Audio
Verwys na die klankgolwe met 'n klankfrekwensie tussen 20 Hz en 20 kHz wat deur die menslike oor gehoor kan word.
As u 'n ooreenstemmende klankkaart by die rekenaar voeg - die klankkaart wat ons dikwels sê, kan ons al die geluide opneem, en die akoestiese eienskappe van die klank, soos die vlak van die klank, kan as lêers op die rekenaar se harde stoor gestoor word. skyf. Omgekeerd, kan ons ook 'n sekere klankprogram gebruik om die gestoorde klanklêer te speel om die voorheen opgeneemde klank te herstel.
1 Audio lêer formaat
Die klanklêerformaat verwys spesifiek na die formaat van die lêer wat die klankdata stoor. Daar is baie verskillende formate.
Die algemene metode om klankdata te verkry, is om die klankspanning op 'n vaste tydsinterval te monster (te kwantifiseer) en die resultaat op 'n sekere resolusie op te slaan (elke CDDA-voorbeeld is byvoorbeeld 16 bis of 2 bytes). Die steekproefinterval kan verskillende standaarde hê. CDDA gebruik byvoorbeeld 44,100 48,000 keer per sekonde; DVD gebruik 96,000 2 of XNUMX XNUMX keer per sekonde. Daarom is [samplingsnelheid], [resolusie] en die aantal [kanale] (byvoorbeeld XNUMX kanale vir stereo) die belangrikste parameters van die klanklêerformaat.
1.1 Verlies en verliesloos
Volgens die produksieproses van digitale klank kan klankodering net oneindig naby natuurlike seine wees. Die huidige tegnologie kan dit ten minste net doen. Enige digitale klankkoderingskema is verlies omdat dit nie heeltemal herstel kan word nie. In rekenaartoepassings is die hoogste getrouheid PCM-kodering, wat baie gebruik word vir materiaalbewaring en waardering van musiek. Dit word gebruik in CD's, DVD's en ons algemene WAV-lêers. Daarom het PCM volgens konvensie 'n verlieslose kodering geword, omdat PCM die beste getrouheidsvlak in digitale klank verteenwoordig.
Daar is twee hooftipes klankformate:
Verlieslose formate, soos WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Verliese formate, soos MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
2 parameter inleiding
2.1 Monstersnelheid
Verwys na die aantal klankmonsters wat per sekonde verkry word. Klank is eintlik 'n soort energiegolf, dus het dit ook die eienskappe van frekwensie en amplitude. Die frekwensie stem ooreen met die tydas en die amplitude stem ooreen met die vlakas. Die golf is oneindig glad en die tou kan beskou word as saamgestel uit ontelbare punte. Omdat die stoorplek relatief beperk is, moet die punte van die string tydens die digitale koderingsproses gemonster word.
Die steekproefproses is om die frekwensie van 'n sekere punt te onttrek. Hoe meer punte binne een sekonde onttrek word, hoe duideliker word inligting verkry. Om die golfvorm te herstel, hoe hoër die monsternemingsfrekwensie, hoe beter is die klankgehalte. Hoe egter die herstel is, maar terselfdertyd beslaan dit meer hulpbronne. Vanweë die beperkte resolusie van die menslike oor kan 'n te hoë frekwensie nie onderskei word nie. Die monsternemingsfrekwensie van 22050 word algemeen gebruik, 44100 is al CD-klankgehalte en die monsterneming van meer as 48,000 of 96,000 is nie meer betekenisvol vir die menslike oor nie. Dit is soortgelyk aan die 24 rame per sekonde in films. As dit stereo is, word die monster verdubbel en die lêer byna verdubbel.
Volgens die Nyquist-monsternemingsteorie moet die monsternemingsfrekwensie ongeveer 40 kHz wees om te verseker dat die klank nie verdraai word nie. Ons hoef nie te weet hoe hierdie stelling ontstaan het nie. Ons hoef net te weet dat hierdie stelling vir ons sê dat as ons 'n sein akkuraat wil opneem, ons steekproeffrekwensie groter as of gelyk moet wees aan twee keer die maksimum frekwensie van die klank sein. Onthou, dit is die maksimum frekwensie.
