Android音视频开发-音频篇-音频的原理

致知在格物，物格而后知至。所谓致知在格物者，言欲致吾之知，在即物而穷其理也

意思讲的是要探究事物的原理，从而获得智慧。写代码也是如此，只有了解其中的原理，才能运用自如

所以我们要想学好Android的音视频开发，必须先了解什么是音视频，音视频的构造，在计算机中是怎样表示的等基本原理。

Android音视频架构-学习路线规划

本文就是为大家讲解音频的原理，先看本文的主要内容

一. 声音是什么

1. 声音的概念：物体振动产生的声波，可以用波形图来表示声音

2. 声音的三要素：分别为音调，音量和音色。

音调高的表现是声音尖锐，音调低的表现是低沉。

音量高的表现是声音响度大，音量小的表现是声音响度小

音色指声音品质和声波的频谱分布有关,再细点就是和产生振动或者传递振动的物体的谐振有关，比如说和物体的形状，体积，密度，温度，湿度，晶格取向等均有关系

在相同的时间段内，音调高的声波的个数多，音量高的波形振幅大，后面我们对音频进行变调处理时和音量调节也是通过这个原理来的

二. 声音是怎么转为音频的

通过麦克风等设备将声音信号转为电信号，在通过进一步处理为计算式可识别的数字信号，最后编码为可播放的音频文件。

我们不必去细究每一个点，但是其中有几个关键的概念我们要知道，就是采用率，量化位数，声道数。这几个也是我们后面音频录制编码或者解码时需要处理的东西

1. 音频的量化与编码

采样率：因为我们不可能采集到连续的声音，所以这时候就有采样率的概念，即1s中内采样的次数（采样是等时间间隔的），也就是说一秒中内我们记录多少个声音数据。采用率越高，对声音的还原程度就越高，采样频率一般为8kHz(电话音质)，16kHz， 32klHz， 44.1kHz(CD音质)，48kHz(录音室音质)

量化位数：指的是一个采样要用多少bit来存放，常用的是16bit。量化位数越高也就代表能表达的声音范围多大。

声道数：分单声道，双声道，多声道

这里引出码率的概念，可以简单理解为音频文件的大小，一个未压缩的音频流（PCM）码率计算公式为

码率 = 采用率 * 量化位数 * 声道数

我们可以来算一下，采用率44.1k（cd音质），量化位数16bit，双声道的 5分钟的音频大小是多少

44.1k * 16 * 2 * 5 * 60 ≈ 50M

显然我们平时见的音频文件并没有这么大，接下来我们就要引出下面的内容，音频的压缩

2. 音频的压缩

音频的压缩主要有两种，无损压缩与有损压缩

无损压缩：压缩后可复原回原始数据

有损压缩：压缩后无法复原回原始数据

压缩的原理：

（1) 去除冗余：人类可识别的的声音频率是20Hz 到 20k Hz，所以根据这个原理，可将音频不在该频率段内的数据去除

（2）频谱掩蔽效应：一个频率的声音能量小于某个阈值之后，人耳就会听不到，这个阈值称为最小可闻阈。当有另外能量较大的声音出现的时候，该声音频率附近的阈值会提高很多，即所谓的掩蔽效应

（3）时域掩蔽效应：当强音信号和弱音信号同时出现时，还存在时域掩蔽效应。即两者发生时间很接近的时候，也会发生掩蔽效应

当然，这些我们只要了解就可以，不是我们的重点研究内容。

根据这些压缩原理，现在已经诞生了很多音频的编解码器

可以先简单了解下有哪几种编码后对应的格式：

无损格式，例如WAV，FLAC，APE，ALAC，WavPack(WV)

有损格式，例如MP3，AAC，Ogg Vorbis，Opus.

目前音频最广泛应用的是MP3格式，而AAC因为其压缩比较高，音质也较好而广泛用于泛娱乐化直播等场景中

接下来的文章我会结合相应的项目来重点介绍一些常用的编码格式