java 采集扬声器声音 扬声器采样频率

文章目录

• 音频

• 基本概念

• 模拟信号
• 采样

• 采样频率(sample rate)
• 采样位数
• 声道数 (channels)
• 比特率（bit rate）

• 量化
• 编码
• 数字信号

• PCM ⾳频数据

音频

声⾳是由物体振动引起大气压强变化产⽣的波，是⼀种机械波。

⾳频录制(麦克风 microphone)过程是模数转换过程： Analog->Digital，即 ADC。

音频播放(扬声器 speaker)过程是数模转换过程： Digital -> Analog，即 DAC。

基本概念

音频模数转换过程中大致可分为以下几个模块

• 模拟信号
• 采样
• 量化
• 编码
• 数字信号

模拟信号

时域连续的模拟信号

采样

对模拟信号隔⼀定的时间间隔取⼀个点。

采样频率(sample rate)

所谓采样就是在时间轴上对模拟信号进⾏数字化，根据奈奎斯特定理（采样定理），按照⽐待采样信号最⾼频率 2 倍以上的频率进⾏采样（AD 转换）。频率在 20 Hz ~ 20 kHz 之间的声⾳是可以被⼈⽿识别的。所以采样频率⼀般为 40kHz 左右，常⽤的⾳乐为 44.1kHz(44100 次/s 采样)、48kHz(48000 次/s 采样) 等。

采样位数

采样位数是指每个采样点能够表⽰的数据范围(纵坐标范围)。

把数据存储成二进制，意味着如果用 n 个二进制位来存储每个幅度值，总共可以表示的数值数量为 $2^n$。

• 1 bit 代表的采样值大小为 $2^1 = 2$，采样点数据取值范围就是 0，1。



• 2 bit 代表的采样值大小为 $2^2 = 4$，采样点数据取值范围就是 $[-2-1]$



• 4 bit 代表的采样值大小为 $2^4 = 16$，采样点数据取值范围就是 $[-8-7]$

• 16 bit 代表的采样值大小为 $2^16 = 65535$，采样点数据取值范围就是 $[-32768-32767]$
  
  位数越多，表示得就越精细，声音质量自然就越好，而数据量也会成倍增大。16 bit 是较为常⻅的采样位数。

根据 理解 dB，文章中提到的 dBFS 计算公式

采样位数为 16bits 时候，最大能表示的值为 65535， dBFS 的计算公式为：
$dB = 20 * log_{10}{\frac{sample}{65535}}$
这样，最小的 $dBFS = 20 * log_{10}{\frac{1}{65535}} = -96dBFS$。也就是说 16 位无符号音频的动态范围是 0~-96dBFS

声道数 (channels)

声道数是指⽀持能不同发声的⾳响的个数，常⽤的声道数有单声道 mono，⽴体声 stereo（左声道和右声道）。立体声比单声道的表现力丰富，但是数据量也会翻倍

比特率（bit rate）

比特率，也叫码率，是指在一个数据流中每秒钟能通过的信息量，也可以理解为：每秒钟用多少比特的数据量去表示。原则上，音频位速越高质量越好。单位常为 kbps（kilo bits pre second）。音频数据的比特率文件大小计算公式如下：

bit rate = sample rate * bit depth * channels

例如，音频的相关参数为，采样位宽 16bit，采样率 44100Hz，声道数 2，则该段音频的数据⽐特率则为：44100 * 16 * 2 = 1411.2 kbps。

所以，sample rate，bit depth 以及 channels 会影响 bit rate 和文件大小

量化

给纵坐标加刻度，根据近似取整数值，使采样得到的点的值都是整数

编码

对量化取得的整数值按⼆进制进⾏编码

采样点	采样点 1	采样点 2	采样点 3	…	采样点 N
hex	0	3	5	…	X
bin	00000000	00000011	00000101	…	X

数字信号

把编码得到的 0 和 1 的序列变为⾼低电平的信号。

上述整个模数转换的过程称为：脉冲编码调制 Pulse Code Modulation，简称 PCM。由上⾯的模数转换可知，PCM 格式⽂件存储的内容实际上就是编码得到的序列

PCM ⾳频数据

PCM 是采样量化后的未压缩⾳频数据，由模拟信号经过采样、量化、编码转换成的标准的数字⾳频数据。如果是单声道的⾳频⽂件，采样数据按时间的先后顺序依次存⼊（如果是双声道的话就按照 LRLR 的⽅式存储，存储的时候还和机器的⼤⼩端有关）。⼤端模式如下所⽰。

• PCM 文件 ：PCM 原始数据组成的文件
• WAV 文件：文件头 + PCM 原始数据