Audio
Henviser til lydbølgerne med en lydfrekvens mellem 20 Hz og 20 kHz, der kan høres af det menneskelige øre.
Hvis du tilføjer et tilsvarende lydkort til computeren - det lydkort, vi ofte siger, kan vi optage alle lyde, og lydens akustiske egenskaber, f.eks. Lydniveauet, kan lagres som filer på computerens hårde disk. Omvendt kan vi også bruge et bestemt lydprogram til at afspille den gemte lydfil til at gendanne den tidligere optagede lyd.
1 Lydfilformat
Lydfilformatet refererer specifikt til formatet på den fil, der gemmer lyddataene. Der er mange forskellige formater.
Den generelle metode til opnåelse af lyddata er at prøve (kvantisere) lydspændingen ved et fast tidsinterval og gemme resultatet ved en bestemt opløsning (for eksempel er hver CDDA-prøve 16 bit eller 2 byte). Samplingsintervallet kan have forskellige standarder. For eksempel bruger CDDA 44,100 gange i sekundet; DVD bruger 48,000 eller 96,000 gange i sekundet. Derfor er [samplingshastighed], [opløsning] og antallet af [kanaler] (f.eks. 2 kanaler til stereo) nøgleparametrene i lydfilformatet.
1.1 Tab og tabsfri
Ifølge produktionsprocessen for digital lyd kan lydkodning kun være uendeligt tæt på naturlige signaler. I det mindste kan den nuværende teknologi kun gøre dette. Enhver digital lydkodningsplan er tabsfri, fordi den ikke kan gendannes fuldstændigt. I computerapplikationer er det højeste niveau af troskab PCM-kodning, som er meget brugt til materialeopbevaring og musikværdighed. Det bruges i cd'er, dvd'er og vores almindelige WAV-filer. Derfor er PCM blevet en tabsfri kodning ved konvention, fordi PCM repræsenterer det bedste troværdighedsniveau inden for digital lyd.
Der er to hovedtyper af lydfilformater:
Tab uden formater, såsom WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Tabte formater, såsom MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
2 parameter introduktion
2.1 Samplingshastighed
Henviser til antallet af opnåede lydprøver pr. Sekund. Lyd er faktisk en slags energibølge, så den har også karakteristika for frekvens og amplitude. Frekvensen svarer til tidsaksen, og amplituden svarer til niveauaksen. Bølgen er uendeligt glat, og strengen kan betragtes som sammensat af utallige punkter. Fordi lagerpladsen er relativt begrænset, skal strengens punkter samples under den digitale kodningsproces.
Samplingsprocessen er at udtrække frekvensen for et bestemt punkt. Jo flere point der ekstraheres på et sekund, jo mere frekvensinformation opnås. For at gendanne bølgeformen, jo højere samplingsfrekvens, jo bedre lydkvalitet. Jo mere reel restaureringen er, men samtidig optager den flere ressourcer. På grund af den begrænsede opløsning af det menneskelige øre kan en for høj frekvens ikke skelnes. Samplingsfrekvensen på 22050 bruges ofte, 44100 er allerede CD-lydkvalitet, og sampling over 48,000 eller 96,000 er ikke længere meningsfuld for det menneskelige øre. Dette svarer til 24 billeder i sekundet i film. Hvis det er stereo, fordobles prøven, og filen fordobles næsten.
I henhold til Nyquist-prøvetagningsteorien skal samplingsfrekvensen være omkring 40 kHz for at sikre, at lyden ikke forvrænges. Vi behøver ikke vide, hvordan denne sætning opstod. Vi behøver kun at vide, at denne sætning fortæller os, at hvis vi ønsker at optage et signal nøjagtigt, skal vores samplingsfrekvens være større end eller lig med det dobbelte af lydsignalets maksimale frekvens. Husk, det er den maksimale frekvens.
