音视频学习-音频相关知识
作者：互联网
一.声音的本质：声音是由物体的振动产生的，这种振动引起了周围空气压强的振荡，我们称这种振荡的函数表现形式为波形.
声音有振幅，振幅的主观感觉是声音的大小。声音的振幅大小取决于空气压力波距平均值(也称平衡态)的最大偏移量。【这些物理知识，大家了解一下就行了】
二.声音的物理性质：声音的频率是周期的倒数，它表示的是声音在1秒钟内的周期数，单位是赫兹(Hz)。千赫(kHz),即1000Hz,表示每秒振动1000次。声音按频率可作如下划分:
1. 次声 0～20Hz
2. 人耳能听见的声音 20Hz～20KHz
3. 超声 20KHz～1GHz
4. 特超声 1GHz～10THz
三.数字音频：计算机不直接使用圆滑的波形来表示声音，它是在每隔固定时间对波形相应的值进行采样【采样是在离散的时间上进行的，而采样值本身在计算机中也有离散的】，如图。
根据Nyguist采样定律，要从采样中完全恢复原始信号波形，采样频率【每秒钟采样个数】必须至少是信号中最高频率的两倍。前面提到人耳能听到的频率范围是[20H~20kHz]，所以采样频率一般为44.1Khz，这样就能保证声音到达20Khz也能被数字化，从而使得经过数字化处理之后，人耳听到的声音质量不会被降低。一般的采样频率有如下几种：
1） 22000（22kHz）： 无线广播。
2）44100（44.1kHz）： CD音质。
3）48000（48kHz）： 数字电视，DVD。
4）96000（96kHz）： 蓝光，高清DVD。
5）192000(192kHz): 蓝光，高清DVD。
然后第二步：把采样的数据进行量化，采样值的精度取决于它用多少位来表示，这就是量化。例如8位可以量化256个不同的值，而CD质量的16位量化可以表示65 536个值，范围为[-32768, 32767]
下图是一个3位量化的示意图，下图是一个3位量化的示意图，可以看出3位量化只能表示8个值:0.75,0.5,0.25,0,─0.25,─0.5,─0.75和 ─1，因而量化位数越少，波形就越难辨认，还原后的声音质量也就越差(可能除了一片嗡嗡声之外什么都没有)
第三部编码【后续细讲】：PCM脉冲编码调制，人耳听到的是模拟信号， PCM是把声音从模拟信号转化为数字信号的技术。
四.音频常见名词：
1）采样频率：每秒钟采样点的个数。
2) 采样精度：每个 "样本点" 的大小，常用的大小为8bit, 16bit, 24bit.
3）通道：单声道，双声道，四声道，5.1声道。
4）比特率：每秒传输的bit数，单位为bps(Bit Per Second), 间接衡量音质的一个标准。
没有压缩的音频数据的比特率 = 采样频率 * 采样精度 * 通道数。
5）码率：压缩后音频数据的比特率【码率越大，压缩效率越低，音质越好，压缩后数据越大 ，码率 = 音频文件大小 / 时长】，常见的码率：
96kbps --- FM质量
128-160kbps --- 音频质量音频
192kbps --- CD质量
256-320kbps ---- 高质量音频
6）帧【注意这里是音频的帧】：每次编码的采样单元数，比如MP3通常是1152个采样点作为一个编码单元，AAC通常是1024个采样点作为一个编码单元。
7）帧长：可以指每帧持续播放的时间：每帧持续时间（秒） = 每帧采样点数 / 采样频率（HZ）比如：mp3 48k, 1152个采样点，每帧则是1152/4800=24毫秒，也可以指压缩后每帧的数据长度，所以讲到帧的时候要注意它适用的场景。
8）交错模式：数据音频信号存储的方式，数据已连续帧的方式存放，即帧1的左声道样本和右声道样本，然后在存储帧2的。这里1024个L和1024个R交错如图：
9）非交错模式：首先记录的是一个周期内所有帧的左声道样本，再记录所有右声道样本。
标签：采样,声音,码率,音频,知识,音视频,频率,量化 来源： https://blog.csdn.net/qq_44065088/article/details/120833595