了解了音視頻的相關知識，可以先閱讀下面兩篇文章：
本篇總結下音頻基礎知識，將從以下幾個方面進行介紹：
- 聲音的產生
- 聲音的三要素
- 模數轉換
- 原始音頻數據
- PCM 與 Wav
- 音頻處理流程
聲音的產生#
聲音是由物體振動產生的，通過空氣、固體、液體等介質進行傳輸的一種聲波，可以被人耳識別的聲波的範圍是 20Hz~20000Hz 之間，也叫做可聽聲波，這種聲波稱之為聲音，根據聲波頻率的不同可以主要分為：
- 可聽聲波：20Hz~20kHz
- 超聲波：> 20kHz
- 次聲波：< 20Hz
此外，人的發聲範圍一般是 85Hz~1100Hz。
聲音的三要素#
聲音的三要素分別是音調、音量、音色，具體如下：
- 音調：指的是聲音頻率的高低，表示人的聽覺分辨一個聲音的調子高低的程度，物體振動的快，發出的聲音的音調就高，振動的慢，發出的音調就低。
- 音量：又稱音強、響度，指聲音的振幅大小，表示人耳對所聽到的聲音大小強弱的主觀感受。
- 音色：又稱音品，指不同聲音表現在波形方面總是有與眾不同的特性，不同的物體振動都有不同的特點，反映每個物體發出的聲音的特有的品質，音色具體由諧波決定，好聽的聲音絕不僅僅是一個正弦波，而是諧波。
模數轉換#
聲音是一個模擬音頻信號，如果要將聲音數字化，則需要將模擬音頻信號轉換為數字信號，這就是模數轉換，主要流程包括採樣、量化、編碼，如下圖所示：
- 採樣：連續信號轉換為離散信號的過程，每個一定時間的信號值來替代原來時間段連續的信號值，這個 1s 內的採樣次數就是採樣率，如 8KHz 是電話信號的採樣率，可以滿足通話需要，音頻 CD 一般是 44.1kHz，數字電視一般是是 48kHz，採樣率越高聲音的還原成度越高。
- 量化：將採樣後 的模擬信號轉換為數字信號的過程，量化分為均勻量化和非均勻量化，上圖中顯然使用了均勻量化，量化級數是 8。
- 編碼：將量化後的信號轉換為對應的二進制代碼，最簡單就是自然二進制碼，其他編碼方式感興趣自行去了解，上圖中編碼指的是信源編碼，除此之外還有信道編碼。
原始音頻數據#
PCM（(Pulse Code Modulation）是脈衝編碼調製，實際上就是將模擬音頻信號轉換為數字音頻信號，音視頻中的 PCM 指的是未經壓縮的音頻採樣數據，是音頻信號經採樣、量化、編碼生成的原始音頻數據，PCM 數據關鍵量化指標如下：
- Sample Size：採樣大小，也是量化級數，表示一個採樣用多少位 bit 存放，常用的是 16 位。
- Sample Rate：採樣率，表示每次採樣的次數，單位 Hz，常見的採樣率有 8k、16k、32k、44.1k、48k 等。
- Number of Channels：聲道數，表示當前 PCM 數據中包含的聲道數，如單聲道、雙聲道、多聲道等。
- Byte Ordering：字節序，表示 PCM 數據存儲的字節序是大端存儲 (big-endian) 還是小端存儲 (little-endian)，為了數據處理效率的高效，通常為小端存儲。
- Sign：表示當前 PCM 數據是否有符號位
- Integer Or Floating Point：表示當前 PCM 數據使用整型還是浮點型來表示。
了解了表示 PCM 數據的量化指標之後，那麼碼率如何計算呢，碼率就是一秒鐘採樣數據的多少，計算方式如下：
採樣率 * 採樣大小 * 聲道數
舉個例子：
採樣率 44.1KHz，採樣大小為 16bit，雙聲道的 PCM 編碼的 WAV 文件，其碼率為 44.1K *_16 *_2 = 1411.2Kb/s，假設傳輸上述音頻，每秒將超過 1M 的數據量，再加上在數據傳輸過程中，上行速率往往遠小於下行速率，這就需要壓縮音頻數據了。
PCM 與 WAV#
PCM 可以查看前面小節，WAV 是一種無損的音頻文件格式，其對音頻的編碼沒有硬性規定，可以是 PCM 也可以是其他編碼方式，比如 MP3 編碼等，簡單總結一下：
- PCM：一種編碼方式，在音視頻領域則理解為原始音頻數據裸流；
- WAV：一種音頻文件格式，可存儲 PCM 數據，相當於在 PCM 基礎上添加了 WAV 頭部。
最後附上一張 WAV 的 Header 示意圖：
更多細節後續研究後補充。
音頻處理流程#
簡單講一下音頻的處理流程，一是音頻文件的生成，如在 Android 中使用 AudioRecord 、MediaRecord 等採集到的音頻數據就是 PCM 數據，這種數據屬於數字音頻信號，是原始的 PCM 裸流，PCM 數據經過編碼也就是將 PCM 數據壓縮，在通過復用生成對應的音頻文件，二是音頻文件的播放，經解復用、解碼轉換成 PCM 進行播放。