第三節(jié) 數(shù)字音頻技術(shù)知識

一、音頻模擬信號數(shù)字化

將音頻模擬數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號最常見的方法是脈沖編碼調(diào)制PCM（Pulse Code Modulation）技術(shù)，如圖1-2所示，它包括采樣、量化和編碼3個步驟。

1．采樣

PCM的理論基礎(chǔ)是奈奎斯特（Nyquist）采樣定理：若對連續(xù)變化的模擬信號進(jìn)行周期性采樣，只要采樣頻率大于等于有效信號最高頻率的兩倍，采樣值便可包含原始信號的全部信息，就可以從這些采樣中重新構(gòu)造出原始信號。

根據(jù)采樣原理可以得知，相對自然界的信號，音頻編碼最多只能做到無限接近，因?yàn)闊o法完全還原，所以任何數(shù)字音頻編碼方案都是有損的。

2．量化

音頻采樣后的模擬信號為了實(shí)現(xiàn)以數(shù)字碼表示樣值，必須采用“四舍五入”的方法把樣值分級“取整”，使一定取值范圍內(nèi)的樣值由無限多個值變?yōu)橛邢迋€值，這一過程稱為量化。

量化位數(shù)是對模擬音頻信號的幅度軸進(jìn)行數(shù)字化，它決定了模擬信號數(shù)字化以后的動態(tài)范圍，量化位數(shù)越多，聲音的質(zhì)量越高，這也是衡量聲卡等級的重要指標(biāo)。

3．編碼

對音頻信號取樣并量化成二進(jìn)制，實(shí)際上就是對音頻信號進(jìn)行編碼。這樣音頻數(shù)字化得到的初始二進(jìn)制數(shù)據(jù)又被稱為PCM編碼，由于未經(jīng)過壓縮的PCM被約定俗成稱為無損，代表了數(shù)字音頻中最佳的保真水準(zhǔn)，其無損相對的是MP3的有損。

二、音頻壓縮技術(shù)

音頻壓縮技術(shù)指的是對原始數(shù)字音頻信號流（PCM編碼）運(yùn)用適當(dāng)?shù)臄?shù)字信號處理技術(shù)，在不損失有用信息量或所引入損失可忽略的條件下，降低（壓縮）其碼率，也稱為壓縮編碼。同時，它必須具有相應(yīng)的逆變換，即解壓縮或解碼。

一般來講，我們可以將音頻壓縮技術(shù)分為有損（lossy）壓縮及無損（lossless）壓縮兩大類。

1．有損壓縮

顧名思義，有損壓縮就是降低音頻的采樣頻率與比特率，這樣輸出的音頻文件會比原文件小。

目前，常見的壓縮編碼有以下幾種：

（1）高級音頻編碼（Advanced Audio Coding, AAC）。

高級音頻編碼，出現(xiàn)于1997年，是基于MPEG-2的音頻編碼技術(shù)。由Fraunhofer IIS、杜比實(shí)驗(yàn)室、AT&T、Sony等公司共同開發(fā)，目的是取代MP3格式的音頻。2000年，MPEG-4標(biāo)準(zhǔn)出現(xiàn)后，AAC重新集成了其特性，加入了SBR技術(shù)和PS技術(shù)，為了區(qū)別于傳統(tǒng)的MPEG-2 AAC，又稱其為MPEG-4 AAC。它采用了全新的算法進(jìn)行編碼，更加高效，具有更高的“性價比”。

（2）杜比數(shù)字（Dolby Digital AC-3）。

杜比數(shù)字是杜比公司開發(fā)的新一代家庭影院多聲道數(shù)字音頻系統(tǒng)。杜比數(shù)字提供的環(huán)繞聲系統(tǒng)由五個全頻域聲道加一個超低音聲道組成（5.1個聲道），它將每個聲道的頻率根據(jù)人耳的聽覺特性區(qū)分為許多窄小的頻段，利用音響心理學(xué)“聽覺掩蔽效應(yīng)”，刪除人耳聽不到或可忽略的部分，并采用數(shù)字信號壓縮編碼。

（3）MPEG-1音頻。

MPEG組織于1992年正式被批準(zhǔn)為國際標(biāo)準(zhǔn)，標(biāo)準(zhǔn)的編號為ISO/IEC11172，其標(biāo)題為“碼率約為1.5Mb/s用于數(shù)字存儲媒體活動圖像及其伴音的編碼”。MPEG-1主要解決多媒體的存儲問題，它的成功制定，使得以VCD和MP3為代表的MPEG-1產(chǎn)品迅速在世界范圍內(nèi)普及。

目前，常見的音頻格式有以下幾種：

（1）RM（RA）：網(wǎng)絡(luò)流媒體的鼻祖。RM曾經(jīng)是網(wǎng)上音樂傳播的霸主，開創(chuàng)了音頻流技術(shù)。由于Real Media是從極差的網(wǎng)絡(luò)環(huán)境下發(fā)展過來的，有損壓縮比大、體積小，因此音質(zhì)差，能兼容的播放器不多，再加上其他音頻格式的沖擊，現(xiàn)已幾乎被淘汰。

（2）MP3：老當(dāng)益壯。MP3的全稱是MPEG-1 Audio Layer 3，是世界第一個也是最流行的有損壓縮編碼方案（源代碼開放）。它利用“知覺音頻編碼技術(shù)”削減單元音樂中人耳聽不到的成分，第一次實(shí)現(xiàn)了10∶1～12∶1的高壓縮率，而音質(zhì)僅次于CD格式或WAV格式的聲音文件。由于其文件尺寸小、音質(zhì)好，因此MP3格式幾乎成為網(wǎng)上音樂的代名詞。直到現(xiàn)在，其作為主流音頻格式的地位仍難以被撼動，可以說幾乎所有的播放軟件都支持它。

（3）WMA：低碼流音質(zhì)中最好用的。作為微軟搶占網(wǎng)絡(luò)音樂的開路先鋒，WMA以很低的碼流實(shí)現(xiàn)低失真的音樂還原，壓縮率可以達(dá)到1∶18左右，還支持音頻流（Stream）技術(shù)，尤其是得到Windows系統(tǒng)支持，使Windows Media Player可以直接播放WMA音樂。隨著碼流提升到超過128 Kbps, MP3音質(zhì)有質(zhì)的飛躍，WMA卻沒有音質(zhì)的提升，所以現(xiàn)在基本處于被淘汰狀態(tài)。

（4）OGG（Ogg Vorbis）。Ogg是一個自由且開放標(biāo)準(zhǔn)的容器格式，Vorbis是一種音頻壓縮機(jī)制，相當(dāng)于AAC、AC3，由Xiph. Org基金會維護(hù)。Ogg Vorbis作為一個音頻編碼框架，通過不斷導(dǎo)入新技術(shù)逐步完善、提高音質(zhì)，同時支持多聲道，有頂替開始征收專利費(fèi)MP3的趨勢。

2．無損壓縮

無損壓縮能夠在100%保存原文件數(shù)據(jù)的前提下，將音頻文件的體積壓縮得更小，而將壓縮后的音頻文件還原后，能夠?qū)崿F(xiàn)與源文件相同的大小、相同的碼率。

目前，常見的無損壓縮格式有以下幾種：

（1）AIFF：蘋果電腦最早實(shí)現(xiàn)多媒體計算機(jī)的音頻格式。

（2）WAV：是微軟公司根據(jù)蘋果電腦上音頻格式AIFF開發(fā)的一種數(shù)字音頻文件格式，也叫波形聲音文件。

（3）APE：由軟件Monkey's audio壓縮得到，壓縮率約為55%，源代碼開放，因其界面有“猴子”標(biāo)志而出名。

（4）FLAC：這種壓縮與ZIP的方式類似，是專門針對PCM音頻的特點(diǎn)設(shè)計的壓縮方式，且可以使用播放器直接播放FLAC壓縮的文件。更重要的是FLAC的文件格式是完全對公眾開放的，人們可以以任意目的使用它，不受任何已知專利的限制。

（5）Libsndfile：是一個由C語言寫成的開放源代碼的音頻文件讀寫的庫，可以讀寫WAV格式，F(xiàn)LAC格式和其他許多常見格式（因?yàn)閷＠麊栴}而不支持MP3）。

三、數(shù)字音頻參數(shù)

