音視頻開發學習筆記（一）----音頻基礎概念

文章目錄
前言
數字音頻
音頻編碼
WAV編碼
MP3編碼
AAC編碼
Ogg編碼
前言
   近一兩年直播、短視頻等可謂是異常火爆，隨着5G技術的逐漸普及，音視頻領域估計會迎來新一輪的爆發。對於移動開發者，音視頻開發技術也將是一個不可或缺的技能。正所謂「好記性不如爛筆頭」，作一些學習筆記仍是頗有必要的。

數字音頻
模擬信號要轉化爲數字信號一般要通過採樣、量化、編碼。

採樣
所謂採樣就是在時間軸上對信號進行數字化。根據奈奎斯特定理（也稱爲採樣定理）：當採樣頻率大於信號中最高頻率的2倍時，採樣以後的數字信號能夠完整地保留原始信號中的信息。對於高質量的音頻信號，其頻率範圍（人耳可以聽到的頻率範圍）是20Hz～20kHz，因此採樣頻率通常爲44.1kHz，這樣就能夠保證採樣聲音達到20kHz也能被數字化，從而使得通過數字化處理以後，人耳聽到的聲音質量不會被下降。
量化
量化是指在幅度軸上對信號進行數字化。每個量化都是一個採樣。
編碼
所謂編碼，就是按照必定的格式記錄採樣和量化後的數字數據，好比順序存儲或壓縮存儲等。編碼涉及到不少種格式，一般所說的音頻的裸數據格式就是脈衝編碼調製（Pulse Code Modulation，PCM）數據。描述一段PCM數據通常須要如下幾個概念：量化格式（sampleFormat）、採樣率（sampleRate）、聲道數（channel）。而對於聲音格式，還有一個概念用來描述它的大小，稱爲數據比特率，即1秒時間內的比特數目，它用於衡量音頻數據單位時間內的容量大小。
計算通過壓縮的視頻輸出文件大小公式：
   （音頻編碼率（kbps）/8 + 視頻編碼率（kbps）/8）× 影片總長度（秒）/1024 = 文件大小（MB爲單位）

計算不通過壓縮的聲音文件大小公式公式：
   採樣頻率（Hz）*採樣位數（bit）*聲道數=數據量（位/秒）

圖象應該是，
    畫面尺寸(分辨率)*彩色位數（bit）*幀數 = 數據量（位/秒）

音頻編碼
   壓縮編碼的基本指標之一就是壓縮比，壓縮比一般小於1。壓縮算法包括有損壓縮和無損壓縮。壓縮編碼原理其實是壓縮掉冗餘信號，冗餘信號是指不能被人耳感知到的信號，包含人耳聽覺範圍以外的音頻信號以及被掩蔽掉的音頻信號等。而被掩蔽掉的音頻信號則主要是由於人耳的掩蔽效應，主要表現爲頻域掩蔽效應與時域掩蔽效應。

   常見的壓縮算法有PCM、WAV、AAC、MP三、Ogg等。

WAV編碼
   WAV編碼不會進行壓縮操做。其有多種實現方式，其中一種就是在PCM數據格式的前面加上44字節，分別用來描述PCM的採樣率、聲道數、數據格式等信息。

   特色： 音質很是好，大量軟件都支持。
   適用場合 ： 多媒體開發的中間文件、保存音樂和音效素材。

MP3編碼
   MP3具備不錯的壓縮比，聽感上比較接近源WAV文件。

   特色： 音質在128Kbit/s以上表現還不錯，壓縮比比較高，大量軟件和硬件都支持，兼容性好。
   適用場合： 高比特率下對兼容性有要求的音樂欣賞。

AAC編碼
   AAC是新一代的音頻有損壓縮技術，它經過一些附加的編碼技術（好比PS、SBR等），衍生出了LC-AAC、HE-AAC、HE-AAC v2三種主要的編碼格式。

   特色：在小於128Kbit/s的碼率下表現優異，而且多用於視頻中的音頻編碼。
   適用場合：128Kbit/s如下的音頻編碼，多用於視頻中音頻軌的編碼。

Ogg編碼
   Ogg是一種很是有潛力的編碼，在各類碼率下都有比較優秀的表現，尤爲是在中低碼率場景下。Ogg除了音質好以外，仍是徹底免費的。Ogg有着很是出色的算法，能夠用更小的碼率達到更好的音質，128Kbit/s的Ogg比192Kbit/s甚至更高碼率的MP3還要出色。但目前由於尚未媒體服務軟件的支持，Ogg目前受支持的狀況還不夠好，不管是軟件上的仍是硬件上的支持，都沒法和MP3相提並論。

   特色：能夠用比MP3更小的碼率實現比MP3更好的音質，高中低碼率下均有良好的表現，兼容性不夠好，流媒體特性不支持。   適用場合：語音聊天的音頻消息場景。