Аудио
Относится к звуковым волнам со звуковой частотой от 20 Гц до 20 кГц, которые слышны человеческим ухом.
Если вы добавите к компьютеру соответствующую звуковую карту - звуковую карту, которую мы часто говорим, мы можем записывать все звуки, а акустические характеристики звука, такие как уровень звука, могут быть сохранены в виде файлов на жестком диске компьютера. диск. И наоборот, мы также можем использовать определенную аудиопрограмму для воспроизведения сохраненного аудиофайла, чтобы восстановить ранее записанный звук.
1 Формат аудиофайла
Формат аудиофайла, в частности, относится к формату файла, в котором хранятся аудиоданные. Есть много разных форматов.
Общий метод получения аудиоданных заключается в дискретизации (квантовании) звукового напряжения в фиксированный интервал времени и сохранении результата с определенным разрешением (например, каждая выборка CDDA составляет 16 бит или 2 байта). Интервал выборки может иметь разные стандарты. Например, CDDA использует 44,100 48,000 раз в секунду; DVD использует 96,000 2 или XNUMX XNUMX раз в секунду. Следовательно, [частота дискретизации], [разрешение] и количество [каналов] (например, XNUMX канала для стерео) являются ключевыми параметрами формата аудиофайла.
1.1 Потери и без потерь
Согласно процессу производства цифрового звука, кодирование звука может быть только бесконечно близким к естественным сигналам. По крайней мере, современные технологии могут только это сделать. Любая схема кодирования цифрового звука работает с потерями, поскольку не может быть полностью восстановлена. В компьютерных приложениях наивысшим уровнем точности является кодирование PCM, которое широко используется для сохранения материалов и оценки музыки. Он используется в компакт-дисках, DVD-дисках и в наших обычных файлах WAV. Поэтому PCM по соглашению стал кодированием без потерь, потому что PCM представляет собой наилучший уровень точности в цифровом аудио.
Существует два основных типа форматов аудиофайлов:
Форматы без потерь, такие как WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Форматы с потерями, такие как MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
Введение в 2 параметра
2.1 Частота дискретизации
Относится к количеству звуковых образцов, полученных за секунду. Звук на самом деле является разновидностью энергетической волны, поэтому он также имеет характеристики частоты и амплитуды. Частота соответствует оси времени, а амплитуда - оси уровней. Волна бесконечно гладкая, и струну можно рассматривать как состоящую из бесчисленного количества точек. Поскольку пространство для хранения относительно ограничено, точки строки должны быть выбраны во время процесса цифрового кодирования.
Процесс выборки заключается в извлечении значения частоты в определенной точке. Очевидно, что чем больше точек извлекается за одну секунду, тем больше информации о частоте получается. Чтобы восстановить форму волны, чем выше частота дискретизации, тем лучше качество звука. Более реальная реставрация, но при этом требует больше ресурсов. Из-за ограниченного разрешения человеческого уха невозможно различить слишком высокую частоту. Обычно используется частота дискретизации 22050, 44100 уже соответствует качеству звука компакт-диска, а дискретизация более 48,000 96,000 или 24 XNUMX больше не имеет смысла для человеческого уха. Это похоже на XNUMX кадра в секунду в фильмах. Если это стерео, семпл удваивается, а файл почти удваивается.
Согласно теории дискретизации Найквиста, чтобы гарантировать, что звук не искажается, частота дискретизации должна быть около 40 кГц. Нам не нужно знать, как появилась эта теорема. Нам нужно только знать, что эта теорема говорит нам, что если мы хотим записать сигнал точно, наша частота дискретизации должна быть больше или равна удвоенной максимальной частоте аудиосигнала. Помните, это максимальная частота.
В области цифрового звука обычно используются следующие частоты дискретизации:
8000 Гц - частота дискретизации, используемая телефоном, достаточная для человеческой речи.
11025 Гц - частота дискретизации, используемая телефоном
22050 Гц - частота дискретизации, используемая в радиовещании
Частота дискретизации 32000 Гц для цифровой видеокамеры miniDV, DAT (режим LP)
44100 Гц-Audio CD, также обычно используется в качестве частоты дискретизации для аудио MPEG-1 (VCD, SVCD, MP3)
Частота дискретизации 47250 Гц, используемая в коммерческих диктофонах PCM
Частота дискретизации 48000 Гц для цифрового звука, используемого в miniDV, цифровом ТВ, DVD, DAT, фильмах и профессиональном аудио
Частота дискретизации 50000 Гц, используемая в коммерческих цифровых записывающих устройствах.
96000 Гц или 192000 Гц - частота дискретизации, используемая для DVD-Audio, некоторых звуковых дорожек DVD LPCM, звуковых дорожек BD-ROM (Blu-ray Disc) и звуковых дорожек HD-DVD (High Definition DVD).
2.2 Количество битов выборки
Количество битов выборки также называется размером выборки или количеством бит квантования. Это параметр, используемый для измерения флуктуации звука, то есть разрешения звуковой карты, или может пониматься как разрешение звуковой карты, обрабатываемое звуковой картой. Чем больше значение, тем выше разрешение и тем реалистичнее записывается и воспроизводится звук. Бит звуковой карты относится к двоичным цифрам цифрового звукового сигнала, используемому звуковой картой при сборе и воспроизведении звуковых файлов. Бит звуковой карты объективно отражает точность описания цифрового звукового сигнала входящего звукового сигнала. Обычные звуковые карты в основном 8-битные и 16-битные. В настоящее время все основные продукты на рынке представляют собой звуковые карты с разрядностью 16 и выше.
Каждые дискретизированные данные записывают амплитуду, а точность дискретизации зависит от количества бит дискретизации:
1 байт (то есть 8 бит) может записывать только 256 чисел, что означает, что амплитуду можно разделить только на 256 уровней;
2 байта (то есть 16 бит) могут быть всего лишь 65536, что уже является стандартом CD;
4 байта (то есть 32 бита) могут разделить амплитуду на 4294967296 уровней, что действительно не нужно.
2.3 Количество каналов
То есть количество звуковых каналов. Обычные моно и стерео (двухканальный) теперь превратились в четырехканальный объемный звук (четырехканальный) и 5.1 каналов.
2.3.1 моно
Моно - относительно примитивная форма воспроизведения звука, и более ранние звуковые карты использовали ее чаще. Монофонический звук может быть воспроизведен только с использованием одного динамика, а некоторые также обрабатываются в двух динамиках для вывода одного и того же звукового канала. Когда монофоническая информация воспроизводится через два динамика, мы можем четко почувствовать, что звук идет из двух динамиков. Невозможно определить конкретное местоположение источника звука, который передается в наши уши из середины динамика.
2.3.2 стерео
Бинауральные каналы имеют два звуковых канала. Принцип заключается в том, что, когда люди слышат звук, они могут судить о конкретном положении источника звука по разности фаз между левым и правым ухом. В процессе записи звук распределяется по двум независимым каналам, чтобы добиться хорошего эффекта локализации звука. Этот метод особенно полезен при оценке музыки. Слушатель может четко различать направление, из которого исходят различные инструменты, что делает музыку более творческой и приближающей к ощущениям на месте.
В настоящее время чаще всего используются два голоса. В караоке один предназначен для воспроизведения музыки, а другой - для голоса певца; в VCD один дублируется на мандаринском диалекте, а другой - на кантонском диалекте.
2.3.3 Четырехтональный объемный звук
Четырехканальный объемный звук определяет четыре точки звучания: передний левый, передний правый, задний левый и задний правый, и аудитория окружена ими. Также рекомендуется добавить сабвуфер для усиления обработки воспроизведения низкочастотных сигналов (это причина, по которой сегодня широко популярны 4.1-канальные акустические системы). Что касается общего эффекта, то четырехканальная система может принести слушателям объемный звук с нескольких разных направлений, может получить слуховой опыт пребывания в самых разных средах и дать пользователям совершенно новый опыт. В настоящее время четырехканальная технология широко интегрирована в конструкцию различных звуковых карт среднего и высокого класса, став основной тенденцией будущего развития.
2.3.4 5.1 канал
Каналы 5.1 широко используются в различных традиционных и домашних кинотеатрах. Некоторые из наиболее известных форматов сжатия записи звука, такие как Dolby AC-3 (Dolby Digital), DTS и т. Д., Основаны на звуковой системе 5.1. Канал «.1» - это специально разработанный канал сабвуфера, который может создавать сабвуферы с диапазоном частотной характеристики от 20 до 120 Гц. Фактически, звуковая система 5.1 происходит от системы объемного звучания 4.1, разница в том, что она добавляет центральный блок. Этот центральный блок отвечает за передачу звукового сигнала ниже 80 Гц, что помогает усилить человеческий голос при просмотре фильма и сконцентрировать диалог в середине всего звукового поля для усиления общего эффекта.
В настоящее время многие музыкальные онлайн-плееры, такие как QQ Music, предоставляют 5.1-канальную музыку для пробного прослушивания и загрузки.
Рамка 2.4
Концепция аудиокадров не так ясна, как видеокадры. Почти все форматы кодирования видео могут просто представить кадр как закодированное изображение. Однако аудиокадр связан с форматом кодирования, который реализуется каждым стандартом кодирования.
Например, в случае PCM (некодированных аудиоданных) понятие кадров вообще не требуется, и его можно воспроизводить в соответствии с частотой дискретизации и точностью дискретизации. Например, для двойного звука с частотой дискретизации 44.1 кГц и точностью дискретизации 16 бит вы можете вычислить, что скорость передачи данных составляет 44100162 бит / с, а количество аудиоданных в секунду составляет фиксированное значение 44100162/8 байтов.
Рамка amr относительно проста. Он предусматривает, что каждые 20 мс звука являются кадром, и каждый кадр звука является независимым, и можно использовать разные алгоритмы кодирования и разные параметры кодирования.
Кадр mp3 немного сложнее и содержит больше информации, такой как частота дискретизации, битрейт и различные параметры.
2.5 циклов
Количество кадров, требуемых аудиоустройству для одновременной обработки, а также доступ к данным аудиоустройства и хранение аудиоданных - все это зависит от этого устройства.
2.6 Режим с чередованием
Способ хранения цифрового аудиосигнала. Данные сохраняются в виде непрерывных кадров, то есть сначала записываются выборки левого канала и выборки правого канала кадра 1, а затем начинается запись кадра 2.
2.7 Режим без чересстрочной развертки
Сначала запишите выборки левого канала всех кадров за период, а затем запишите все выборки правого канала.
2.8 Битрейт (битрейт)
Битрейт также называется битрейтом, который относится к количеству данных, воспроизводимых музыкой в секунду. Единица выражается битом, который является двоичным битом. бит / с - это скорость передачи данных. b - бит (бит), s - второй (второй), p - каждый (на), один байт эквивалентен 8 двоичным битам. То есть размер файла 4-минутной песни со скоростью 128 бит в секунду рассчитывается следующим образом (128/8) 460 = 3840 КБ = 3.8 МБ, 1 Байт (байт) = 8 бит (бит), как правило, mp3 полезен примерно при 128 битах. скорость, и это, вероятно, размер около 3-4 BM.
В компьютерных приложениях самый высокий уровень точности - это кодирование PCM, которое широко используется. для сохранения материалов и оценки музыки. Используются CD, DVD и наши общие файлы WAV. Следовательно, по соглашению PCM стал кодированием без потерь, потому что PCM представляет собой наилучший уровень точности в цифровом аудио. Это не означает, что PCM может гарантировать абсолютную точность сигнала. PCM может добиться только максимальной бесконечной близости.
Вычислить битрейт аудиопотока PCM - очень простая задача: значение частоты дискретизации × значение размера дискретизации × количество каналов в битах в секунду. Файл WAV с частотой дискретизации 44.1 кГц, размером дискретизации 16 бит и двухканальным кодированием PCM, его скорость передачи данных составляет 44.1 К × 16 × 2 = 1411.2 Кбит / с. В нашем обычном аудио-компакт-диске используется кодирование PCM, а емкость компакт-диска может вместить не более 72 минут музыкальной информации.
Двухканальный аудиосигнал с кодировкой PCM требует 176.4 КБ пространства за 1 секунду и около 10.34 МБ за 1 минуту. Это неприемлемо для большинства пользователей, особенно для тех, кто любит слушать музыку на компьютере. Занятость диска, есть только два метода: индекс понижающей дискретизации или сжатие. Уменьшать индекс дискретизации не рекомендуется, поэтому специалисты разработали различные схемы сжатия. Самыми оригинальными являются DPCM, ADPCM, а самым известным - MP3. Следовательно, скорость кода после сжатия данных намного ниже, чем у исходного кода.
2.9 Пример расчета
Например, длина файла «Windows XP startup.wav» составляет 424,644 22050 байта, что соответствует формату «16 Гц / XNUMX бит / стерео».
Тогда его скорость передачи в секунду (битрейт, также называемая битрейтом, частота дискретизации) составляет 22050162 = 705600 (бит / с), преобразованная в байтовую единицу, составляет 705600/8 = 88200 (байтов в секунду), время воспроизведения: 424644 (всего байтов) / 88200 (байтов в секунду) ≈ 4.8145578 (секунд).
Но это недостаточно точно. Файл WAVE (* .wav) в стандартном формате PCM имеет не менее 42 байтов информации заголовка, которую следует удалить при вычислении времени воспроизведения, поэтому имеется: (424644-42) / (22050162/8) ≈ 4.8140816 ( секунд). Это более точно.
Кодирование звука 3 PCM
PCM расшифровывается как Pulse Code Modulation. В процессе PCM входной аналоговый сигнал дискретизируется, квантуется и кодируется, а двоичное число представляет собой амплитуду аналогового сигнала; затем принимающая сторона восстанавливает эти коды до исходного аналогового сигнала. То есть аналого-цифровое преобразование цифрового звука включает три процесса: дискретизацию, квантование и кодирование.
Скорость принятия голосового PCM составляет 8 кГц, а количество бит дискретизации - 8 бит, поэтому кодовая скорость цифрового кодированного голосового сигнала составляет 8 бит × 8 кГц = 64 кбит / с = 8 КБ / с.
3.1 Принципы кодирования звука
Любой, у кого есть определенная электронная основа, знает, что аудиосигнал, собираемый датчиком, является аналоговой величиной, но то, что мы используем в фактическом процессе передачи, - это цифровая величина. И это включает в себя процесс преобразования аналогового сигнала в цифровой. Аналоговый сигнал должен пройти три процесса, а именно выборку, квантование и кодирование, чтобы реализовать технологию импульсной кодовой модуляции (PCM, Pulse Coding Modulation) оцифровки голоса.
Процесс конвертации
3.1.1 Отбор проб
Выборка - это процесс извлечения отсчетов (частоты дискретизации) из аналогового сигнала с частотой, которая более чем в 2 раза превышает ширину полосы сигнала (теорема о дискретизации Леквиста), и превращение его в дискретный сигнал дискретизации на оси времени.
Частота дискретизации: количество выборок, извлеченных из непрерывного сигнала в секунду для формирования дискретного сигнала, выраженное в герцах (Гц).
образец:
Например, частота дискретизации аудиосигнала составляет 8000 Гц.
Можно понять, что образец на приведенном выше рисунке соответствует кривой изменения напряжения во времени на рисунке 1 секунда, затем нижняя 1 2 3… 10, потому что должно быть 1-8000 точек, то есть 1 Секунда делится на 8000 частей, а затем вынимается их по очереди. Значение напряжения, соответствующее этим 8000 точкам времени.
3.1.2 Количественная оценка
Хотя дискретизированный сигнал представляет собой дискретный сигнал на оси времени, он по-прежнему является аналоговым сигналом, и его значение дискретизации может иметь бесконечное количество значений в определенном диапазоне значений. Метод «округления» должен применяться для «округления» выборочных значений, так что выборочные значения в определенном диапазоне значений изменяются с бесконечного числа значений на конечное количество значений. Этот процесс называется количественная оценка.
Число битов выборки: относится к числу битов, используемых для описания цифрового сигнала.
8 бит (8 бит) представляют 2 в 8-й степени = 256, 16 бит (16 бит) представляют 2 в 16-й степени = 65536;
образец:
Например, диапазон напряжения, измеряемый аудиодатчиком, составляет 0-3.3 В, а число дискретизации - 8 бит (бит).
То есть мы рассматриваем 3.3 В / 2 ^ 8 = 0.0128 как точность квантования.
Мы делим 3.3 В на 0.0128 в качестве ступенчатой оси Y, как показано на рисунке 3, 1 2… 8 становится 0 0.0128 0.0256… 3.3 В
Например, значение напряжения точки выборки составляет 1.652 В (от 1280.128 до 1290.128). Мы округляем его до 1.65 В, и соответствующий уровень квантования равен 128.
3.1.3 Кодирование
Квантованный сигнал дискретизации преобразуется в последовательность потоков десятичного цифрового кода, упорядоченных в соответствии с последовательностью дискретизации, то есть десятичным цифровым сигналом. Простая и эффективная система данных - это система двоичного кода. Следовательно, десятичный цифровой код следует преобразовать в двоичный код. По общему количеству десятичных цифровых кодов можно определить количество битов, необходимых для двоичного кодирования, то есть длину слова (количество битов выборки). Этот процесс преобразования квантованного сигнала выборки в поток двоичного кода с заданной длиной слова называется кодированием.
образец:
Тогда приведенное выше 1.65 В соответствует уровню квантования 128. Соответствующая двоичная система - 10000000. То есть результат кодирования точки дискретизации равен 10000000. Конечно, это метод кодирования, который не учитывает положительные и отрицательные значения. , и есть много типов методов кодирования, которые требуют специального анализа конкретных проблем. (Кодирование аудиоформата PCM - это кодирование полилинии 13 по закону A)
3.2 Кодирование звука PCM
Сигнал PCM не подвергался кодированию и сжатию (сжатие без потерь). По сравнению с аналоговыми сигналами, на него не так легко повлиять помехи и искажения в системе передачи. Динамический диапазон широкий, а качество звука неплохое.
3.2.1 Кодирование PCM
Используемое кодирование представляет собой кодирование полилинии 13 по закону А.
Для получения подробной информации, пожалуйста, обратитесь к: Голосовое кодирование PCM
3.2.2 канал
Каналы можно разделить на моно и стерео (двухканальные).
Каждое значение выборки PCM содержится в целом числе i, а длина i - это минимальное количество байтов, необходимых для размещения указанной длины выборки.
Размер выборки Формат данных Минимальное значение Максимальное значение
8-битное целое число без знака PCM 0 225
16-битный PCM int -32767 32767
Для монофонических звуковых файлов данные сэмплов представляют собой 8-битное короткое целое число (short int 00H-FFH), и данные сэмплов сохраняются в хронологическом порядке.
Двухканальный звуковой файл стереозвука, каждое из данных выборки представляет собой 16-битное целое число (int), верхние восемь бит (левый канал) и нижние восемь бит (правый канал) соответственно представляют два канала, а данные выборки находятся в хронологическом порядке. Депозит в альтернативном порядке.
То же самое верно, когда количество битов выборки составляет 16 бит, а объем памяти зависит от порядка байтов.
Формат данных PCM
Все сетевые протоколы используют метод прямого байта для передачи данных. Поэтому метод прямого байта также называется сетевым порядком байтов. Когда два хоста с разным порядком байтов обмениваются данными, они должны быть преобразованы в сетевой порядок байтов перед отправкой данных перед передачей.
4 г.711
В общем случае PCM аналоговый сигнал проходит некоторую обработку (например, сжатие амплитуды) перед оцифровкой. После оцифровки сигнал PCM обычно обрабатывается дальше (например, при сжатии цифровых данных).
G.711 - это стандартный алгоритм цифрового мультимедийного сигнала (сжатие / декомпрессия), который mодулирует импульсный код из ITU-T. Это метод дискретизации для оцифровки аналоговых сигналов, особенно аудиосигналов. PCM производит выборку сигнала 8000 раз в секунду, 8 кГц; каждая выборка составляет 8 бит, всего 64 Кбит / с (DS0). Существует два стандарта кодирования уровней выборки. В Северной Америке и Японии используется стандарт Mu-Law, а в большинстве других стран - стандарт A-Law.
A-law и u-law - это два метода кодирования PCM. PCM по закону A используется в Европе и в моей стране, а закон по Mu - в Северной Америке и Японии. Разница между ними заключается в методе квантования. Закон A использует 12-битное квантование, а закон u использует 13-битное квантование. Частота дискретизации составляет 8 кГц, и оба метода кодирования 8-битные.
Простое понимание: PCM - это исходные аудиоданные, собранные аудиооборудованием. G.711 и AAC - это два разных алгоритма, которые могут сжимать данные PCM до определенного соотношения, тем самым экономя полосу пропускания при передаче по сети.
Наш другой продукт:
