了解了音视频的相关知识，可以先阅读下面两篇文章：
本篇总结下音频基础知识，将从以下几个方面进行介绍：
- 声音的产生
- 声音的三要素
- 模数转换
- 原始音频数据
- PCM 与 Wav
- 音频处理流程
声音的产生#
声音是由物体振动产生的，通过空气、固体、液体等介质进行传输的一种声波，可以被人耳识别的声波的范围是 20Hz~20000Hz 之间，也叫做可听声波，这种声波称之为声音，根据声波频率的不同可以主要分为：
- 可听声波：20Hz~20kHz
- 超声波：> 20kHz
- 次声波：< 20Hz
此外，人的发声范围一般是 85Hz~1100Hz。
声音的三要素#
声音的三要素分别是音调、音量、音色，具体如下：
- 音调：指的是声音频率的高低，表示人的听觉分辨一个声音的调子高低的程度，物体振动的快，发出的声音的音调就高，振动的慢，发出的音调就低。
- 音量：又称音强、响度，指声音的振幅大小，表示人耳对所听到的声音大小强弱的主观感受。
- 音色：又称音品，指不同声音表现在波形方面总是有与众不同的特性，不同的物体振动都有不同的特点，反映每个物体发出的声音的特有的品质，音色具体由谐波决定，好听的声音绝不仅仅是一个正弦波，而是谐波。
模数转换#
声音是一个模拟音频信号，如果要将声音数字化，则需要将模拟音频信号转换为数字信号，这就是模数转换，主要流程包括采样、量化、编码，如下图所示：
- 采样：连续信号转换为离散信号的过程，每个一定时间的信号值来替代原来时间段连续的信号值，这个 1s 内的采样次数就是采样率，如 8KHz 是电话信号的采样率，可以满足通话需要，音频 CD 一般是 44.1kHz，数字电视一般是是 48kHz，采样率越高声音的还原成度越高。
- 量化：将采样后 的模拟信号转换为数字信号的过程，量化分为均匀量化和非均匀量化，上图中显然使用了均匀量化，量化级数是 8。
- 编码：将量化后的信号转换为对应的二进制代码，最简单就是自然二进制码，其他编码方式感兴趣自行去了解，上图中编码指的是信源编码，除此之外还有信道编码。
原始音频数据#
PCM（(Pulse Code Modulation）是脉冲编码调制，实际上就是将模拟音频信号转换为数字音频信号，音视频中的 PCM 指的是未经压缩的音频采样数据，是音频信号经采样、量化、编码生成的原始音频数据，PCM 数据关键量化指标如下：
- Sample Size：采样大小，也是量化级数，表示一个采样用多少位 bit 存放，常用的是 16 位。
- Sample Rate：采样率，表示每次采样的次数，单位 Hz，常见的采样率有 8k、16k、32k、44.1k、48k 等。
- Number of Channels：声道数，表示当前 PCM 数据中包含的声道数，如单声道、双声道、多声道等。
- Byte Ordering：字节序，表示 PCM 数据存储的字节序是大端存储 (big-endian) 还是小端存储 (little-endian)，为了数据处理效率的高效，通常为小端存储。
- Sign：表示当前 PCM 数据是否有符号位
- Integer Or Floating Point：表示当前 PCM 数据使用整型还是浮点型来表示。
了解了表示 PCM 数据的量化指标之后，那么码率如何计算呢，码率就是一秒钟采样数据的多少，计算方式如下：
采样率 * 采样大小 * 声道数
举个例子：
采样率 44.1KHz，采样大小为 16bit，双声道的 PCM 编码的 WAV 文件，其码率为 44.1K *_16 *_2 = 1411.2Kb/s，假设传输上述音频，每秒将超过 1M 的数据量，再加上在数据传输过程中，上行速率往往远小于下行速率，这就需要压缩音频数据了。
PCM 与 WAV#
PCM 可以查看前面小结，WAV 是一种无损的音频文件格式，其对音频的编码没有硬性规定，可以是 PCM 也可以是其他编码方式，比如 MP3 编码等，简单总结一下：
- PCM：一种编码方式，在音视频领域则理解为原始音频数据裸流；
- WAV：一种音频文件格式，可存储 PCM 数据，相当于在 PCM 基础上添加了 WAV 头部。
最后附上一张 WAV 的 Header 示意图：
更多细节后续研究后补充。
音频处理流程#
简单讲一下音频的处理流程，一是音频文件的生成，如在 Android 中使用 AudioRecord 、MediaRecord 等采集到的音频数据就是 PCM 数据，这种数据属于数字音频信号，是原始的 PCM 裸流，PCM 数据经过编码也就是将 PCM 数据压缩，在通过复用生成对应的音频文件，二是音频文件的播放，经解复用、解码转换成 PCM 进行播放。