音频编码

去年做了很多关于音频方面的开发工作，自己从一个完全的门外汉，一步一步的模索，趟过了不少的坑，学习和掌握到了不少的关于音频编码方面的知识，鉴于这一块的资料较少，而很多朋友在基础上有较多迷惑的地方，写一篇文章，简要的描述一下音频方面的几个基础的知识点。

名词解释

• PCM：脉冲信号调制
• 采样率：每秒采样几个点进行模拟量到数字量
• 通道：声道，有几个麦克风
• 模数转换ADC：将连续的模拟量使用离散的数字进行表示的方法

声音采集与模数转换

因为人耳敏感的声音频率，大约是20Hz~20000Hz之间，所以计算机里，通常使用一个16位的数字来表示一个采样点的数字量（-32767 ~ 32767），也叫做位深度。16的位深度下，精度大约是1Hz，而在24位下，精度大约到0.001Hz，采样精度更加准确。

假如单通道，采样率8000（每秒取8000个点进行模拟到数字量的转换），那每秒将产生 8000 * 1 * (16 / 8) = 16000个字节的数据量产生。

8000的采样率太低，只适用于低要求下的人声传输，一般按44.1kHz的采样率，每秒产生的数据量为93.75kB，这个数据量太大了，对于网络传输来说，相当的不利，所以在车载终端这一块，通常使用最低能够接受的8000采样率来录制声音，同时配合G711A等简单、快速的编码方法，来进一步降低数据量的大小，因为终端CPU性能比较低下，需要节省出来，交给其它的事务。

影响音质的关键要素

1. 位深度：决定了每个采样点的精度，比如16位/24位
2. 采样率：决定了每秒采样的次数，比如常见的44100Hz

通过上面的理论而推断，影响音质的最根本的参数在于上面的两个参数，它也决定了最终产生的音频数据量的大小。

编码与压缩

一般的编码方式，如G711A、G711U、ADPCM、G726等，是对PCM数据的无损编码方法，通常会达到50%或25%的压缩率（即原数据的一半或四分之一）。

而对于MP3、AAC等高级压缩算法，会通过有损压缩，去除掉一些人耳不敏感的采样点，通常能够达到非常高的压缩比。

常用工具

• Audacity：一个开源免费、跨平台的音频处理的图形化工具，支持很多种编码的音频解析，以及很多种音效的处理，大力推荐。
• ffmpeg：ffmpeg支持很多种音频编码与压缩算法的实现，可以在各种音频编码间转换，特别是ffplay，支持无封装的比如G711A的裸数据文件的播放。

参考

1. FFMPEG入门与集成开发指南
2. Audacity官方网站
3. FFMPEG官方网站