Audio
Se refiere a las ondas sonoras con una frecuencia de sonido entre 20 Hz y 20 kHz que puede ser escuchada por el oído humano.
Si agrega una tarjeta de audio correspondiente a la computadora, la tarjeta de sonido que solemos decir, podemos grabar todos los sonidos, y las características acústicas del sonido, como el nivel del sonido, se pueden almacenar como archivos en el disco duro de la computadora. disco. Por el contrario, también podemos utilizar un determinado programa de audio para reproducir el archivo de audio almacenado para restaurar el sonido grabado previamente.
1 formato de archivo de audio
El formato de archivo de audio se refiere específicamente al formato del archivo que almacena los datos de audio. Hay muchos formatos diferentes.
El método general para obtener datos de audio es muestrear (cuantificar) el voltaje de audio en un intervalo de tiempo fijo y almacenar el resultado a una resolución determinada (por ejemplo, cada muestra de CDDA tiene 16 bits o 2 bytes). El intervalo de muestreo puede tener diferentes estándares. Por ejemplo, CDDA usa 44,100 veces por segundo; El DVD utiliza 48,000 o 96,000 veces por segundo. Por lo tanto, [frecuencia de muestreo], [resolución] y el número de [canales] (por ejemplo, 2 canales para estéreo) son los parámetros clave del formato de archivo de audio.
1.1 Pérdida y sin pérdida
Según el proceso de producción de audio digital, la codificación de audio solo puede acercarse infinitamente a las señales naturales. Al menos la tecnología actual solo puede hacer esto. Cualquier esquema de codificación de audio digital tiene pérdidas porque no se puede restaurar por completo. En las aplicaciones informáticas, el nivel más alto de fidelidad es la codificación PCM, que se utiliza ampliamente para la conservación de materiales y la apreciación musical. Se utiliza en CD, DVD y nuestros archivos WAV comunes. Por lo tanto, PCM se ha convertido en una codificación sin pérdidas por convención, porque PCM representa el mejor nivel de fidelidad en audio digital.
Hay dos tipos principales de formatos de archivos de audio:
Formatos sin pérdida, como WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Formatos con pérdida, como MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
Introducción de 2 parámetros
2.1 Tasa de muestreo
Se refiere al número de muestras de sonido obtenidas por segundo. El sonido es en realidad una especie de onda de energía, por lo que también tiene las características de frecuencia y amplitud. La frecuencia corresponde al eje del tiempo y la amplitud corresponde al eje de nivel. La onda es infinitamente suave y la cuerda puede considerarse compuesta de innumerables puntos. Debido a que el espacio de almacenamiento es relativamente limitado, los puntos de la cadena deben muestrearse durante el proceso de codificación digital.
El proceso de muestreo consiste en extraer el valor de frecuencia de un determinado punto. Obviamente, cuantos más puntos se extraen en un segundo, más información de frecuencia se obtiene. Para restaurar la forma de onda, cuanto mayor sea la frecuencia de muestreo, mejor será la calidad del sonido. Cuanto más real es la restauración, pero al mismo tiempo ocupa más recursos. Debido a la resolución limitada del oído humano, no se puede distinguir una frecuencia demasiado alta. La frecuencia de muestreo de 22050 se usa comúnmente, 44100 ya tiene calidad de sonido de CD y el muestreo de más de 48,000 o 96,000 ya no es significativo para el oído humano. Esto es similar a los 24 fotogramas por segundo de las películas. Si es estéreo, la muestra se duplica y el archivo casi se duplica.
Según la teoría de muestreo de Nyquist, para garantizar que el sonido no se distorsione, la frecuencia de muestreo debe ser de alrededor de 40 kHz. No necesitamos saber cómo surgió este teorema. Solo necesitamos saber que este teorema nos dice que si queremos grabar una señal con precisión, nuestra frecuencia de muestreo debe ser mayor o igual al doble de la frecuencia máxima de la señal de audio. Recuerde, es la frecuencia máxima.
