em áudio
Refere-se às ondas sonoras com frequência sonora entre 20 Hz e 20 kHz que podem ser ouvidas pelo ouvido humano.
Se você adicionar uma placa de áudio correspondente ao computador - a placa de som que costumamos dizer, podemos gravar todos os sons, e as características acústicas do som, como o nível do som, podem ser armazenadas como arquivos no disco rígido do computador disco. Por outro lado, também podemos usar um determinado programa de áudio para reproduzir o arquivo de áudio armazenado para restaurar o som gravado anteriormente.
1 formato de arquivo de áudio
O formato do arquivo de áudio refere-se especificamente ao formato do arquivo que armazena os dados de áudio. Existem muitos formatos diferentes.
O método geral de obtenção de dados de áudio é amostrar (quantizar) a voltagem de áudio em um intervalo de tempo fixo e armazenar o resultado em uma determinada resolução (por exemplo, cada amostra de CDDA tem 16 bits ou 2 bytes). O intervalo de amostragem pode ter padrões diferentes. Por exemplo, o CDDA usa 44,100 vezes por segundo; O DVD usa 48,000 ou 96,000 vezes por segundo. Portanto, [taxa de amostragem], [resolução] e o número de [canais] (por exemplo, 2 canais para estéreo) são os principais parâmetros do formato do arquivo de áudio.
1.1 Perda e sem perdas
De acordo com o processo de produção de áudio digital, a codificação de áudio só pode ser infinitamente próxima aos sinais naturais. Pelo menos a tecnologia atual só pode fazer isso. Qualquer esquema de codificação de áudio digital apresenta perdas porque não pode ser restaurado completamente. Em aplicativos de computador, o nível mais alto de fidelidade é a codificação PCM, que é amplamente usada para preservação de material e apreciação musical. Ele é usado em CDs, DVDs e em nossos arquivos WAV comuns. Portanto, o PCM se tornou uma codificação sem perdas por convenção, porque o PCM representa o melhor nível de fidelidade em áudio digital.
Existem dois tipos principais de formatos de arquivo de áudio:
Formatos sem perdas, como WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Formatos com perdas, como MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
Introdução de 2 parâmetros
2.1 Taxa de amostragem
Refere-se ao número de amostras de som obtidas por segundo. O som é, na verdade, uma espécie de onda de energia, por isso também tem as características de frequência e amplitude. A frequência corresponde ao eixo do tempo e a amplitude corresponde ao eixo do nível. A onda é infinitamente suave e a corda pode ser considerada composta de incontáveis pontas. Como o espaço de armazenamento é relativamente limitado, os pontos da string devem ser amostrados durante o processo de codificação digital.
O processo de amostragem consiste em extrair o valor da frequência de um determinado ponto. Obviamente, quanto mais pontos são extraídos em um segundo, mais informações de frequência são obtidas. Para restaurar a forma de onda, quanto mais alta a frequência de amostragem, melhor é a qualidade do som. Quanto mais real é a restauração, mas ao mesmo tempo ocupa mais recursos. Devido à resolução limitada do ouvido humano, uma frequência muito alta não pode ser distinguida. A frequência de amostragem de 22050 é comumente usada, 44100 já é a qualidade de som de um CD e a amostragem de mais de 48,000 ou 96,000 não é mais significativa para o ouvido humano. Isso é semelhante aos 24 quadros por segundo em filmes. Se for estéreo, a amostra é duplicada e o arquivo quase duplicado.
De acordo com a teoria de amostragem de Nyquist, para garantir que o som não seja distorcido, a frequência de amostragem deve ser em torno de 40kHz. Não precisamos saber como esse teorema surgiu. Precisamos apenas saber que esse teorema nos diz que, se quisermos gravar um sinal com precisão, nossa frequência de amostragem deve ser maior ou igual a duas vezes a frequência máxima do sinal de áudio. Lembre-se, é a frequência máxima.
No campo do áudio digital, as taxas de amostragem comumente usadas são:
8000 Hz - a taxa de amostragem usada pelo telefone, que é suficiente para a fala humana
Taxa de amostragem de 11025 Hz usada pelo telefone
Taxa de amostragem de 22050 Hz usada em transmissão de rádio
Taxa de amostragem de 32000 Hz para camcorder de vídeo digital miniDV, DAT (modo LP)
CD de áudio de 44100 Hz, também comumente usado como taxa de amostragem para áudio MPEG-1 (VCD, SVCD, MP3)
Taxa de amostragem de 47250 Hz usada por gravadores PCM comerciais
Taxa de amostragem de 48000 Hz para som digital usado em miniDV, TV digital, DVD, DAT, filmes e áudio profissional
Taxa de amostragem de 50000 Hz usada por gravadores digitais comerciais
96000 Hz ou 192000 Hz - a taxa de amostragem usada para DVD-Áudio, algumas faixas de áudio de DVD LPCM, faixas de áudio BD-ROM (Blu-ray Disc) e faixas de áudio HD-DVD (DVD de alta definição)
2.2 Número de bits de amostragem
O número de bits de amostragem também é chamado de tamanho de amostragem ou número de bits de quantização. É um parâmetro utilizado para medir a flutuação do som, ou seja, a resolução da placa de som ou pode ser entendido como a resolução da placa de som processada pela placa de som. Quanto maior for o valor, maior será a resolução e mais realista será o som gravado e reproduzido. O bit da placa de som se refere aos dígitos binários do sinal de som digital usado pela placa de som ao coletar e reproduzir arquivos de som. O bit da placa de som reflete objetivamente a precisão da descrição do sinal de som digital do sinal de som de entrada. As placas de som comuns são principalmente de 8 e 16 bits. Hoje em dia, todos os produtos convencionais do mercado são placas de som de 16 bits e superiores.
Cada dado amostrado registra a amplitude e a precisão da amostragem depende do número de bits de amostragem:
1 byte (ou seja, 8 bits) pode registrar apenas 256 números, o que significa que a amplitude só pode ser dividida em 256 níveis;
2 bytes (ou seja, 16 bits) podem ser tão pequenos quanto 65536, que já é um padrão de CD;
4 bytes (ou seja, 32 bits) podem subdividir a amplitude em 4294967296 níveis, o que é realmente desnecessário.
2.3 Número de canais
Ou seja, o número de canais de som. Mono e estéreo comuns (canal duplo) agora foram desenvolvidos para surround de quatro sons (quatro canais) e 5.1 canais.
2.3.1 Mono
Mono é uma forma relativamente primitiva de reprodução de som, e as primeiras placas de som o usavam com mais freqüência. O som mono só pode ser reproduzido em um alto-falante e alguns também são processados em dois alto-falantes para emitir o mesmo canal de som. Quando a informação monofônica é reproduzida por meio de dois alto-falantes, podemos sentir claramente que o som vem de dois alto-falantes. É impossível determinar a localização específica da fonte de som que é transmitida aos nossos ouvidos a partir do meio do alto-falante.
2.3.2 estéreo
Os canais binaurais possuem dois canais de som. O princípio é que quando as pessoas ouvem um som, elas podem julgar a posição específica da fonte de som com base na diferença de fase entre as orelhas esquerda e direita. O som é alocado a dois canais independentes durante o processo de gravação, de forma a obter um bom efeito de localização sonora. Esta técnica é particularmente útil na apreciação de música. O ouvinte pode distinguir claramente a direção de onde vêm os vários instrumentos, o que torna a música mais imaginativa e mais próxima da experiência no local.
Duas vozes são atualmente as mais comumente usadas. No karaokê, um é para tocar música e o outro é para a voz do cantor; no VCD, um está dublando em mandarim e o outro está dublando em cantonês.
2.3.3 Surround de quatro tons
O surround de quatro canais define quatro pontos de som, frontal esquerdo, frontal direito, traseiro esquerdo e traseiro direito, e o público é cercado por eles. Também é recomendado adicionar um subwoofer para fortalecer o processamento de reprodução de sinais de baixa frequência (esta é a razão pela qual os sistemas de alto-falantes de 4.1 canais são amplamente populares hoje). No que diz respeito ao efeito geral, o sistema de quatro canais pode trazer o som surround para os ouvintes de várias direções diferentes, pode obter a experiência auditiva de estar em uma variedade de ambientes diferentes e dar aos usuários uma experiência totalmente nova. Hoje em dia, a tecnologia de quatro canais foi amplamente integrada no design de várias placas de som de médio a alto nível, tornando-se a tendência dominante de desenvolvimento futuro.
2.3.4 5.1 canais
Canais 5.1 têm sido amplamente usados em vários cinemas tradicionais e home theaters. Alguns dos formatos de compressão de gravação de som mais conhecidos, como Dolby AC-3 (Dolby Digital), DTS, etc., são baseados no sistema de som 5.1. O canal ".1" é um canal de subwoofer especialmente projetado que pode produzir subwoofers com uma faixa de resposta de frequência de 20 a 120 Hz. Na verdade, o sistema de som 5.1 vem do surround 4.1, a diferença é que ele adiciona uma unidade central. Esta unidade central é responsável por transmitir o sinal de som abaixo de 80 Hz, o que é útil para fortalecer a voz humana ao assistir o filme, e concentrar o diálogo no meio de todo o campo sonoro para aumentar o efeito geral.
Atualmente, muitos reprodutores de música online, como o QQ Music, fornecem música de 5.1 canais para teste de audição e download.
Quadro 2.4
O conceito de quadros de áudio não é tão claro quanto os quadros de vídeo. Quase todos os formatos de codificação de vídeo podem simplesmente pensar em um quadro como uma imagem codificada. No entanto, o quadro de áudio está relacionado ao formato de codificação, que é implementado por cada padrão de codificação.
Por exemplo, no caso do PCM (dados de áudio não codificados), ele não precisa do conceito de quadros e pode ser reproduzido de acordo com a taxa de amostragem e a precisão da amostragem. Por exemplo, para áudio duplo com uma taxa de amostragem de 44.1 kHZ e uma precisão de amostragem de 16 bits, você pode calcular que a taxa de bits é 44100162bps e os dados de áudio por segundo são 44100162/8 bytes fixos.
O quadro amr é relativamente simples. Ele estipula que cada 20ms de áudio é um quadro, e cada quadro de áudio é independente, e é possível usar diferentes algoritmos de codificação e diferentes parâmetros de codificação.
O quadro mp3 é um pouco mais complicado e contém mais informações, como taxa de amostragem, taxa de bits e vários parâmetros.
2.5 Ciclos
O número de quadros exigidos por um dispositivo de áudio para processamento de cada vez, o acesso aos dados do dispositivo de áudio e o armazenamento de dados de áudio são todos baseados nesta unidade.
2.6 Modo intercalado
O método de armazenamento de sinal de áudio digital. Os dados são armazenados em quadros contínuos, ou seja, as amostras do canal esquerdo e as amostras do canal direito do quadro 1 são gravadas primeiro e, em seguida, a gravação do quadro 2 é iniciada.
2.7 Modo não entrelaçado
Primeiro, grave as amostras do canal esquerdo de todos os quadros em um período e, a seguir, grave todas as amostras do canal direito.
2.8 Taxa de bits (taxa de bits)
A taxa de bits também é chamada de taxa de bits, que se refere à quantidade de dados reproduzidos pela música por segundo. A unidade é expressa por bit, que é um bit binário. bps é a taxa de bits. b é o bit (bit), s é o segundo (segundo), p é todo (por), um byte é equivalente a 8 bits binários. Ou seja, o tamanho do arquivo de uma música de 4 minutos de 128 bps é calculado assim (128/8) 460 = 3840kB = 3.8 MB, 1B (Byte) = 8b (bit), geralmente mp3 é benéfico em cerca de 128 bits taxa, e é provavelmente O tamanho é em torno de 3-4 BM.
Em aplicativos de computador, o nível mais alto de fidelidade é a codificação PCM, que é amplamente utilizada para preservação de material e apreciação musical. CDs, DVDs e nossos arquivos WAV comuns são usados. Portanto, o PCM se tornou uma codificação sem perdas por convenção, porque o PCM representa o melhor nível de fidelidade em áudio digital. Isso não significa que o PCM pode garantir a fidelidade absoluta do sinal. O PCM só pode atingir a proximidade infinita máxima.
Calcular a taxa de bits de um fluxo de áudio PCM é uma tarefa muito fácil, valor da taxa de amostragem × valor do tamanho da amostragem × número do canal bps. Um arquivo WAV com uma taxa de amostragem de 44.1 KHz, um tamanho de amostragem de 16 bits e codificação PCM de canal duplo, sua taxa de dados é 44.1 K × 16 × 2 = 1411.2 Kbps. Nosso CD de áudio comum usa codificação PCM e a capacidade de um CD pode conter apenas 72 minutos de informações musicais.
Um sinal de áudio codificado por PCM de canal duplo requer 176.4 KB de espaço em 1 segundo e cerca de 10.34 MB em 1 minuto. Isso é inaceitável para a maioria dos usuários, especialmente aqueles que gostam de ouvir música no computador. Ocupação de disco, existem apenas dois métodos, índice de redução da resolução ou compressão. Não é aconselhável reduzir o índice de amostragem, portanto, os especialistas desenvolveram vários esquemas de compressão. Os mais originais são DPCM, ADPCM e o mais famoso é o MP3. Portanto, a taxa de código após a compactação de dados é muito menor do que o código original.
2.9 Exemplo de cálculo
Por exemplo, o comprimento do arquivo "Windows XP startup.wav" é 424,644 bytes, que está no formato "22050 Hz / 16 bits / estéreo".
Então, sua taxa de transmissão por segundo (taxa de bits, também chamada de taxa de bits, taxa de amostragem) é 22050162 = 705600 (bps), convertida em unidade de byte é 705600/8 = 88200 (bytes por segundo), tempo de reprodução: 424644 (Total de bytes) / 88200 (bytes por segundo) ≈ 4.8145578 (segundos).
Mas isso não é preciso o suficiente. O arquivo WAVE (* .wav) no formato PCM padrão tem pelo menos 42 bytes de informações de cabeçalho, que devem ser removidos ao calcular o tempo de reprodução, portanto há: (424644-42) / (22050162/8) ≈ 4.8140816 ( segundos). Isso é mais preciso.
3 codificação de áudio PCM
PCM significa Pulse Code Modulation. No processo PCM, o sinal analógico de entrada é amostrado, quantizado e codificado, e o número binário codificado representa a amplitude do sinal analógico; a extremidade receptora então restaura esses códigos para o sinal analógico original. Ou seja, a conversão A / D de áudio digital inclui três processos: amostragem, quantização e codificação.
A taxa de adoção do PCM de voz é de 8 kHz e o número de bits de amostragem é de 8 bits, portanto, a taxa de código do sinal digital codificado de voz é de 8 bits × 8 kHz = 64 kbps = 8 KB / s.
3.1 Princípios de codificação de áudio
Qualquer pessoa que tenha uma certa base eletrônica sabe que o sinal de áudio coletado pelo sensor é uma grandeza analógica, mas o que usamos no processo de transmissão real é uma grandeza digital. E isso envolve o processo de conversão de analógico em digital. O sinal analógico tem que passar por três processos, ou seja, amostragem, quantização e codificação, para realizar a tecnologia de modulação por código de pulso (PCM, Modulação de Codificação de Pulso) de digitalização de voz.
Processo de conversão
3.1.1 Amostragem
Amostragem é o processo de extrair amostras (taxa de amostragem) de um sinal analógico em uma frequência que é mais de 2 vezes a largura de banda do sinal (Teorema da Amostragem de Lequist) e transformá-lo em um sinal de amostragem discreto no eixo do tempo.
Taxa de amostragem: O número de amostras extraídas de um sinal contínuo por segundo para formar um sinal discreto, expresso em Hertz (Hz).
amostra:
Por exemplo, a taxa de amostragem do sinal de áudio é de 8000 Hz.
Pode-se entender que a amostra na figura acima corresponde à curva da variação da tensão com o tempo na figura por 1 segundo, então a menor 1 2 3 ... 10, pois deveria haver 1-8000 pontos, ou seja, 1 o segundo é dividido em 8000 partes e, em seguida, retire-as sucessivamente O valor da tensão correspondente a esses 8000 pontos de tempo.
3.1.2 Quantificação
Embora o sinal amostrado seja um sinal discreto no eixo do tempo, ainda é um sinal analógico e seu valor de amostra pode ter um número infinito de valores dentro de uma certa faixa de valores. O método de “arredondamento” deve ser adotado para “arredondar” os valores da amostra, de modo que os valores da amostra dentro de uma certa faixa de valores sejam alterados de um número infinito de valores para um número finito de valores. Este processo é chamado quantificação.
Número de amostragem de bits: refere-se ao número de bits usados para descrever o sinal digital.
8 bits (8 bits) representam 2 elevado à 8ª potência = 256, 16 bits (16 bits) representam 2 elevado à 16ª potência = 65536;
amostra:
Por exemplo, a faixa de tensão coletada pelo sensor de áudio é 0-3.3 V, e o número de amostragem é 8 bits (bit)
Ou seja, consideramos 3.3 V / 2 ^ 8 = 0.0128 como a precisão de quantização.
Dividimos 3.3v em 0.0128 como o eixo Y de escalonamento, conforme mostrado na Figura 3, 1 2… 8 torna-se 0 0.0128 0.0256… 3.3 V
Por exemplo, o valor da tensão de um ponto de amostragem é 1.652 V (entre 1280.128 e 1290.128). Nós o arredondamos para 1.65 V e o nível de quantização correspondente é 128.
3.1.3 Codificação
O sinal de amostragem quantizado é transformado em uma série de fluxos de códigos digitais decimais dispostos de acordo com a sequência de amostragem, ou seja, o sinal digital decimal. Um sistema de dados simples e eficiente é um sistema de código binário. Portanto, o código digital decimal deve ser convertido em um código binário. De acordo com o número total de códigos digitais decimais, pode-se determinar o número de bits necessários para a codificação binária, ou seja, o comprimento da palavra (número de bits de amostragem). Este processo de transformar o sinal de amostra quantizado em um fluxo de código binário com um determinado comprimento de palavra é chamado de codificação.
amostra:
Então, o 1.65 V acima corresponde a um nível de quantização de 128. O sistema binário correspondente é 10000000. Ou seja, o resultado da codificação do ponto de amostragem é 10000000. Claro, este é um método de codificação que não considera os valores positivos e negativos , e há muitos tipos de métodos de codificação que requerem uma análise específica de problemas específicos. (A codificação do formato de áudio PCM é a codificação de polilinha A-law 13)
3.2 Codificação de áudio PCM
O sinal PCM não passou por nenhuma codificação e compressão (compressão sem perdas). Comparado com os sinais analógicos, ele não é facilmente afetado pela desordem e distorção do sistema de transmissão. A faixa dinâmica é ampla e a qualidade do som é muito boa.
3.2.1 codificação PCM
A codificação usada é a codificação de polilinha A-law 13.
Para obter detalhes, consulte: codificação de voz PCM
3.2.2 Canal
Os canais podem ser divididos em mono e estéreo (canal duplo).
Cada valor de amostra de PCM está contido em um inteiro i, e o comprimento de i é o número mínimo de bytes necessários para acomodar o comprimento de amostra especificado.
Tamanho da amostra Formato dos dados Valor mínimo Valor máximo
8 bits PCM sem sinal int 0 225
16 bits PCM int -32767 32767
Para arquivos de som mono, os dados de amostragem são um número inteiro curto de 8 bits (short int 00H-FFH) e os dados de amostragem são armazenados em ordem cronológica.
Arquivo de som estéreo de dois canais, cada dado de amostragem é um inteiro de 16 bits (int), os oito bits superiores (canal esquerdo) e os oito bits inferiores (canal direito) representam respectivamente dois canais e os dados de amostragem estão em ordem cronológica Deposite em ordem alternativa.
O mesmo é verdade quando o número de bits de amostragem é de 16 bits e o armazenamento está relacionado à ordem de bytes.
Formato de dados PCM
Todos os protocolos de rede usam a maneira big endian para transmitir dados. Portanto, o método big endian também é chamado de ordem de bytes da rede. Quando dois hosts com ordem de byte diferente se comunicam, eles devem ser convertidos em ordem de byte de rede antes de enviar os dados.
4G.711
No PCM geral, o sinal analógico passa por algum processamento (como compressão de amplitude) antes de ser digitalizado. Uma vez digitalizado, o sinal PCM geralmente é processado posteriormente (como compressão digital de dados).
G.711 é um algoritmo de sinal digital multimídia padrão (compressão / descompressão) que modula o código de pulso do ITU-T. É uma técnica de amostragem para digitalizar sinais analógicos, especialmente para sinais de áudio. O PCM faz a amostragem do sinal 8000 vezes por segundo, 8 KHz; cada amostra tem 8 bits, um total de 64 Kbps (DS0). Existem dois padrões para a codificação dos níveis de amostragem. A América do Norte e o Japão usam o padrão Mu-Law, enquanto a maioria dos outros países usa o padrão A-Law.
A-law e u-law são dois métodos de codificação de PCM. A-law PCM é usado na Europa e no meu país, e Mu-law é usado na América do Norte e Japão. A diferença entre os dois é o método de quantização. A lei A usa quantização de 12 bits e a lei u usa quantização de 13 bits. A frequência de amostragem é de 8 KHz e ambos são métodos de codificação de 8 bits.
Entendimento simples: PCM são os dados de áudio originais coletados pelo equipamento de áudio. G.711 e AAC são dois algoritmos diferentes, que podem compactar dados PCM em uma determinada proporção, economizando largura de banda na transmissão da rede.
Nosso outro produto:
