音频基础知识

编码后的音频，解析->解码->渲染

数据采集(采样率：G711A（8-bit A-Law Compressed）默认8k)PCM数据—>编码—>解码(.wav文件)

1 采样率

每秒钟取得声音样本的次数。(8K，16K)（目前G711,G726只支持8K，G722只支持16K）

采样频率越高,声音的质量也就越好,声音的还原也就越真实，但同时它占的资源比较多。由于人耳的分辨率很有限,太高的频率并不能分辨出来。每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示，采样率是指将模拟信号转换成数字信号时的采样频率，也就是单位时间内采样多少点，采样频率越高声音的还原就越真实越自然。

2 比特率（码率）  (G711只支持64K，G722只支持16K，G726只支持16K)

每秒传送的比特数(bit per second)。（比特率表示经过编码（压缩）后的音视频数据每秒钟需要用多少个比特来表示）

比特率越高；音频、视频的质量就越好；但编码后的文件就越大。

通道：单双通道  左右耳

3 采样精度(样位)   (目前编码只支持单通道，16位)

8位，16位还是32位

4 MP3音频压缩

音频压缩包含编码和解码两个部分（先将原始声音数据分成固定的分块,然后作顺向MDCT变换,MDCT本身并不进行数据压缩,只是将一组时域数据转换成频域数据,以得知时域变化情况,顺向MDCT将每块的值转换为512个MDCT系数。量化使数据得到压缩,在对量化后的变换样值进行比特分配时要考虑使整个量化块最小,这就成为有损压缩了）

编码：是将【WAV文件中的数据】转换成【高压缩率的位流形式】。（通过混合滤波器组将原始声音变换到频率域,利用心理声学模型,估算刚好能被察觉到的噪声水平,再经过量化,转换成Huffman编码,形成MP3位流）。编码实质是减少音频中的冗余。

解码：是【接受位流】并将其重建到【WAV文件中】。（解码器要简单得多,它的任务是从编码后的谱线成分中,经过反量化和逆变换,提取出声音信号）

MP3: 是一种高效的计算机音频编码方案，它以较大的压缩比将音频文件转换成较小的扩展名为.mp3的文件，基本保持源文件的音质，MP3是ISO/MPEG标准的一部分。

5 PCM数据

1. pcm是裸数据，不带有任何编码格式的，
2. pcm数据既是编码前的数据格式，也是解码后的数据格式

一帧PCM是由2048次采样组成。未经压缩的音频采样数据裸流，它是由模拟信号经过采样、量化、编码转换成的标准的数字音频数据。PCM中的声音数据没有被压缩，如果是单声道的文件，采样数据按时间的先后,

{AAC和ARM都是对PCM进行编码，你可以理解为压缩，因为PCM是最原始采集到的数字信号，是无损的，体积很大不利于网络传输。G711也是对PCM的编码，你可以理解为和AAC一样}

6 每帧播放时间大小：

音频每帧播的秒数=每帧大小（样本个数）*1000/（采样率*位数/8*通道）

例如：

audio media Info: nSise:2048,nSampleRate:48K,channel:1,bitsPerSample:16，码率：128K

2048*1000/(48000*2)=21ms

7 编码后的音频大小

实际码率=采样率*位数=48K*16=768K(8000个采样点) 。码率单位：bps(bit/s)

编码压缩率是=768K/128K=6（实际的真实压缩比算不出来，是变化的）

一帧AAC编码数据大小：2048/6=341（大约是768）

8 音量

对一帧数据，计算所有采样点的平方和，然后求平均，再取对数，就是该帧语音信号的能量，表示的就是音量的大小。