1.Audio
Refírese ás ondas sonoras cunha frecuencia entre 20 Hz e 20 kHz que poden ser escoitadas polos oídos humanos.
Se engade unha tarxeta de audio correspondente ao ordenador, que é o que moitas veces chamamos tarxeta de son, podemos gravar todos os sons e as características acústicas do son, como o nivel do son, pódense almacenar como ficheiros en o disco duro do ordenador. Pola contra, tamén podemos usar un determinado programa de audio para reproducir o ficheiro de audio almacenado e restaurar o son gravado previamente.
2. Frecuencia de mostraxe
Refírese ao número de mostras sonoras obtidas por segundo. O son é realmente unha especie de onda de enerxía, polo que tamén ten as características de frecuencia e amplitude. A frecuencia corresponde ao eixe do tempo e a amplitude corresponde ao eixe do nivel. A onda é infinitamente lisa e a corda pode considerarse composta por infinidade de puntos. Debido a que o espazo de almacenamento é relativamente limitado, os puntos da cadea deben ser mostrexados durante o proceso de codificación dixital.
O proceso de mostraxe consiste en extraer o valor de frecuencia dun determinado punto. Obviamente, canto máis puntos se extraen nun segundo, máis información de frecuencia se obtén. Para restaurar a forma de onda, canto maior sexa a frecuencia de mostraxe, mellor será a calidade do son. Canto máis real é a restauración, pero ao mesmo tempo ocupa máis recursos. Debido á resolución limitada do oído humano, non se pode distinguir unha frecuencia demasiado alta. A frecuencia de mostraxe de 22050 úsase habitualmente, 44100 xa ten calidade de son de CD e unha mostraxe superior a 48,000 ou 96,000 xa non é significativa para o oído humano. Isto é similar aos 24 fotogramas por segundo das películas. Se é estéreo, duplicarase a mostra e case se duplicará o ficheiro.
Segundo a teoría da mostraxe Nyquist, para garantir que o son non se distorsiona, a frecuencia de mostraxe debería estar arredor dos 40kHz. Non precisamos saber como xurdiu este teorema. Só necesitamos saber que este teorema nos di que se queremos gravar un sinal con precisión, a nosa frecuencia de mostraxe debe ser maior ou igual ao dobre da frecuencia máxima do sinal de audio. Lembre, é a frecuencia máxima. .
No campo do audio dixital, as taxas de mostraxe de uso habitual son:
8000 Hz: a frecuencia de mostraxe utilizada polo teléfono, que é suficiente para a fala humana
11025 Hz-Taxa de mostraxe empregada polo teléfono
Taxa de mostraxe de 22050 Hz empregada para a radiodifusión
Velocidade de mostraxe de 32000 Hz utilizada pola videocámara dixital miniDV, DAT (modo LP)
CD de audio de 44100 Hz, tamén usado habitualmente na frecuencia de mostraxe do audio MPEG-1 (VCD, SVCD, MP3)
Frecuencia de mostraxe de 47250 Hz empregada polos gravadores PCM comerciais
Velocidade de mostraxe de 48000 Hz para son dixital usado en miniDV, TV dixital, DVD, DAT, películas e audio profesional
Frecuencia de mostraxe de 50000 Hz empregada polos gravadores dixitais comerciais
96000 Hz ou 192000 Hz: a frecuencia de mostraxe usada para DVD-Audio, algunhas pistas de audio DVD LPCM, pistas de audio BD-ROM (Blu-ray Disc) e pistas de audio HD-DVD (DVD de alta definición)
3. o número de bits de mostraxe
O número de bits de mostraxe tamén se denomina tamaño de mostraxe ou número de bits de cuantificación. É un parámetro usado para medir a flutuación do son, é dicir, a resolución da tarxeta de son ou pode entenderse como a resolución da tarxeta de son procesada pola tarxeta de son. Canto maior sexa o valor, maior será a resolución e máis realista será o son gravado e reproducido. O bit da tarxeta de son refírese aos díxitos binarios do sinal de son dixital empregado pola tarxeta de son ao recoller e reproducir ficheiros de son. O bit da tarxeta de son reflicte obxectivamente a precisión da descrición do sinal de son dixital do sinal de son de entrada. As tarxetas de son comúns son principalmente de 8 e 16 bits. Hoxe en día, todos os produtos principais do mercado teñen tarxetas de son de 16 bits ou superiores.
Rexístrase a amplitude de cada dato mostrado e a precisión da mostraxe depende do número de bits de mostraxe:
1 byte (é dicir, 8 bits) só pode gravar 256 números, é dicir, a amplitude só se pode dividir en 256 niveis;
2 bytes (é dicir, 16 bits) poden ser tan pequenos como 65536, que xa é un estándar de CD;
4 bytes (é dicir, 32 bits) poden subdividir a amplitude en 4294967296 niveis, o que é realmente innecesario.
4. o número de canles
Esa é a cantidade de canles de son. O mono e o estéreo común (dobre canle) desenvolveronse agora a catro sons surround (catro canles) e 5.1 canles.
(1) Estrada única
O mono é unha forma relativamente primitiva de reprodución de son, e as primeiras tarxetas de son usábano con máis frecuencia. O son mono só se pode soar cun altofalante e algúns tamén se procesan en dous altofalantes para emitir a mesma canle de son. Cando a información monofónica se reproduce a través de dous altofalantes, podemos sentir claramente que o son é de dous altofalantes. É imposible determinar a localización específica da fonte de son que se transmite aos nosos oídos desde o medio do altofalante.
(2) Estéreo
As canles binaurais teñen dúas canles de son. O principio é que cando as persoas escoitan un son, poden xulgar a localización específica da fonte de son en función da diferenza de fase entre os oídos esquerdo e dereito. O son está asignado a dúas canles independentes durante o proceso de gravación, para conseguir un bo efecto de localización de son. Esta técnica é particularmente útil para apreciar a música. O oínte pode distinguir claramente a dirección da que proceden varios instrumentos, o que fai a música máis imaxinativa e máis próxima á experiencia no lugar.
Dúas voces son actualmente o uso máis común. No karaoke, un é para tocar música e o outro é para a voz do cantante; en VCD, un dobra en mandarín e o outro dobra en cantonés.
(3) Contorno de catro tons
O contorno envolvente de catro canles define catro puntos de son, diante esquerdo, diante dereito, traseiro esquerdo e traseiro dereito, e o público está rodeado destes catro puntos de son. Ao mesmo tempo, tamén se recomenda engadir un subwoofer para mellorar o procesamento de reprodución de sinais de baixa frecuencia (esta é a razón pola que os sistemas de altofalantes de 4.1 canles son populares hoxe en día). No que se refire ao efecto global, o sistema de catro canles pode traer o son envolvente dos oíntes desde varias direccións diferentes, pode obter a experiencia auditiva de estar nunha variedade de ambientes diferentes e dar aos usuarios unha nova experiencia. Hoxe en día, a tecnoloxía de catro canles integrouse amplamente no deseño de varias tarxetas de son de gama media a alta, converténdose na tendencia principal do desenvolvemento futuro.
(4) canle
As canles 5.1 foron amplamente utilizadas en varios teatros tradicionais e en casa. Algúns dos formatos de compresión de gravación de son máis coñecidos, como Dolby AC-3 (Dolby Digital), DTS, etc., están baseados no sistema de son 5.1. A canle ".1" é unha canle de subwoofer especialmente deseñado que pode producir subwoofers cun rango de resposta de frecuencia de 20 a 120 Hz. De feito, o sistema de son 5.1 provén de 4.1 surround, a diferenza é que engade unha unidade central. Esta unidade central é a responsable de transmitir o sinal de son por baixo de 80Hz, o que é útil para fortalecer a voz humana ao ver a película e concentrar o diálogo no medio de todo o campo sonoro para aumentar o efecto global.
Na actualidade, moitos reprodutores de música en liña, como QQ Music, proporcionaron música de 5.1 canles para escoitar e descargar de proba.
5. cadro
O concepto de fotogramas de audio non é tan claro como os fotogramas de vídeo. Case todos os formatos de codificación de vídeo poden simplemente pensar nun marco como unha imaxe codificada. Non obstante, o marco de audio está relacionado co formato de codificación, que é implementado por cada estándar de codificación. Porque se é PCM (datos de audio non codificados), non precisa en absoluto o concepto de fotogramas e pódese reproducir segundo a velocidade de mostraxe e a precisión de mostraxe. Por exemplo, para audio dual cunha taxa de mostraxe de 44.1 kHz e unha precisión de mostraxe de 16 bits, pode calcular que a taxa de bits é 44100 * 16 * 2bps e os datos de audio por segundo son 44100 * 16 * 2 / fixos 8 bytes.
O marco amr é relativamente sinxelo. Estipula que cada 20 ms de audio é un cadro e que cada cadro de son é independente. É posible usar diferentes algoritmos de codificación e diferentes parámetros de codificación.
O cadro mp3 é un pouco máis complicado e contén máis información, como a taxa de mostraxe, a taxa de bits e varios parámetros.
6. ciclo
O número de fotogramas necesarios para un procesamento dun dispositivo de audio úsase como unidade para o acceso de datos e o almacenamento de datos de audio polo dispositivo de audio.
7. modo entrelazado
O método de almacenamento de sinais de audio dixitais. Os datos almacénanse en fotogramas continuos, é dicir, rexístranse primeiro as mostras da canle esquerda e as mostras da canle dereita do fotograma 1 e despois iníciase a gravación do fotograma 2.
8. modo non entrelazado
Primeiro, rexistra as mostras da canle esquerda de todos os fotogramas nun período e logo rexistra todas as mostras da canle correcta.
9. taxa de bits
A taxa de bits tamén se denomina taxa de bits, que se refire á cantidade de datos reproducidos pola música por segundo, e a unidade exprésase en bits, que son bits binarios. bps é a taxa de bits. b é bit (bit), s é segundo (segundo), p é cada (por), un byte equivale a 8 bits binarios. É dicir, o tamaño do ficheiro dunha canción de 4 minutos de 128bps calcúlase así (128/8) * 4 * 60 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), polo xeral o mp3 é beneficioso en rolda de 128 bits, ten tamén un tamaño de 3-4 BM.
Nas aplicacións informáticas, o nivel de fidelidade máis alto é a codificación PCM, que se usa amplamente para almacenar material e apreciar a música. Úsase en CD, DVD e nos nosos ficheiros WAV máis comúns. Polo tanto, PCM converteuse nunha codificación sen perdas por convención, porque PCM representa o mellor nivel de fidelidade no audio dixital. Non significa que PCM poida garantir a fidelidade absoluta do sinal. PCM só pode alcanzar o maior grao de proximidade infinita.
Calcular a taxa de bits dun fluxo de audio PCM é unha tarefa moi sinxela: valor da taxa de mostraxe × valor do tamaño da mostraxe × número de canle bps. Un ficheiro WAV cunha frecuencia de mostraxe de 44.1 KHz, un tamaño de mostraxe de 16 bits e codificación PCM de dobre canle, a súa velocidade de datos é de 44.1 K × 16 × 2 = 1411.2 KB. O noso CD de audio común usa codificación PCM e a capacidade dun CD só pode almacenar 72 minutos de información musical.
Un sinal de audio codificado PCM de dobre canle require 176.4 KB de espazo en 1 segundo e aproximadamente 10.34 M en 1 minuto. Isto é inaceptable para a maioría dos usuarios, especialmente para aqueles aos que lles gusta escoitar música no ordenador. Ocupación de disco, só hai dous métodos: índice de mostraxe descendente ou compresión. Non é aconsellable reducir o índice de mostraxe, polo que os expertos desenvolveron varios esquemas de compresión. Os máis orixinais son DPCM, ADPCM e o máis famoso é MP3. Polo tanto, a taxa de código despois da compresión de datos é moito menor que o código orixinal.
