PCM音频编码

本文的转载得到了零声教育的QQ同意。

主要过程是将语音等模拟信号每隔一定时间进行取样，使其离散化，同时将抽样值按分层单位四舍五入取整量化，同时将抽样值按一组二进制码来表示抽样脉冲的幅值。也就是说语音信号最终以脉冲形式编码。

有一定电子基础的人都知道传感器采集音频信号是模拟量，而我们实际传输过程中使用的是数字量。而这就涉及到模拟转数字的过程，下面将进行介绍。

1 PCM编码原理

PCM 脉冲编码调制是Pulse Code Modulation的缩写。脉冲编码调制是数字通信的编码方式之一。主要过程是将话音、图像等模拟信号每隔一定时间进行取样，使其离散化，同时将抽样值按分层单位四舍五入取整量化，同时将抽样值按一组二进制码来表示抽样脉冲的幅值。

模拟信号数字化必须经过三个过程，即抽样、量化和编码。

1.1抽样

抽样是把模拟信号以其信号带宽2倍以上（来奎斯特采样定理）的频率提取样值（采样率），变为在时间轴上离散的抽样信号的过程。

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，用赫兹（Hz）来表示。

sample：

如音频信号采样率为8000hz。

可以理解上图采样的对应图中 那段电压随时间变化的曲线 为1秒 那下面那个1 2 3 …10那就因该有1-8000个点，即将1秒均分为8000份，依次取出来那8000个点时间 对应的电压值。

1.2 量化

抽样信号虽然是时间轴上离散的信号，但仍然是模拟信号，其样值在一定的取值范围内，可有无限多个值。必须采用“四舍五入”的方法把样值分级“取整”，使一定取值范围内的样值由无限多个值变为有限个值。这一过程称为量化。

采样位数：指的是描述数字信号所使用的位数。

8位(8bit)代表2的8次方=256，16 位(16bit)则代表2的16次方=65536；

sample：

如音频传感器采集到的电压范围为0-3.3V，采样位数为8bit(位)

即我们把3.3V/ 2^8 = 0.0128 即为量化精度。

我们把3.3v分成0.0128为步进的Y轴，如图3中的1 2 …8就变成了0 0.0128 0.0256 ……3.3 V

比如某个采样点的电压值为1.652V(1280.128 与 1290.128之间) 我们对它四舍五入就为1.65V 对应 量化等级为128 。

1.3 编码

量化后的抽样信号就转化为按抽样时序排列的一串十进制数字码流，即十进制数字信号。简单高效的数据系统是二进制代码系统，因此，应将十进制数字代码变换成二进制编码。根据十进制数字代码的总个数，可以确定所需二进制编码的位数，即字长(采样位数)。这种把量化的抽样信号变换成给定字长的二进制码流的 过程称为编码。

sample：

接着上面的1.65V 对应 量化等级为128 。对应的2进制为10000000 。即该采样点编码后结果为10000000 。当然这是没有考虑正负值情况下的编码方式，而且编码方式种类非常多，需要具体问题具体分析。（PCM音频格式编码为A律13折线编码）

2 PCM音频编码

PCM信号未经过任何编码和压缩处理(无损压缩)。与模拟信号比，它不易受传送系统的杂波及失真的影响。动态范围宽，可得到音质相当好的效果。

2.1 PCM编码

编码上采用了的是A律13折线编码。

2.2 声道：

单声道声音文件，采样数据为八位的短整数（short int 00H-FFH）；

双声道立体声声音文件，每次采样数据为一个16位（采样位数仍是8bit）的整数（int），高八位(左声道)和低八位(右声道)分别代表两个声道。

PCM的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。

首先存储低有效字节，表示样本幅度的位放在i的高有效位上，剩下的位置为0，这样8位和16位的PCM波形样本的数据格式如下所示。

2.3 采样频率

人对频率的识别范围是 20HZ - 20000HZ, 如果每秒钟能对声音做 20000 个采样, 回放时就足可以满足人耳的需求.

8000hz 为电话采样。

22050 的采样频率是常用的。

44100已是CD音质, 超过48000的采样对人耳已经没有意义。

一般情况下，一帧PCM是由2048次采样组成的。

2.4 采样位数

每个采样数据记录的是振幅, 采样精度取决于储存空间（采样位数）的大小:

1 字节(也就是8bit) 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级

2 字节(也就是16bit) 可以细到 65536 个数, 这已是 CD 标准了;

4 字节(也就是32bit) 能把振幅细分到 4294967296 个等级, 实在是没必要了

如果是双声道(stereo), 采样就是双份的, 文件也差不多要大一倍.

2.5 比特率

码率是指经过编码后的音频数据每秒钟需要用多少个比特来表示

2.6 有损和无损

对于我们最常说的“无损音频”来说，一般都是指传统CD格式中的16bit/44.1kHz采样率的文件格式，而知所以称为无损压缩，也是因为其包含了20Hz-22.05kHz这个完全覆盖人耳可闻范围的频响频率而得名。