一、声音的基本概念
声音是机械振动在介质中的传播，是模拟信号。计算机处理声音需要将其转换为数字信号，这个过程称为音频数字化。
1.1 声音的三要素
| 要素 | 说明 |
|---|---|
| 音调 | 声音的高低，由频率决定。频率越高，音调越高 |
| 音色 | 声音的特色，由波形决定。不同乐器有不同的音色 |
| 音强（响度） | 声音的大小，由振幅决定。振幅越大，声音越响 |
二、音频数字化过程
音频数字化需要经过三个步骤：采样 → 量化 → 编码
2.1 采样（Sampling）
- 定义：将时间上连续的模拟信号转换为时间上离散的信号
- 采样频率：每秒钟采样的次数，单位为 Hz
- 奈奎斯特采样定理：采样频率应大于等于被采样信号最高频率的2倍
常用采样频率：
| 采样频率 | 应用场景 |
|---|---|
| 8 kHz | 电话语音 |
| 11.025 kHz | 语音（低质量） |
| 22.05 kHz | FM广播 |
| 44.1 kHz | CD音质 |
| 48 kHz | DVD音质、专业音频 |
2.2 量化（Quantization）
- 定义：将采样后得到的离散信号的幅度值转换为有限个离散值（数字值）
- 量化位数（精度）：每个采样点使用的二进制位数
| 量化位数 | 精度等级 |
|---|---|
| 8位 | 256级（2^8），语音级别 |
| 16位 | 65536级（2^16），CD音质 |
| 24位 | 16777216级（2^24），专业音频 |
| 32位 | 4294967296级（2^32），高精度音频 |
2.3 编码（Encoding）
- 定义：将量化后的数字信号按一定格式转换为二进制数据流
- 编码方式：PCM（脉冲编码调制）、ADPCM（自适应差分脉冲编码调制）等
三、音频数据量计算
3.1 未压缩音频数据量公式
$$
数据量 = 采样频率 \times 量化位数 \times 声道数 \times 时间 / 8
$$
注意：除以8是因为计算结果单位从 bit 转换为 Byte。
| 参数 | 说明 |
|---|---|
| 采样频率 | 单位：Hz（次/秒） |
| 量化位数 | 单位：bit（位） |
| 声道数 | 单声道=1，双声道（立体声）=2 |
| 时间 | 单位：秒（s） |
| /8 | bit → Byte 转换 |
3.2 计算示例
例题：采样频率为 44.1kHz，量化位数为 16位，双声道，录制 1 分钟的音频，未压缩的数据量是多少？
$$
数据量 = 44100 \times 16 \times 2 \times 60 / 8 = 10584000 \text{ Byte} \approx 10.09 \text{ MB}
$$
四、常见音频文件格式
| 格式 | 全称 | 特点 |
|---|---|---|
| WAV | Waveform Audio | 微软开发，无损，文件较大 |
| MP3 | MPEG-1 Audio Layer 3 | 有损压缩，体积小，音质较好 |
| WMA | Windows Media Audio | 微软开发，有损/无损均可 |
| AAC | Advanced Audio Coding | MP3 的后继者，有损压缩，效率更高 |
| OGG | Ogg Vorbis | 开源格式，有损压缩 |
| FLAC | Free Lossless Audio Codec | 无损压缩，体积比WAV小 |
| APE | Monkey’s Audio | 无损压缩，压缩率高 |
| MIDI | Musical Instrument Digital Interface | 乐器数字接口，记录演奏指令而非声音波形，文件极小 |
重点区分：
- WAV：无损，未压缩或无损压缩，文件大
- MP3：有损压缩，文件小
- MIDI：不是真正的音频，是乐器控制指令
五、音频质量与参数关系
| 参数 | 越大/越高 → |
|---|---|
| 采样频率 | 声音越逼真，数据量越大 |
| 量化位数 | 声音精度越高，数据量越大 |
| 声道数 | 声音空间感越好，数据量越大 |
记忆：三个参数越大，音质越好，但数据量也越大。
六、重点记忆
- 奈奎斯特采样定理：采样频率 >= 2 × 最高信号频率
- 音频数字化三步骤：采样 → 量化 → 编码
- CD音质标准：44.1kHz / 16bit / 双声道
- 数据量公式：采样频率 × 量化位数 × 声道数 × 时间 / 8
- MIDI 不是音频信号，是乐器控制指令
评论