Op die gebied van digitale klank is die algemeenste steekproeftariewe:
8000 Hz - die bemonsteringsnelheid wat deur die telefoon gebruik word, wat voldoende is vir menslike spraak
11025 Hz monsternemingstempo gebruik deur die telefoon
22050 Hz-monsternemingstempo gebruik in radio-uitsendings
32000 Hz bemonsteringsnelheid voor miniDV digitale videocamera, DAT (LP-modus)
44100 Hz-Audio CD, ook algemeen gebruik as sampling rate vir MPEG-1 klank (VCD, SVCD, MP3)
47250 Hz bemonsteringsnelheid gebruik deur kommersiële PCM-opnemers
48000 Hz samplingsnelheid vir digitale klank wat gebruik word in miniDV, digitale TV, DVD, DAT, films en professionele klank
50000 Hz-monsternemingstempo gebruik deur kommersiële digitale opnemers
96000 Hz of 192000 Hz - die bemonsteringsnelheid wat gebruik word vir DVD-klank, sommige LPCM DVD-klankbane, BD-ROM (Blu-ray Disc) klankbane en HD-DVD (High Definition DVD) klankbane
2.2 Aantal steekproefbits
Die aantal steekproefbits word ook die steekproefgrootte of die aantal kwantiseringsbits genoem. Dit is 'n parameter wat gebruik word om die fluktuasie van die klank te meet, dit wil sê die resolusie van die klankkaart of kan verstaan word as die resolusie van die klankkaart wat deur die klankkaart verwerk word. Hoe groter die waarde, hoe hoër die resolusie en hoe realistieser word die geluid wat opgeneem en gespeel word. Die bietjie van die klankkaart verwys na die binêre syfers van die digitale klanksein wat deur die klankkaart gebruik word om klanklêers te versamel en te speel. Die bietjie van die klankkaart weerspieël objektief die akkuraatheid van die beskrywing van die digitale klank sein van die ingangsklank sein. Gewone klankkaarte is hoofsaaklik 8-bis en 16-bit. Deesdae is alle hoofstroomprodukte op die mark met 16-bis en hoër geluidskaarte.
Elke bemonsterde data teken die amplitude aan, en die akkuraatheid van die steekproef hang af van die aantal steekproewe:
1 byte (dit wil sê 8bit) kan slegs 256 getalle opneem, wat beteken dat die amplitude slegs in 256 vlakke verdeel kan word;
2 grepe (dit wil sê 16 bit) kan so klein wees as 65536, wat reeds 'n CD-standaard is;
4 bytes (dit wil sê 32bit) kan die amplitude onderverdeel in 4294967296 vlakke, wat regtig onnodig is.
2.3 Aantal kanale
Dit wil sê die aantal klankkanale. Gemeenskaplike mono en stereo (tweekanaal) het nou ontwikkel tot vier-klank surround (vierkanaal) en 5.1 kanale.
2.3.1 aap
Mono is 'n relatief primitiewe vorm van klankweergawe, en vroeë klankkaarte het dit meer algemeen gebruik. Monoklank kan slegs met een luidspreker geklink word, en sommige word ook in twee luidsprekers verwerk om dieselfde klankkanaal uit te voer. Wanneer monofoniese inligting deur twee luidsprekers gespeel word, kan ons duidelik voel dat die klank van twee luidsprekers afkomstig is. Dit is onmoontlik om die spesifieke ligging van die klankbron wat deur die middel van die luidspreker na ons ore gestuur word, te bepaal.
2.3.2 stereo
Binaurale kanale het twee klankkanale. Die beginsel is dat wanneer mense 'n geluid hoor, hulle die spesifieke posisie van die klankbron kan beoordeel op grond van die faseverskil tussen die linker- en regteroor. Die klank word tydens die opname aan twee onafhanklike kanale toegeken, om 'n goeie klanklokaliseringseffek te bewerkstellig. Hierdie tegniek is veral handig in die waardering van musiek. Die luisteraar kan die rigting onderskei waaruit verskillende instrumente kom, wat die musiek meer verbeeldingryk en nader aan die ervaring op die terrein maak.
Twee stemme word tans die algemeenste gebruik. In karaoke is die een vir die speel van musiek en die ander vir die stem van die sanger; in VCD word die een in Mandaryns gedoop en die ander in Kantonees.
2.3.3 Vierkleurige omringing
Vier-kanaal surround definieer vier klankpunte, links voor, regs voor, links agter en agter regs, en die gehoor word hieromtrent omring. Dit word ook aanbeveel om 'n subwoofer by te voeg om die verwerking van lae frekwensie seine te verwerk (dit is die rede waarom 4.1-kanaal luidsprekers vandag baie gewild is). Wat die algehele effek betref, kan die vierkanaalstelsel die luisteraars omringklank vanuit verskillende rigtings bring, kan hulle die ouditiewe ervaring kry om in verskillende omgewings te verkeer en gebruikers 'n splinternuwe ervaring te gee. Deesdae is vierkanaal-tegnologie wyd geïntegreer in die ontwerp van verskillende middel-tot-hoë-end klanke, wat die belangrikste tendens van toekomstige ontwikkeling geword het.
2.3.4 5.1 kanaal
5.1-kanale is al wyd gebruik in verskillende tradisionele teaters en tuisteaters. Sommige van die meer bekende klankopname-kompressieformate, soos Dolby AC-3 (Dolby Digital), DTS, ens., Is gebaseer op die 5.1-klankstelsel. Die ".1" -kanaal is 'n spesiaal ontwerpte subwoofer-kanaal wat subwoofers kan produseer met 'n frekwensierespons van 20 tot 120 Hz. In werklikheid kom die 5.1-klankstelsel van 4.1-surround, die verskil is dat dit 'n middeleenheid byvoeg. Hierdie middeleenheid is verantwoordelik vir die oordrag van die klanksein onder 80Hz, wat nuttig is om die menslike stem te versterk wanneer u na die film kyk, en die dialoog in die middel van die hele klankveld konsentreer om die algehele effek te verhoog.
Tans het baie aanlyn-musiekspelers, soos QQ Music, 5.1-kanaals musiek verskaf vir proefluister en aflaai.
2.4 Raamwerk
Die konsep van klankrame is nie so duidelik soos videorame nie. Byna alle video-koderingsformate kan eenvoudig 'n raam as 'n gekodeerde beeld beskou. Die klankraam hou egter verband met die koderingsformaat, wat deur elke koderingstandaard geïmplementeer word.
Byvoorbeeld, in die geval van PCM (ongekodeerde klankdata), is dit glad nie die konsep van rame nodig nie, en kan dit volgens die monsternemingstempo en akkuraatheid van die monsterneming gespeel word. Byvoorbeeld, vir dubbele klank met 'n bemonsteringsnelheid van 44.1 kHz en 'n steekproefnauwkeurigheid van 16 bis, kan u bereken dat die bitsnelheid 44100162bps is en dat die klankdata per sekonde 'n vaste 44100162/8 bytes is.
Die amr-raam is relatief eenvoudig. Dit bepaal dat elke 20 ms klank 'n raamwerk is, en elke klankraamwerk is onafhanklik, en dit is moontlik om verskillende koderingsalgoritmes en verskillende koderingsparameters te gebruik.
Die mp3-raam is 'n bietjie ingewikkelder en bevat meer inligting, soos steekproeftempo, bitsnelheid en verskillende parameters.
2.5 siklusse
Die aantal rame wat 'n klanktoestel benodig om tegelykertyd te verwerk, en die toegang tot die klanktoestel en die stoor van klankdata is gebaseer op hierdie eenheid.
2.6 Interleaved-modus
Die stoor metode van digitale klank sein. Die data word in aaneenlopende rame gestoor, dit wil sê die linkerkanaalmonsters en regterkanaalmonsters van raam 1 word eers opgeteken en dan word begin met die opname van raam 2.
2.7 Nie-interlaced modus
Teken eers die linkerkanaalmonsters van alle rame in 'n tydperk op, en teken dan al die regte kanaalmonsters op.
2.8 bitsnelheid (bitsnelheid)
Bitsnelheid word ook bitsnelheid genoem, wat verwys na die hoeveelheid data wat musiek per sekonde speel. Die eenheid word uitgedruk deur bit, wat binêre bit is. bps is die bitsnelheid. b is bit (bit), s is tweede (second), p is elke (per), een byte is gelykstaande aan 8 binêre bits. Dit wil sê, die lêergrootte van 'n lied van 4 minute van 128bps word so bereken (128/8) 460 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), gewoonlik is mp3 voordelig teen ongeveer 128 bit koers, en dit is waarskynlik Die grootte is ongeveer 3-4 BM.
In rekenaartoepassings is die hoogste getrouheid die PCM-kodering, wat baie gebruik word vir materiaalbewaring en musiekwaardering. CD's, DVD's en ons algemene WAV-lêers word almal gebruik. Daarom het PCM volgens konvensie 'n verlieslose kodering geword, omdat PCM die beste getrouheidsvlak in digitale klank verteenwoordig. Dit beteken nie dat PCM die absolute getrouheid van die sein kan verseker nie. PCM kan net die maksimum oneindige nabyheid bereik.
Om die bitsnelheid van 'n PCM-klankstroom te bereken, is 'n baie maklike taak: steekproefwaarde × steekproefgrootte waarde × kanaalgetal bps. 'N WAV-lêer met 'n steekproefsnelheid van 44.1 kHz, 'n steekproefgrootte van 16 bit en tweekanaals PCM-kodering, die datasnelheid is 44.1 k × 16 × 2 = 1411.2 kbps. Ons algemene Audio CD maak gebruik van PCM-kodering en die kapasiteit van 'n CD kan net 72 minute musiekinligting bevat.
'N Dubbelkanaal-PCM-gekodeerde klanksignaal benodig 176.4 KB ruimte in 1 sekonde en ongeveer 10.34M binne 1 minuut. Dit is onaanvaarbaar vir die meeste gebruikers, veral diegene wat graag musiek op die rekenaar wil luister. Skyfbesetting, daar is net twee metodes, afname-indeks of kompressie. Dit is nie raadsaam om die steekproefindeks te verlaag nie, daarom het kundiges verskillende kompressieskemas ontwikkel. Die oorspronklikste is DPCM, ADPCM, en die bekendste is MP3. Daarom is die kodesnelheid na datakompressie baie laer as die oorspronklike kode.
2.9 Voorbeeldberekening
Die lêerlengte van "Windows XP startup.wav" is byvoorbeeld 424,644 bytes, wat in die formaat "22050HZ / 16bit / stereo" is.
Dan is die transmissiesnelheid per sekonde (bitsnelheid, ook genoem bitsnelheid, bemonsteringsnelheid) 22050162 = 705600 (bps), omgeskakel na byte-eenheid is 705600/8 = 88200 (bytes per sekonde), speeltyd: 424644 (totale bytes) / 88200 (bytes per sekonde) ≈ 4.8145578 (sekondes).
Maar dit is nie akkuraat genoeg nie. Die WAVE-lêer (* .wav) in die standaard PCM-formaat het ten minste 42 grepe koptekstinligting, wat verwyder moet word wanneer u die speeltyd bereken, dus is daar: (424644-42) / (22050162/8) ≈ 4.8140816 ( sekondes). Dit is meer akkuraat.
3 PCM-klankodering
PCM staan vir Pulse Code Modulation. In die PCM-proses word die analoog-invoer sein gemonster, gekwantifiseer en gekodeer, en die binêre gekodeerde getal stel die amplitude van die analoog sein voor; die ontvangkant herstel dan hierdie kodes na die oorspronklike analoog sein. Die A / D-omskakeling van digitale klank bevat drie prosesse: steekproefneming, kwantisering en kodering.