En el campo del audio digital, las frecuencias de muestreo comúnmente utilizadas son:
8000 Hz: la frecuencia de muestreo utilizada por el teléfono, que es suficiente para el habla humana
Frecuencia de muestreo de 11025 Hz utilizada por el teléfono
Frecuencia de muestreo de 22050 Hz utilizada en la radiodifusión
Frecuencia de muestreo de 32000 Hz para videocámara digital miniDV, DAT (modo LP)
CD de audio de 44100 Hz, también comúnmente utilizado como frecuencia de muestreo para audio MPEG-1 (VCD, SVCD, MP3)
Frecuencia de muestreo de 47250 Hz utilizada por grabadoras PCM comerciales
Frecuencia de muestreo de 48000 Hz para sonido digital utilizado en miniDV, TV digital, DVD, DAT, películas y audio profesional
Frecuencia de muestreo de 50000 Hz utilizada por grabadoras digitales comerciales
96000 Hz o 192000 Hz: la frecuencia de muestreo utilizada para DVD-Audio, algunas pistas de audio de DVD LPCM, pistas de audio de BD-ROM (Blu-ray Disc) y pistas de audio de HD-DVD (DVD de alta definición)
2.2 Número de bits de muestreo
El número de bits de muestreo también se denomina tamaño de muestreo o número de bits de cuantificación. Es un parámetro que se utiliza para medir la fluctuación del sonido, es decir, la resolución de la tarjeta de sonido o puede entenderse como la resolución de la tarjeta de sonido procesada por la tarjeta de sonido. Cuanto mayor sea el valor, mayor será la resolución y más realista será el sonido grabado y reproducido. El bit de la tarjeta de sonido se refiere a los dígitos binarios de la señal de sonido digital que utiliza la tarjeta de sonido al recopilar y reproducir archivos de sonido. El bit de la tarjeta de sonido refleja objetivamente la precisión de la descripción de la señal de sonido digital de la señal de sonido de entrada. Las tarjetas de sonido comunes son principalmente de 8 y 16 bits. Hoy en día, todos los productos principales del mercado son tarjetas de sonido de 16 bits o superiores.
Cada dato muestreado registra la amplitud y la precisión del muestreo depende del número de bits de muestreo:
1 byte (es decir, 8 bits) solo puede registrar 256 números, lo que significa que la amplitud solo se puede dividir en 256 niveles;
2 bytes (es decir, 16 bits) pueden ser tan pequeños como 65536, que ya es un estándar de CD;
4 bytes (es decir, 32 bits) pueden subdividir la amplitud en 4294967296 niveles, lo cual es realmente innecesario.
2.3 Número de canales
Es decir, el número de canales de sonido. El mono y estéreo común (dos canales) ahora se han desarrollado a sonido envolvente de cuatro canales (cuatro canales) y 5.1 canales.
2.3.1 mono
Mono es una forma relativamente primitiva de reproducción de sonido, y las primeras tarjetas de sonido lo usaban con más frecuencia. El sonido mono solo se puede reproducir con un altavoz, y algunos también se procesan en dos altavoces para emitir el mismo canal de sonido. Cuando se reproduce información monofónica a través de dos altavoces, podemos sentir claramente que el sonido proviene de dos altavoces. Es imposible determinar la ubicación específica de la fuente de sonido que se transmite a nuestros oídos desde el medio del altavoz.
2.3.2 estéreo
Los canales binaurales tienen dos canales de sonido. El principio es que cuando las personas escuchan un sonido, pueden juzgar la posición específica de la fuente de sonido en función de la diferencia de fase entre los oídos izquierdo y derecho. El sonido se asigna a dos canales independientes durante el proceso de grabación, para lograr un buen efecto de localización del sonido. Esta técnica es particularmente útil en la apreciación de la música. El oyente puede distinguir claramente la dirección de donde provienen varios instrumentos, lo que hace que la música sea más imaginativa y más cercana a la experiencia en el lugar.
Actualmente, las dos voces son las más utilizadas. En el karaoke, uno es para reproducir música y el otro es para la voz del cantante; en VCD, uno dobla en mandarín y el otro dobla en cantonés.
2.3.3 Sonido envolvente de cuatro tonos
El sonido envolvente de cuatro canales define cuatro puntos de sonido, frontal izquierdo, frontal derecho, posterior izquierdo y posterior derecho, y la audiencia está rodeada por estos. También se recomienda agregar un subwoofer para fortalecer el procesamiento de reproducción de señales de baja frecuencia (esta es la razón por la cual los sistemas de altavoces de 4.1 canales son muy populares en la actualidad). En lo que respecta al efecto general, el sistema de cuatro canales puede brindar a los oyentes sonido envolvente desde múltiples direcciones diferentes, puede obtener la experiencia auditiva de estar en una variedad de entornos diferentes y brindar a los usuarios una experiencia completamente nueva. Hoy en día, la tecnología de cuatro canales se ha integrado ampliamente en el diseño de varias tarjetas de sonido de gama media a alta, convirtiéndose en la tendencia principal del desarrollo futuro.
2.3.4 5.1 canal
Los canales 5.1 se han utilizado ampliamente en varios teatros tradicionales y teatros en casa. Algunos de los formatos de compresión de grabación de sonido más conocidos, como Dolby AC-3 (Dolby Digital), DTS, etc., se basan en el sistema de sonido 5.1. El canal ".1" es un canal de subwoofer especialmente diseñado que puede producir subwoofers con un rango de respuesta de frecuencia de 20 a 120 Hz. De hecho, el sistema de sonido 5.1 proviene del envolvente 4.1, la diferencia es que agrega una unidad central. Esta unidad central es responsable de transmitir la señal de sonido por debajo de 80Hz, lo que es útil para fortalecer la voz humana al mirar la película y concentrar el diálogo en el medio de todo el campo de sonido para aumentar el efecto general.
En la actualidad, muchos reproductores de música en línea, como QQ Music, han proporcionado música de 5.1 canales para escuchar y descargar de prueba.
Marco 2.4
El concepto de fotogramas de audio no es tan claro como los fotogramas de video. Casi todos los formatos de codificación de video pueden simplemente pensar en un cuadro como una imagen codificada. Sin embargo, la trama de audio está relacionada con el formato de codificación, que se implementa en cada estándar de codificación.
Por ejemplo, en el caso de PCM (datos de audio no codificados), no necesita el concepto de fotogramas en absoluto y se puede reproducir de acuerdo con la frecuencia de muestreo y la precisión de muestreo. Por ejemplo, para audio dual con una frecuencia de muestreo de 44.1 kHZ y una precisión de muestreo de 16 bits, puede calcular que la velocidad de bits es 44100162 bps y los datos de audio por segundo son 44100162/8 bytes fijos.
El marco amr es relativamente simple. Estipula que cada 20 ms de audio es un cuadro, y cada cuadro de audio es independiente, y es posible utilizar diferentes algoritmos de codificación y diferentes parámetros de codificación.
El marco de mp3 es un poco más complicado y contiene más información, como la frecuencia de muestreo, la frecuencia de bits y varios parámetros.
ciclos 2.5
El número de fotogramas requeridos por un dispositivo de audio para procesar a la vez, y el acceso a los datos del dispositivo de audio y el almacenamiento de datos de audio se basan en esta unidad.
2.6 Modo intercalado
El método de almacenamiento de la señal de audio digital. Los datos se almacenan en cuadros continuos, es decir, las muestras del canal izquierdo y las muestras del canal derecho del cuadro 1 se graban primero, y luego se inicia la grabación del cuadro 2.
2.7 Modo no entrelazado
Primero, grabe las muestras del canal izquierdo de todos los fotogramas en un período y luego grabe todas las muestras del canal derecho.
2.8 Tasa de bits (tasa de bits)
La tasa de bits también se denomina tasa de bits, que se refiere a la cantidad de datos reproducidos por la música por segundo. La unidad se expresa por bit, que es bit binario. bps es la tasa de bits. b es bit (bit), s es segundo (segundo), p es cada (por), un byte equivale a 8 bits binarios. Es decir, el tamaño de archivo de una canción de 4 minutos de 128bps se calcula así (128/8) 460 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), generalmente mp3 es beneficioso en aproximadamente 128 bit tasa, y es probable que el tamaño sea de alrededor de 3-4 BM.
En las aplicaciones informáticas, el nivel más alto de fidelidad es la codificación PCM, que se utiliza ampliamente para la conservación del material y la apreciación musical. Se utilizan CD, DVD y nuestros archivos WAV comunes. Por lo tanto, PCM se ha convertido en una codificación sin pérdidas por convención, porque PCM representa el mejor nivel de fidelidad en audio digital. No significa que PCM pueda garantizar la fidelidad absoluta de la señal. PCM solo puede lograr la máxima proximidad infinita.
Calcular la tasa de bits de un flujo de audio PCM es una tarea muy fácil, valor de la tasa de muestreo × valor del tamaño de muestreo × número de canal bps. Un archivo WAV con una frecuencia de muestreo de 44.1 KHz, un tamaño de muestreo de 16 bits y codificación PCM de doble canal, su velocidad de datos es 44.1 K × 16 × 2 = 1411.2 Kbps. Nuestro CD de audio común utiliza codificación PCM y la capacidad de un CD solo puede contener 72 minutos de información musical.
Una señal de audio codificada PCM de dos canales requiere 176.4 KB de espacio en 1 segundo y aproximadamente 10.34 millones en 1 minuto. Esto es inaceptable para la mayoría de los usuarios, especialmente aquellos a los que les gusta escuchar música en la computadora. Ocupación del disco, solo hay dos métodos, índice de reducción de muestreo o compresión. No es recomendable reducir el índice de muestreo, por lo que los expertos han desarrollado varios esquemas de compresión. Los más originales son DPCM, ADPCM y el más famoso es MP3. Por lo tanto, la tasa de código después de la compresión de datos es mucho más baja que la del código original.
2.9 Ejemplo de cálculo
Por ejemplo, la longitud del archivo "Windows XP startup.wav" es 424,644 bytes, que tiene el formato "22050HZ / 16bit / stereo".
Entonces, su tasa de transmisión por segundo (tasa de bits, también llamada tasa de bits, tasa de muestreo) es 22050162 = 705600 (bps), convertida a unidad de bytes es 705600/8 = 88200 (bytes por segundo), tiempo de reproducción: 424644 (bytes totales) / 88200 (bytes por segundo) ≈ 4.8145578 (segundos).
Pero esto no es lo suficientemente exacto. El archivo WAVE (* .wav) en el formato PCM estándar tiene al menos 42 bytes de información de encabezado, que deben eliminarse al calcular el tiempo de reproducción, por lo que hay: (424644-42) / (22050162/8) ≈ 4.8140816 ( segundos). Esto es más exacto.
Codificación de audio 3 PCM
PCM son las siglas de Pulse Code Modulation. En el proceso PCM, la señal analógica de entrada se muestrea, cuantifica y codifica, y el número codificado en binario representa la amplitud de la señal analógica; el extremo receptor restaura estos códigos a la señal analógica original. Es decir, la conversión A / D de audio digital incluye tres procesos: muestreo, cuantificación y codificación.
La tasa de adopción de PCM de voz es de 8 kHz y el número de bits de muestreo es de 8 bits, por lo que la tasa de código de la señal codificada digital de voz es de 8 bits × 8 kHz = 64 kbps = 8 KB / s.
3.1 Principios de la codificación de audio
Cualquiera que tenga cierta base electrónica sabe que la señal de audio recopilada por el sensor es una cantidad analógica, pero lo que usamos en el proceso de transmisión real es una cantidad digital. Y esto implica el proceso de conversión de analógico a digital. La señal analógica tiene que pasar por tres procesos, a saber, muestreo, cuantificación y codificación, para realizar la tecnología de modulación de código de pulso (PCM, Modulación de codificación de pulso) de digitalización de voz.
Proceso de conversión
3.1.1 Muestreo
El muestreo es el proceso de extraer muestras (frecuencia de muestreo) de una señal analógica a una frecuencia que es más de 2 veces el ancho de banda de la señal (Teorema de muestreo de Lequist) y convertirla en una señal de muestreo discreta en el eje del tiempo.
Tasa de muestreo: el número de muestras extraídas de una señal continua por segundo para formar una señal discreta, expresada en hercios (Hz).
muestra:
Por ejemplo, la frecuencia de muestreo de la señal de audio es de 8000 Hz.
Se puede entender que la muestra en la figura anterior corresponde a la curva del cambio de voltaje con el tiempo en la figura durante 1 segundo, luego la inferior 1 2 3… 10, porque debe haber 1-8000 puntos, es decir, 1 El segundo se divide en 8000 partes, y luego las saca por turno El valor de voltaje correspondiente a ese tiempo de 8000 puntos.
3.1.2 Cuantificación
Aunque la señal muestreada es una señal discreta en el eje del tiempo, sigue siendo una señal analógica y su valor de muestra puede tener un número infinito de valores dentro de un cierto rango de valores. Se debe adoptar el método de "redondeo" para "redondear" los valores de la muestra, de modo que los valores de la muestra dentro de un cierto rango de valores se cambien de un número infinito de valores a un número finito de valores. cuantificación.
Número de bits de muestreo: se refiere al número de bits utilizados para describir la señal digital.
8 bits (8 bits) representan 2 elevado a 8 = 256, 16 bits (16 bits) representan 2 elevado a 16 = 65536;
muestra:
Por ejemplo, el rango de voltaje recopilado por el sensor de audio es 0-3.3 V y el número de muestreo es 8 bits (bit)
Es decir, consideramos 3.3V / 2 ^ 8 = 0.0128 como la precisión de cuantificación.
Dividimos 3.3v en 0.0128 como el eje Y escalonado, como se muestra en la Figura 3, 1 2… 8 se convierte en 0 0.0128 0.0256… 3.3 V
Por ejemplo, el valor de voltaje de un punto de muestreo es 1.652 V (entre 1280.128 y 1290.128). Lo redondeamos a 1.65 V y el nivel de cuantificación correspondiente es 128.
3.1.3 Codificación
La señal de muestreo cuantificada se transforma en una serie de flujos de códigos digitales decimales dispuestos de acuerdo con la secuencia de muestreo, es decir, la señal digital decimal. Un sistema de datos simple y eficiente es un sistema de código binario. Por lo tanto, el código digital decimal debe convertirse en un código binario. Según el número total de códigos digitales decimales, se puede determinar el número de bits necesarios para la codificación binaria, es decir, la longitud de la palabra (número de bits de muestreo). Este proceso de transformar la señal de muestra cuantificada en un flujo de código binario con una longitud de palabra determinada se denomina codificación.
muestra:
Entonces el 1.65V anterior corresponde a un nivel de cuantificación de 128. El sistema binario correspondiente es 10000000. Es decir, el resultado de codificar el punto de muestreo es 10000000. Por supuesto, este es un método de codificación que no considera los valores positivos y negativos , y hay muchos tipos de métodos de codificación que requieren un análisis específico de problemas específicos. (La codificación de formato de audio PCM es codificación de polilínea A-law 13)
3.2 codificación de audio PCM
La señal PCM no ha sufrido ninguna codificación ni compresión (compresión sin pérdidas). En comparación con las señales analógicas, no se ve afectado fácilmente por el desorden y la distorsión del sistema de transmisión. El rango dinámico es amplio y la calidad del sonido es bastante buena.
3.2.1 codificación PCM
La codificación utilizada es la codificación de polilínea de la ley A 13.
Para obtener más información, consulte: codificación de voz PCM
3.2.2 Channel
Los canales se pueden dividir en mono y estéreo (doble canal).
Cada valor de muestra de PCM está contenido en un entero i, y la longitud de i es el número mínimo de bytes necesarios para adaptarse a la longitud de muestra especificada.
Tamaño de muestra Formato de datos Valor mínimo Valor máximo
PCM de 8 bits sin firmar int 0
PCM de 16 bits int -32767 32767
Para archivos de sonido mono, los datos de muestreo son un número entero corto de 8 bits (short int 00H-FFH) y los datos de muestreo se almacenan en orden cronológico.
Archivo de sonido estéreo de dos canales, cada dato de muestreo es un entero de 16 bits (int), los ocho bits superiores (canal izquierdo) y los ocho bits inferiores (canal derecho) respectivamente representan dos canales, y los datos de muestreo están en orden cronológico Depositar en orden alterno.
Lo mismo ocurre cuando el número de bits de muestreo es de 16 bits y el almacenamiento está relacionado con el orden de los bytes.
Formato de datos PCM
Todos los protocolos de red utilizan la forma big endian para transmitir datos. Por lo tanto, el método big endian también se denomina orden de bytes de red. Cuando dos hosts con diferente orden de bytes se comunican, deben convertirse en orden de bytes de red antes de enviar datos antes de transmitir.
4G.711
En PCM general, la señal analógica se somete a algún procesamiento (como compresión de amplitud) antes de digitalizarse. Una vez digitalizada, la señal PCM generalmente se procesa más (como la compresión de datos digitales).
G.711 es un algoritmo de señal digital multimedia estándar (compresión / descompresión) que modula el código de pulso de ITU-T. Es una técnica de muestreo para digitalizar señales analógicas, especialmente para señales de audio. PCM muestrea la señal 8000 veces por segundo, 8 KHz; cada muestra es de 8 bits, un total de 64 Kbps (DS0). Hay dos estándares para la codificación de niveles de muestreo. América del Norte y Japón utilizan el estándar Mu-Law, mientras que la mayoría de los demás países utilizan el estándar A-Law.
La ley A y la ley U son dos métodos de codificación de PCM. El PCM de ley A se usa en Europa y mi país, y la ley Mu se usa en América del Norte y Japón. La diferencia entre los dos es el método de cuantificación. La ley A usa una cuantificación de 12 bits y la ley u usa una cuantificación de 13 bits. La frecuencia de muestreo es de 8 KHz y ambos son métodos de codificación de 8 bits.
Comprensión simple: PCM son los datos de audio originales recopilados por el equipo de audio. G.711 y AAC son dos algoritmos diferentes, que pueden comprimir datos PCM a una cierta proporción, ahorrando así ancho de banda en la transmisión de la red.
Nuestro otro producto:
