声纹技术（二）：音频信号处理基础【模拟信号（连续）--采样--＞数字信号（离散）--量化--＞振幅简化为整数--编码--＞二进制序列】【WAV音频格式】【SoX】【分帧-加窗-】

2.1　欲懂声纹，先学音频

从学科分类上讲，声纹技术是语音信号处理的一个分支，而语音信号处理则属于音频信号处理这个大类。

语音信号和音频信号，这二者的区别在于：

• 语音信号专指人类说话时所发出的具有社会意义的声音，
• 音频信号则泛指人类能够听到的一切声音。例如乐器发出的声音，动物发出的声音，汽车发动机发出的声音，以及人们打鼾、打喷嚏、咳嗽时发出的声音，这些都属于广义上的音频信号，但它们并不属于语音信号，所以通常也不在声纹技术研究的范畴内。

音频信号处理中的许多基础概念与知识，对于学习声纹技术来说是至关重要的。

任何声纹系统，无论其中的模型多么先进，算法多么精妙，都离不开与声音打交道。只有接上了正确的音频信号，并从其中提取出了有意义的特征表示，后面的模型才能最大程度地发挥其作用。

所以本章，我们便专门系统地学习这些与声音相关的概念与知识。本章的覆盖面较为广泛，涉及人类的听觉感知、音频接口、编码技术、离散信号处理等诸多子领域。这些子领域乍看上去，似乎互相之间并没有太大关联。然而，当我们真正着手于声纹领域的研究或工程项目时，会发现所有这些子领域的知识都不可避免地会被用到。在企业或研究机构里，