Inden for digital lyd er almindeligt anvendte samplingshastigheder:
8000 Hz - den samplingsfrekvens, der bruges af telefonen, hvilket er tilstrækkelig til menneskelig tale
11025 Hz-samplingsfrekvens brugt af telefonen
22050 Hz-samplingsfrekvens, der anvendes i radioudsendelser
32000 Hz-samplingshastighed for miniDV digitalt videokamera, DAT (LP-tilstand)
44100 Hz-Audio CD, også almindeligt anvendt som samplingshastighed for MPEG-1 lyd (VCD, SVCD, MP3)
47250 Hz-samplingsfrekvens brugt af kommercielle PCM-optagere
48000 Hz-samplingshastighed for digital lyd, der bruges i miniDV, digital TV, DVD, DAT, film og professionel lyd
50000 Hz-samplingsfrekvens brugt af kommercielle digitale optagere
96000 Hz eller 192000 Hz - den samplingsfrekvens, der bruges til DVD-lyd, nogle LPCM DVD-lydspor, BD-ROM-lydspor (Blu-ray Disc) og HD-DVD-lydspor (High Definition DVD)
2.2 Antal samplingsbit
Antallet af samplingsbit kaldes også samplingsstørrelsen eller antallet af kvantiseringsbit. Det er en parameter, der bruges til at måle lydudsvingene, dvs. lydkortets opløsning eller kan forstås som lydkortets opløsning, der behandles af lydkortet. Jo større værdi, jo højere opløsning og jo mere realistisk er lyden optaget og afspillet. Bitkortet på lydkortet henviser til de binære cifre i det digitale lydsignal, der bruges af lydkortet ved indsamling og afspilning af lydfiler. Bitkortet på lydkortet afspejler objektivt nøjagtigheden af det digitale lydsignals beskrivelse af indgangssignalet. Almindelige lydkort er hovedsageligt 8-bit og 16-bit. I dag er alle almindelige produkter på markedet 16-bit og derover lydkort.
Hver samplet data registrerer amplituden, og samplingsnøjagtigheden afhænger af antallet af samplingsbit:
1 byte (dvs. 8bit) kan kun optage 256 numre, hvilket betyder at amplituden kun kan opdeles i 256 niveauer;
2 byte (dvs. 16bit) kan være så lille som 65536, hvilket allerede er en CD-standard;
4 bytes (dvs. 32bit) kan underopdele amplituden i 4294967296 niveauer, hvilket virkelig er unødvendigt.
2.3 Antal kanaler
Det vil sige antallet af lydkanaler. Fælles mono og stereo (dual-channel) har nu udviklet sig til fire-sound surround (fire-channel) og 5.1 kanaler.
2.3.1 Mono
Mono er en relativt primitiv form for lydgengivelse, og tidlige lydkort brugte det mere almindeligt. Monolyd kan kun lyde ved hjælp af en højttaler, og nogle behandles også til to højttalere for at udsende den samme lydkanal. Når monofonisk information afspilles gennem to højttalere, kan vi tydeligt mærke, at lyden kommer fra to højttalere. Det er umuligt at bestemme den specifikke placering af lydkilden, der transmitteres til vores ører fra midten af højttaleren.
2.3.2 stereo
Binære kanaler har to lydkanaler. Princippet er, at når folk hører en lyd, kan de bedømme lydkildens specifikke position baseret på faseforskellen mellem venstre og højre øre. Lyden tildeles to uafhængige kanaler under optagelsesprocessen for at opnå en god lydlokaliseringseffekt. Denne teknik er især nyttig til musikvurderinger. Lytteren kan tydeligt skelne fra hvilken retning forskellige instrumenter kommer fra, hvilket gør musikken mere fantasifuld og tættere på stedets oplevelse.
To stemmer er i øjeblikket de mest anvendte. I karaoke er den ene til at spille musik og den anden til sangerens stemme; i VCD er den ene dubbing på mandarin og den anden dubbing på kantonesisk.
2.3.3 Firetone-surround
Fire-kanals surround definerer fire lydpunkter, forreste venstre, forreste højre, bageste venstre og bageste højre, og publikum er omgivet af disse. Det anbefales også at tilføje en subwoofer for at styrke afspilningsbehandlingen af lavfrekvente signaler (dette er grunden til, at 4.1-kanals højttalersystemer er meget populære i dag). For så vidt angår den samlede effekt, kan fire-kanals-systemet bringe lytterne surround sound fra flere forskellige retninger, kan få den auditive oplevelse af at være i en række forskellige miljøer og give brugerne en helt ny oplevelse. I dag er fire-kanals teknologi bredt integreret i designet af forskellige mellem-til-high-end lydkort, der er blevet den almindelige trend for fremtidig udvikling.
