Audio
Se referă la undele sonore cu o frecvență sonoră cuprinsă între 20 Hz și 20 kHz care poate fi auzită de urechea umană.
Dacă adăugați o placă audio corespunzătoare la computer - placa de sunet pe care o spunem adesea, putem înregistra toate sunetele, iar caracteristicile acustice ale sunetului, cum ar fi nivelul sunetului, pot fi stocate ca fișiere pe hard-ul computerului disc. În schimb, putem folosi și un anumit program audio pentru a reda fișierul audio stocat pentru a restabili sunetul înregistrat anterior.
1 Format fișier audio
Formatul fișierului audio se referă în mod specific la formatul fișierului care stochează datele audio. Există multe formate diferite.
Metoda generală de obținere a datelor audio constă în eșantionarea (cuantificarea) tensiunii audio la un interval de timp fix și stocarea rezultatului la o anumită rezoluție (de exemplu, fiecare eșantion de CDDA este de 16 biți sau 2 octeți). Intervalul de eșantionare poate avea standarde diferite. De exemplu, CDDA utilizează 44,100 de ori pe secundă; DVD-ul folosește 48,000 sau 96,000 de ori pe secundă. Prin urmare, [rata de eșantionare], [rezoluția] și numărul de [canale] (de exemplu, 2 canale pentru stereo) sunt parametrii cheie ai formatului fișierului audio.
1.1 Pierderi și pierderi
Conform procesului de producție a sunetului digital, codarea audio poate fi aproape infinit de semnalele naturale. Cel puțin tehnologia actuală poate face acest lucru doar. Orice schemă de codare audio digitală are pierderi, deoarece nu poate fi restaurată complet. În aplicațiile informatice, cel mai înalt nivel de fidelitate este codificarea PCM, care este utilizată pe scară largă pentru conservarea materialelor și aprecierea muzicii. Este utilizat în CD-uri, DVD-uri și în fișierele noastre obișnuite WAV. Prin urmare, PCM a devenit o codificare fără pierderi prin convenție, deoarece PCM reprezintă cel mai bun nivel de fidelitate în audio digital.
Există două tipuri principale de formate de fișiere audio:
Formate fără pierderi, cum ar fi WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Formate pierdute, cum ar fi MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
Introducerea a 2 parametri
2.1 Rata de eșantionare
Se referă la numărul de probe sonore obținute pe secundă. Sunetul este de fapt un fel de undă energetică, deci are și caracteristicile frecvenței și amplitudinii. Frecvența corespunde axei de timp, iar amplitudinea corespunde axei de nivel. Unda este infinit de netedă, iar coarda poate fi privită ca fiind compusă din nenumărate puncte. Deoarece spațiul de stocare este relativ limitat, punctele șirului trebuie prelevate în timpul procesului de codificare digitală.
Procesul de eșantionare este de a extrage valoarea frecvenței unui anumit punct. Evident, cu cât sunt extrase mai multe puncte într-o secundă, cu atât se obțin mai multe informații despre frecvență. Pentru a restabili forma de undă, cu cât frecvența de eșantionare este mai mare, cu atât este mai bună calitatea sunetului. Cu cât restaurarea este mai reală, dar în același timp ocupă mai multe resurse. Datorită rezoluției limitate a urechii umane, nu se poate distinge o frecvență prea mare. Frecvența de eșantionare de 22050 este frecvent utilizată, 44100 este deja calitatea sunetului CD, iar eșantionarea peste 48,000 sau 96,000 nu mai este semnificativă pentru urechea umană. Acest lucru este similar cu cele 24 de cadre pe secundă din filme. Dacă este stereo, eșantionul este dublat, iar fișierul este aproape dublat.
Conform teoriei eșantionării Nyquist, pentru a se asigura că sunetul nu este distorsionat, frecvența eșantionării ar trebui să fie în jur de 40kHz. Nu trebuie să știm cum a apărut această teoremă. Trebuie doar să știm că această teoremă ne spune că, dacă dorim să înregistrăm un semnal cu precizie, frecvența noastră de eșantionare trebuie să fie mai mare sau egală cu dublul frecvenței maxime a semnalului audio. Amintiți-vă, este frecvența maximă.
