音频编码基础知识

音频编码基础

1.音频压缩技术

音频有损压缩：在保证音频不失真的前提下，对音频数据进行尽可能大的压缩。
压缩的主要方法是消除音频中的冗余信息，包括人耳听觉范围外的音频以及被遮蔽掉的音频信号，分为频域遮蔽和时域遮蔽。


音频无损压缩：
无损压缩编码方式：熵编码，包括哈夫曼编码，算术编码，香农编码

使用音频压缩技术的原因：
一个PCM音频流的码率=采样率值×采样大小值×声道数。假设一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频文件，它的码率则为 44.1K×16×2 =1411.2 Kbps。注意这边的单位是小b，单位是位。如果我们将单位转换为字节，则需要将码率除以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，要降低磁盘占用，只有2种方法，降低采样指标或者压缩。降低指标是不可取的，因此专家们研发了各种压缩方案。

2.音频编码过程

时域转频域变化
时域是描述数学函数或物理信号对时间的关系。
在研究时域的信号时，常会用示波器将信号转换为其时域的波形
频域是指在对函数或信号进行分析时，分析其和频率有关部份，而不是和时间有关的部份
有兴趣的可以去了解一下傅里叶变换

心理声学原理
心理声学原理是指用功能强大的算法将我们听不到的音频信息去掉。
20hz-20000hz之间的，才是人能听到的。之外的可以称为冗余数据。
冗余数据还有被遮蔽掉的数据，分为频域遮蔽和时域遮蔽。

量化编码
通常也把音频采样过程叫脉冲编码调制编码，即PCM（Pulse Code Modulation）编码，采样值也叫PCM值。
PCM通过抽样、量化、编码三个步骤将连续变化的模拟信号转换为数字编码。

参考文章