音视频之音频相关概念介绍

概要

在从事音视频的音频开发中，难免会遇到一些问题，比如声音异常，回音等问题，这时候有比较牢固的概念基础会对分析这些问题很有帮助。本篇就介绍下音频相关的概念

正文

声音的组成

声波的三要素是频率，振幅，和波形。 频率的大小代表音调，振幅的大小代表响度，波形代表音色。结合下面的一段音频波形，会更形象一些。频率就是振动快慢，振幅是波形的变化幅度，而波形的包络，就是音色。

image.png

采样

声音本身可以看成是模拟信号，如果要在计算机中处理则需要转成数字信号。如何将模拟信号转成数字信号，这就需要采样了。信号本身有一个频率，而采样函数也有一个频率，根据Nyquist-Shannon采样定理，如果要正确获取原始信号的信息，那么采样频率至少需要是原始信号频率的2倍。

而在音频处理中，还会经常看到一个概念，叫重采样。在信号处理中，各个功能处理的信号频率可能是不一样的，比如在混合多个音频流的时候，各个音频流采样频率可能是不一样的， 这时候就需要重采样，让各音频流在混音之前先重采样成一样的频率和声道。重采样的过程就是将信号从一个频率，声道转换成另外一种频率和声道的过程

声道

采样时候的声道就是声音录制时候的音源数量，而播放时候的省道就是扬声器数量。

采样位数

在用数字信号表示音频信号的时候，某个信号可以用8位数字，也就是1个字节表示，也可以用2个字节标记。用的位数越多，表示的信号等级也就越多，目前用的最多的是2个字节。

采样时长

按照前面的介绍，就可以理解单位时间内采样的音频数据大小计算了，1s的音频数据大小是：

image.png

f是采样频率，Channels是声道数，BytesPerSample是采样字节数。

那么也可以计算一段音频对应的时长：

image.png

3A

3A指的就是声音采集时的几个声音处理流程，包括ANS(噪声消除)，AEC(回声消除)，AGC(语音增强)，分别介绍下： ANS:就是在音频信号中去掉噪音，简单的原理就是识别音频中的语音信号和噪声信号，然后将噪声信号去掉。如何识别语音信号？就会有多种方法， 比如在采集的时候，我们不会是一直说话的，那么不说话时候的信号主要就是噪音。 AEC:在A和B通话的时候，A采集的声音在B处播放，B的麦克风不仅会猜忌B自己的声音，也会将B处播放的A的声音也采集到，然后发送到A处播放，这样A就听到了自己的声音。这时候就需要在采集的时候，根据获取的远端音频信号，从采集的信号中去掉采集的远端音频信号，也就是把远端的回声去掉。这儿只需要知道，回声消除是只在采集的地方处理的。 AGC:在采集的时候，声音大小可能会随着人离麦克风的距离发生变化，为了让人的声音听起来不是忽高忽低，那么就需要AGC来将采集的声音强度调整成一致的，这样听起来就不会忽高忽低了。

音量类型

我们嵌入式设备接触的多的就是通话音量和媒体音量。这两个音量有什么区别呢？主要是通话音量下需要开启AEC，而媒体音量不需要。另外采集的频率也会有差异。通话音量主要是针对语音通话场景，比如和主播互动，而媒体音量主要是针对媒体播放场景，比如听那个音乐。 那如何区分通话音量和媒体音量呢？通过调节音量按键，通话音量的音量是不会被调成0，而媒体音量可以。

音频路由

音频路由就是音频的输入和输出通道，包含麦克风，听筒，有线耳机，蓝牙耳机，蓝牙SCO。这儿可以看到蓝牙耳机有2种，一种是SCO，一种是ACL。 SCO用于通话场景，建立连接时间比较长，大概3秒左右。

耳返

耳返就是在采集端建一个回路，可以将采集的数据实时播放出来。

PCM

PCM(pulse code modulation)脉冲编码调制，就是原始的音频信号，未经过压缩那种。在分析音频问题的时候，用的最多的方法就是导出各个阶段的PCM数据，看是哪个阶段出的问题。这儿的阶段就是采集，重采样，3A，混音，上行，下行，重采样，混音，播放。