În domeniul audio digital, ratele de eșantionare utilizate în mod obișnuit sunt:
8000 Hz - rata de eșantionare utilizată de telefon, care este suficientă pentru vorbirea umană
Rata de eșantionare de 11025 Hz utilizată de telefon
22050 Hz-rata de eșantionare utilizată în difuzarea radio
Rata de eșantionare de 32000 Hz pentru camera video miniDV digitală, DAT (modul LP)
44100 Hz-CD audio, de asemenea utilizat frecvent ca rată de eșantionare pentru audio MPEG-1 (VCD, SVCD, MP3)
Rata de eșantionare 47250 Hz utilizată de aparatele de înregistrat PCM comerciale
Rată de eșantionare de 48000 Hz pentru sunetul digital utilizat în miniDV, TV digital, DVD, DAT, filme și audio profesional
Rata de eșantionare de 50000 Hz utilizată de înregistratoarele digitale comerciale
96000 Hz sau 192000 Hz - rata de eșantionare utilizată pentru DVD-Audio, unele piese audio LPCM DVD, piese audio BD-ROM (Blu-ray Disc) și piese audio HD-DVD (High Definition DVD)
2.2 Numărul de biți de eșantionare
Numărul de biți de eșantionare se mai numește mărimea eșantionării sau numărul de biți de cuantificare. Este un parametru folosit pentru a măsura fluctuația sunetului, adică rezoluția plăcii de sunet sau poate fi înțeleasă ca rezoluția plăcii de sunet procesată de placa de sunet. Cu cât valoarea este mai mare, cu atât rezoluția este mai mare și sunetul înregistrat și redat este mai realist. Bitul plăcii de sunet se referă la cifrele binare ale semnalului de sunet digital utilizat de placa de sunet la colectarea și redarea fișierelor de sunet. Bitul plăcii de sunet reflectă obiectiv acuratețea descrierii semnalului sonor digital al semnalului sonor de intrare. Plăcile de sunet obișnuite sunt în principal pe 8 biți și pe 16 biți. În prezent, toate produsele obișnuite de pe piață sunt plăci de sunet de 16 biți și peste.
Fiecare eșantion de date înregistrează amplitudinea, iar precizia eșantionării depinde de numărul de biți de eșantionare:
1 octet (adică 8 biți) poate înregistra doar 256 de numere, ceea ce înseamnă că amplitudinea poate fi împărțită doar în 256 de niveluri;
2 octeți (adică 16 biți) pot fi la fel de mici ca 65536, care este deja un standard CD;
4 octeți (adică 32 de biți) pot împărți amplitudinea în 4294967296 nivele, ceea ce este cu adevărat inutil.
2.3 Numărul de canale
Adică numărul de canale de sunet. Comunele mono și stereo (dual-channel) s-au dezvoltat acum la surround cu patru sunete (patru canale) și 5.1 canale.
2.3.1 Mono
Mono este o formă relativ primitivă de reproducere a sunetului, iar plăcile de sunet timpurii l-au folosit mai frecvent. Sunetul mono poate fi sunat doar folosind un difuzor, iar unele sunt, de asemenea, procesate în două difuzoare pentru a emite același canal de sunet. Când informațiile monofonice sunt redate prin două difuzoare, putem simți clar că sunetul provine de la două difuzoare. Este imposibil să se determine locația specifică a sursei sonore care este transmisă urechilor noastre din mijlocul difuzorului.
2.3.2 stereo
Canalele binaurale au două canale de sunet. Principiul este că atunci când oamenii aud un sunet, ei pot judeca poziția specifică a sursei de sunet pe baza diferenței de fază dintre urechile stângi și drepte. Sunetul este alocat la două canale independente în timpul procesului de înregistrare, astfel încât să se obțină un efect bun de localizare a sunetului. Această tehnică este deosebit de utilă în aprecierea muzicii. Ascultătorul poate distinge clar direcția din care provin diverse instrumente, ceea ce face muzica mai imaginativă și mai apropiată de experiența la fața locului.
Două voci sunt în prezent cele mai frecvent utilizate. În karaoke, unul este pentru a cânta muzică, iar celălalt este pentru vocea cântărețului; în VCD, una este dublarea în mandarină, iar cealaltă dublarea în cantoneză.
2.3.3 Surround în patru tonuri
Surroundul cu patru canale definește patru puncte de sunet, față stânga, față dreapta, spate stânga și spate dreapta, iar publicul este înconjurat de acestea. De asemenea, se recomandă adăugarea unui subwoofer pentru a consolida procesarea redării semnalelor de joasă frecvență (acesta este motivul pentru care sistemele de difuzoare cu 4.1 canale sunt foarte populare astăzi). În ceea ce privește efectul general, sistemul cu patru canale poate aduce sunetul surround al ascultătorilor din mai multe direcții diferite, poate obține experiența auditivă de a fi într-o varietate de medii diferite și poate oferi utilizatorilor o experiență nouă. În zilele noastre, tehnologia cu patru canale a fost integrată pe scară largă în proiectarea diverselor plăci de sunet mid-to-high-end, devenind trendul principal al dezvoltării viitoare.
2.3.4 5.1 canal
Canalele 5.1 au fost utilizate pe scară largă în diverse teatre tradiționale și acasă. Unele dintre cele mai cunoscute formate de compresie de înregistrare a sunetului, cum ar fi Dolby AC-3 (Dolby Digital), DTS etc., se bazează pe sistemul de sunet 5.1. Canalul ".1" este un canal de subwoofer special conceput, care poate produce subwoofere cu un interval de răspuns de frecvență de la 20 la 120 Hz. De fapt, sistemul de sunet 5.1 vine de la 4.1 surround, diferența este că adaugă o unitate centrală. Această unitate centrală este responsabilă pentru transmiterea semnalului sonor sub 80Hz, ceea ce este util pentru a consolida vocea umană atunci când vizionați filmul și pentru a concentra dialogul în mijlocul întregului câmp sonor pentru a crește efectul general.
În prezent, mulți playere de muzică online, cum ar fi QQ Music, au furnizat muzică cu 5.1 canale pentru ascultare și descărcare de probă.
2.4 Frame
Conceptul de cadre audio nu este la fel de clar ca cadrele video. Aproape toate formatele de codificare video se pot gândi pur și simplu la un cadru ca la o imagine codificată. Cu toate acestea, cadrul audio este legat de formatul de codificare, care este implementat de fiecare standard de codare.
De exemplu, în cazul PCM (date audio necodificate), nu are nevoie deloc de conceptul de cadre și poate fi redat în funcție de rata de eșantionare și de precizia eșantionării. De exemplu, pentru sunetul dual cu o rată de eșantionare de 44.1 kHz și o precizie de eșantionare de 16 biți, puteți calcula că rata de biți este de 44100162bps, iar datele audio pe secundă sunt 44100162/8 octeți fixi.
Cadrul amr este relativ simplu. Se stipulează că fiecare 20 ms de sunet este un cadru și fiecare cadru audio este independent și este posibil să se utilizeze diferiți algoritmi de codificare și parametri de codificare diferiți.
Cadrul mp3 este puțin mai complicat și conține mai multe informații, cum ar fi rata de eșantionare, rata de biți și diferiți parametri.
2.5 cicluri
Numărul de cadre solicitate de un dispozitiv audio pentru procesare simultană, precum și accesul la date al dispozitivului audio și stocarea datelor audio se bazează pe această unitate.
2.6 Mod intercalat
Metoda de stocare a semnalului audio digital. Datele sunt stocate în cadre continue, adică eșantioanele de canal din stânga și probele de canal din dreapta ale cadrului 1 sunt înregistrate mai întâi și apoi începe înregistrarea cadrului 2.
2.7 Mod non-întrețesut
Mai întâi, înregistrați probele de canal din stânga ale tuturor cadrelor într-o perioadă, apoi înregistrați toate probele de canal din dreapta.
2.8 Rată de biți (rata de biți)
Bit rate se mai numește bit rate, care se referă la cantitatea de date redate de muzică pe secundă. Unitatea este exprimată prin bit, care este bit binar. bps este rata de biți. b este bit (bit), s este al doilea (al doilea), p este fiecare (per), un octet este echivalent cu 8 biți binari. Adică dimensiunea fișierului unei melodii de 4 minute de 128bps este calculată astfel (128/8) 460 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), în general mp3 este benefic la aproximativ 128 bit , și este probabil Mărimea este în jur de 3-4 BM.
În aplicațiile pentru computer, cel mai înalt nivel de fidelitate este codificarea PCM, care este utilizată pe scară largă pentru conservarea materialelor și aprecierea muzicii. Sunt folosite CD-uri, DVD-uri și fișierele noastre obișnuite WAV. Prin urmare, PCM a devenit o codificare fără pierderi prin convenție, deoarece PCM reprezintă cel mai bun nivel de fidelitate în audio digital. Nu înseamnă că PCM poate asigura fidelitatea absolută a semnalului. PCM poate atinge doar proximitatea infinită maximă.
Pentru a calcula rata de biți a unui flux audio PCM este o sarcină foarte ușoară, valoarea ratei de eșantionare × valoarea mărimii eșantionării × numărul canalului bps. Un fișier WAV cu o rată de eșantionare de 44.1 KHz, o dimensiune de eșantionare de 16 biți și codare PCM cu două canale, rata de date a acestuia este de 44.1 K × 16 × 2 = 1411.2 Kbps. CD-ul nostru comun folosește codificare PCM, iar capacitatea unui CD poate conține doar 72 de minute de informații muzicale.
Un semnal audio codat PCM cu două canale necesită 176.4 KB de spațiu în 1 secundă și aproximativ 10.34 M în 1 minut. Acest lucru este inacceptabil pentru majoritatea utilizatorilor, în special pentru cei cărora le place să asculte muzică pe computer. Ocuparea discului, există doar două metode, indice de eșantionare redusă sau compresie. Nu este recomandabil să reduceți indicele de eșantionare, astfel încât experții au dezvoltat diferite scheme de compresie. Cele mai originale sunt DPCM, ADPCM, iar cele mai faimoase sunt MP3. Prin urmare, rata de cod după comprimarea datelor este mult mai mică decât codul original.
2.9 Exemplu de calcul
De exemplu, lungimea fișierului „Windows XP startup.wav” este de 424,644 22050 octeți, care este în format „16HZ / XNUMX biți / stereo”.
Apoi, rata de transmisie pe secundă (rata de biți, numită și rata de biți, rata de eșantionare) este 22050162 = 705600 (bps), convertită în unitate de octeți este 705600/8 = 88200 (octeți pe secundă), timpul de redare: 424644 (Octet total) / 88200 (octeți pe secundă) ≈ 4.8145578 (secunde).
Dar acest lucru nu este suficient de precis. Fișierul WAVE (* .wav) în formatul PCM standard are cel puțin 42 de octeți de informații despre antet, care ar trebui eliminate atunci când se calculează timpul de redare, deci există: (424644-42) / (22050162/8) ≈ 4.8140816 ( secunde). Acest lucru este mai precis.
3 codare audio PCM
PCM înseamnă Pulse Code Modulation. În procesul PCM, semnalul analogic de intrare este eșantionat, cuantificat și codificat, iar numărul codat binar reprezintă amplitudinea semnalului analogic; capătul de recepție restabilește apoi aceste coduri la semnalul analogic original. Adică, conversia A / D a sunetului digital include trei procese: eșantionare, cuantificare și codificare.
Rata de adoptare a PCM vocală este de 8kHz, iar numărul de biți de eșantionare este de 8 biți, astfel încât rata de cod a semnalului digital codat vocal este de 8 biți × 8kHz = 64kbps = 8KB / s.
3.1 Principiile codificării audio
Oricine are o anumită bază electronică știe că semnalul audio colectat de senzor este o cantitate analogică, dar ceea ce folosim în procesul de transmisie real este o cantitate digitală. Și aceasta implică procesul de conversie analog în digital. Semnalul analogic trebuie să treacă prin trei procese, și anume eșantionarea, cuantificarea și codarea, pentru a realiza tehnologia de modulare a codului impulsului (PCM, Pulse Coding Modulation) de digitalizare vocală.
Procesul de conversie
3.1.1 Prelevarea de probe
Eșantionarea este procesul de extragere a eșantioanelor (rata de eșantionare) dintr-un semnal analogic la o frecvență care este de peste 2 ori lățimea de bandă a semnalului (Teorema de eșantionare Lequist) și transformarea acestuia într-un semnal de eșantionare discret pe axa timpului.
Rata de eșantionare: numărul de eșantioane extrase dintr-un semnal continuu pe secundă pentru a forma un semnal discret, exprimat în Hz (Hz).
probă:
De exemplu, rata de eșantionare a semnalului audio este de 8000 Hz.
Se poate înțelege că eșantionul din figura de mai sus corespunde curbei de schimbare a tensiunii cu timpul din figura pentru 1 secundă, apoi 1 2 3 ... 10 inferior, deoarece ar trebui să existe 1-8000 de puncte, adică 1 a doua este împărțită în 8000 de părți, apoi scoateți-le pe rând Valoarea tensiunii corespunzătoare acelui timp de 8000 de puncte.
3.1.2 Cuantificare
Deși semnalul eșantionat este un semnal discret pe axa timpului, este totuși un semnal analog, iar valoarea eșantionului său poate avea un număr infinit de valori într-un anumit interval de valori. Metoda „rotunjire” trebuie adoptată pentru a „rotunji” valorile eșantionului, astfel încât valorile eșantionului într-un anumit interval de valori să fie schimbate de la un număr infinit de valori la un număr finit de valori. Acest proces se numește cuantificare.
Eșantionarea numărului de biți: se referă la numărul de biți utilizați pentru a descrie semnalul digital.
8 biți (8 biți) reprezintă 2 până la a 8-a putere = 256, 16 biți (16 biți) reprezintă 2 la a 16-a putere = 65536;
probă:
De exemplu, domeniul de tensiune colectat de senzorul audio este de 0-3.3V, iar numărul de eșantionare este de 8 biți (biți)
Adică, considerăm 3.3V / 2 ^ 8 = 0.0128 ca acuratețe de cuantificare.
Împărțim 3.3v în 0.0128 ca axa Y în trepte, așa cum se arată în Figura 3, 1 2 ... 8 devine 0 0.0128 0.0256 ... 3.3 V
De exemplu, valoarea tensiunii unui punct de eșantionare este de 1.652V (între 1280.128 și 1290.128). O rotunjim la 1.65V, iar nivelul de cuantificare corespunzător este 128.
3.1.3 Codificare
Semnalul de eșantionare cuantificat este transformat într-o serie de fluxuri de cod digital zecimal dispuse în funcție de secvența de eșantionare, adică semnalul digital zecimal. Un sistem de date simplu și eficient este un sistem de cod binar. Prin urmare, codul digital zecimal ar trebui convertit într-un cod binar. În funcție de numărul total de coduri digitale zecimale, se poate determina numărul de biți necesari pentru codarea binară, adică lungimea cuvântului (numărul de biți de eșantionare). Acest proces de transformare a semnalului eșantion cuantificat într-un flux de cod binar cu o lungime de cuvânt dată se numește codificare.
probă:
Apoi, 1.65V de mai sus corespunde unui nivel de cuantificare de 128. Sistemul binar corespunzător este 10000000. Adică, rezultatul codării punctului de eșantionare este 10000000. Desigur, aceasta este o metodă de codificare care nu ia în considerare valorile pozitive și negative. și există multe tipuri de metode de codificare care necesită o analiză specifică a problemelor specifice. (Codarea formatului audio PCM este codificarea poliliniei A-law 13)
3.2 Codare audio PCM
Semnalul PCM nu a suferit nicio codificare și compresie (compresie fără pierderi). În comparație cu semnalele analogice, acesta nu este ușor afectat de aglomerația și distorsiunea sistemului de transmisie. Gama dinamică este largă, iar calitatea sunetului este destul de bună.
3.2.1 Codificare PCM
Codificarea utilizată este codificarea poliliniei A-law 13.
Pentru detalii, vă rugăm să consultați: Codificare vocală PCM
3.2.2 Canal
Canalele pot fi împărțite în mono și stereo (dual channel).
Fiecare valoare eșantion a PCM este conținută într-un număr întreg i, iar lungimea lui i este numărul minim de octeți necesar pentru a se potrivi lungimii eșantionului specificate.
Dimensiunea eșantionului Format date Valoare minimă Valoare maximă
PCM pe 8 biți nesemnat int 0 225
PCM int pe 16 biți -32767 32767
Pentru fișierele de sunet mono, datele de eșantionare sunt un întreg scurt pe 8 biți (scurt int 00H-FFH), iar datele de eșantionare sunt stocate în ordine cronologică.
Fișier de sunet stereo cu două canale, fiecare eșantionare este un număr întreg de 16 biți (int), cei opt biți superiori (canalul stâng) și cei opt biți inferiori (canalul drept) reprezintă, respectiv, două canale, iar datele de eșantionare sunt în ordine cronologică Depuneți în ordine alternativă.
Același lucru este valabil atunci când numărul de biți de eșantionare este de 16 biți, iar stocarea este legată de ordinea octeților.
Format de date PCM
Toate protocoalele de rețea folosesc marea cale endiană pentru a transmite date. Prin urmare, metoda endian mare este numită și ordine de octeți de rețea. Când comunică două gazde cu ordin de octet diferit, acestea trebuie convertite în ordine de octet de rețea înainte de a trimite date înainte de a transmite.
4 G.711
În general PCM, semnalul analogic suferă o anumită procesare (cum ar fi compresia de amplitudine) înainte de a fi digitalizat. Odată digitalizat, semnalul PCM este de obicei procesat în continuare (cum ar fi compresia de date digitale).
G.711 este un algoritm standard de semnal digital multimedia (compresie / decompresie) care modulează codul impulsului din ITU-T. Este o tehnică de eșantionare pentru digitalizarea semnalelor analogice, în special pentru semnalele audio. PCM eșantionează semnalul de 8000 de ori pe secundă, 8KHz; fiecare eșantion este de 8 biți, în total 64Kbps (DS0). Există două standarde pentru codificarea nivelurilor de eșantionare. America de Nord și Japonia utilizează standardul Mu-Law, în timp ce majoritatea celorlalte țări utilizează standardul A-Law.
A-law și u-law sunt două metode de codificare ale PCM. A-law PCM este utilizat în Europa și în țara mea, iar Mu-law este utilizat în America de Nord și Japonia. Diferența dintre cele două este metoda de cuantificare. Legea A utilizează cuantizarea cu 12 biți, iar legea u utilizează cuantizarea cu 13 biți. Frecvența de eșantionare este de 8KHz și ambele sunt metode de codificare pe 8 biți.
Înțelegere simplă: PCM este datele audio originale colectate de echipamentele audio. G.711 și AAC sunt doi algoritmi diferiți, care pot comprima datele PCM într-un anumit raport, economisind astfel lățimea de bandă în transmisia în rețea.
alt produs nostru:
