计算机如何处理音频数据？

Question

我曾经使用过多个音频程序，如SDL mixer、audacity等，但我想了解这些小型音频工具的内部结构。音频数据是如何被处理的等等。我还看到了一些用C++编写的MP3播放器的示例代码，它使用void*来处理音频数据。

但所有这些都没有帮助我理解计算机中音频是如何工作的。所以，有人能向我解释（或介绍一些书籍），计算机是如何存储和处理数字音频数据的吗？例如，如果将一个三角波形存储到.wav文件中，该波形会以什么样的位模式存储？

- Karl

---

与计算机处理音频相关的内容：重新采样音频 - 是其中一个关键构建模块。 - James Crook

Answer 1

数字音频以一系列数字样本的形式存储，称为采样。例如：

5, 18, 6, -4, -12, -3, 7, 14, 4

如果将这些数字作为点绘制在笛卡尔图上：样本值决定沿Y轴的位置，而样本的序列号（0、1、2、3等）则决定沿X轴的位置。X轴只是一个单调递增的数值线。

现在在刚才绘制的点之间画一条线。

恭喜，您刚刚呈现了数字音频的波形。:-)

Y轴是振幅，X轴是时间。

“采样率”确定播放设备（例如声卡）如何快速地通过样本。这是采样的“时间值”。例如，CD质量的数字音频每秒遍历44,100个样本，读取每个样本点处的振幅（Y轴值）。

† 上面的讨论忽略了压缩。 压缩对于数字音频的基本特性几乎没有影响。 就像压缩位图图像不会改变位图图像的核心特性一样。（关于音频压缩的主题很丰富-我并不是要过于简化它，只是因为所有压缩的音频在被呈现之前最终都会被解压缩-即以可听的声音播放或以波形形式绘制-在这一点上，它的压缩起源无关紧要。）

- Mike Clark

Answer 2

波形的表示方法

在Audacity手册中有更详细的解释，音频是如何被表示的：

...每个垂直线的高度都表示为一个有符号的数字。

---

数字音频的更多信息

• Audacity Wiki上提供了一些关于Audacity算法工作原理的信息。如果你想了解更多关于Audacity中的特定音效的信息，可以在那里留下问题。
• 如果你正在查看源代码，回声效果是一个很好的起点。
• 要获取更多关于数字音频的信息，请点击此页面上感兴趣的维基百科链接。该页面底部的链接对于深入了解不同的音频文件格式尤其有用。

你可能会注意到所有这些链接都来自Audacity项目。这不是巧合。

- James Crook

Answer 3

以您提供的WAV文件为例：

一个WAV文件将会有一个头部，其中包含关键信息，向播放器或音频处理器指定了通道数、采样率、位深度、数据长度等。头部之后是原始比特模式，用于存储音频样本（如果您不知道什么是采样，请参考维基百科）。每个样本由若干字节组成（在头部中指定），并指定了波形在任何给定时间点上的振幅。每个样本可以以有符号或无符号形式存储（也在头部中指定）。

- tw39124

Answer 4

您可以从Lothar Reichel的演讲中了解有关“数字音频压缩”的一些内容，并发布一些Matlab代码：

声音是一种复杂的现象。它通常是由空气（或其他介质）中的移动物体引起的，例如扬声器锥体来回运动。该运动反过来会引起空气压力变化，这些变化像池塘中的波浪一样穿过空气传播。我们的耳鼓将压力变化转换为大脑处理为声音的现象。

计算机使用麦克风而不是耳膜“听”声音。麦克风将压力变化转换成电位，其振幅对应于压力的强度。然后，计算机使用称为采样的技术处理电信号。计算机通过在规律间隔处测量其幅度来采样信号，通常每秒测量44,100次。每个测量值以固定精度存储，通常为16位。

计算机发出声音的方法与上述过程类似，只是更多或更少地颠倒了这个过程。样本被馈送到一个生成与样本值成比例的电位的设备中。然后，扬声器或其他类似设备可能会将电信号转换为空气压力变化。测量的速率称为采样率。常见的采样率是每秒44,100次（用于紧凑型光盘或CD音频）。数字音频数据集的比特率是每秒所需存储的位数。如果数据具有固定的采样率和精度（如CD音频），则比特率只是它们的乘积。例如，CD音频的一个通道的比特率为44,100个采样/秒×16位/采样= 705,600位/秒。比特率是存储的一般度量，不总是简单地是采样率和精度的乘积。例如，我们将讨论一种使用可变精度编码数据的方法。

希望对您有所帮助。

- edgarmtze