2.3.4 5.1 kanal
5.1 kanaler er blevet brugt meget i forskellige traditionelle teatre og hjemmebiografer. Nogle af de mere kendte lydoptagelseskomprimeringsformater, såsom Dolby AC-3 (Dolby Digital), DTS osv., Er baseret på 5.1-lydsystemet. ".1" kanalen er en specielt designet subwoofer kanal, der kan producere subwoofere med et frekvensresponsområde på 20 til 120 Hz. Faktisk kommer 5.1 lydsystemet fra 4.1 surround, forskellen er, at det tilføjer en centralenhed. Denne centralenhed er ansvarlig for transmission af lydsignalet under 80Hz, hvilket er nyttigt at styrke den menneskelige stemme, når man ser filmen, og koncentrere dialogen midt i hele lydfeltet for at øge den samlede effekt.
På nuværende tidspunkt har mange online musikafspillere, såsom QQ Music, leveret 5.1-kanals musik til prøvelytting og download.
2.4-ramme
Begrebet lydrammer er ikke så klart som videorammer. Næsten alle videokodningsformater kan simpelthen tænke på en ramme som et kodet billede. Lydrammen er imidlertid relateret til kodningsformatet, som implementeres af hver kodningsstandard.
For eksempel i tilfælde af PCM (ukodet lyddata) behøver det slet ikke begrebet rammer og kan afspilles i henhold til samplingshastigheden og samplingsnøjagtigheden. For eksempel kan du med dobbelt lyd med en samplingshastighed på 44.1 kHz og en samplingsnøjagtighed på 16 bit beregne, at bithastigheden er 44100162bps, og lyddataene per sekund er faste 44100162/8 bytes.
Amr-rammen er relativt enkel. Det bestemmer, at hver 20ms lyd er en ramme, og hver ramme af lyd er uafhængig, og det er muligt at bruge forskellige kodningsalgoritmer og forskellige kodningsparametre.
Mp3-rammen er lidt mere kompliceret og indeholder mere information, såsom samplingshastighed, bithastighed og forskellige parametre.
2.5 cyklusser
Antallet af rammer, der kræves af en lydenhed til behandling ad gangen, og dataadgangen for lydenheden og lagring af lyddata er alle baseret på denne enhed.
2.6 Interleaved-tilstand
Lagringsmetoden for digitalt lydsignal. Dataene lagres i kontinuerlige rammer, dvs. venstre kanalsampler og højre kanalsampler fra ramme 1 registreres først, og derefter startes optagelsen af ramme 2.
2.7 Ikke-interlaced tilstand
Først skal du registrere de venstre kanaleksempler på alle rammer i en periode og derefter optage alle de rigtige kanaleksempler.
2.8 Bithastighed (bithastighed)
Bithastighed kaldes også bithastighed, der refererer til mængden af data, der afspilles af musik pr. Sekund. Enheden udtrykkes ved bit, hvilket er binær bit. bps er bithastigheden. b er bit (bit), s er andet (sekund), p er hver (per), en byte svarer til 8 binære bits. Det vil sige, filstørrelsen på en 4-minutters sang på 128bps beregnes således (128/8) 460 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), generelt er mp3 fordelagtigt ved cirka 128 bit sats, og det er sandsynligvis Størrelsen er omkring 3-4 BM.
I computerapplikationer er det højeste niveau af troskab PCM-kodning, som er meget udbredt til materialeopbevaring og musikværdighed. Cd'er, dvd'er og vores almindelige WAV-filer bruges alle. Derfor er PCM blevet en tabsfri kodning ved konvention, fordi PCM repræsenterer det bedste troværdighedsniveau i digital lyd. Det betyder ikke, at PCM kan sikre signalets absolutte troskab. PCM kan kun opnå den maksimale uendelige nærhed.
At beregne bithastigheden for en PCM-lydstrøm er en meget nem opgave, samplingshastighedsværdi × samplingsstørrelsesværdi × kanalnummer bps. En WAV-fil med en samplingshastighed på 44.1KHz, en samplingsstørrelse på 16bit og dual-channel PCM-kodning, dens datahastighed er 44.1K × 16 × 2 = 1411.2Kbps. Vores almindelige lyd-CD bruger PCM-kodning, og kapaciteten på en CD kan kun rumme 72 minutters musikinformation.
Et dual-channel PCM-kodet lydsignal kræver 176.4 KB plads på 1 sekund og ca. 10.34M på 1 minut. Dette er uacceptabelt for de fleste brugere, især dem der kan lide at lytte til musik på computeren. Diskbelægning, der er kun to metoder, nedprøveindeks eller komprimering. Det tilrådes ikke at reducere samplingsindekset, så eksperter har udviklet forskellige komprimeringsordninger. De mest originale er DPCM, ADPCM, og den mest berømte er MP3. Derfor er kodehastigheden efter datakomprimering meget lavere end den oprindelige kode.
2.9 Eksempel på beregning
For eksempel er fillængden af "Windows XP startup.wav" 424,644 bytes, hvilket er i formatet "22050HZ / 16bit / stereo".
Derefter er dens transmissionshastighed pr. Sekund (bithastighed, også kaldet bithastighed, samplingshastighed) 22050162 = 705600 (bps), konverteret til byteenhed er 705600/8 = 88200 (bytes pr. Sekund), afspilningstid: 424644 (Total bytes) / 88200 (bytes pr. Sekund) ≈ 4.8145578 (sekunder).
Men dette er ikke nøjagtigt nok. WAVE-filen (* .wav) i standard PCM-format har mindst 42 bytes headerinformation, som skal fjernes ved beregning af afspilningstiden, så der er: (424644-42) / (22050162/8) ≈ 4.8140816 ( sekunder). Dette er mere præcist.
3 PCM-lydkodning
PCM står for Pulse Code Modulation. I PCM-processen samples, kvantiseres og kodes det analoge indgangssignal, og det binære kodede tal repræsenterer amplituden af det analoge signal; den modtagende ende gendanner derefter disse koder til det originale analoge signal. Det vil sige, at A / D-konvertering af digital lyd inkluderer tre processer: sampling, kvantisering og kodning.
Optagelseshastigheden for stemme-PCM er 8 kHz, og antallet af samplingsbits er 8 bit, så kodehastigheden for det stemmekodede signal er 8 bit × 8 kHz = 64 kbps = 8 KB / s.
3.1 Principper for lydkodning
Enhver, der har et bestemt elektronisk fundament, ved, at lydsignalet, som sensoren indsamler, er en analog mængde, men det, vi bruger i den aktuelle transmissionsproces, er en digital størrelse. Og dette involverer processen med at konvertere analog til digital. Det analoge signal skal gennemgå tre processer, nemlig sampling, kvantisering og kodning, for at realisere pulskodemodulationsteknologien (PCM, Pulse Coding Modulation) med stemmedigitalisering.
Konverteringsproces
3.1.1 Prøveudtagning
Sampling er processen med at udtrække prøver (samplinghastighed) fra et analogt signal med en frekvens, der er mere end 2 gange signalbåndbredden (Lequist Sampling Theorem) og omdanne det til et diskret samplingsignal på tidsaksen.
Samplingshastighed: Antallet af prøver, der ekstraheres fra et kontinuerligt signal pr. Sekund for at danne et diskret signal, udtrykt i Hertz (Hz).
prøve:
Eksempelvis er samplingsfrekvensen for audiosignalet 8000 Hz.
Det kan forstås, at prøven i ovenstående figur svarer til kurven for spændingsændringen med tiden i figuren i 1 sekund, derefter den nedre 1 2 3 ... 10, fordi der skal være 1-8000 punkter, det vil sige 1 sekund er opdelt i 8000 dele, og tag dem derefter ud igen De spændingsværdier, der svarer til den 8000 punkt tid.
3.1.2 Kvantificering
Selvom det samplede signal er et diskret signal på tidsaksen, er det stadig et analogt signal, og dets samplingsværdi kan have et uendeligt antal værdier inden for et bestemt værdiområde. Metoden "afrunding" skal vedtages for at "afrunde" prøveværdierne, således at prøveværdierne inden for et bestemt værdiområde ændres fra et uendeligt antal værdier til et endeligt antal værdier. Denne proces kaldes kvantificering.
Sampling antal bits: refererer til antallet af bits, der bruges til at beskrive det digitale signal.
8 bits (8bit) repræsenterer 2 til den 8. effekt = 256, 16 bits (16bit) repræsenterer 2 til den 16. power = 65536;
prøve:
For eksempel er spændingsområdet indsamlet af lydsensoren 0-3.3V, og samplingsnummeret er 8bit (bit)
Det vil sige, vi betragter 3.3V / 2 ^ 8 = 0.0128 som kvantiseringsnøjagtigheden.
Vi deler 3.3v op i 0.0128 som den trinvise Y-akse, som vist i figur 3, 1 2… 8 bliver 0 0.0128 0.0256… 3.3 V
For eksempel er spændingsværdien af et samplingspunkt 1.652V (mellem 1280.128 og 1290.128). Vi afrunder det til 1.65V, og det tilsvarende kvantiseringsniveau er 128.
3.1.3 Kodning
Det kvantiserede samplingsignal transformeres til en række decimale digitale kodestrømme arrangeret i henhold til samplingsekvensen, det vil sige det decimale digitale signal. Et simpelt og effektivt datasystem er et binært kodesystem. Derfor bør den decimale digitale kode konverteres til en binær kode. Ifølge det samlede antal decimale digitale koder kan antallet af nødvendige bits til binær kodning bestemmes, det vil sige ordlængden (antal samplingsbit). Denne proces med at omdanne det kvantiserede prøvesignal til en binær kodestrøm med en given ordlængde kaldes kodning.
prøve:
Derefter svarer ovenstående 1.65V til et kvantiseringsniveau på 128. Det tilsvarende binære system er 10000000. Det vil sige, resultatet af kodning af samplingspunktet er 10000000. Naturligvis er dette en kodningsmetode, der ikke tager de positive og negative værdier i betragtning , og der er mange typer kodningsmetoder, der kræver specifik analyse af specifikke problemer. (PCM-lydformatkodning er A-lov 13 polyline-kodning)
3.2 PCM-lydkodning
PCM-signalet har ikke gennemgået nogen kodning og komprimering (tabsfri komprimering). Sammenlignet med analoge signaler påvirkes det ikke let af transmissionssystemets rod og forvrængning. Det dynamiske område er bredt, og lydkvaliteten er ganske god.
3.2.1 PCM-kodning
Den anvendte kodning er A-lov 13 polyline-kodning.
For detaljer henvises til: PCM-stemmekodning
3.2.2 Channel
Kanaler kan opdeles i mono og stereo (dual channel).
Hver prøveværdi af PCM er indeholdt i et heltal i, og længden på i er det mindste antal bytes, der kræves for at imødekomme den specificerede prøvelængde.
Prøvestørrelse Dataformat Minimumsværdi Maksimumværdi
8-bit PCM usigneret int 0 225
16 -bit PCM int -32767 32767
For monolydfiler er samplingsdataene et 8-bit kort heltal (kort int 00H-FFH), og samplingsdataene gemmes i kronologisk rækkefølge.
To-kanals stereolydfil, hver samplingsdata er et 16-bit heltal (int), de øverste otte bits (venstre kanal) og de nederste otte bits (højre kanal) repræsenterer henholdsvis to kanaler, og samplingsdataene er i kronologisk rækkefølge Depositum i alternativ rækkefølge.
Det samme gælder, når antallet af samplingsbit er 16 bit, og lagringen er relateret til byteordren.
PCM-dataformat
Alle netværksprotokoller bruger den store endian-måde at overføre data på. Derfor kaldes den store endian-metode også netværksbyteordre. Når to værter med forskellige byteordrer kommunikerer, skal de konverteres til netværksbyteordre, før de sender data, før de sendes.
4 G.711
Generelt PCM gennemgår det analoge signal en vis behandling (såsom amplitude kompression), inden det digitaliseres. Når det først er digitaliseret, behandles PCM-signalet normalt yderligere (såsom digital datakomprimering).
G.711 er en standard multimedie digitalt signal (kompression / dekompression) algoritme, som mfjerner pulskoden fra ITU-T. Det er en prøvetagningsteknik til digitalisering af analoge signaler, især til lydsignaler. PCM prøver signalet 8000 gange i sekundet, 8KHz; hver prøve er 8 bits, i alt 64 Kbps (DS0). Der er to standarder for kodning af prøveudtagningsniveauer. Nordamerika og Japan bruger Mu-Law-standarden, mens de fleste andre lande bruger A-Law-standarden.
A-lov og u-lov er to kodningsmetoder til PCM. A-lov-PCM bruges i Europa og mit land, og Mu-lov bruges i Nordamerika og Japan. Forskellen mellem de to er kvantiseringsmetoden. A-loven bruger 12bits-kvantificering, og u-loven bruger 13bits-kvantisering. Samplingsfrekvensen er 8KHz, og begge er kodningsmetoder på 8bits.
Enkel forståelse: PCM er de originale lyddata, der indsamles af lydudstyr. G.711 og AAC er to forskellige algoritmer, som kan komprimere PCM-data til et bestemt forhold og derved spare båndbredde i netværkstransmission.
Vores andet produkt:
