声音编码解码基本原理

2023年5月12日 269次阅读 来源: 清醒的cola

人类的语音信号处理过程依次如下：

  1. 人嘴说话
  2. 声电转换
  3. 抽样（模数转换）
  4. 量化（将数字信号用适当的数值表示）
  5. 编码（数据压缩）
  6. 传输（网络或者其他方式）
  7. 解码（数据还原）
  8. 反抽样（数模转换）
  9. 电声转换
  10. 人耳听声

不同物种动物的听觉频率范围有哪些?

  • 蝙蝠：1000～120000Hz

  • 海豚：2000～100000Hz

  •  猫：60～65000Hz

  •  狗：40～50000Hz

  •  人：20～20000Hz

脉冲编码调制是什么?

  • 未经过数据压缩，直接量化进行传输则被称为PCM（脉冲编码调制）。

如何计算PCM音频流的码率?

  • 采样率值 × 采样大小值 × 声道数 bps = 码率
  • 例如: 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 44.1K×16×2 =1411.2 Kbps。
    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

MP3是什么 ?

  • MPEG-1 or MPEG-2 Audio Layer III 一种数字音频编码和有损压缩格式，它被设计来大幅降低音频数据量.

MP3原理是什么?

  • 它舍弃脉冲编码调制（PCM）音频数据中，对人类听觉不重要的数据（类似于JPEG是一个有损图像压缩），从而达到了压缩成小得多的文件大小。

AAC 又是什么?

  • 高级音频编码（英语：Advanced Audio Coding，AAC），出现于1997年，基于MPEG-2的音频编码技术。

比特率是什么?

  • 单位时间内的数据传输率时通常使用码流或码率，单位是kbps（千位每秒）。

低比特率的注意事项?

  • 使用过低的比特率，“压缩噪声（compression artifact）”（原始录音中没有的声音）将会在回放时出现。

采样率是什么?

  • 也称为采样速度或者采样频率,定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。
    实际中，人发出的声音信号为模拟信号，想要在实际中处理必须为数字信号，即采用抽样、量化、编码的处理方案。处理的第一步为抽样，即模数转换。
    简单地说就是通过波形采样的方法记录1秒钟长度的声音，需要多少个数据。
    根据奈魁斯特（NYQUIST）采样定理，用两倍于一个正弦波的频繁率进行采样就能完全真实地还原该波形。
    所以，对于声音信号而言，要想对离散信号进行还原，必须将抽样频率定为40KHz以上。
    实际中，一般定为44.1KHz。44.1KHz采样率的声音就是要花费44000个数据来描述1秒钟的声音波形。

MP3比特率参考值有哪些?

* 32 kbit/s—MW（AM）质量
* 96 kbit/s—FM质量
* 128 - 160 kbit/s –相当好的质量，有时有明显差别
* 192 kbit/s—优良质量，偶尔有差别
* 224 - 320 kbit/s—高质量
* 800 bit/s –能够分辨的语音所需最低码率（需使用专用的FS-1015 语音编解码器）
* 8 kbit/s—电话质量（使用语音编码）
* 32-500 kbit/s -- Ogg Vorbis中使用的有损音频模式
* 500 kbit/s–1 Mbit/s—无损音频，格式为FLAC,ALAC,WavPack或Monkey's Audio
* 1411.2 kbit/s—脉冲编码调制（PCM）声音格式为光盘（CD）的数字音频
* 5644.8 kbit/s—SACD使用的Direct Stream Digital格式

采样率参考值有哪些?

* 8,000 Hz - 电话所用采样率，对于人的说话已经足够
* 11,025 Hz
* 22,050 Hz - 无线电广播所用采样率
* 32,000 Hz - miniDV数码视频camcorder、DAT（LP mode）所用采样率
* 44,100 Hz - 音频CD,也常用于MPEG-1音频（VCD, SVCD, MP3）所用采样率
* 47,250 Hz - Nippon Columbia（Denon）开发的世界上第一个商用PCM录音机所用采样率
* 48,000 Hz - miniDV、数字电视、DVD、DAT、电影和专业音频所用的数字声音所用采样率
* 50,000 Hz - 二十世纪七十年代后期出现的3M和Soundstream开发的第一款商用数字录音机所用采样率
* 50,400 Hz - 三菱X-80数字录音机所用所用采样率
* 96,000或者192,000 Hz - DVD-Audio、一些LPCM DVD音轨、Blu-ray Disc（蓝光盘）音轨、和HD-DVD（高清晰度DVD）音轨所用所用采样率
* 2.8224 MHz - SACD、索尼和飞利浦联合开发的称为Direct Stream Digital的1位sigma-delta modulation过程所用采样率。

H5 audio 标签中 各浏览器对音频格式支持情况

+---------------------+-----+-----+-----+-----+
| Browser             | Ogg | MP3 | AAC | Wav |
+---------------------+-----+-----+-----+-----+
| Internet Explorer 9 | No  | Yes | Yes | No  |
| Firefox 5           | Yes | No  | No  | Yes |
| Chrome 12           | Yes | Yes | Yes | Yes |
| Safari 5            | No  | Yes | Yes | Yes |
| Opera 11.5          | Yes | No  | No  | Yes |
+---------------------+-----+-----+-----+-----+

关于延时

IP网中话音分组的端到端时延，150ms以下的时延，对于大多数应用来说是可接受的；150～400ms之间的时延，在用户预知时延状况的前提下可以接受；大于400ms的时延不可接受。

关于丢包率

丢包对VoIP语音质量的影响较大，当丢包率大于10%时，已不能接受，而在丢包率为5%时，基本可以接受。因此，要求IP承载网的丢包率小于5%。

数据参考 google 维基百科wiki

    原文作者：清醒的cola
    原文地址: https://www.jianshu.com/p/04162c14c934
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