声音被驯服的方方面面

今天我们就开始讲解WebRTC专栏的第一篇文章，如果对专栏不了解的同学，可以去先看看专栏介绍。废话不多说，开始我们今天的内容。

一、声音产生原理

首先我们必须认识到自然界中的声音是怎么产生？

声音是由物体振动而产生的，振动对周围空气挤压，就会生成声波，声波通过空气传播，进入到我们耳朵，使我们听到声音，所以声音其实是一种波形。

而我们通过对声波的采样，量化，编码，将声波从模拟信息转换为数字信号，生成数字数据，就是我们的音频裸数据，即PCM(Pulse Code Modulation)数据。

二、音频基础概念分析

下面我们就来分析一下，采样，量化，编码经常会涉及的一些概念。

1、采样率(sampleRate)

所谓的采样就是在时间轴上对信号进行数字化，而采样率就是单位时间内采样的次数。采样率如何设定呢？44.1KHz又是如何得出来的呢？

奈斯奎特定理：当采样频率大于信号中最高频率的2倍时，采样之后的数字信号完整地保留了原始信号中的信息

目前人耳能听到的范围是20Hz ~ 20KHz，采样率至少设置为 20K*2，才能保证人耳听到的声音质量不会下降。

通常音频CD采样频率是44.1KHz，表达就是一秒内对声波进行44100次采样。

数字电视 DVD采样率是48KHz

2、量化格式(sampleFormat)

量化就是幅度轴(Y轴)上对信号进行数字化。而量化格式就是用多少bit来表示这个数字。比如16bit，那么其量化值得范围就是[-32768, 32767]， 总共65536个可能取值。

常见量化格式： 8bit， 16bit， 32bit

3、声道数(channel)

声道数是独立声源的个数

常见声道有：单声道(mono)， 双声道(stereo)

4、码率(kbps)

码率是表示每秒传输的数据大小，比如CD音质的通常采用44.1KHz，16bit，双声道，那么其码率是多少

44100 * 16bit * 2  = 1378.125kbps

5、编码

我们可以计算一下，一分钟里，CD音质的数据需要占用多大空间：

44100 * 16bit * 2 * 60 / 8 /1024 = 10.09MB

这么大的数据，是不适合在互联网传输的，那怎么办呢？

所以压缩编码闪亮登场，其基本指标之一就是压缩比<1. 其基本原理就是压缩掉不被人耳感知到的信号，达到减小数据大小的目的， 包含无损压缩和有损压缩。

无损压缩：解压后声音数据完全恢复。

有损压缩：解压后声音数据部分丢失。

目前常见的编码有：WAV, MP3, AAC, Ogg。 此处切记别和封装的格式混尧在一起。

编码	特点	适用范围
WAV	音质非常好，适用范围广	多媒体开发中间件文件，以及音效素材
MP3	压缩比高，兼容性好，128kbps以上音质好	音乐欣赏
AAC	128kbps以下表现优异	视频中的音频编码
Ogg	压缩比比MP3好，兼容性不足	音频聊天场景

三、总结

这篇文章主要给大家介绍了一下音频的一些概念，深度理解这些概念，在后面的音视频工作中非常重要，比如我们对音频的重采用，混流等操作都用到这些知识。最后欢迎留言，和我讨论。