1．采樣率

采樣率即采樣頻率，指計算機(jī)每秒鐘采集多少個聲音樣本，是描述聲音文件的音質(zhì)、音調(diào)，衡量聲卡、聲音文件的質(zhì)量標(biāo)準(zhǔn)。采樣頻率越高，即采樣的間隔時間越短，則在單位時間內(nèi)計算機(jī)得到的聲音樣本數(shù)據(jù)就越多，對聲音波形的表示也越精確，占用的存儲空間也就越大。

人耳能聽到的聲音頻率范圍是20Hz～20KHz。CD音樂根據(jù)奈奎斯特采樣定理確定了44.1KHz的采樣頻率。數(shù)字電視、電影和專業(yè)音頻48KHz采樣頻率則有更高的奈奎斯特極限，滿足更苛刻的要求。

2．聲道

立體聲：一般的聲卡都是支持雙聲道即立體聲信號的。

5.1聲道音效處理系統(tǒng)：由中置聲道，前置左、右聲道，后置左、右環(huán)繞聲道及所謂的0.1聲道重低音聲道六個聲道組成。

3．位深度（采樣精度、量化位數(shù)）

計算機(jī)中的數(shù)據(jù)都是由數(shù)字0和1二進(jìn)制來表示的，二進(jìn)制位數(shù)（8、16、24位）決定著數(shù)字信號的精確程度，聲卡最高的采樣精度決定著處理聲音信號的解析度。

4．?dāng)?shù)碼率（帶寬）

在數(shù)字傳輸系統(tǒng)中，由于傳輸?shù)氖菙?shù)字信號，因此傳輸?shù)挠行钥捎脗鬏斔俾蕘砗饬俊?shù)碼率也稱信息傳輸速率、碼流、比特率或傳信率，是指以二進(jìn)制碼做數(shù)字信息的度量單位時，單位時間內(nèi)傳送的二進(jìn)制比特數(shù)。其單位為比特/秒（bit/s）。

數(shù)碼率有以下三種不同的編碼形式：

（1）CBR（Constant Bitrate）：固定比特率，指文件只有一種位速率。相對于VBR和ABR，它壓縮出來的文件體積很大，音質(zhì)卻沒有明顯的提高。

（2）VBR（Variable Bitrate）：動態(tài)比特率，指壓縮文件時根據(jù)音頻數(shù)據(jù)即時確定使用什么比特率，這是以質(zhì)量為前提兼顧文件大小的方式。

（3）ABR（Average Bitrate）：平均比特率，是VBR的一種插值參數(shù)。

四、數(shù)字音頻工作站

數(shù)字音頻工作站（Digital Audio Workstation，簡稱DAW）是一種用來處理、交換音頻信息的計算機(jī)系統(tǒng)。它是隨著數(shù)字技術(shù)的發(fā)展和計算機(jī)技術(shù)的突飛猛進(jìn)，將兩者相結(jié)合的新型設(shè)備。

數(shù)字音頻工作站的構(gòu)成如下：

1．硬件

從硬件角度來說，我們可將數(shù)字音頻工作站歸結(jié)為計算機(jī)控制部分，核心音頻處理部分（專業(yè)聲卡），數(shù)據(jù)存儲設(shè)備及其他外設(shè)設(shè)備（傳聲器、調(diào)音臺、監(jiān)聽耳機(jī)、音箱等）四個部分。

2．軟件

從軟件角度來說，我們可將數(shù)字音頻工作站分為操作平臺、音頻處理界面、文件格式、第三方軟件及其他相關(guān)軟件四個模塊。

目前，常見的音頻處理軟件有以下五種：

（1）Audition：專業(yè)音頻編輯和混合處理軟件，原名為Cool Edit，被Adobe公司收購后改名。

（2）Cubase：一款全功能數(shù)字音樂、音頻工作軟件，可制作出千奇百怪的電子聲以及大量的特效。

（3）Samplitude：目前最專業(yè)的多軌音頻軟件，是專業(yè)錄音棚必備的軟件，音頻處理軟件中的專業(yè)之王。

（4）Fruity Loop：俗稱鼓點(diǎn)軟件，以小節(jié)為單位制作幾十個小片段，再組合成樂曲。Loop適合制作舞曲、鼓點(diǎn)等。

（5）Cakewalk Sonar: MIDI音樂創(chuàng)作和制作軟件。