Android之音频开发基础

相信不少人在音频采集处理的时候，会遇到这样的设置界面，那采样率、比特率、通道这样的术语，代表的是什么意思呢？

图1

1、基本常识

• 频率的单位是HZ，中文为赫兹，是电，磁，声波和机械振动每秒的周期次数(周期/秒)。
• 人类的耳朵能听到的声音频率范围为20Hz～20000Hz，如果低于这个范围的话就叫做次声波，而若是高于这个范围的则是叫做超声波。无论次声波和超声波，耳朵都觉察不到
• 人发出的声音信号为模拟信号，想要在计算机上处理的话，必须把它们转为数字信号，这个转换过程叫模数转换。
  
  (模拟信号示例)
  
  
  
  （数字信号示例）
  
   
•  对于人声信号而言，处理一般经过以下步骤：
         人嘴说话——>声电转换——>采样（模数转换）——>量化（将数字信号用适当的数值表示）
          ——>编码（数据压缩）——>传输（网络或者其他方式）——>解码（数据还原）
          ——>反采样（数模转换）——>电声转换——>人耳听声。

 

2、采样率是什么？（即图1的44100Hz）

    采样率，又叫采样频率、取样频率。我们把人声模拟信号（简单理解为正弦波或余弦波）转为计算机识别得到的数字信号（可以理解为0101010101比特位），需要对声音样本进行采样（即模数转换）。根据耐奎斯特（NYQUIST）采样定理，用两倍于一个正弦波的频繁率进行采样就能完全真实地还原该波形。
 

    因此，我们在单位时间内，对原始声音读取采样的次数越多，得到声音数据就越多，对信号波形的表示也越精确。在后续数字化处理中，声音还原就越真实、自然。所以采样率就是：录音设备在一秒钟内对声音信号的采样次数。

• 采样率越高，声音的质量越好，所表现的频率范围越大。
• 高采样率，会使文件变得很大，加上人耳的分辨率非常有限，高了也几乎听不出区别，没什么意义。
• 采样频率一般共分为22.05KHz、44.1KHz、48KHz三个等级。
  22.05 KHz 只能达到FM广播的声音品质，
  44.1KHz    理论上的CD音质界限（可以表现的频率范围：0Hz - 22050Hz）
  48KHz       可达到DVD音质         （可以表现的频率范围：0Hz - 24000Hz）

PS：为什么CD采样率会采用44.1KHz 这个数值呢？
最早期的数码录音设备，就是一个PCM编码器加一部录像机！世界上的录像机主要有两大制式：欧洲的PAL制式和美国日本的NTSC制式。PAL制式，场频50Hz，行频15625Hz，每一场625条扫描线。NTSC制式，场频59.94Hz（接近但不是60Hz），行频15575Hz，每一场525条扫描线。

适用于PAL制式录像机的编码器，其采样频率就是44.1kHz。适用于NTSC制式录像机的编码器，其采样频率就是44.056。早期，日本确有一些采用44.056kHz采用频率的数码录音，但后来统一到44.1kHz了。

    那么44.1和44.056kHz这二个数字是怎么来的呢？
44,100=294 x 50 x 3
44,056=245 x 59.94 x 3

     50Hz和59.94Hz分别是PAL和NTSC的场频， 294和245是从PAL和NTSC的线数上来的，因为是隔行扫描的，所以扫描线数要除2。故此PAL的扫描线就变成312.5而NTSC则变成262.5。但在模拟电视时代，为确保电视画面内容完整，所以摄像机，录像机，电视机都采用过扫描技术，最上，最下，最左，最右的部分都给舍去了。因此，无论PAL还是NTSC制式的实际扫描线，都比625和525少。PAL制式下可用扫描线数是294线，而NTSC则是245线。至于x3，则是在一条视频扫描线的磁迹中，纪录三个数码音频数据块。于是，就有了上面的式子，就有了44.1kHz。

至于采样频率是44.1kHz可以表现的频率范围是0Hz - 22050Hz，根据耐奎斯特采样理论，采样频率必须是信号最高频率的两倍，才能保证不失真。例如：音频信号频率为20KHz的话，其采样频率一般需要40KHz。人耳所能听到的频率范围是20Hz - 20000Hz，20KHz * 2 = 40KHz，考虑到一定的余量采用44.1KHz。

 

3、采样位数是什么？（即图1中的"16位"）

也叫采样值、取样值。它客观地反映了数字声音信号对输入声音信号描述的准确程度。8位代表2的8次方--256，16位则代表2的16次方--64K。一段相同的音乐信息，8位声卡只能处理256个精度单位，而16位声卡能把它分为64K个精度单位进行处理。8位采样的差别在于动态范围的宽窄，动态范围宽广，音量起伏的大小变化就能够更精细的被记录下来，如此一来不论是细微的声音或是强烈的动感震撼，都可以表现的淋漓尽致，而CD音质的采样规格正式16位采样的规格。

 

4、通道数是什么？（即图1中的“2通道”）

即声音的通道的数目。常有单声道和立体声之分，单声道的声音仅仅能使用一个喇叭发声（有的也处理成两个喇叭输出同一个声道的声音），立体声能够使两个喇叭都发声（一般左右声道有分工） ，更能感受到空间效果，当然还有很多其它的通道数，如5.1声道、7.1声道等。

 

5、比特率是什么？

比特率，也叫码率、位速。
是指在一个数据流中每秒钟能通过多少比特的数据量。如705kbps，705---k---bit---per---second，表示每秒705600bit的容量。

对于音频信号而言，必须进行编码（即数据压缩）。如果，未经过数据压缩，直接量化进行传输则被称为PCM（脉冲编码调制）。计算一个PCM音频流的比特率公式为：比特率 = 采样率值 × 采样位数 × 声道数 bps。

16K 16比特 8声道 数据速率 = 16K * 16 * 8 = 2048Kbps = 2M/秒，也就是：1秒生成的声音文件大小是2M，10秒是20MB，依此类推。

如：一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，它的数据速率则为 44.1K×16×2 =1411.2 Kbps。我们常说128K的MP3，对应的WAV的参数，就是这个1411.2 Kbps，这个参数也被称为数据带宽，它和ADSL中的带宽是一个概念。

将比特率除以8，就可以得到这个WAV的数据速率，即176.4KB/s。这表示存储一秒钟采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频信号，需要176.4KB的空间，1分钟则约为10.34M，这对大部分用户是不可接受的，尤其是喜欢在电脑上听音乐的朋友，要降低磁盘占用，只有2种方法，降低采样指标或者压缩。降低采样指标是不可取的，因此专家们研发了各种压缩方案。最原始的有DPCM、ADPCM，其中最出名的为MP3。所以，采用了数据压缩以后的比特率远小于原始码。

原则上，音频位速越高质量越好。不过，对于有损压缩音频，不同的压缩算法，即使比特速相同，也会导致音质结果完全不同。

典型代表：96kbps的WMA音频格式的音质明显要比96kbps的MP3音质好。为什么会这样呢？因为不同的压缩算法，对数据的利用率不同而造成的差异。再举例，假如MP3压缩至48kbps以下，已经惨不忍睹，而如果是AAC音频格式，同样是48kbps的比特率下，音质明显比MP3好。

而对于无损压缩音频，即使比特率完全不同，但是最后的音质却相同。比如把同一个WAV文件分别压缩成FLAC格式和APE格式，得到的文件，比特率是不太相同的，但是音质却是一样的。即使是同一种格式，压缩级别不同，比特率也完全不同，可是最后的结果，音质还是一样（但编码解码时，CPU占用率不同，编码时间也不同）。

6、PCM 分别是什么？

PCM（Pulse Code Modulation）也被称为 脉码编码调制，用于模拟信号的数字化，简单点理解，它是录音后得到的音频文件格式，特点是声音数据没有被压缩。当然，它可以通过编码压缩，变成有损格式的音乐文件（如：amr、MP3、AAC)

常见的PCM音频数据参数描述方式：
    44100HZ 16bit stereo：每秒钟有 44100 次采样，采样数据用 16 位(2字节)记录，双声道(立体声)
    22050HZ  8bit   mono：每秒钟有 22050 次采样，采样数据用 8 位(1字节)记录，单声道

 

7、Android的SDK提供了哪些音频采集API？有什么区别？

Android SDK 中有两套音频采集的API，分别是：MediaRecorder 和 AudioRecord。两者区别如下：

• 输出文件格式不同
  a）AudioRecord 输出的是最原始、没有经过压缩、PCM格式的音频文件。
  
  b）MediaRecorder 会对麦克风录入的音频数据，设置编码器，进行编码压缩（如AMR、MP3等），最终输出的是
       对应编码   器（*.anr、*.mp3）格式的文件。
   
• 代码逻辑结构不同
  MediaRecorder 是对AudioRecord的封装，内部会创建AudioRecord 用来与AudioFlinger 进行交互。 C++ 层MediaRecorder 创建AudioRecord 类的代码位于AudioSource 类构造函数中。
   
• 使用的播放器不同
  a）AudioRecord 对应的播放器是AudioTrack。AudioTrack只能播放已经解码的PCM流或wav格式的音频文件，因为wav格式的音频文件大部分都是PCM流。AudioTrack不创建解码器，所以只能播放不需要解码的wav文件。
  
  b）MediaRecorder 对应的播放器是MediaPlayer。可以播放多种格式的声音文件（MP3、AAC、WAV、OGG、MIDI等）。MediaPlayer会在framework层创建对应的音频解码器
  
  c）两个播放器的区别：MediaPlayer 是对AudioTrack 的封装。
       MediaPlayer在framework层还是会创建AudioTrack，把解码后的PCM数流传递给AudioTrack，AudioTrack再传递
       给AudioFlinger进行混音，然后才传递给硬件播放。

建议：
     1、如果只是想简单地做一个录音机，录制音频文件，就使用 MediaRecorder；
     2、如果需要对音频做进一步的算法处理、或者编码压缩、以及网络传输、直播等应用，则建议使用 AudioRecord。
 

部分参考资料源自互联网，如有侵权，请联系作者删除。