聲音的基礎知識

聲音的產生是由于物體的振動，造成空間內空氣的波動而共鳴發音，再由大氣的傳播，使人的聽覺神經感受到的一種物理現象。

聲音的三要素是響度，音調和音色。

響度，和聲音震動的幅度有關，用的力越大，人的鼓膜震動幅度就越大，發出的聲音越響。

音調，主要是和頻率有關。聲波的頻率越高，音調也越高。

音色在同樣的音調（頻率）和響度（振幅）下，鋼琴和小提琴的聲音聽起來是完全不相同的，因為它們的音色不同。

聲音傳播的介質是固體、液體、氣體。介質不同，傳播的速度也不同。真空的情況下聲音是無法傳播的。

數字音頻

對自然界的聲音（模擬信號）進行采樣，采樣就是根據奈奎斯特定理在時間軸上對信號進行數字化信號，即按照一定時間間隔△t 在模擬信號 x（t）上逐點采取其瞬時值。采樣率越高，聲音的還原程度越高，質量就越好，同時占用空間會變大。

量化是用有限個幅度值近似原來連續變化的幅度值，把模擬信號的連續幅度變為有限數量的有一定間隔的離散值。

編碼是按照一定的規律，把量化后的值用二進制數字表示，然后轉化成二值或多值的數字信號流。這樣得到的數字信號通過可以通過電纜，衛星通道等數字線路傳輸。在接收端與上述模擬信號數字化過程相反，再經過后置濾波再恢復成原來的模擬信號。

上面數字化的過程又叫做脈沖編碼調制，通常我們說的音頻的裸數據格式就是脈沖編碼調制（PCM）數據。描述一段 PCM 數據需要幾個量化指標，常用的量化指標是采樣率，位深度，字節序，聲道數。

采樣率（Sample rate）：每秒鐘采樣多少次，以 Hz 為單位。

位深度（Bit-depth）：表示用多少個二進制位來描述采樣數據，一般為 16bit。

字節序：表示音頻 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。

聲道數（channel number）：當前 PCM 文件中包含的聲道數，是單聲道（mono）、雙聲道。