本帖最后由 alexchenlong 于 2010-12-18 00:04 編輯
鑒于論壇上經(jīng)常見到有人問音頻格式相關(guān)的問題，而本人所學(xué)的專業(yè)是與信息處理相關(guān)，恰好在信號(hào)處理這方面有點(diǎn)底，就特意寫了這么個(gè)研究帖子。
抱著蛋疼折騰的態(tài)度，讓我們來看看音頻的本質(zhì)吧。
本帖子總共分為5個(gè)部分，分別是wav格式的介紹，有損格式的介紹，無損壓縮格式的介紹，各音頻格式的頻譜分析，以及基于分析在音頻文件選擇上做的推薦
1.wav音頻格式的三大參數(shù)，及各參數(shù)對于音頻文件的含義
wav文件有4個(gè)參數(shù)，分別是采樣頻率，聲道數(shù)，量化位數(shù)，以及碼率共4個(gè)
而這4個(gè)參數(shù)里最好理解的就是聲道數(shù)，所以不對此參數(shù)進(jìn)行介紹
那么我將要介紹的參數(shù)就是采樣頻率F，量化位數(shù)B，和碼率R
采樣頻率
在三個(gè)參數(shù)里面最重要的是采樣頻率，后面兩個(gè)參數(shù)都是基于在傳輸存儲(chǔ)過程中根據(jù)要求而得到的，唯獨(dú)采樣頻率，它是把模擬世界的信號(hào)帶到數(shù)字世界的橋梁。
在講采樣頻率前，我們可以先回憶一下我們初中時(shí)學(xué)拋物線時(shí)的情景。
在初中時(shí)，老師教我們畫拋物線時(shí)，是用什么方法畫的？？
如果大家回想起來的話，就應(yīng)該記得，是5點(diǎn)法。
是的，用5個(gè)點(diǎn)就可以近似的把拋物線給畫出來。
音頻信號(hào)是啥米，其實(shí)是余弦波，只是這個(gè)余弦波的頻率和幅值都是隨時(shí)間的變量而已。
我們要對這個(gè)音頻信號(hào)進(jìn)行記錄，不可能把每一時(shí)刻的值都記錄，但是，我們可以參考畫拋物線的方法，用盡量少的點(diǎn)去精確的描繪這個(gè)音頻信號(hào)。
而采樣頻率，它干的就是這個(gè)活，也就是一秒內(nèi)我們要記錄這個(gè)音頻信號(hào)多少個(gè)點(diǎn)，就能近似精確的表達(dá)這個(gè)音頻信號(hào)。
在信號(hào)處理，有這么一個(gè)定理，叫奈奎斯特定理。
這個(gè)定理怎么得來，你們不用知道，這個(gè)是信號(hào)處理專業(yè)的人才需要知道，例如我。
我們只需了解的是，這個(gè)定理它告訴我們，如果我們要精確的記錄一個(gè)信號(hào)，我們的采樣頻率必須大于等于音頻信號(hào)的最大頻率的兩倍，記住，是最大頻率。
也就是
F>=2*fmax。
而在wav格式里，F(xiàn)=44.1kHz。
我們知道，人耳的聽音頻率范圍是20-20kHz，也就是說，如果我們要精確記錄這個(gè)音頻信號(hào)，采樣頻率最低起碼是40kHz。
至于為啥是44.1kHz而不是其他的頻率，對不起，我也不知道。
不過，起碼我們能確定的是44.1kHz這個(gè)采樣頻率，可以精確記錄小于22.05kHz的音頻信號(hào)，這個(gè)是足夠了。
量化位數(shù)
雖然有了采樣頻率，我們可以精確記錄音頻信號(hào)，然而，這些記錄過的音頻信號(hào)是模擬量，對于計(jì)算機(jī)而言，是無法處理的。
講到這里，我們會(huì)出現(xiàn)一個(gè)新的概念，模擬量和數(shù)字量。
模擬量和數(shù)字量是有區(qū)別的，我簡單的介紹一下。
例如0-1這個(gè)范圍。
一個(gè)線段內(nèi)我們可以任意的取一個(gè)點(diǎn)，這個(gè)點(diǎn)的值可以確定，這個(gè)點(diǎn)的取值范圍可以確定，唯獨(dú)這個(gè)點(diǎn)的可取值的個(gè)數(shù)無法確定，這就是模擬量。
一個(gè)可能取值個(gè)數(shù)無法確定的量，計(jì)算機(jī)是無法處理的。
而數(shù)字量則是其余一樣，第三點(diǎn)不一樣，可取值的個(gè)數(shù)是可以確定的，這樣，計(jì)算機(jī)可以處理了。
0-1這個(gè)范圍，根據(jù)精度要求，我們可以確定需要取值的個(gè)數(shù)。
而量化位數(shù)，這是干這活，確定音頻信號(hào)的一個(gè)記錄點(diǎn)，它的取值的可能個(gè)數(shù)。
我們知道，wav的量化位數(shù)B是16，這個(gè)是一個(gè)2進(jìn)制的位數(shù)。
他告訴我們，一個(gè)記錄點(diǎn)可以取值的個(gè)數(shù)是2的16次方，也就是65536。
0-1-平分65536次，我想，這個(gè)精度也是夠了。
碼率
現(xiàn)在，采樣頻率和量化精度都講了，輪到碼率，先喝口水先。
碼率是怎么得來的？非常簡單，就是采樣頻率X量化位數(shù)X聲道數(shù)，也就是R=F*B*2。
R=44.1kHz*16b*2=1411.2kbps~=1411kbps。
碼率1411就是這么得來的，雖然碼率是通過計(jì)算得到，但是，他卻有一個(gè)確切的含義，就是一秒內(nèi)它能存儲(chǔ)的信息量，記住是信息量。
講到這里，大家可能會(huì)聯(lián)想到，MP3的320kbps，aac的512kbps，無損壓縮格式的700+kbps。
然后有人疑惑，是不是，碼率越大就越好？？
對于有損格式而言，那么，碼率越大是越好
然而，這里有一個(gè)前提，被轉(zhuǎn)換的歌必須是從正版cd刻錄下來的無損格式，并且轉(zhuǎn)換是同一種有損格式，例如都是MP3。
不然，你用一個(gè)128kbs的MP3的歌轉(zhuǎn)成320kbps碼率的MP3，音質(zhì)是不會(huì)有改善的。
對于無損壓縮格式而言，碼率的大小比較將沒有意義。碼率的大小只是告訴你，他的壓縮算法是否足夠好而已。
不過，我得提醒一句，這個(gè)碼率的意義也就這樣，他不能告訴你，這些保存的信息是好是壞，他只能告訴你，他存了這么多信息而已。
是的，他其實(shí)是一個(gè)倉庫，他不管倉庫里放的啥，他只管放滿沒。
好了，到此，wav格式的三大參數(shù)都講完了，也許會(huì)有很多人疑惑，為啥我先講wav這個(gè)這么古董的格式，而不是MP3啊aac啦這些有損格式，或者flac、ape這些無損壓縮格式。理由很簡單，因?yàn)?/font>wav是最接近模擬量的數(shù)字量，是最原始的數(shù)據(jù)，后面的格式都是基于wav根據(jù)自己的特色進(jìn)行處理而已。而且，上面講到的三個(gè)參數(shù)，后面的格式依然用到。自然，先把wav這個(gè)老大先介紹咯
2.有損格式的壓縮原理
在這部分里以及后面的無損格式壓縮原理，我不專門對某個(gè)格式講行介紹，而是介紹，這些格式是基于什么理念得到。
當(dāng)我們了解wav格式三大參數(shù)的含義后，可能有人會(huì)疑惑，既然wav是最接近模擬量的數(shù)字格式，為啥還整來后面的有損格式和無損格式呢，直接wav多好啊。
是的，直接wav很好，然而，他的碼率太大了。1411kbps，啥米概念，就是說一個(gè)10秒的音頻，居然要用到3.36MB去存儲(chǔ)?。?！、
在過去存儲(chǔ)技術(shù)不發(fā)達(dá)的年代，這個(gè)量太大了，讓人無法接收。
因此，必須壓縮，必須把沒用或者不重要的信息給去掉減少存儲(chǔ)量。
因此，有損格式誕生了。
那么，有損格式又是基于什么原理得到的，接下來就是我將要講的內(nèi)容。
對于一個(gè)音頻信號(hào)而言，他是一個(gè)時(shí)間相關(guān)的信號(hào)，也就是說，前后兩個(gè)記錄點(diǎn)，他們有時(shí)間上的順序。
然而，對于計(jì)算機(jī)而言，處理與時(shí)間相關(guān)的信息，這個(gè)不是強(qiáng)項(xiàng)。因此，必須對這個(gè)兩個(gè)記錄點(diǎn)的信息進(jìn)行變換，變換成對時(shí)間順序無關(guān)，彼此是獨(dú)立的一個(gè)信息。
在這里，感謝早期那些數(shù)字信號(hào)處理的科學(xué)家，他們提供了這么個(gè)方法，就是快速傅里葉變換，簡稱FFT。
我們不需知道FFT是怎么來的，我們只需知道，一個(gè)信號(hào)經(jīng)過FFT變換后，這個(gè)信號(hào)變成與頻率相關(guān)的信息，而頻率相關(guān)的信息，是可以被計(jì)算機(jī)處理。
我們可以回想一下，音頻信號(hào)是一個(gè)個(gè)余弦波，處理一個(gè)余弦波無非是處理頻率、幅值，初相角。
初相角我們不管，幅值和頻率這個(gè)在經(jīng)過FFT變換之后，就可以處理了。
經(jīng)過FFT變換之后，如果用圖來表示，就是頻譜圖。
我就來一張頻譜圖吧
這個(gè)頻譜圖的橫坐標(biāo)就是頻率，縱坐標(biāo)是對應(yīng)頻率的增益，或者理解成強(qiáng)度也行。
對于人耳而言，我們接受的音頻信號(hào)大部分都集中在中低頻部分，高頻部分我們相對不是那么敏感。
既然這樣，我們就可以把不敏感的高頻部分，直接去掉，這樣，就減少了信息量，這是方法之一。
還有另一個(gè)，對于音頻信號(hào)而言，相鄰的幾個(gè)記錄點(diǎn)，他們的取值范圍是非常接近的。
既然非常接近，我們可以用一個(gè)平均值，以及取這個(gè)平均值的點(diǎn)的個(gè)數(shù)來記錄。
舉個(gè)例子，有5個(gè)記錄點(diǎn)，0.45 0.446 0.461 0.45 0.447，我們可以用0.45（5）來記錄。
這樣，記錄的信息量同樣少了，其實(shí)還有其他壓縮方法，但是，大概的意思是和上面兩種方法差不多，就不介紹了。
通過各種手法，我們把不需要的信息去掉，把不重要的信息用近似值代替，從而達(dá)到有損壓縮。、
同樣用碼率這個(gè)參數(shù)做對比。
同樣一個(gè)10秒音頻，經(jīng)過有損壓縮后，其碼率值為320kbp，則大小才787KB?。?！為wav格式的五分之一?。?！
用盡量少的數(shù)據(jù)，存儲(chǔ)盡量多有用的信息，有損格式做到了！?。∵@也是為啥有損格式流行起來的原因。
3.無損壓縮格式的壓縮原理
隨著存儲(chǔ)技術(shù)的發(fā)展，我們可以存儲(chǔ)的信息量變得越來越大，存儲(chǔ)wav格式變得毫無鴨梨了。
既然毫無鴨梨，為啥要推出無損壓縮格式？
理由很簡單，既然我40MB可以存儲(chǔ)2首無損壓縮格式，為啥我還存儲(chǔ)1首wav格式，這不是跟自己過不去嘛。
所以，無損壓縮格式發(fā)展起來了。
無損壓縮格式和有損格式有個(gè)共同點(diǎn)，就是壓縮。不同點(diǎn)是，無損。
那么，要怎么才能做到無損壓縮呢，我們可以參考有損壓縮的第二個(gè)方法。
舉個(gè)例子，同樣是5個(gè)記錄點(diǎn)，0.4 0.4 0.5 0.5 0.3，如果要無損壓縮，我們只需這樣記錄0.4（2），0.5（2），0.3（1）。
這樣，我們只需用三個(gè)記錄點(diǎn)，就能記錄原來需要5個(gè)記錄點(diǎn)，同樣壓縮了。
而且，做到無損壓縮。這是其中一種思路，但是，他告訴我們，無損壓縮對于信息處理而言，是可以做到的。
要完整記錄一個(gè)音頻，不需用到wav格式，無損壓縮就行了。
同樣用碼率這個(gè)參數(shù)做比較，一個(gè)10秒音頻，經(jīng)過無損壓縮后，碼率值為727kbps，大小為1.73MB。大概為wav的一半。
大容量播放器支持無損壓縮格式，小容量播放器則玩轉(zhuǎn)有損格式，各有各的位置，技術(shù)發(fā)展確實(shí)是一件好事啊
經(jīng)常見到有人問wav、flac和ape是不是有區(qū)別，那么我就在這里做個(gè)總結(jié)。
經(jīng)過上面的算法原理介紹，我們可以了解到，如果單純從文件本身，wav和其他所有無損壓縮格式在保存的信息上是無區(qū)別的。
在論壇上，經(jīng)常會(huì)看到有人問無損格式相關(guān)的兩個(gè)問題：無損壓縮格式之間有沒有區(qū)別和無損壓縮格式與wav有沒有區(qū)別。
第一個(gè)問題，我現(xiàn)在就可以回答，有。
但，區(qū)別不是在信息記錄的完整程，而是其壓縮算法以及算法所采用的格式的區(qū)別。
這也是為啥，同一首歌，ape格式比flac小，因?yàn)樗惴ú煌?br>
至于音質(zhì)表現(xiàn)將會(huì)和第二個(gè)問題一起，在第五部分講到
4.音頻文件頻譜分析
這一部分是對不同的音頻格式以及同一音頻格式不同的碼率進(jìn)行分析。
專門為那些選擇哪種音頻格式而煩惱的人提供參考的。
待分析的音頻格式有MP3，aac三種格式，無損格式作為參考格式。
由于本人用fb轉(zhuǎn)換，MP3格式只有vbr模式和最高的cbr320。所以，可能與大家熟悉的碼率有所不同。
不過，我用括號(hào)標(biāo)明了其對應(yīng)的碼率值，是個(gè)大概值，不一定準(zhǔn)，不過可以參考。
MP3的碼率有VBR的V5（~130kbps）V2（~190kbps）V0（~245kbps）和CBR的320kbps。
為了對應(yīng)MP3的VBR模式，aac同樣采用VBR模式
aac的碼率有，q04（125kbps）q05（175kbps）q06（225kbps）q08（325kbps）q10（400bps）
之所以這么選擇，是因?yàn)榇蠹伊?xí)慣的碼率值有128kbps 196kbps 256kbps 和320kbps。
在選擇MP3的轉(zhuǎn)換模式時(shí)其參考碼率盡量靠近習(xí)慣碼率值。
因?yàn)?/font>aac在編碼上比MP3優(yōu)秀得多，所以aac的轉(zhuǎn)換模式是轉(zhuǎn)換后的文件體積大小盡量接近MP3大小。
至于來個(gè)q10模式，則是與無損壓縮格式做對比的。
先來張各音頻格式與對應(yīng)碼率的文件體積對比圖
[attach]76054[/attach]
事先說明，該音頻文件截取的是eason的十年（40s-60s）這段范圍，用的是網(wǎng)上下載的無損，截取軟件用goldwave。
先來個(gè)體積分析。
顯然，這里體積最小的是V5MP3（130kbps），對應(yīng)是的q04aac（125kbps）。
第二檔次是V2MP3（~192kbps）對應(yīng)q05aac（175kbps）。
第三檔次是V0MP3（245kbps）對應(yīng)q08aac（225kbps）。
第四檔次是cbrMP3（320kbps）與對應(yīng)的q08aac（325kbps）。
最后是q10aac（400kbps）與對應(yīng)的flac。
假設(shè)原盤是正版的，則其對應(yīng)的音質(zhì)檔次是低級、初級、中級、高級、以及最高。
先上最高級別的聲譜圖
無損聲譜圖
q10aac聲譜圖
先說明一下，橫坐標(biāo)是時(shí)間，縱坐標(biāo)是頻率，點(diǎn)的白色度程度是對應(yīng)時(shí)間與頻率的聲音強(qiáng)度。所以叫聲譜圖。
通過對比，我們發(fā)現(xiàn)，q10aac在聲音的頻率再現(xiàn)范圍與無損無差別，干到22kHz無壓力。
但是聲音的頻率再現(xiàn)強(qiáng)度則有缺陷，在一些時(shí)間段的頻率聲音強(qiáng)度缺失
上圖
q10aac缺陷
紅色圈住部分則是缺失的部分。
可以看出，q10aac在細(xì)節(jié)部分依然無法完美記錄（畢竟是有損），但是，從整體而言，其保留的信息已經(jīng)非常接近無損。個(gè)人認(rèn)為，作為高保真的格式，高碼率aac是合格的。
然后是高級檔次的聲譜對比圖
q08aac
320MP3
通過對比，我們可以發(fā)現(xiàn)，320MP3的聲譜就是一刀切，把高于20kHz的頻率都去掉，而q08aac則是干到22khz無鴨梨，在細(xì)節(jié)上，兩者都差不多，我就不上圖了，所以，這回合aac贏了。
中級檔次聲譜對比圖
q06aac
v0mp3
到了中級檔次，MP3格式在頻譜再現(xiàn)范圍達(dá)到19kHz，而aac則是18kHz。在聲音細(xì)節(jié)方面，兩者基本差不多，這回合，是MP3格式勝了。
初級檔次聲譜圖
q05aac
v2mp3
在初級檔次，MP3格式的頻率平均在16kHz，不少能上到18kHz，而aac格式，同樣如此。但是，在細(xì)節(jié)呈現(xiàn)方面，aac超過16kHz的聲音比MP3多得多。
而低于16kHz部分，兩者差不多。所以說，這回合aac贏了。
低級檔次
q04aac
v5mp3
在低級檔次，MP3是一刀切的到16kHz，而aac則是平均16kHz下不少能干到17kHz。
低于16kHz部分，aac記錄的反而沒有MP3完整。個(gè)人認(rèn)為，這回合打和。
通過這次對比，我們可以發(fā)現(xiàn)MP3與aac在有損壓縮的理念區(qū)別，MP3是在他能記錄的頻率范圍內(nèi)，盡量保留。
而aac則是犧牲低頻部分細(xì)節(jié)去換取高頻部分的保留，在低碼率下，誰好誰不好看個(gè)人選擇。
到了高碼率下，aac則明顯優(yōu)于MP3，無論在低頻部分還是高頻部分，aac都能盡量保留，而MP3則對高頻部分依然無能為力。
5.音頻格式選擇的個(gè)人推薦
在第三部分，我曾經(jīng)提了兩個(gè)問題，無損壓縮格式之間的音質(zhì)區(qū)別以及wav與無損壓縮格式的區(qū)別，在這里我將解答
在第四部分，我們通過聲譜圖對比了解到有損音頻格式的優(yōu)缺點(diǎn)，為下面的有損格式選擇做下鋪墊
不過，在對第三部分的解答和做格式推薦前，我想先介紹一下音頻在播放時(shí)的流程圖
wav格式：wav數(shù)據(jù)流——》DAC——》濾波電路——》放大電路——》輸出
有損格式：有損數(shù)據(jù)流——》解碼——》DAC——》濾波電路——》放大電路——》輸出
無損壓縮格式：無損壓縮數(shù)據(jù)流——》解壓縮——》DAC——》濾波電路——》放大電路——》輸出
說明：DAC的作用是把數(shù)字信號(hào)變成模擬信號(hào)，濾波電路是把無用的頻率成分去掉，放大電路這是對模擬信號(hào)進(jìn)行放大，以便于輸出
通過播放流程圖，我們可以看到，wav格式的播放是最簡單的，而有損格式和無損壓縮格式都多了一個(gè)步驟。
在信號(hào)處理里面，有這么一句話“誤差無處不在”。
這一句話的含義是，每多一步的處理，誤差產(chǎn)生的可能性會(huì)越大以及誤差的積累可能會(huì)越多。
對于有損格式而言，在格式上本來對于無損格式唯一的優(yōu)點(diǎn)就是壓縮率足夠大，而這個(gè)壓縮率是以犧牲音質(zhì)為前提，音質(zhì)不如無損，正常。
那些提問“ape和flac是否有區(qū)別，wav是不是比無損壓縮格式更好”的人，我現(xiàn)在一一做出解答
在回答前，我們先對比無損壓縮格式和wav的播放流程，可以看到，無損壓縮格式比wav多了一個(gè)“解壓縮”這個(gè)步驟。
對于不同的無損壓縮格式而言，解壓縮的算法也是不同的。
那些說wav比無損壓縮格式好的人，他們的看法有合理之處。
為啥我會(huì)這么說，不是說無損壓縮嘛，既然無損，就應(yīng)該無區(qū)別。
是的，在文件的信息完整度上而言，沒錯(cuò)，wav和其他無損壓縮格式都沒有任何區(qū)別?。?！
有區(qū)別不是在文件本身，而是播放過程?。?！
因?yàn)闊o損壓縮格式在播放的過程中走的步驟比wav格式多了一個(gè)?。?！
那就是解壓縮?。。?！
假設(shè)我們可以保證后面的DAC、濾波電路、放大電路兩者是一樣的，然而，多了解壓縮的這個(gè)步驟，則可能對音質(zhì)產(chǎn)生影響。
為啥我要這么說，解壓縮可能會(huì)對音質(zhì)產(chǎn)生影響。
產(chǎn)生影響的原理我不清楚，不過，可以參照之前說的，誤差無處不在。
意味著，解壓縮這個(gè)步驟，其產(chǎn)生的誤差有可能對整體的音質(zhì)造成影響。
至于這個(gè)影響是否能忽略，就看生產(chǎn)商的功力了。
同樣，那些無損壓縮格式在最終的音質(zhì)區(qū)別看的也不是格式本身，而是這個(gè)“解壓縮”做的是否足夠好，好到忽視誤差的影響。
有了上面播放的流程的介紹，還有第四部分的聲譜分析，我們就可以根據(jù)使用的環(huán)境，進(jìn)行格式推薦。
不在乎音頻文件體積大小的，追求音質(zhì)的，首選當(dāng)然是無損格式。
如果你的前端能支持無損壓縮格式，而你的播放系統(tǒng)能聽出wav和無損壓縮格式的差距（就是說解壓縮的誤差你能聽出來），上wav。
不然，上無損壓縮格式。
在乎音頻文件體積大小的，又追求音質(zhì)的，上高碼率aac。
不過，這里有個(gè)前提，你的播放系統(tǒng)得能聽出高碼率aac與320MP3的區(qū)別，不然，還是乖乖的上MP3，別折騰。
不在意音質(zhì)的，上MP3就行了。
這里都有一個(gè)大前提，這些音頻文件都是由真無損轉(zhuǎn)的，而不是假無損轉(zhuǎn)的。不然，換個(gè)大倉庫，里面存的東西依然垃圾。
后記：總算把這篇音頻格式研究文搞定，好蛋疼，不過，得感謝學(xué)院里的老師，在信息處理相關(guān)的課程教得很細(xì)致，讓我的學(xué)習(xí)沒白學(xué)。
|
