一、音频信号的基本属性
-
频率（Frequency）
- 定义：音频信号的频率表示声音的高低，通常以赫兹（Hz）为单位。
- 范围：人耳能够听到的频率范围大约在20Hz到20kHz之间。
-
振幅（Amplitude）
- 定义：振幅表示音频信号的强度或音量，它决定了声音的响度。
- 表示方法：振幅大小常用分贝（dB）来表示。振幅越大，声音越响；振幅越小，声音越轻。
-
波形（Waveform）
- 定义：波形是音频信号在时间上的图形表示。
- 类型：常见的波形有正弦波（纯音）、方波、锯齿波和三角波等。波形决定了声音的音色，不同波形产生的声音音色不同。
二、采样和量化
-
采样（Sampling）
- 定义：采样是将连续的音频信号在时间上进行离散化的过程。
- 采样率（Sample Rate）：每秒采样的次数，以赫兹（Hz）表示。常见的采样率有44.1kHz（CD质量）、48kHz（专业音频）等。采样率越高，声音的还原度越高。
-
量化（Quantization）
- 定义：量化是将每个采样点的振幅值进行离散化，转换为有限的数值表示。
- 量化位数（Bit Depth）：每个采样点使用的位数。常见的有16位（CD质量）、24位（高分辨率音频）等。量化位数越高，声音的保真度越高。
三、音频格式和编码
-
音频格式
- 无损音频格式：保留所有原始音频数据，无任何信息丢失。常见格式有WAV、FLAC、ALAC等。
- 有损音频格式：通过丢弃一些不重要的信息来压缩音频数据，文件大小较小，但有信息丢失。常见格式有MP3、AAC、OGG等。
-
音频编码
- 定义：音频编码是将音频信号转换为数字数据的过程。
- 类型：根据编码方式的不同，音频编码技术分为波形编码、参数编码和混合编码。
- 波形编码：直接将时间域信号变换为数字代码，使重构的语音波形尽可能地与原始语音信号的波形形状保持一致。常见的波形编码方法有PCM（脉冲编码调制）。
- 参数编码：从语音波形信号中提取生成语音的参数，使用这些参数通过语音生成模型重构出语音。常见的参数编码方法有LPC（线性预测编码）。
- 混合编码：同时使用波形编码和参数编码两种方法进行编码，能够取得比较好的效果。
四、音频处理
-
噪声抑制（Noise Suppression）
- 定义：噪声抑制是去除音频信号中的背景噪声的过程。
- 应用：手机等设备采集的原始声音往往包含了背景噪声，噪声抑制可以提高音频质量，降低音频压缩效率。
-
回声消除（Acoustic Echo Canceller）
- 定义：回声消除是去除音频信号中的回声的过程。
- 应用：在视频或音频通话过程中，本地的声音传输到对端播放之后，声音会被对端的麦克风采集并传输回本地，造成回声。回声消除可以提高通话质量。
-
自动增益控制（Automatic Gain Control, AGC）
- 定义：自动增益控制是根据输入声音的强度自动调节输出声音的大小，使输出的声音适宜人耳的主观感受。
- 应用：手机等设备采集的音频数据响度可能不稳定，自动增益控制可以使声音保持稳定。
-
静音检测（Voice Activity Detection, VAD）
- 定义：静音检测是判断音频信号中是否存在声音的过程。
- 应用：静音检测广泛应用于音频编码、自动增益控制、回声消除等领域。
-
舒适噪声产生（Comfortable Noise Generation）
- 定义：舒适噪声产生是在完全静音时，为了创造舒适的通话体验，在音频后处理阶段添加随机白噪声的过程。
- 应用：广泛适用于音频编解码器。
