音频文件介绍
0 Preface/Foreword音频文件用来存储声音内容的文件。人耳能听到的声音频率范围20HZ ~ 20KHZ人说话声音频率范围300HZ ~ 3KHZMPEGMovingPictureExpertsGroup数字音频压缩格式算法FFMPEGFastForwardMovingPictureExpertsGroup一款免费开源的音视频编解码工具和开发套间。PCMPulseCodeModulation脉冲编码调制数字通讯的编码方式之一。主要处理话音、图像等模拟信号。PDM:PulseDensityModulation脉冲密度调制1 音频文件格式常用的音频格式包括MP3、MP4、Flac、WAV、WMA、MIDI、RA、APE、AAC、CDA、MOV等。1.1 MP3MP3一种音频压缩技术全称为MovingPicture Experts Group Audio LayerIII动态影像专家压缩标准音频层面3。MP3格式的音频文件可以大幅度地降低音频数据量并提供较好的音质效果。特点一种有损的音频压缩文件编码格式文件内容小。1.2 WAVWAV:WaveForm波形文件。直接存储声音波形微软公司专门为Windows开发的一种标准数字音频文件。该文件能记录各种单声道或者立体声的声音信息并能保证声音不失真。特点文件占用空间大文件还原的波形曲线十分逼真音质好。1.3 WMAWMAWindowsMediaAudio 微软公司退出的一种音频文件格式。特点一种有损的音频文件压缩格式占磁盘空间少。1.4 FLACFlacFreeLosslessAudioCodec无损音频压缩编码 。1.5 MIDIMIDIMusicalInstrumentDigitalInterface乐器数字接口。2 音频文件参数2.1 音频基础知识音频采样过程中获得的PCM包含三个要素声道Channel采样率Sample rate样本格式Sample format2.1.1 channel当人听到声音时候可以对发声的声源进行定位方位定位前后左右等。声道类型单声道Mono双声道stereo立体声常见类型包含左声道和右声道2.1声道在双声道基础上加入一个低音声道5.1声道 正面声道、左前方声道、右前方声道、左环绕声道、右环绕声道、一个低音声道最早应用于早期的电影院7.1声道在5.1声道的基础上把左右的环绕声道拆分为左右环绕声道以及左右后置声道主要应用于BD以及现代的电影院一般情况常用的音箱或耳机都是“立体声Stereo”的即只有左右两个声道而家庭影院的“环绕声Surround”则一般至少有四个声道。声道数通常用类似“X.Y”的数字表示常见的声道配置有4.05.17.1等。一般家用可以简单地理解为小数点前的数字表示全音域声道数也就是普通音箱的数量小数点后的数字表示低频声道数也就是低音炮Subwoofer的数量。2.1.2 Sample rate音频采样是把声音从模拟信号转换为数字信号。采样率每秒对声音信号采集的次数即为数字信号每秒钟获得的样本总数。根据奈奎斯特采样理论为了保证数字信号能够不失真的还原模拟信号采样频率需要大于模拟信号最大频率的两倍。人的听觉范围20HZ 20KHZ为了保证音频的声音不失真采样频率需要在40KHz及以上。常用的音频采样频率包括8KHz通话模式11.025KHz22.05KHz16KHz37.8KHz44.1KHzCD48KHz视频音轨DVDBD96KHzHi-Res192KHzHi-Res常见的WAV比特率为1411KBit/s44.1KHz * 32 bit 1411.2KBit/s2.1.3 Sample format单个声道样本的编码类型二进制编码音频经过采样得到样本后需要经过对样本执行以下两个步骤1、量化音频量化的量化位数常用的有8bits/16bits/24bits/32bits2、编码把量化结果以二进制的码字进行存放。包含两种存放方式直接用整形来存放结果即二进制补码方式Twos complement code以浮点类型来存放量化结果Floating point encoding code。一帧数据当中样本组合方式交错Interleaved, LRLRLR平面PlanarLLLRRR2.1.4 音频帧的数据量计算音频帧数据 通道个数 * 帧中样本个数 * 每个样本的位宽字节数2.1.5 音频重采样音频重采样不按照原有音频格式采样率采样格式声道数进行采样目的是适应当前方案。2.1.7 音频文件属性查看Linux系统中使用file命令进行查看$file1KHz_16kSamp.mp31KHz_16kSamp.mp3: MPEG ADTS, layer III, v2, 64 kbps, 16 kHz, JntStereo参数分析MPEG ADTS, layer III, V2音频压缩格式可以理解为MP316kHzsample rate采样率JntStereo声道类型立体声64kbps每秒钟传输的字节数64K bytes per second, 64K byte 16 kHz * 4 Byte样本位宽3 时域和频率3.1 sine wave正弦波正弦波是一个圆滑的波形。时域上正弦波是一条竖线。频域上正弦波是自然界中最基础的电磁形也是最没有作用的波形。因为单纯的正弦信号自身不能携带任何的有用信息。但是科学家傅里叶赋予了正玄波的作用。3.2 square wave 方波方波是一个方形的波形。3.3 傅里叶变化傅里叶19世纪法国的数学家、物理学家。提出了傅里叶变化理论。傅里叶变化的含义任何的数学函数都可以写成由多个正弦函数之和。物理学上的含义任何一个复杂的电磁波信号都可以换算成是由多个最基本的正弦波信号叠加组成的。3.3.1 time domain时域3.3.2 frequency domain频域
)
