声音数字化需要回答两个问题:①每秒钟需要采集多少个声音样本,也就是采样频率(f s)是多少,②每个声音样本的位数(bit per sample,bps)应该是多少,也就是量化精度。

¾采样频率采样频率的高低是根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决定的。

奈奎斯特理论指出,采样频率不应低于声音信号最高频率的两倍,这样才能把以数字表达的声音还原成原来的声音。

采样的过程就是抽取某点的频率值,很显然,在一秒中内抽取的点越多,获取得频率信息更丰富,为了复原波形,一次振动中,必须有2个点的采样,人耳能够感觉到的最高频率为20kHz,因此要满足人耳的听觉要求,则需要至少每秒进行40k 次采样,用40kHz表达,这个40kHz就是采样率。

我们常见的CD,采样率为44.1kHz。

电话话音的信号频率约为3.4 kHz,采样频率就选为8 kHz。

¾量化精度光有频率信息是不够的,我们还必须纪录声音的幅度。

量化位数越高,能表示的幅度的等级数越多。

例如,每个声音样本用3bit表示,测得的声音样本值是在0~8的范围里。

我们常见的CD位16bit的采样精度,即音量等级有2的16次方个。

样本位数的大小影响到声音的质量,位数越多,声音的质量越高,而需要的存储空间也越多。

¾压缩编码经过采样、量化得到的PCM数据就是数字音频信号了,可直接在计算机中传输和存储。

但是这些数据的体积太庞大了!为了便于存储和传输,就需要进一步压缩,就出现了各种压缩算法,将PCM转换为MP3,AAC,WMA等格式。

常见的用于语音(Voice)的编码有:EVRC (Enhanced Variable Rate Coder) 增强型可变速率编码,AMR、ADPCM、G.723.1、G.729等。

常见的用于音频(Audio)的编码有:MP3、AAC、AAC+、WMA等二、问题1、为什么要使用音频压缩技术?我们可以拿一个未压缩的CD文件(PCM音频流)和一个MP3文件作一下对比:PCM音频:一个采样率为44.1KHz,采样大小为16bit,双声道的PCM编码CD文件,它的数据速率则为 44.1K×16×2 =1411.2 Kbps,这个参数也被称为数据带宽。

将码率除以8 bit,就可以得到这个CD的数据速率,即176.4KB/s。

这表示存储一秒钟PCM编码的音频信号,需要176.4KB的空间。

MP3音频:将这个WAV文件压缩成普通的MP3,44.1KHz,128Kbps的码率,它的数据速率为128Kbps/8=16KB/s。

如下表所示:比特率 存1秒音频数据所占空间CD(线性PCM) 1411.2 Kbps 176.4KBMP3 128Kbps 16KBAAC 96Kbps 12KBmp3PRO 64Kbps 8KB表1 相同音质下各种音乐大小对比2、频率与采样率的关系采样率表示了每秒对原始信号采样的次数,我们常见到的音频文件采样率多为44.1KHz,这意味着什么呢?假设我们有2段正弦波信号,分别为20Hz和20KHz,长度均为一秒钟,以对应我们能听到的最低频和最高频,分别对这两段信号进行40KHz的采样,我们可以得到一个什么样的结果呢?结果是:20Hz的信号每次振动被采样了40K/20=2000次,而20K的信号每次振动只有2次采样。

显然,在相同的采样率下,记录低频的信息远比高频的详细。

这也是为什么有些音响发烧友指责CD有数码声不够真实的原因,CD的44.1KHz采样也无法保证高频信号被较好记录。

要较好的记录高频信号,看来需要更高的采样率,于是有些朋友在捕捉CD音轨的时候使用48KHz的采样率,这是不可取的!这其实对音质没有任何好处,对抓轨软件来说,保持和CD提供的44.1KHz一样的采样率才是最佳音质的保证之一,而不是去提高它。

较高的采样率只有相对模拟信号的时候才有用,如果被采样的信号是数字的,请不要去尝试提高采样率。

3、流特征随着网络的发展,人们对在线收听音乐提出了要求,因此也要求音频文件能够一边读一边播放,而不需要把这个文件全部读出后然后回放,这样就可以做到不用下载就可以实现收听了。

也可以做到一边编码一边播放,正是这种特征,可以实现在线的直播,架设自己的数字广播电台成为了现实。

第二部分 音频压缩编码一.有损(lossy)/无损(lossless)/未压缩(uncompressed)音频格式未压缩音频是一种没经过任何压缩的简单音频。

未压缩音频通常用于影音文件的的PCM 或WAV音轨。

无损压缩音频是对未压缩音频进行没有任何信息/质量损失的压缩机制。

无损压缩音频一般不使用于影音世界,但是存在的格式有无损WMA或Matroska里的FLAC。

有损压缩音频尝试尽可能多得从原文件删除没有多大影响的数据,有目的地制成比原文件小多的但音质却基本一样。

有损压缩音频普遍流行于影音文件,包括AC3, DTS, AAC, MPEG-1/2/3, Vorbis, 和Real Audio.我们也来讨论下无损/有损压缩过程。

只要你转换成一种有损压缩音频格式(例如wav 转MP3),质量上有损失,那么它就是有损压缩。

从有损压缩音频格式转换成另一有损压缩音频格式(例如Mp3转AAC)更槽糕,因为它不仅会引入原文件存在的损失,而且第2次编码也会有损失。

二、语音(Voice)编码和音频(Audio)编码语音编码主要是针对语音通信系统中的编码方案,应用在有线或无线通信中;音频编码是针对音乐的编码方案,主要用来更方便地实现对音乐文件进行网络传输和存储。

两者的差别一方面是频带不同,另一方面是压缩要求不一样,音乐要求具有高保真度和立体感等要求。

音频编码最常见的是MPEG的音频编码。

语音的编码技术通常分为三类:波形编码、参量编码和混合编码。

其中,波形编码和参量编码是两种基本类型。

波形编码是将时间域信号直接变换为数字代码,力图使重建语音波形保持原语音信号的波形形状。

波形编码的基本原理是在时间轴上对模拟语音按一定的速率抽样,然后将幅度样本分层量化,并用代码表示。

解码是其反过程,将收到的数字序列经过解码和滤波恢复成模拟信号。

它具有适应能力强、语音质量好等优点,但所用的编码速率高,在对信号带宽要求不太严格的通信中得到应用,而对频率资源相对紧张的移动通信来说,这种编码方式显然不合适。

脉冲编码调制(PCM)和增量调制(△M),以及它们的各种改进型自适应增量调制(ADM),自适应差分编码(ADPCM)等,都属于波形编码技术。

它们分别在64以及16Kbit/s的速率上,能给出高的编码质量,当速率进一步下降时,其性能会下降较快。

参量编码又称为声源编码,是将信源信号在频率域或其它正交变换域提取特征参量,并将其变换成数字代码进行传输。

具体说,参量编码是通过对语音信号特征参数的提取和编码,力图使重建语音信号具有尽可能高的可靠性,即保持原语音的语意,但重建信号的波形同原语音信号的波形可能会有相当大的差别。

这种编码技术可实现低速率语音编码,比特率可压缩到2Kbit/s-4.8Kbit/s ,甚至更低,但语音质量只能达到中等,特别是自然度较低,连熟人都不一定能听出讲话人是谁。

线性预测编码(LPC )及其它各种改进型都属于参量编码。

混合编码将波形编码和参量编码组合起来,克服了原有波形编码和参量编码的弱点,结合各自的长处,力图保持波形编码的高质量和参量编码的低速率,在4-16Kbit/s速率上能够得到高质量的合成语音。

多脉冲激励线性预测编码(MPLPC ),规划脉冲激励线性预测编码(KPELPC),码本激励线性预测编码(CELP)等都是属于混合编码技术。

很显然,混合编码是适合于数字移动通信的语音编码技术。

三、无线通信中常见语音编码PHS为32kbit/s的ADPCM编码,GSM为13kbit/s的规则脉冲激励长期预测(RPE-LTP)编码,WCDMA使用的是自适应多速率编码(AMR),cdma2000使用的是可变速率编码(IS-773,IS-127)。

1、AMR编码(介绍它的原因是因为手机中有使用AMR铃声)。

在3G多媒体通信的发展过程中,音视频编码有了很大的发展。

1999年初,3GPP采纳了由爱立信、诺基亚、西门子提出的自适应多速率(AMR)标准作为第三代移动通信中语音编解码器的标准。

AMR声码器采用代数码本激励线性预测(ACELP:Algebraic Code Excited Linear Prediction)编码方式。

AMR标准针对不同的应用,分别提出了AMR-NB,AMR-WB和AMR-WB+三种不同的协议。

AMR-NB应用于窄带,而AMR-WB和AMR-WB+则应用于宽带通信中。

对于手机铃声,AMR-NB对应的铃声文件扩展名是.amr,AMR-WB对应铃声文件扩展名是.awb。

它们不是音乐,而是录音得到的原声。

2、ADPCM编码自适应差分脉码调制(ADPCM)是在差分脉码调制(DPCM)的基础上发展起来的。

DPCM根据信号的过去样值预测下一个样值,并将预测误差加以量化、编码,而后进行传输,由于预测误差的幅度变化范围小于原信号的幅度变化范围,因此在相同量化噪声条件下,DPCM的量化比特数小于PCM,从而达到语音压缩编码的目的。

ADPCM与DPCM比较,两者主要区别在于ADPCM中的量化器和预测器采用了自适应控制。

同时,在译码器中多了一个同步编码调整,其作用是为了在同步级连时不产生误差积累。

20世纪80年代以来,32kb/s的ADPCM技术已日趋成熟,并接近PCM的质量,但却节省一半的信道容量,因而受到重视。

1984年CCITT提出G721建议,采用动态锁定量化器,这是一种具有自适应速度控制32kb/s的自适应量化器,并将它作为国际标准化的语音编码方法。

1986年又对G721建议进行了修正,称G726建议。

ADPCM不适合作音乐的编码,常用于录音。

雅马哈的MMF铃声用到MIDI+PCM/ADPCM技术,其中PCM和ADPCM就是模拟音效,包括人声。

四、各种主流音频编码(或格式)的介绍1、PCM编码PCM(Pulse Code Modulation),即脉冲编码调制,指模拟音频信号只经过采样、模数转换直接形成的二进制序列,未经过任何编码和压缩处理。

相关主题