Die aannemingstempo van stem-PCM is 8 kHz, en die aantal steekproefbits is 8 bit, dus is die kodesnelheid van die stem digitale gekodeerde sein 8 bits × 8 kHz = 64 kbps = 8 KB / s.
3.1 Beginsels van klankodering
Iemand wat 'n sekere elektroniese basis het, weet dat die klanksignaal wat deur die sensor versamel word, 'n analoog hoeveelheid is, maar wat ons in die werklike transmissieproses gebruik, is 'n digitale hoeveelheid. En dit behels die proses om analoog na digitaal om te skakel. Die analoog sein moet deur drie prosesse gaan, naamlik steekproefneming, kwantisering en kodering, om die polskodemodulasie (PCM, Pulse Coding Modulation) tegnologie van stemdigitalisering te verwesenlik.
Omskakelingsproses
3.1.1 Monsterneming
Monsterneming is die proses om monsters (monsternemingstempo) uit 'n analoog sein te haal met 'n frekwensie wat meer as twee keer die seinbandwydte is (Lequist Sampling Theorem) en omskep dit in 'n diskrete monsternemingssein op die tydas.
Monstersnelheid: die aantal monsters wat uit 'n deurlopende sein per sekonde onttrek word om 'n diskrete sein te vorm, uitgedruk in Hertz (Hz).
monster:
Die monstersnelheid van die klanksein is byvoorbeeld 8000Hz.
Dit kan verstaan word dat die monster in die figuur hierbo ooreenstem met die kromme van die spanningsverandering met die tyd in die figuur vir 1 sekonde, dan die onderste 1 2 3… 10, want daar moet 1-8000 punte wees, dit wil sê 1 tweede word in 8000 dele verdeel, en haal dit dan weer om die beurt uit. Die spanningswaarde wat ooreenstem met die 8000 puntetyd.
3.1.2 Kwantifisering
Alhoewel die gemonsterde sein 'n diskrete sein op die tydas is, is dit steeds 'n analoog sein, en die steekproefwaarde daarvan kan 'n oneindige aantal waardes hê binne 'n bepaalde waardeversameling. Die 'afrondings'-metode moet gebruik word om die steekproefwaardes te' afrond ', sodat die steekproefwaardes binne 'n sekere waardebereik verander word van 'n oneindige aantal waardes na 'n eindige aantal waardes. Hierdie proses word genoem kwantifisering.
Aantal steekproewe: verwys na die aantal stukkies wat gebruik word om die digitale sein te beskryf.
8 bisse (8bit) verteenwoordig 2 tot die 8ste krag = 256, 16 bits (16bit) verteenwoordig 2 tot die 16de krag = 65536;
monster:
Byvoorbeeld, die spanningsbereik wat deur die klanksensor versamel word, is 0-3.3V, en die steekproefgetal is 8bit (bit)
Dit wil sê, ons beskou 3.3V / 2 ^ 8 = 0.0128 as die kwantisasie-akkuraatheid.
Ons verdeel 3.3v in 0.0128 as die trap Y-as, soos getoon in Figuur 3, 1 2… 8 word 0 0.0128 0.0256… 3.3 V
Die spanningswaarde van 'n bemonsteringspunt is byvoorbeeld 1.652V (tussen 1280.128 en 1290.128). Ons rond dit af tot 1.65V en die ooreenstemmende kwantiseringsvlak is 128.
3.1.3 Kodering
Die gekwantiseerde steekproefsein word omskep in 'n reeks desimale digitale kodestrome volgens die steekproefvolgorde, dit wil sê die desimale digitale sein. 'N Eenvoudige en doeltreffende datastelsel is 'n binêre kodestelsel. Daarom moet die desimale digitale kode in 'n binêre kode omgeskakel word. Volgens die totale aantal desimale digitale kodes kan die aantal bisse wat benodig word vir binêre kodering bepaal word, dit wil sê die woordlengte (aantal steekproefbits). Hierdie proses om die gekwantifiseerde steekproefsein in 'n binêre kodestroom met 'n gegewe woordlengte te transformeer, word kodering genoem.
monster:
Dan stem die bostaande 1.65V ooreen met 'n kwantiseringsvlak van 128. Die ooreenstemmende binêre stelsel is 10000000. Dit wil sê, die resultaat van die kodering van die bemonsteringspunt is 10000000. Dit is natuurlik 'n koderingsmetode wat nie die positiewe en negatiewe waardes in ag neem nie , en daar is baie soorte koderingsmetodes wat spesifieke ontleding van spesifieke kwessies vereis. (PCM-klankformaatkodering is A-law 13 polylynkodering)
3.2 PCM-klankodering
Die PCM-sein het geen kodering en kompressie ondergaan nie (verlieslose kompressie). In vergelyking met analoogseine word dit nie maklik beïnvloed deur die rommel en vervorming van die transmissiestelsel nie. Die dinamiese omvang is wyd en die klankgehalte is redelik goed.
3.2.1 PCM-kodering
Die kodering wat gebruik word, is die A-law 13 polylynkodering.
Raadpleeg die volgende: PCM-spraakkodering
3.2.2 Channel
Kanale kan verdeel word in mono en stereo (dubbele kanaal).
Elke monsterwaarde van PCM is vervat in 'n heelgetal i, en die lengte van i is die minimum aantal grepe wat benodig word om die gespesifiseerde steekproeflengte te akkommodeer.
Monster grootte Data-formaat Minimum waarde Maksimum waarde
8-bis PCM ongeteken int 0 225
16-bis PCM int -32767 32767
Vir monoklanklêers is die steekproefdata 'n 8-bis kort heelgetal (kort int 00H-FFH) en die steekproefdata word in chronologiese volgorde gestoor.
Twee-kanaals stereoklanklêer, elke steekproefdata is 'n 16-bis heelgetal (int), die boonste agt bisse (linkerkanaal) en die onderste agt bis (regterkanaal) verteenwoordig twee kanale, en die steekproefdata is in chronologiese volgorde Deponeer in alternatiewe volgorde.
Dieselfde geld wanneer die aantal steekproefbits 16-bits is en die stoorplek verband hou met die byte-volgorde.
PCM-dataformaat
Alle netwerkprotokolle gebruik die groot endian-manier om data oor te dra. Daarom word die groot endian-metode ook netwerk-byte-orde genoem. Wanneer twee gashere met verskillende bytevolgorde kommunikeer, moet hulle in netwerkbyte-omskakeling omgeskakel word voordat hulle data stuur voordat dit gestuur word.
4 G.711
Oor die algemeen PCM word die analoog sein verwerk (soos amplitude kompressie) voordat dit gedigitaliseer word. Sodra dit gedigitaliseer is, word die PCM-sein gewoonlik verder verwerk (soos digitale datakompressie).
G.711 is 'n standaard multimedia digitale sein (kompressie / dekompressie) algoritme wat moduleer die polskode vanaf ITU-T. Dit is 'n steekproeftegniek om analoogseine te digitaliseer, veral vir oudioseine. PCM toon die sein 8000 keer per sekonde, 8KHz, aan; elke monster is 8 bisse, 'n totaal van 64 Kbps (DS0). Daar is twee standaarde vir die kodering van steekproefvlakke. Noord-Amerika en Japan gebruik die Mu-Law-standaard, terwyl die meeste ander lande die A-Law-standaard gebruik.
A-wet en u-reg is twee koderingsmetodes van PCM. A-law PCM word in Europa en my land gebruik, en Mu-law word in Noord-Amerika en Japan gebruik. Die verskil tussen die twee is die kwantiseringsmetode. Die A-wet gebruik 12-bits kwantisering en die u-wet gebruik 13-bits kwantisering. Die steekproeffrekwensie is 8KHz, en albei is 8-bits koderingsmetodes.
Eenvoudige begrip: PCM is die oorspronklike klankdata wat deur klanktoerusting versamel word. G.711 en AAC is twee verskillende algoritmes wat PCM-data tot 'n sekere verhouding kan komprimeer en sodoende bandwydte in netwerkoordrag bespaar.
Ons ander produk:
