音頻數(shù)字化簡單原理?

????從字面上來說，數(shù)字化 (Digital) 就是以數(shù)字來表示，例如用數(shù)字去記錄一張桌子的長寬尺寸，各木料間的角度，這就是一種數(shù)字化。跟數(shù)位常常一起被提到的字是模擬 ( Analog/Analogue) ，模擬的意思就是用一種相似的東西去表達，例如將桌子用傳統(tǒng)相機 將三視圖拍下來，就是一種模擬的記錄方式。
兩個概念：

1、分貝(dB):聲波振幅的度量單位，非絕對、非線性、對數(shù)式度量方式。以人耳所能聽到的最靜的聲音為1dB,那么會造成人耳聽覺損傷的最大聲音為100dB。人們正常語音交談大約為20dB。10dB意味著音量放大10倍，而20dB卻不是20倍，而是100倍（10的2次方）
。

2、頻率（Hz）:人們能感知的聲音音高。男性語音為180Hz，女性歌聲為600Hz，鋼琴上 C調(diào)至A調(diào)間為440Hz,電視機發(fā)出人所能聽到的聲音是17kHz，人耳能夠感知的最高聲音頻 率為20kHz。

將音頻數(shù)字化，其實就是將聲音數(shù)字化。最常見的方式是透過 PCM(脈沖) 。運作原理如下。首先我們考慮聲音經(jīng)過麥克風(fēng)，轉(zhuǎn)換成一連串電壓變化的信號，如下圖所示。這張圖的橫座標為秒，縱座標為電壓大小。要將這樣的信號轉(zhuǎn)為 PCM 格 式的方法，是先以等時距分割。

我們把分割線與信號圖形交叉處的座標位置記錄下來，可以得到如下資料，(0.01,11.6 5) ，(0.02,14.00) 、 (0.03,16.00) 、 (0.04,17.74) … ..(0.18,15.94) 、 (0.19 ,17.7) 、 (0.20,20) 。好了，我們現(xiàn)在已經(jīng)把這個波形以數(shù)字記錄下來了。由于我們 已經(jīng)知道時間間隔是固定的 0.01 秒，因此我們只要把縱座標記錄下來就可以了，得到 的結(jié)果是 11.65 14.00 16.00 17.74 19.00 19.89 20.34 20.07 19.44 18.59 17.47
16.31 15.23 14.43 13.89 13.71 14.49 15.94 17.70 20.00 這一數(shù)列。這一串數(shù)字就
是將以上信號數(shù)字化的結(jié)果。看吧，我們確實用數(shù)字記錄了事物。在以上的范例中，我
們的采樣頻率是 100Hz(1/0.01 秒 ) 。其實電腦中的 .WAV 檔的內(nèi)容就是類似這個樣子
，文件頭中記錄了采樣頻率和可容許最大記錄振幅，后面就是一連串表示振幅大小的數(shù)
字，有正有負。常見CD唱盤是以PCM格式記錄，而它的采樣頻率 (Sample Rate) 是 441
00Hz ，振幅采樣精度/數(shù)位是 16Bits ，也就是說振幅最小可達 -32768(-2^16/2) ，最
大可達 +32767(2^16/2-1) 。CD唱盤是以螺旋狀由內(nèi)到外儲存資料，可以存儲74分鐘的
音樂。CD唱盤的規(guī)格為什么是 44.1kHz、16Bits呢？關(guān)于 44.1kHz 這個數(shù)字的選取分為
兩個層面。首先人耳的聆聽范圍是 20Hz 到 20kHz ，根據(jù) Nyquist s ，理論
上只要用 40kHz 以上的采樣頻率就可以完整記錄 20kHz 以下的信號。那么為什么要用
44.1kHz 這個數(shù)字呢？那是因為在 CD 發(fā)明前硬盤還很貴，所以主要將數(shù)字音頻信號儲
存媒體是錄像帶，用黑白來記錄 0 與 1 。而當時的錄像帶格式為每秒 30 張，而一張
圖又可以分為 490 條線，每一條線又可以儲存三個取樣信號，因此每秒有 30*490*3=4
4100 個取樣點，而為了研發(fā)的方便， CD唱盤也繼承了這個規(guī)格，這就是 44.1kHz 的由
來。在這里我們可以發(fā)現(xiàn)無論使用多么高的采樣精度/數(shù)位，記錄的數(shù)字跟實際的信號大
小總是有誤差，因此數(shù)字化無法完全記錄原始信號。我們稱這個數(shù)字化造成失真稱為量
化失真。

數(shù)字化的最大好處是資料傳輸與保存的不易失真。記錄的資料只要數(shù)字大小不改變，記
錄的資料內(nèi)容就不會改變。如果我們用傳統(tǒng)類比的方式記錄以上信號，例如使用錄音帶
表面的磁場強度來表達振幅大小，我們在復(fù)制資料時，無論電路設(shè)計多么嚴謹，總是無
法避免雜訊的介入。這些雜訊會變成復(fù)制后資料的一部份，造成失真，且復(fù)制越多次信
噪比 ( 信號大小與噪音大小的比值 ) 會越來越低，資料的細節(jié)也越來越少。如果多次
復(fù)制過錄音帶，對以上的經(jīng)驗應(yīng)該不陌生。在數(shù)字化的世界里，這串數(shù)字轉(zhuǎn)換為二進制
，以電壓的高低來判讀1與0，還可以加上各種檢查碼，使得出錯機率很低，因此在一般
的情況下無論復(fù)制多少次，資料的內(nèi)容都是相同，達到不失真的目的。

那么，數(shù)字化的資料如何轉(zhuǎn)換成原來的音頻信號呢？在計算機的聲卡中一塊芯片叫做 D
AC(Digital to Analog Converter) ，中文稱數(shù)模轉(zhuǎn)換器。DAC的功能如其名是把數(shù)字信
號轉(zhuǎn)換回模擬信號。我們可以把DAC想像成 16 個小電阻，各個電阻值是以二的倍數(shù)增大
。當 DAC 接受到來自計算機中的二進制 PCM 信號，遇到 0 時相對應(yīng)的電阻就開啟，遇
到 1 相對應(yīng)的電阻不作用，如此每一批 16Bits 數(shù)字信號都可以轉(zhuǎn)換回相對應(yīng)的電壓大
小。我們可以想像這個電壓大小看起來似乎會像階梯一樣一格一格，跟原來平滑的信號
有些差異，因此再輸出前還要通過一個低通濾波器，將高次諧波濾除，這樣聲音就會變
得比較平滑了。

從前面的內(nèi)容可以看出，音頻數(shù)字化就是將模擬的(連續(xù)的)聲音波形數(shù)字化(離散化)，
以便利用數(shù)字計算機進行處理的過程，主要包參數(shù)括采樣頻率（Sample Rate）和采樣數(shù)
位/采樣精度（Quantizing，也稱量化級）兩個方面，這二者決定了數(shù)字化音頻的質(zhì)量。
采樣頻率是對聲音波形每秒鐘進采樣的次數(shù)。根據(jù)這種采樣方法，采樣頻率是能夠再現(xiàn)
聲音頻率的一倍。人耳聽覺的頻率上限在2OkHz左右，為了保證聲音不失真，采樣頻率應(yīng)
在4OkHz左右。經(jīng)常使用的采樣頻率有11.025kHz、22.05kHz和44.lkHz等。采樣頻率越高
，聲音失真越小、音頻數(shù)據(jù)量越大。采樣數(shù)位是每個采樣點的振幅動態(tài)響應(yīng)數(shù)據(jù)范圍，
經(jīng)常采用的有8位、12位和16位。例如，8位量化級表示每個采樣點可以表示256個(0-25
5)不同量化值，而16位量化級則可表示65536個不同量化值。采樣量化位數(shù)越高音質(zhì)越好
，數(shù)據(jù)量也越大。

反映音頻數(shù)字化質(zhì)量的另一個因素是通道(或聲道)個數(shù)。記錄聲音時，如果每次生成一
個聲波數(shù)據(jù)，稱為單聲道；每次生成二個聲波數(shù)據(jù)，稱為立體聲(雙聲道)，立體聲更能
反映人的聽覺感受。

除了上述因素外，數(shù)字化音頻的質(zhì)量還受其它一些因素(如揚聲器質(zhì)量，麥克風(fēng)優(yōu)劣，計
算機聲卡A/D與D/A（模/數(shù)、數(shù)/模）轉(zhuǎn)換芯片品質(zhì)，各個設(shè)備連接線屏蔽效果好壞等)的
影響。

綜上所述，聲音數(shù)字化的采樣頻率和量化級越高，結(jié)果越接近原始聲音，但記錄數(shù)字聲
音所需存儲空間也隨之增加。可以用下面的公式估算聲音數(shù)字化后每秒所需的存儲量(假
定不經(jīng)壓縮):

存儲量=(采樣頻率*采樣數(shù)位)/8(字節(jié)數(shù))

若采用雙聲道錄音，存儲量再增加一倍。例如，數(shù)字激光唱盤(CD－DA，紅皮書標準)的
標準采樣頻率為44.lkHz，采樣數(shù)位為16位，立體聲，可以幾乎無失真地播出頻率高達2
2kHz的聲音，這也是人類所能聽到的最高頻率聲音。激光唱盤一分鐘音樂需要的存儲量
為:

44.1*1000*l6*2*60/8=10，584，000(字節(jié))=10.584MBytes

這個數(shù)值就是微軟Windows系統(tǒng)中WAVE(.WAV)聲音文件在硬盤中所占磁盤空間的存儲量。
由MICROSOFT公司開發(fā)的WAV聲音文件格式，是如今計算機中最為常見的聲音文件類型之
一，它符合RIFF文件規(guī)范，用于保存WINDOWS平臺的音頻信息資源，被WINDOWS平臺機器
應(yīng)用程序所廣泛支持。另外，WAVE格式支持MSADPCM、CCIPTALAW、CCIPT-LAW和其他壓縮
算法，支持多種音頻位數(shù)，采樣頻率和聲道，但其缺點是文件體積較大，所以不適合長
時間記錄。因此，才會出現(xiàn)各種音頻壓縮編/解碼技術(shù)的出現(xiàn)，例如，MP3，RM，WMA,VQ
F,ASF等等它們各自有自己的應(yīng)用領(lǐng)域，并且不斷在競爭中求得發(fā)展。

WAVE、MIDI、MP3、RM常見音頻格式簡介

WAVE--WINDOWS系統(tǒng)最基本音頻格式---*.wav

1、占用巨大硬盤空間，音質(zhì)最好，支持音樂與語音
2、通常采樣使用44KHZ采樣/秒,16位/采樣，立體聲，雙聲道，CD音質(zhì)
3、一分鐘音樂占用大約10M硬盤空間,56K調(diào)制解調(diào)器需要30分鐘才能完成網(wǎng)絡(luò)傳送

MIDI--電子合成音樂---*.mid

1、與WAVE格式截然不同，只有音樂，沒有語音
2、使用音色庫回放，有軟硬波表之分，
3、十分節(jié)省磁盤空間，但是音質(zhì)回放對聲卡依賴較大
4、無法使用Total Recorder錄制mid音樂
5、可以使用Wingroove軟波表或其它軟件轉(zhuǎn)為wave

MP3--最流行音頻壓縮格式---*.mp3

1、節(jié)省硬盤空間，有損壓縮，無法復(fù)原
2、音質(zhì)與不同壓縮編碼軟件有關(guān)
3、音樂與語音，可以使用各種采樣比率

RM--網(wǎng)絡(luò)流媒體壓縮格式---*.rm/*.ra

1、節(jié)省磁盤空間，有損壓縮，無法復(fù)原
2、在目前比較窄的網(wǎng)絡(luò)帶寬下，與Real Server服務(wù)器配合，使用Real Player在客戶端
比較流暢地播放音視頻媒體

其它還有：

1、微軟的WMA編碼--*.wma
2、微軟的ASF流媒體編碼--*.asf
3、Yamaha的VQF編碼--*.vqf

總結(jié)

以上是生活随笔為你收集整理的音频数字化原理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。