音頻基本知識

音頻基本知識第一部分 模擬聲音-數(shù)字聲音原理第二部分 音頻壓縮編碼第三部分 和弦鈴聲格式第四部分 單聲道、立體聲和環(huán)繞聲第五部分 3D環(huán)繞聲技術(shù)第六部分 數(shù)字音頻格式和數(shù)字音頻接口第一部分 模擬聲音-數(shù)字聲音原理一、模擬聲音數(shù)字化原理聲音是通過空氣傳播的一種連續(xù)的波，叫聲波。聲音的強弱體現(xiàn)在聲波壓力的大小上，音調(diào)的高低體現(xiàn)在聲音的頻率上。聲音用電表示時，聲音信號在時間和幅度上都是連續(xù)的模擬信號。 圖1 模擬聲音數(shù)字化的過程聲音進入計算機的第一步就是數(shù)字化，數(shù)字化實際上就是采樣和量化。連續(xù)時間的離散化通過采樣來實現(xiàn)。聲音數(shù)字化需要回答兩個問題：每秒鐘需要采集多少個聲音樣本，也就是采樣頻率(fs)是多少，每個聲音樣本的位數(shù)(bit per sample，bps)應該是多少，也就是量化精度。 采樣頻率采樣頻率的高低是根據(jù)奈奎斯特理論(Nyquist theory)和聲音信號本身的最高頻率決定的。奈奎斯特理論指出，采樣頻率不應低于聲音信號最高頻率的兩倍，這樣才能把以數(shù)字表達的聲音還原成原來的聲音。采樣的過程就是抽取某點的頻率值，很顯然，在一秒中內(nèi)抽取的點越多，獲取得頻率信息更豐富，為了復原波形，一次振動中，必須有2個點的采樣，人耳能夠感覺到的最高頻率為20kHz，因此要滿足人耳的聽覺要求，則需要至少每秒進行40k次采樣，用40kHz表達，這個40kHz就是采樣率。我們常見的CD，采樣率為44.1kHz。電話話音的信號頻率約為3.4 kHz，采樣頻率就選為8 kHz。 量化精度光有頻率信息是不夠的，我們還必須紀錄聲音的幅度。量化位數(shù)越高，能表示的幅度的等級數(shù)越多。例如，每個聲音樣本用3bit表示，測得的聲音樣本值是在08的范圍里。我們常見的CD位16bit的采樣精度，即音量等級有2的16次方個。樣本位數(shù)的大小影響到聲音的質(zhì)量，位數(shù)越多，聲音的質(zhì)量越高，而需要的存儲空間也越多。 壓縮編碼經(jīng)過采樣、量化得到的PCM數(shù)據(jù)就是數(shù)字音頻信號了，可直接在計算機中傳輸和存儲。但是這些數(shù)據(jù)的體積太龐大了！為了便于存儲和傳輸，就需要進一步壓縮，就出現(xiàn)了各種壓縮算法，將PCM轉(zhuǎn)換為MP3,AAC,WMA等格式。常見的用于語音(Voice)的編碼有：EVRC (Enhanced Variable Rate Coder) 增強型可變速率編碼，AMR、ADPCM、G.723.1、G.729等。常見的用于音頻(Audio)的編碼有：MP3、AAC、AAC+、WMA等二、問題1、為什么要使用音頻壓縮技術(shù)？我們可以拿一個未壓縮的CD文件(PCM音頻流)和一個MP3文件作一下對比：PCM音頻：一個采樣率為44.1KHz，采樣大小為16bit，雙聲道的PCM編碼CD文件，它的數(shù)據(jù)速率則為 44.1K162 =1411.2 Kbps，這個參數(shù)也被稱為數(shù)據(jù)帶寬。將碼率除以8 bit,就可以得到這個CD的數(shù)據(jù)速率，即176.4KB/s。這表示存儲一秒鐘PCM編碼的音頻信號，需要176.4KB的空間。MP3音頻：將這個WAV文件壓縮成普通的MP3，44.1KHz，128Kbps的碼率，它的數(shù)據(jù)速率為128Kbps/8=16KB/s。如下表所示：比特率存1秒音頻數(shù)據(jù)所占空間CD(線性PCM)1411.2 Kbps176.4KBMP3128Kbps16KBAAC96Kbps12KBmp3PRO64Kbps8KB 表1 相同音質(zhì)下各種音樂大小對比2、頻率與采樣率的關(guān)系采樣率表示了每秒對原始信號采樣的次數(shù)，我們常見到的音頻文件采樣率多為44.1KHz，這意味著什么呢？假設(shè)我們有2段正弦波信號，分別為20Hz和20KHz，長度均為一秒鐘，以對應我們能聽到的最低頻和最高頻，分別對這兩段信號進行40KHz的采樣，我們可以得到一個什么樣的結(jié)果呢？結(jié)果是：20Hz的信號每次振動被采樣了40K/20=2000次，而20K的信號每次振動只有2次采樣。顯然，在相同的采樣率下，記錄低頻的信息遠比高頻的詳細。這也是為什么有些音響發(fā)燒友指責CD有數(shù)碼聲不夠真實的原因，CD的44.1KHz采樣也無法保證高頻信號被較好記錄。要較好的記錄高頻信號，看來需要更高的采樣率，于是有些朋友在捕捉CD音軌的時候使用48KHz的采樣率，這是不可取的！這其實對音質(zhì)沒有任何好處，對抓軌軟件來說，保持和CD提供的44.1KHz一樣的采樣率才是最佳音質(zhì)的保證之一，而不是去提高它。較高的采樣率只有相對模擬信號的時候才有用，如果被采樣的信號是數(shù)字的，請不要去嘗試提高采樣率。3、流特征隨著網(wǎng)絡(luò)的發(fā)展，人們對在線收聽音樂提出了要求，因此也要求音頻文件能夠一邊讀一邊播放，而不需要把這個文件全部讀出后然后回放，這樣就可以做到不用下載就可以實現(xiàn)收聽了。也可以做到一邊編碼一邊播放，正是這種特征，可以實現(xiàn)在線的直播，架設(shè)自己的數(shù)字廣播電臺成為了現(xiàn)實。第二部分 音頻壓縮編碼一有損(lossy)/無損(lossless)/未壓縮(uncompressed)音頻格式未壓縮音頻是一種沒經(jīng)過任何壓縮的簡單音頻。未壓縮音頻通常用于影音文件的的PCM或WAV音軌。無損壓縮音頻是對未壓縮音頻進行沒有任何信息/質(zhì)量損失的壓縮機制。無損壓縮音頻一般不使用于影音世界，但是存在的格式有無損WMA或Matroska里的FLAC。有損壓縮音頻嘗試盡可能多得從原文件刪除沒有多大影響的數(shù)據(jù)，有目的地制成比原文件小多的但音質(zhì)卻基本一樣。有損壓縮音頻普遍流行于影音文件，包括AC3, DTS, AAC, MPEG-1/2/3, Vorbis, 和Real Audio.我們也來討論下無損/有損壓縮過程。只要你轉(zhuǎn)換成一種有損壓縮音頻格式（例如wav 轉(zhuǎn)MP3），質(zhì)量上有損失，那么它就是有損壓縮。從有損壓縮音頻格式轉(zhuǎn)換成另一有損壓縮音頻格式（例如Mp3轉(zhuǎn)AAC）更槽糕，因為它不僅會引入原文件存在的損失，而且第2次編碼也會有損失。二、語音(Voice)編碼和音頻(Audio)編碼語音編碼主要是針對語音通信系統(tǒng)中的編碼方案，應用在有線或無線通信中；音頻編碼是針對音樂的編碼方案，主要用來更方便地實現(xiàn)對音樂文件進行網(wǎng)絡(luò)傳輸和存儲。兩者的差別一方面是頻帶不同，另一方面是壓縮要求不一樣，音樂要求具有高保真度和立體感等要求。 音頻編碼最常見的是MPEG的音頻編碼。語音的編碼技術(shù)通常分為三類：波形編碼、參量編碼和混合編碼。其中，波形編碼和參量編碼是兩種基本類型。 波形編碼是將時間域信號直接變換為數(shù)字代碼，力圖使重建語音波形保持原語音信號的波形形狀。波形編碼的基本原理是在時間軸上對模擬語音按一定的速率抽樣，然后將幅度樣本分層量化，并用代碼表示。解碼是其反過程，將收到的數(shù)字序列經(jīng)過解碼和濾波恢復成模擬信號。它具有適應能力強、語音質(zhì)量好等優(yōu)點，但所用的編碼速率高，在對信號帶寬要求不太嚴格的通信中得到應用，而對頻率資源相對緊張的移動通信來說，這種編碼方式顯然不合適。 脈沖編碼調(diào)制（PCM）和增量調(diào)制（M），以及它們的各種改進型自適應增量調(diào)制（ADM），自適應差分編碼（ADPCM）等，都屬于波形編碼技術(shù)。它們分別在64以及16Kbit/s的速率上，能給出高的編碼質(zhì)量，當速率進一步下降時，其性能會下降較快。 參量編碼又稱為聲源編碼，是將信源信號在頻率域或其它正交變換域提取特征參量，并將其變換成數(shù)字代碼進行傳輸。具體說，參量編碼是通過對語音信號特征參數(shù)的提取和編碼，力圖使重建語音信號具有盡可能高的可靠性，即保持原語音的語意，但重建信號的波形同原語音信號的波形可能會有相當大的差別。這種編碼技術(shù)可實現(xiàn)低速率語音編碼，比特率可壓縮到2Kbit/s-4.8Kbit/s ，甚至更低，但語音質(zhì)量只能達到中等，特別是自然度較低，連熟人都不一定能聽出講話人是誰。線性預測編碼（LPC ）及其它各種改進型都屬于參量編碼?；旌暇幋a將波形編碼和參量編碼組合起來，克服了原有波形編碼和參量編碼的弱點，結(jié)合各自的長處，力圖保持波形編碼的高質(zhì)量和參量編碼的低速率，在4-16Kbit/s速率上能夠得到高質(zhì)量的合成語音。多脈沖激勵線性預測編碼（MPLPC ），規(guī)劃脈沖激勵線性預測編碼（KPELPC），碼本激勵線性預測編碼（CELP）等都是屬于混合編碼技術(shù)。很顯然，混合編碼是適合于數(shù)字移動通信的語音編碼技術(shù)。三、無線通信中常見語音編碼PHS為32kbit/s的ADPCM編碼，GSM為13kbit/s的規(guī)則脈沖激勵長期預測(RPE-LTP)編碼，WCDMA使用的是自適應多速率編碼(AMR)，cdma2000使用的是可變速率編碼(IS-773，IS-127)。1、AMR編碼（介紹它的原因是因為手機中有使用AMR鈴聲）。在3G多媒體通信的發(fā)展過程中，音視頻編碼有了很大的發(fā)展。1999年初,3GPP采納了由愛立信、諾基亞、西門子提出的自適應多速率(AMR)標準作為第三代移動通信中語音編解碼器的標準。AMR聲碼器采用代數(shù)碼本激勵線性預測(ACELP:Algebraic Code Excited Linear Prediction)編碼方式。AMR標準針對不同的應用，分別提出了AMRNB，AMR-WB和AMR-WB+三種不同的協(xié)議。AMR-NB應用于窄帶，而AMR-WB和AMR-WB+則應用于寬帶通信中。 對于手機鈴聲，AMRNB對應的鈴聲文件擴展名是.amr，AMR-WB對應鈴聲文件擴展名是.awb。它們不是音樂，而是錄音得到的原聲。2、ADPCM編碼自適應差分脈碼調(diào)制(ADPCM)是在差分脈碼調(diào)制(DPCM)的基礎(chǔ)上發(fā)展起來的。DPCM根據(jù)信號的過去樣值預測下一個樣值，并將預測誤差加以量化、編碼，而后進行傳輸，由于預測誤差的幅度變化范圍小于原信號的幅度變化范圍，因此在相同量化噪聲條件下，DPCM的量化比特數(shù)小于PCM，從而達到語音壓縮編碼的目的。ADPCM與DPCM比較，兩者主要區(qū)別在于ADPCM中的量化器和預測器采用了自適應控制。同時，在譯碼器中多了一個同步編碼調(diào)整，其作用是為了在同步級連時不產(chǎn)生誤差積累。20世紀80年代以來，32kbs的ADPCM技術(shù)已日趨成熟，并接近PCM的質(zhì)量，但卻節(jié)省一半的信道容量，因而受到重視。1984年CCITT提出G721建議,采用動態(tài)鎖定量化器，這是一種具有自適應速度控制32kbs的自適應量化器，并將它作為國際標準化的語音編碼方法。1986年又對G721建議進行了修正，稱G726建議。ADPCM不適合作音樂的編碼，常用于錄音。雅馬哈的MMF鈴聲用到MIDI+PCM/ADPCM技術(shù)，其中PCM和ADPCM就是模擬音效，包括人聲。四、各種主流音頻編碼（或格式）的介紹1、PCM編碼PCM（Pulse Code Modulation）,即脈沖編碼調(diào)制，指模擬音頻信號只經(jīng)過采樣、模數(shù)轉(zhuǎn)換直接形成的二進制序列，未經(jīng)過任何編碼和壓縮處理。PCM編碼的最大的優(yōu)點就是音質(zhì)好，最大的缺點就是體積大。在計算機應用中，能夠達到最高保真水平的就是PCM編碼，在 CD、DVD以及我們常見的WAV文件中均有應用。2、WAVE格式（鈴聲）這是一種古老的音頻文件格式，由微軟開發(fā)。WAV對音頻流的編碼沒有硬性規(guī)定，除了PCM之外，還有幾乎所有支持ACM規(guī)范的編碼都可以為WAV的音頻流進行編碼。WAV可以使用多種音頻編碼來壓縮其音頻流，不過我們常見的都是音頻流被PCM編碼處理的WAV，但這不表示W(wǎng)AV只能使用PCM編碼，MP3編碼同樣也可以運用在WAV中，只要安裝好了相應的Decode，就可以欣賞這些WAV了。在Windows平臺下，基于PCM編碼的WAV是被支持得最好的音頻格式，所有音頻軟件都能完美支持，由于本身可以達到較高的音質(zhì)的要求，因此，WAV也是音樂編輯創(chuàng)作的首選格式，適合保存音樂素材。因此，基于PCM編碼的WAV被作為了一種中介的格式，常常使用在其他編碼的相互轉(zhuǎn)換之中，例如MP3轉(zhuǎn)換成WMA。3、 MP3編碼（鈴聲）MP3，眾所周知也就是MPEG-1 Layer 3，是一個意圖達到高的壓縮率同時又能保持相當不錯的音質(zhì)的有損音頻格式。Layer 3不是MPEG Layer 1或Layer 2的新版，只是與它們不同的復雜的編碼方案?，F(xiàn)在有許多可用的MP3編碼器，其中最高品質(zhì)的莫過于Lame，同時它也是開源免費的。MP3技術(shù)上支持多聲道（多于2個聲道），但從未實施過或者今后也不會了。事實上，你可以編碼源文件為pro logic （II）的多聲道文件變換成立體聲MP3。MP3有不同的采樣率和比特率（注意比特率并不是量化精度，而是代表壓縮比），代表不同的音質(zhì)。網(wǎng)絡(luò)上流行的MP3是44.1KHz采樣率，128Kbps比特率的。下表中列出了不同品質(zhì)的MP3，其中列表示SR(采樣頻率)，范圍8KHz48KHz，行表示BR（比特率），范圍8Kbps320Kbps。MPEG 2.5 Layer 3 BR(kbps)SR(KHz)8162432404856648096112128144160811.02512MPEG 2 Layer 3 BR(kbps)SR(KHz)81624324048566480961121281441601622.0524MPEG 1 Layer 3 BR(kbps)SR(KHz)324048566480961121281601922242563203244.148 表二 MP3對應的不同采樣率和比特率4、OGG編碼（鈴聲）網(wǎng)絡(luò)上出現(xiàn)了一種叫Ogg Vorbis的音頻編碼，號稱MP3殺手！Ogg Vorbis究竟什么來頭呢？OGG是一個龐大的多媒體開發(fā)計劃的項目名稱，將涉及視頻音頻等方面的編碼開發(fā)。整個OGG項目計劃的目的就是向任何人提供完全免費多媒體編碼方案。OGG的信念就是：OPEN！FREE！Vorbis這個詞匯是特里普拉特柴特的幻想小說Small Gods中的一個花花公子人物名。這個詞匯成為了OGG項目中音頻編碼的正式命名。目前Vorbis已經(jīng)開發(fā)成功，并且開發(fā)出了編碼器。Ogg Vorbis是高質(zhì)量的音頻編碼方案，官方數(shù)據(jù)顯示：Ogg Vorbis可以在相對較低的數(shù)據(jù)速率下實現(xiàn)比MP3更好的音質(zhì)。Ogg Vorbis這種編碼也遠比90年代開發(fā)成功的MP3先進，她可以支持多聲道，這意味著什么？這意味著Ogg Vorbis在SACD、DTSCD、DVD AUDIO抓軌軟件的支持下，可以對所有的聲道進行編碼，而不是MP3只能編碼2個聲道。多聲道音樂的興起，給音樂欣賞帶來了革命性的變化，尤其在欣賞交響時，會帶來更多臨場感。這場革命性的變化是MP3無法適應的。和MP3一樣，Ogg Vorbis是一種靈活開放的音頻編碼，能夠在編碼方案已經(jīng)固定下來后還能對音質(zhì)進行明顯的調(diào)節(jié)和新算法的改良。因此，它的聲音質(zhì)量將會越來越好，和MP3相似，Ogg Vorbis更像一個音頻編碼框架，可以不斷導入新技術(shù)逐步完善。和MP3一樣，OGG也支持VBR(可變比特率)。5、MPC 編碼MPC (Muse Pack)高比特率高保真音樂格式。是另外一個令人刮目相看的實力派選手，它的普及過程非常低調(diào)，也沒有什么復雜的背景故事，她的出現(xiàn)目的就只有一個，更小的體積更好的音質(zhì)！MPC以前被稱作MP+，很顯然，可以看出她針對的競爭對手是誰。但是，只要用過這種編碼的人都會有個深刻的印象，就是她出眾的音質(zhì)。6、mp3PRO 編碼2001年6月14日，美國湯姆森多媒體公司(Thomson Multimedia SA)與佛朗赫弗協(xié)會(Fraunhofer Institute)于6月14日發(fā)布了一種新的音樂格式版本，名稱為mp3PRO，這是一種基于mp3編碼技術(shù)的改良方案，從官方公布的特征看來確實相當吸引人。從各方面的資料顯示，mp3PRO并不是一種全新的格式，完全是基于傳統(tǒng)mp3編碼技術(shù)的一種改良，本身最大的技術(shù)亮點就在于SBR（Spectral Band Replication 頻段復制），這是一種新的音頻編碼增強算法。它提供了改善低位率情況下音頻和語音編碼的性能的可能。這種方法可在指定的位率下增加音頻的帶寬或改善編碼效率。SBR最大的優(yōu)勢就是在低數(shù)據(jù)速率下實現(xiàn)非常高效的編碼，與傳統(tǒng)的編碼技術(shù)不同的是，SBR更像是一種后處理技術(shù)，因此解碼器的算法的優(yōu)劣直接影響到音質(zhì)的好壞。高頻實際上是由解碼器（播放器）產(chǎn)生的，SBR編碼的數(shù)據(jù)更像是一種產(chǎn)生高頻的命令集，或者稱為指導性的信號源，這有點駇idi的工作方式。我們可以看到，mp3PRO其實是一種mp3信號流和SBR信號流的混合數(shù)據(jù)流編碼。有關(guān)資料顯示，SBR技術(shù)可以改善低數(shù)據(jù)流量下的高頻音質(zhì)，改善程度約為30%，我們不管這個30%是如何得來的，但可以事先預知這種改善可以讓64kbps的mp3達到128kbps的mp3的音質(zhì)水平（注：在相同的編碼條件下，數(shù)據(jù)速率的提升和音質(zhì)的提升不是成正比的，至少人耳聽覺上是這樣的），這和官方聲稱的64kbps的mp3PRO可以媲美128kbps的mp3的宣傳基本是吻合的。7、WMA（鈴聲） WMA就是Windows Media Audio編碼后的文件格式，由微軟開發(fā)，WMA針對的不是單機市場，而是網(wǎng)絡(luò)。競爭對手就是網(wǎng)絡(luò)媒體市場中著名的Real Networks。微軟聲稱，在只有64kbps的碼率情況下，WMA可以達到接近CD的音質(zhì)。