1、音频基础知识音频，英文是AUDIO，也许你会在录像机或VCD的背板上看到过AUDIO输出或输入口。这样我们可以很通俗地解释音频，只要是我们听得见的声音，就可以作为音频信号进行传输。有关音频的物理属性由于过于专业，请大家参考其他资料。自然界中的声音非常复杂，波形极其复杂，通常我们采用的是脉冲代码调制编码，即PCM编码。PCM通过采样、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。一、音频基本概念1、 什么是采样率和采样大小（位/bit）。声音其实是一种能量波，因此也有频率和振幅的特征，频率对应于时间轴线，振幅对应于电平轴线。波是无限光滑的，弦线可以看成由无数点组成，由于存储空间是相对有限
2、的，数字编码过程中，必须对弦线的点进行采样。采样的过程就是抽取某点的频率值，很显然，在一秒中内抽取的点越多，获取得频率信息更丰富，为了复原波形，一次振动中，必须有2个点的采样，人耳能够感觉到的最高频率为20kHz，因此要满足人耳的听觉要求，则需要至少每秒进行40k次采样，用40kHz表达，这个40kHz就是采样率。我们常见的CD，采样率为44.1kHz。光有频率信息是不够的，我们还必须获得该频率的能量值并量化，用于表示信号强度。量化电平数为2的整数次幂，我们常见的CD位16bit的采样大小，即2的16次方。采样大小相对采样率更难理解，因为要显得抽象点，举个简单例子：假设对一个波进行8次采样，采
3、样点分别对应的能量值分别为A1-A8，但我们只使用2bit的采样大小，结果我们只能保留A1-A8中4个点的值而舍弃另外4个。如果我们进行3bit的采样大小，则刚好记录下8个点的所有信息。采样率和采样大小的值越大，记录的波形更接近原始信号。2、有损和无损根据采样率和采样大小可以得知，相对自然界的信号，音频编码最多只能做到无限接近，至少目前的技术只能这样了，相对自然界的信号，任何数字音频编码方案都是有损的，因为无法完全还原。在计算机应用中，能够达到最高保真水平的就是PCM编码，被广泛用于素材保存及音乐欣赏，CD、DVD以及我们常见的WAV文件中均有应用。因此，PCM约定俗成了无损编码，因为PCM代
4、表了数字音频中最佳的保真水准，并不意味着PCM就能够确保信号绝对保真，PCM也只能做到最大程度的无限接近。我们而习惯性的把MP3列入有损音频编码范畴，是相对PCM编码的。强调编码的相对性的有损和无损，是为了告诉大家，要做到真正的无损是困难的，就像用数字去表达圆周率，不管精度多高，也只是无限接近，而不是真正等于圆周率的值。3、为什么要使用音频压缩技术要算一个PCM音频流的码率是一件很轻松的事情，采样率值采样大小值声道数 bps。一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，它的数据速率则为 44.1K162 =1411.2 Kbps。我们常说128K的MP3，
5、对应的WAV的参数，就是这个1411.2 Kbps，这个参数也被称为数据带宽，它和ADSL中的带宽是一个概念。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，尤其是喜欢在电脑上听音乐的朋友，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。由于用途和针对的目标市场不一样，各种音频压缩编码所达到的音质和压缩比都不一样，在后面的文章中我们都会一一提到。有一点
6、是可以肯定的，他们都压缩过。4、频率与采样率的关系采样率表示了每秒对原始信号采样的次数，我们常见到的音频文件采样率多为44.1KHz，这意味着什么呢？假设我们有2段正弦波信号，分别为20Hz和20KHz，长度均为一秒钟，以对应我们能听到的最低频和最高频，分别对这两段信号进行40KHz的采样，我们可以得到一个什么样的结果呢？结果是：20Hz的信号每次振动被采样了40K/20=2000次，而20K的信号每次振动只有2次采样。显然，在相同的采样率下，记录低频的信息远比高频的详细。这也是为什么有些音响发烧友指责CD有数码声不够真实的原因，CD的44.1KHz采样也无法保证高频信号被较好记录。要较好的记
7、录高频信号，看来需要更高的采样率，于是有些朋友在捕捉CD音轨的时候使用48KHz的采样率，这是不可取的！这其实对音质没有任何好处，对抓轨软件来说，保持和CD提供的44.1KHz一样的采样率才是最佳音质的保证之一，而不是去提高它。较高的采样率只有相对模拟信号的时候才有用，如果被采样的信号是数字的，请不要去尝试提高采样率。5、流特征随着网络的发展，人们对在线收听音乐提出了要求，因此也要求音频文件能够一边读一边播放，而不需要把这个文件全部读出后然后回放，这样就可以做到不用下载就可以实现收听了。也可以做到一边编码一边播放，正是这种特征，可以实现在线的直播，架设自己的数字广播电台成为了现实。几个补充概念
8、：什么是分频器？分频器是指将不同频段的声音信号区分开来，分别给于放大，然后送到相应频段的扬声器中再进行重放。在高质量声音重放时，需要进行电子分频处理。 它可分为两种：（1）功率分频器：位于功率放大器之后，设置在音箱内，通过LC滤波网络，将功率放大器输出的功率音频信号分为低音，中音和高音，分别送至各自扬声器。连接简单，使用方便，但消耗功率，出现音频谷点，产生交*失真，它的参数与扬声器阻抗有的直接关系，而扬声器的阻抗又是频率的函数，与标称值偏离较大，因此误差也较大，不利于调整。（2）电子分频器：将音频弱信号进行分频的设备，位于功率放大器前，分频后再用各自独立的功率放大器，把每一个音频频段信号给予放
9、大，然后分别送到相应的扬声器单元。因电流较小故可用较小功率的电子有源滤波器实现，调整较容易，减少功率损耗，及扬声器单元之间的干扰。使得信号损失小，音质好。但此方式每路要用独立的功率放大器，成本高，电路结构复杂，运用于专业扩声系统。（摘自av_world） 什么是激励器？激励器是一种谐波发生器，利用人的心理声学特性，对声音信号进行修饰和美化的声处理设备。通过给声音增加高频谐波成分等多种方法，可以改善音质、音色、提高声音的穿透力，增加声音的空间感。现代激励器不仅可以创造出高频谐波，而且还具有低频扩展和音乐风格等功能，使低音效果更加完美、音乐更具表现力。使用激励器提高声音的清晰度，可懂性和表现力。使
10、声音更加悦耳动听，降低听音疲劳，增加响度。虽然激励器只给声音增加了0.5dB左右的谐波成分，但实际听起来，音量好像增加了10dB左右。使声音的听觉响度明显增加，声音图像的立体感，以及声音的分离度的增加；改善了声音的定位和层次感，还可以提高重放声音的音质，磁带的复制率。因为声信号在传送和录制过程中会损失高频谐波成分，出现高频噪声。此时前者用激励器先对信号进行补偿，后者可用滤波器将高频噪声滤掉后，再营造出高音成分，保证重放音质。 激励器的调节需要音响师对系统的音质和音色进行判别，再根据主观听音评价进行调整。（ 什么是均衡器？均衡器是一种可以分别调节各种频率成分电信号放大量的电子设备，通过对各种不同
11、频率的电信号的调节来补偿扬声器和声场的缺陷，补偿和修饰各种声源及其它特殊作用，一般调音台上的均衡器仅能对高频、中频、低频三段频率电信号分别进行调节。均衡器分为三类：图示均衡器，参量均衡器和房间均衡器。1图示均衡器：亦称图表均衡器，通过面板上推拉键的分布，可直观地反映出所调出的均衡补偿曲线，各个频率的提升和衰减情况一目了然，它采用恒定Q值技术，每个频点设有一个推拉电位器，无论提升或衰减某频率，滤波器的频带宽始终不变。常用的专业图示均衡器则是将20Hz20kHz的信号分成10段、15段、27段、31段来进行调节。这样人们根据不同的要求分别选择不同段数的频率均衡器。一般来说10段均衡器的频率点以倍频
12、程间隔分布，使用在一般场合下，15段均衡器是2/3倍频程均衡器，使用在专业扩声上，31段均衡器是1/3倍频程均衡器，多数有在比较重要的需要精细补偿的场合下，图示均衡器结构简单，直观明了，故在专业音响中应用非常广泛。2参量均衡器：亦称参数均衡器，对均衡调节的各种参数都可细致调节的均衡器，多附设在调音台上，但也有独立的参量均衡器，调节的参数内容包括频段、频点、增益和品质因数Q值等，可以美化（包括丑化）和修饰声音，使声音（或音乐）风格更加鲜明突出，丰富多彩达到所需要的艺术效果。3房间均衡器，用于调整房间内的频率响应特性曲线的均衡器，由于装饰材料对不同频率的吸收（或反射）量不同以及简正共振的影响造成声
13、染色，所以必须用房间均衡器对由于建声方面的频率缺陷加以客观地补偿调节。 频段分得越细，调节的峰越尖锐，即Q值（品质因数）越高，调节时补偿得越细致，频段分的越粗则调节的峰就比较宽，当声场传输频率特性曲线比较复杂时较难补偿。（ 什么是压缩限幅器？压缩限幅器是压缩器和限幅器的统称。它是音频信号的一种处理设备，可以将音频电信号的动态进行压缩或进行限制。压缩器为可变增益放大器，其放大倍数(增益)可以随输入信号的强弱而自动变化，是成反比的。当输入信号达到一定程度（阈值也称临界值）时，输出信号随输入信号的增加而增加，这种情况称为压缩（Compressor）；不再增加则称为限制（Limiter）。过去的压限器
14、采用硬拐点（Hard-knee）技术，输入信号一达到阈值。增益就立即减少，这样就会出现信号在拐点（增益变化的转折点）处动态突变现象，使人耳明显地感觉到强信号被突然压缩的现象。为了解决这一不足，现代新型压限器采用了软拐点（soft-knee）技术，这种压限器在阈值前后的压缩比变化是平衡的，渐变的，使压缩变化难以察觉，音质进一步提高。压限器在录音过程中可以使乐器和歌唱者的音量保持一定的平衡；保证各种信号强度的均衡。有时也用来消除歌唱者的口齿声，或利用改变压缩和释放时间，产生声音由小变大的“反转声”特殊效果。在广播系统中是用它来压缩较大动态范围的节目信号在防止调制失真和防止发射机过载的前提下，提高平
15、均发射电平。在歌舞厅的扩声系统中，压限器是将信号通过压缩在保持原节目的风貌下，降低音乐的动态，以满足扩声系统和艺术活动的要求。虽然压限器有多种用途，现代压缩器普通采用了软拐点等新技术，可进一步减小压限器的压缩器的副作用，但是并不意味着压限器对音质的破坏作用就已不复存在了。所以，在扩声系统中，不要滥用压限器，即使要用也应该慎用减少用压限器对信号进行处理。这不仅是保护功放、音箱的需要，也是对改善音质的需要。 什么是信噪比(S/N)？信噪比指的是线路中某一参考点的信号功率与无信号时固有的噪音功率之比值，用分贝（dB）表示，其数值越高越好,表示杂音起少。什么是分贝分贝（dB）为表示相对功率或幅度电平的
16、标准单位。用dB表示。 分贝数越大代表的所发出的声音越大，分贝在计算上是每增加 10 分贝，则声音大小约是原来的十倍。dB: deciBel分贝。用以表达两个电压、功率或声音的相对水准。dBm: 分贝的一个变种，0dB = 1mW into 600 OhmsdBv: 分贝的一个变种，0dB = 0.775 volts.dBV: 分贝的一个变种，0dB = 1 volt.dB/Octave: 分贝/八度。滤波器斜率的表达方式，每个八度的分贝数越大说明斜线更陡直。这个概念相对较为复杂，我们用物理学计算来说明：为了表示声音的强弱程度，人们引入了“声强”的概念，并用1秒内垂直穿过单位面积的声能多少来量
17、度它的大小，声强用字母“I”表示，它的单位是“瓦米2”。根据规定可知，如果1秒内垂直穿过单位面积的声能加倍，那么声强的值也变为原来的2倍。所以说声强是不随人们感觉而转移的客观物理量。虽然声强是个客观物理量，但是声强的大小和人们主观感到的声音强弱，却有非常大的差异。为了符合人们对声音强弱的主观感觉，物理学里又引入了“声强级”的概念，分贝就是声强级的一个单位，它是贝尔的十分之一。声强级又是怎样规定的呢？它和声强有什么关系呢？测量证明，人耳对不同频率的声波，敏感程度是不同的。对于3000赫兹的声波最敏感。只要这个频率的声强达到I01012瓦米2，就能引起人耳的听觉。声强级就是以人耳能听到的这个最小声
18、强I0为基准规定的，并把I01012瓦米2的声强规定为零级声强，也就是说这时的声强级为零贝尔（也是零分贝）。当声强由I0加倍为2I0时，人耳感到的声音强弱并没有加倍。只有当声强达到10I0时，人耳感到的声音强弱才增大一倍，这个声强对应的声强级为1贝尔10分贝；当声强变为100I0时，人耳感到的声音强弱增大2倍，对应的声强级为2贝尔20分贝；当声强变为1000I0时，人耳感到的声音强弱增大3倍，对应的声强级为3贝尔30分贝，依此类推。人耳能承受的最大声强为1瓦米21012I0，它对应的声强级为12贝尔120分贝。公式：声压级(dB)=20Lg(测量到的声压/参考声压值)老鱼注：当测量到的和参考声
19、压一样大小时，取对数后的计算结果就是0dB。在模拟的音频设备上，是可以大于过0dB的，但数字设备没有，数字计算需要一个量度，无限的值是没有的。所以在我们用的数字设备和软件中，0dB成了一个参考标准值。二、常见音频格式及播放器介绍 主流音频格式的特点及其适应性各种各样的音频编码都有其技术特征及不同场合的适用性，我们大致讲解一下如何去灵活应用这些音频编码。4-1 PCM编码的WAV前面就提到过，PCM编码的WAV文件是音质最好的格式，Windows平台下，所有音频软件都能够提供对她的支持。Windows提供的WinAPI中有不少函数可以直接播放wav，因此，在开发多媒体软件时，往往大量采用wav，
20、用作事件声效和背景音乐。PCM编码的wav可以达到相同采样率和采样大小条件下的最好音质，因此，也被大量用于音频编辑、非线性编辑等领域。特点：音质非常好，被大量软件所支持。适用于：多媒体开发、保存音乐和音效素材。4-2 MP3MP3具有不错的压缩比，使用LAME编码的中高码率的mp3，听感上已经非常接近源WAV文件。使用合适的参数，LAME编码的MP3很适合于音乐欣赏。由于MP3推出年代已久，加之还算不错的音质及压缩比，不少游戏也使用mp3做事件音效和背景音乐。几乎所有著名的音频编辑软件也提供了对MP3的支持，可以将mp3象wav一样使用，但由于mp3编码是有损的，因此多次编辑后，音质会急剧下降
21、，mp3并不适合保存素材，但作为作品的demo确实相当优秀的。mp3长远的历史和不错的音质，使之成为应用最广的有损编码之一，网络上可以找到大量的mp3资源，mp3player日渐成为一种时尚。不少VCDPlayer、DVDPlayer甚至手机都可以播放mp3，mp3是被支持的最好的编码之一。MP3也并非完美，在较低码率下表现不好。MP3也具有流媒体的基本特征，可以做到在线播放。特点：音质好，压缩比比较高，被大量软件和硬件支持，应用广泛。适用于：适合用于比较高要求的音乐欣赏。4-3 OGGOgg是一种非常有潜力的编码，在各种码率下都有比较惊人的表现，尤其中低码率下。Ogg除了音质好之外，她还是一
22、个完全免费的编码，这对ogg被更多支持打好了基础。Ogg有着非常出色的算法，可以用更小的码率达到更好的音质，128kbps的Ogg比192kbps甚至更高码率的mp3还要出色。Ogg的高音具有一定的金属味道，因此在编码一些高频要求很高的乐器独奏时，Ogg的这个缺陷会暴露出来。OGG具有流媒体的基本特征，但现在还没有媒体服务软件支持，因此基于ogg的数字广播还无法实现。Ogg目前的被支持的情况还不够好，无论是软件的还是硬件的，都无法和mp3相提并论。特点：可以用比mp3更小的码率实现比mp3更好的音质，高中低码率下均具有良好的表现。适用于：用更小的存储空间获得更好的音质（相对MP3）4-4 MP
23、C和OGG一样，MPC的竞争对手也是mp3，在中高码率下，MPC可以做到比竞争对手更好音质，在中等码率下，MPC的表现不逊色于Ogg，在高码率下，MPC的表现更是独孤求败，MPC的音质优势主要表现在高频部分，MPC的高频要比MP3细腻不少，也没有Ogg那种金属味道，是目前最适合用于音乐欣赏的有损编码。由于都是新生的编码，和Ogg际遇相似，也缺乏广泛的软件和硬件支持。MPC有不错的编码效率，编码时间要比OGG和LAME短不少。特点：中高码率下，具有有损编码中最佳的音质表现，高码率下，高频表现极佳适用于：在节省大量空间的前提下获得最佳音质的音乐欣赏。4-6 WMA微软开发的WMA同样也是不少朋友所
24、喜爱的，在低码率下，有着好过mp3很多的音质表现，WMA的出现，立刻淘汰了曾经风靡一时的VQF编码。有微软背景的WMA获得了很好的软件及硬件支持，Windows Media Player就能够播放WMA，也能够收听基于WMA编码技术的数字电台。因为播放器几乎存在于每一台PC上，越来越多的音乐网站都乐意使用WMA作为在线试听的首选了。除了支持环境好之外，WMA在64-128kbps码率下也具有相当出色的表现，虽然不少要求较高的朋友并不够满意，但更多要求不高的朋友接受了这种编码，WMA很快的普及开了。特点：低码率下的音质表现难有对手适用于：数字电台架设、在线试听、低要求下的音乐欣赏4-7 mp3P
25、RO作为mp3的改良版本的mp3PRO表现出了相当不错的素质，高音丰满，虽然mp3PRO是通过SBR技术在播放过程中插入的，但实际听感相当不错，虽然显得有点单薄，但在64kbps的世界里已经没有对手了，甚至超过了128kbps的mp3，但很遗憾的是，mp3PRO的低频表现也象mp3一样的破，所幸的是，SBR的高频插值可以或多或少的掩盖掉这个缺陷，因此mp3PRO的低频弱势反而不如WMA那么明显。大家可以在使用RCA mp3PRO Audio Player的PRO开关来切换PRO模式和普通模式时深深的感觉到。整体而言，64kbps的mp3PRO达到了128kbps的mp3的音质水平，在高频部分还
26、略有胜出。特点：低码率下的音质之王适用于：低要求下的音乐欣赏4-8 APE一种新兴的无损音频编码，可以提供50-70%的压缩比，虽然比起有损编码来太不值得一提了，但对于追求完美注意的朋友简直是天大的福音。APE可以做到真正的无损，而不是听起来无损，压缩比也要比类似的无损格式要好。特点：音质非常好。适用于：最高品质的音乐欣赏及收藏。 三、音频信号的编码处理1、PCM编码PCM 脉冲编码调制是Pulse Code Modulation的缩写。前面的文字我们提到了PCM大致的工作流程，我们不需要关心PCM最终编码采用的是什么计算方式，我们只需要知道PCM编码的音频流的优点和缺点就可以了。PCM编码的
27、最大的优点就是音质好，最大的缺点就是体积大。我们常见的Audio CD就采用了PCM编码，一张光盘的容量只能容纳72分钟的音乐信息。大家知道，无论现在的多媒体电脑功能如何强大，其内部也只能处理数字信息。而我们听到的声音都是模拟信号，怎样才能让电脑也能处理这些声音数据呢？还有，究竟模拟音频与数字音频有什么不同呢？数字音频究竟有些什么优点呢？这些都是我们下面所要介绍的。把模拟音频转成数字音频，在电脑音乐里就称作采样，其过程所用到的主要硬件设备便是模拟/数字转换器（Analog to Digital Converter，即ADC）。采样的过程实际上是将通常的模拟音频信号的电信号转换成许多称作“比特（
28、Bit）”的二进制码0和1，这些0和1便构成了数字音频文件。如下图，图中的正弦曲线代表原始音频曲线；填了颜色的方格代表采样后得到的结果，二者越吻合说明采样结果越好。上图中的横坐标便是采样频率；纵坐标便是采样分辨率。图中的格子从左到右，逐渐加密，先是加大横坐标的密度，然后加大纵坐标的密度。显然，当横坐标的单位越小即两个采样时刻的间隔越小，则越有利于保持原始声音的真实情况，换句话说，采样的频率越大则音质越有保证；同理，当纵坐标的单位越小则越有利于音质的提高，即采样的位数越大越好。有一点请大家注意，8位（8Bit）不是说把纵坐标分成8份，而是分成28256份；同理16位是把纵坐标分成21665536
29、份；而24位则分成224=份。现在我们来进行一个计算，看看一个数字音频文件的数据量到底有多大。假设我们是用44.1kHz、16bit来进行立体声（即两个声道）2、WAVE这是一种古老的音频文件格式，由微软开发。WAV是一种文件格式，符合 PIFF Resource Interchange File Format规范。所有的WAV都有一个文件头，这个文件头音频流的编码参数。WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。很多朋友没有这个概念，我们拿AVI做个示范，因为AVI和WAV在文件结构上是非常相似的，不过AVI多了一个视频流
30、而已。我们接触到的AVI有很多种，因此我们经常需要安装一些Decode才能观看一些AVI，我们接触到比较多的DivX就是一种视频编码，AVI可以采用DivX编码来压缩视频流，当然也可以使用其他的编码压缩。同样，WAV也可以使用多种音频编码来压缩其音频流，不过我们常见的都是音频流被PCM编码处理的WAV，但这不表示WAV只能使用PCM编码，MP3编码同样也可以运用在WAV中，和AVI一样，只要安装好了相应的Decode，就可以欣赏这些WAV了。在Windows平台下，基于PCM编码的WAV是被支持得最好的音频格式，所有音频软件都能完美支持，由于本身可以达到较高的音质的要求，因此，WAV也是音乐编
31、辑创作的首选格式，适合保存音乐素材。因此，基于PCM编码的WAV被作为了一种中介的格式，常常使用在其他编码的相互转换之中，例如MP3转换成WMA。3、MP3编码MP3作为目前最为普及的音频压缩格式，为大家所大量接受，各种与MP3相关的软件产品层出不穷，而且更多的硬件产品也开始支持MP3，我们能够买到的VCD/DVD播放机都很多都能够支持MP3，还有更多的便携的MP3播放器等等，虽然几大音乐商极其反感这种开放的格式，但也无法阻止这种音频压缩的格式的生存与流传。MP3发展已经有10个年头了，他是MPEG(MPEG：Moving Picture Experts Group) Audio Layer-
32、3的简称，是MPEG1的衍生编码方案，1993年由德国Fraunhofer IIS研究院和汤姆生公司合作发展成功。MP3可以做到12:1的惊人压缩比并保持基本可听的音质，在当年硬盘天价的日子里，MP3迅速被用户接受，随着网络的普及，MP3被数以亿计的用户接受。MP3编码技术的发布之初其实是非常不完善的，由于缺乏对声音和人耳听觉的研究，早期的mp3编码器几乎全是以粗暴方式来编码，音质破坏严重。随着新技术的不断导入，mp3编码技术一次一次的被改良，其中有2次重大技术上的改进。VBR：MP3格式的文件有一个有意思的特征，就是可以边读边放，这也符合流媒体的最基本特征。也就是说播放器可以不用预读文件的全部内容就可以播放，读到哪里播放到哪里，即使是文件有部分损坏。虽然mp3可以有文件头，但对于mp3格式的文件却不是很重要，正因为这种特性，决定了MP3文件的每一段每一帧都可以单独的平均数据速率，而无需特别的解码方案。于是出现了一种叫VBR（Variable bitrate，动态数据速率）的技术，可以让MP3文件的每一段甚至每一帧都可以有单独的bitrate，这样做的好处就是在保证音质的前提下最大程度的限制了
