iOS音频能力提升——PCM基础

前言

音频是移动端很重要的能力，像直播类、在线教育类、唱歌类、短视频类等APP，都离不开音频功能。

具备音频相关知识与能力，对未来的职业发展有很大优势。

本文主要围绕音频知识的基础——PCM，介绍PCM的原理和相关操作。

声音是模拟的连续信号，而计算机只能离散的存储。为了使得计算机具备音频的能力，必须支持连续音频信号的离散化描述，而PCM具备这个能力。

正文

PCM脉冲编码调制(Pulse Code Modulation）

脉冲编码调制就是把一个时间连续，取值连续的模拟信号变换成时间离散，取值离散的数字信号后在信道中传输。脉冲编码调制就是对模拟信号先抽样，再对样值幅度量化，编码的过程。

总结起来就是三个步骤：

1、抽样；

2、量化；

3、编码；

PCM基础概念

了解PCM的基本原理之后，再看看PCM衍生出来的常见概念。

1、声道；

录制和播放时，音频信号的数量。

2、采样率；

每秒从连续信号中提取并组成离散信号的采样个数，单位是赫兹（Hz）；

奈奎斯特采样定理：当采样频率大于声音最高频率的两倍，能完整的保留声音的信息。

3、采样深度；

量化的二进制位数，常为16位；

4、码率；

音频流每秒的大小，单位常用bps；

一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的文件，码率为 44.1K×16×2 =1411.2 Kbps

PCM数据操作

了解完PCM的相关概念后，再来看看PCM相关的数据操作。

1、PCM混合；

重采样，对位相加，溢出处理；

2、单声道变立体声；

增加声道，复制数据；

3、立体声变单声道；

减少声道，声道混合或只取其一；

4、音量调整和静音；

改变量化值，对数优化，清零静音；

5、播放速率调整；

快放：相邻位合并，缩减长度；

慢放：长度增加，量化值不变；

PCM数据的操作，就是直接操作音频流数据，比如一个简单的音量变大操作：

    int16_t *curData = (int16_t *)ioData->mBuffers[0].mData;
    int size = ioData->mBuffers[0].mDataByteSize;
    
//     音量操作
    for (int pos = 0; pos < size; pos += 2, ++curData) {
        int data = *curData;

        { // 音量调整
            data = data * 2;
            // 溢出
            if (data > 32767) {
                data = 32767;
            }
            else if (data < -32768) {
                data = -32768;
            }
        }
        *curData = data;
    }

Audio Unit 播放 PCM

AudioStreamBasicDescription

iOS的音频描述结构体，包括解析音频数据需要的各种参数

• mSampleRate：采样率
• mFormatID：编码格式
• mFormatFlags：数据格式；（L/R，整形or浮点）
• mBytesPerPacket：每个Packet的Bytes数
• mFramesPerPacket：每个Packet的帧数
• mBytesPerFrame：每帧的Byte数
• mChannelsPerFrame：每帧的声道数
• mBitsPerChannel：每个声道的采样深度

立体声的PCM音频数据，通常是以L/R交替（左右声道交替）的方式存储。

在iOS平台可以通过设置kAudioFormatFlagIsNonInterleaved，使得左右声道的数据分别存储在AudioBufferList的两个AudioBuffers中。

由于硬件要求，录制和播放都是整形格式。但在音频处理的过程中， 音频数据可能会溢出（整形格式表示范围有限），故而有些处理需要用浮点数来进行。

总结

本文源自中午分享的PPT内容，排版有所修改。

希望看完本文的你，对PCM有初步的认识。

PCM的数据操作部分，可以把样例代码放到Audio Unit播放PCM文件demo的PlayCallback方法中，体会下效果。