声音采集所需要了解和掌握的若干重要基础知识

weixin

　　现实中的声音是一段连续的信号， 现在大部分的声音是以离散的数字信号保存下来，例如CD、MP3音频格式。 在保存这些信息时，考虑到对声音质量和存储的效率， 需要对声音的几个重要的基本属性进行研究。

　　对于人类而言，声音是通过物体震动而产生的声波，通过介质传播而能够被人耳感知到的波动现象。能够被人耳朵感知到的波动频率在20到20KHz之间， 高于这个范围称为“超声波”，低于此范围称为“次声波”。以下为一些动物感知波动的频率：
　　      · 蝙蝠：1000～120000Hz
　　      · 海豚：2000～100000Hz
　　      · 貓：60～65000Hz
　　      · 狗：15～50000Hz
　　      · 人：20～20000Hz


　　· 声波强度用分贝来表示， 它和声波在单位时间内对垂直于传播方向的单位面积产生的能量(声强)的对数成正比。 波的振幅越大， 能量越大， 声强也就越大。但这并不意味人能感觉的响度就越大!

　　· 声波响度，一定强度的声波作用于人耳所引起的辨别声音的感觉成为响度。 响度是主观的，它不仅取决于声音的客观物理强度， 还取决于声音的频率。 在强度相同时，1000Hz~4000Hz的声音人耳听起来最响。 在此范围之外， 随着频率的升高或降低， 响度越来越弱。 当降至20Hz一下或者升高到20KHz人耳就很难听到了。


　　· 音调是对声波频率的主观反映，一般频率越高音调越高。 声波的强度对音调稍有影响， 当频率一定时，声随着强增大，低频音调显得更低，高频音调显得更高。


　　· 听阀表示听力的好坏， 听阀越高说明需要更高的声强才能让耳朵感受到声音， 听力越差， 反之听力越好。辨别阀用来表示听觉器官辨别声音某种特性最小差异的能力。


　　声音的采集是在一段连续的信号中， 采取离散的信号， 采集密度用采样率来表示。香浓采样定理表明，采样频率必须大于被采样信号带宽的两倍。 如果信号的带宽是100Hz， 那么为了避免混叠采样率必须大于200Hz，否则不能从采样信号中回复原始信号。 如果采样频率远远高于2倍信号带宽，可以帮助避免混叠、改善分辨率以及降低噪声。 在数字领域中，经常采用的采样率：
　　      · 8,000 Hz - 电话所用采样率, 对于人的说话已经足够
　　      · 22,050 Hz - 无线电广播所用采样率
　　      · 32,000 Hz - miniDV 数码视频 camcorder、DAT (LP mode)所用采样率
　　      · 44,100 Hz - 音频 CD, 也常用于 MPEG-1 音频(VCD, SVCD, MP3)所用采样率
　　      · 47,250 Hz - Nippon Columbia (Denon)开发的世界上第一个商用 PCM 录音机所用采样率
　　      · 48,000 Hz - miniDV、数字电视、DVD、DAT、电影和专业音频所用的数字声音所用采样率
　　      · 50,000 Hz - 二十世纪七十年代后期出现的 3M 和 Soundstream 开发的第一款商用数字录音机所用采样率
　　      · 50,400 Hz - 三菱 X-80 数字录音机所用所用采样率
　　      · 96,000 或者 192,000 Hz - DVD-Audio、一些 LPCM DVD 音轨、Blu-ray Disc(藍光碟)音轨、和 HD-DVD (高清晰度 DVD)音轨所用所用采样率
　　      · 2.8224 MHz - SACD、 索尼 和 飞利浦 联合开发的称为 Direct Stream Digital 的 1 位 sigma-delta modulation 过程所用采样率。


　　如果采样率越高，单位信号的采集的样本信号就越多，信号还原度也就越高。 从上面的不同的采样率可以看到， 采样率越高的信号清晰度就越高，当然也要求更多的存储空间。

　　除了采集率， 采样位数也是一个重要的采样指标， 它是对一个采样精确度的表示。 它和采样率共同影响信号的采集的质量。 采样位数是用来表示一个采样信号的长度。 对于人类而言，能接受声音的频率范围是20Hz-20KHz, 所以采样的频率44.1KHz 以及16bit的采样位数就可以有很好的保真能力(CD格式的采样率和采样位数)。因此我们可以计算出一张60分钟的2声道立体声音乐CD的大小，3600*44100*(16*8)*2 bit ~= 604MB。

　　比特率也用来表示但是时间播放连续数字媒体的比特数量， 单位bit/s. 它是有采样率和采样位数共同决定的指标， 例如上述CD的比特率是44100*16*2bit/s = 1.4Mbit/s

　　存储音频的格式有很多种：
　　      · 非压缩格式：如目前最流行的WAV格式， 经常用来保存原始录音数据。
　　      · 有损压缩格式：基于声学心理学的模型，除去人耳很难或者根本听不见的声音， 例如一个很高的声音后面跟着一个很低 的声音。 MP3属于这种。
　　      · 无损压缩格式：压缩时不产生质量或者数据的损失，解压产生的数据和为解压的数据完全相同。 要保证音乐的原始质量，就 应该选择这种格式，APE， FLAC等等属于这种。
　　      · 多声道格式: 容纳2个声道以上的格式微软的WMA和苹果的AAC， 这两个格式是手版权限制的， 编码器和解码器需要授权才可以使用。


　　来源：CSDN博客
　　作者：lessisawesome