計算機音頻基礎-PCM簡介

咱們在音頻處理的時候常常會接觸到PCM數據：它是模擬音頻信號經模數轉換（A/D變換）直接造成的二進制序列，該文件沒有附加的文件頭和文件結束標誌。

聲音自己是模擬信號，而計算機只能識別數字信號，要在計算機中處理聲音，就須要將聲音數字化，這個過程叫經模數轉換（A/D變換）。最多見的方式是透過脈衝編碼調製PCM(Pulse Code Modulation) 。

運做原理以下:首先咱們考慮聲音通過麥克風，轉換成一連串電壓變化的信號，以下圖所示。這張圖的橫座標爲秒，縱座標爲電壓大小。

　　　　

要將這樣的信號轉爲 PCM 時，須要將聲音量化，咱們通常從以下幾個維度描述一段聲音：

• 聲道數、
• 採樣位數
• 採樣頻率
• 時長

採樣頻率：即取樣頻率,指每秒鐘取得聲音樣本的次數。採樣頻率越高,聲音的質量也就越好,聲音的還原也就越真實，但同時它佔的資源比較多。因爲人耳的分辨率頗有限,過高的頻率並不能分辨出來。在16位聲卡中有22KHz、44KHz等幾級,其中，22KHz至關於普通FM廣播的音質，44KHz已至關於CD音質了，目前的經常使用採樣頻率都不超過48KHz。

採樣位數：即採樣值或取樣值（就是將採樣樣本幅度量化）。它是用來衡量聲音波動變化的一個參數，也能夠說是聲卡的分辨率。它的數值越大，分辨率也就越高，所發出聲音的能力越強。

聲道數：很好理解，有單聲道和立體聲之分，單聲道的聲音只能使用一個喇叭發聲（有的也處理成兩個喇叭輸出同一個聲道的聲音），立體聲的PCM 可使兩個喇叭都發聲（通常左右聲道有分工） ，更能感覺到空間效果。

時長： 採樣的時長

下面再用圖解來看看採樣位數和採樣頻率的概念。讓咱們來看看這幾幅圖。

• 圖中的黑色曲線表示的是PCM 文件錄製的天然界的聲波，
• 紅色曲線表示的是PCM 文件輸出的聲波，

這個圖中，採樣點是離散的，每個點對應pcm一個單元的數據。

• 採樣頻率越高，x軸採樣點就越密集，聲音越接近原始數據
• 採樣位數越高，y軸採樣點就越密集，聲音越接近原始數據

　　

採樣頻率單位爲Hz，表示每秒採樣的次數，通常有11025HZ（11KHz），22050HZ（22KHz）、44100Hz（44KHz）三種。

採樣位數單位爲bit（位），通常有8bit和16bit 。8bit表示用8bit空間量化某時刻的聲音，這一點基本是和圖片用r、g、b三單位共24bit量化顏色同樣。

PCM存儲方式：

有了上述基礎，就能夠很容易理解PCM信息存儲的方式。例如，一個單聲道、8bit、11KHz的格式以下：

採樣點	T1	T2	T3	T4	T5	T6
幅值	0x08	0x07	0x03	0x03	0x04	0x03

 

• 採樣位數爲是8bit，用一個byte存儲它每一個時刻的信息
• 聲道爲單聲道，每一個時刻只有一份信息。
• 頻率爲11kHz，每秒鐘有11025個時刻

再擴展一下

• 對於多聲道的聲音，每一個時刻的存儲同時存了兩份LR，LR，LR的方式
• 對於16bit的聲音，又分爲little endian 和 big endian存儲方式（和數字的存儲方式同樣分大小端）

知乎上有篇帖子講述的還比較多： pcm 音頻數據的存儲方式？

 

綜上所述，咱們能夠獲得pcm文件的體積計算公式（這裏咱們把 採樣位數/8 是由於電腦上是將bit轉化爲byte）：

存儲量 = (採樣頻率 × 採樣位數/8 × 聲道 × 時間.

例如，數字激光唱盤(CD－DA，紅皮書標準)的標準採樣頻率爲44.lkHz，採樣數位爲16位，立體聲(2聲道)，能夠幾乎無失真地播出頻率高達22kHz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須要的存儲量爲：

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

這個數值就是PCM聲音文件在硬盤中所佔磁盤空間的存儲量。

計算機音頻文件的格式決定了其聲音的品質，平常生活中電話、收音機等均爲模擬音頻信號，即不存在採樣頻率和採樣位數的概念，咱們能夠這樣比較一下：

• 44KHz，16BIT的聲音稱做：CD音質；
• 22KHz、16Bit的聲音效果近似於立體聲（FM Stereo）廣播，稱做：廣播音質；
• 11kHz、8Bit的聲音，稱做：電話音質。

 

WAV和PCM的關係

前面也介紹到了，PCM數據自己只是一個裸碼流，它是由聲道、採樣位數、採樣頻率、時長共同決定的，所以咱們至少要知道其中的三個才能將pcm所表明的數據提取出來。

所以，純PCM數據是沒法播放的，所以還須要一段描述數據。計算機系統中的一個比較常見的作法是將pcm碼流和描述信息封裝在一塊兒，造成一個音頻文件。這樣就能夠直接播放了。

一種常見的方式是使用wav格式定義的規範將pcm碼流和描述信息封裝起來。查看pcm和對應wav文件的hex文件，能夠發現，wav文件只是在pcm文件的開頭多了44bytes，來表徵其聲道數、採樣頻率和採樣位數等信息。這個其實和bmp很是相似。

　　　　

網上有文章詳細的介紹了這種方式，並經過將pcm封裝成wav文件實現html直接播放。

WEB端實現PCM裸流播放

須要注意的是，WAV定義的是一種音頻封裝規範，雖然常見的都是音頻流被PCM編碼處理的WAV，但這不表示WAV只能使用PCM編碼，MP3編碼一樣也能夠運用在WAV中

參考文章：

• http://blog.csdn.net/ce123_zhouwei/article/details/9359389
• http://www.jianshu.com/p/1d1f893e53e9
• http://blog.csdn.net/x_iya/article/details/52384473
• http://blog.csdn.net/baidu_zhongce/article/details/50393254