音频重采样造成音质损失的原理

最新推荐文章于 2024-07-20 12:46:32 发布

中世纪冻干芝士

最新推荐文章于 2024-07-20 12:46:32 发布

阅读量978

点赞数 2

分类专栏：音视频语音识别文章标签：音视频语音识别

原文链接：https://www.pianshen.com/article/2146684355/

版权

音视频同时被 2 个专栏收录

12 篇文章 2 订阅

订阅专栏

语音识别

1 篇文章 0 订阅

订阅专栏

本文探讨了音频重采样过程中导致音质损失的原理，解释了采样率和深度对音频质量的影响。非整数倍的采样率转换会引入误差，造成音质下降。例如，Android系统将非44.1KHz音频强制转换至44.1KHz，高通CPU的额外转换步骤会进一步加剧音质损失。了解这一过程对于音频处理和多媒体开发至关重要。

摘要由CSDN通过智能技术生成

转自：

音频重采样造成音质损失的原理 - 程序员大本营

1、WAV文件：采样率（Sample Rate），深度（bit-depth）WAV文件可以说是最原始的数字化音频格式了。Wav全称是Wave，就是将音频文件的波形完整记录。而波形的存在，可以想象为是折线图一般的东西。想记录波形，就需要两个最基本的参数：

1、采样率，我们以怎样的频率记录波形的变化。44.1KHz，意味着每秒选取44100个采样点；48KHz意味着每秒选取48000个采样点。

出于历史原因，所有CD一律采用44.1KHz，而DVD/BD视频音轨一律采用48KHz。所以不出意外，你听到的那些音乐都是44.1KHz，而你看的视频，它们的音频一般都采用48KHz的采样率。

如下图所示，原则上更高的采样率更为精准，但是一般认为44.1KHz就接近人耳极限了。

2、深度，我们用多少字节的储存量来储存音频波形。下图是在图像领域16色深和4色深的区别，音频领域同样适用。一般采用的是16bit，及更高的24bit，再高的深度意义不大。

有了这些信息不难回答，为什么常见的WAV比特率是1141KBit/s了：44.1KHz * 32bit =1141.2
题外话：非整数倍SRC（Sample Rate Convert，采样率转换）带来的毁灭性后果。

既然原则上采样率越高越好，是不是意味着我们可以随便改变采样率呢？答案是否定的：

从图中可以看出，原始波形分4段5个采样点（包括首尾），如果整数倍转换，采用了8个分段9个采样点（采样率翻倍），波形是没有改变的。但是，如果新的采样率是原来的1.5倍，采用6个分段7个采样点，新的波形就会和原波形相差很远，造成很大的误差，换言之，这是一个有损转换过程。同样，44.1KHz和48KHz之间的转换也是属于非整数倍转换，会带来可观的音质损失。

android系统之所以不适合多媒体，是因为android系统会把所有非44.1KHz的音频强制转换成44.1KHz再输出。但是这问题也不大——你听到的多数音乐文件都是用44.1KHz，无非是多数视频文件的音频被改变了——谁管呢。

但是android一旦碰上高通，毁灭性的就来了：
高通的CPU，会把44.1KHz的先转换成48KHz（一次有损），然后android系统再把48KHz转换成44.1KHz。这是最悲惨的过程。注意，这两次转换不是说效果相互抵消，而是相互叠加——你看看上图最后一个折线图，你采用原始的采样率看看，波形变化有多恐怖。

本文链接：音频重采样造成音质损失的原理_那时风起-CSDN博客

----------------------------------------------------------------------------------------------------

另外一个关于语音的专栏，也很不错，有助于理解语音识别中音频的知识：

第二章重采样原理及实现 · Hand Book of Speech Enhancement and Recognition