和以往的編碼不同，WMA支持防復制功能，她支持通過Windows Media Rights Manager 加入保護，可以限制播放時間和播放次數(shù)甚至于播放的機器等等。WMA支持流技術(shù)，即一邊讀一邊播放，因此WMA可以很輕松的實現(xiàn)在線廣播，由于是微軟的杰作，因此，微軟在Windows中加入了對WMA的支持，WMA有著優(yōu)秀的技術(shù)特征，在微軟的大力推廣下，這種格式被越來越多的人所接受。8、RARA就是RealAudio格式，這是各位網(wǎng)蟲接觸得非常多的一種格式，大部分音樂網(wǎng)站的在線試聽都是采用了RealAudio，這種格式完全針對的就是網(wǎng)絡(luò)上的媒體市場，支持非常豐富的功能。最大的閃爍點就是這種格式可以根據(jù)聽眾的帶寬來控制自己的碼率，在保證流暢的前提下盡可能提高音質(zhì)。RA可以支持多種音頻編碼，包括ATRAC3。和WMA一樣，RA不但都支持邊讀邊放，也同樣支持使用特殊協(xié)議來隱匿文件的真實網(wǎng)絡(luò)地址，從而實現(xiàn)只在線播放而不提供下載的欣賞方式。這對唱片公司和唱片銷售公司很重要，在各方的大力推廣下，RA和WMA是目前互聯(lián)網(wǎng)上，用于在線試聽最多的音頻媒體格式。9、APEAPE是Monkeys Audio提供的一種無損壓縮格式。Monkeys Audio提供了Winamp的插件支持，因此這就意味著壓縮后的文件不再是單純的壓縮格式，而是和MP3一樣可以播放的音頻文件格式。這種格式的壓縮比遠低于其他格式，但能夠做到真正無損，因此獲得了不少發(fā)燒用戶的青睞。在現(xiàn)有不少無損壓縮方案種，APE是一種有著突出性能的格式，令人滿意的壓縮比以及飛快的壓縮速度，成為了不少朋友私下交流發(fā)燒音樂的唯一選擇。10、AMR(鈴聲) AMR(Adaptive Multi-Rate)自適應多速率編碼。是一種應用在手機上的一種語音壓縮格式，也就是說我們用手機錄音而成的文件就是這種格式的。AMR格式壓縮率較高但是音質(zhì)相對較差了一點。優(yōu)點就是我們可以隨心所欲地錄制。11、AAC/AAC+ 什么是AAC?AAC代表Advanced Audio Coding(高級音頻解碼)，是一種由MPEG-4標準定義的有損音頻壓縮格式，由Fraunhofer發(fā)展，Dolby, Sony和AT&T是主要的貢獻者。它被認為是MP3的繼承者。AAC能夠在一條音軌中包括48條全帶寬（直到96khz）音頻聲道，加上15條低頻增強（LFE，限制到120Hz）聲道，直到15條數(shù)據(jù)流并且更多。其實，AAC的技術(shù)早在1997年就成型了，當時被稱為MPEG-2 AAC，但是隨著2000年MPEG-4音頻標準的出臺，MPEG-2 AAC被用在這一標準中，同時追加了一些新的編碼特性，所以它就改稱為MPEG-4 AAC。與MP3不同，AAC的技術(shù)掌握在多家廠商手中，這使得AAC編碼器非常多，既有純商業(yè)的編碼器，也有完全免費的編碼器。純商業(yè)的編碼器如Fraunhofer IIS的FhG、杜比公司的Dolby AAC，免費的有Free AAC、蘋果公司的iTune，Nero也通過它的Nero 6提供了Nero AAC。AAC是一種高壓縮比的音頻壓縮算法，它的壓縮比可達20:1，遠遠超過了AC-3、MP3等較老的音頻壓縮算法。一般認為，AAC格式在96Kbps碼率的表現(xiàn)超過了128Kbps的MP3音頻。AAC另一個引人注目的地方就是它的多聲道特性，它支持148個全音域音軌和15個低頻音軌。除此之外，AAC最高支持96KHz的采樣率，其解析能力足可以和DVD-Audio的PCM編碼相提并論，因此，它得到了DVD論壇的支持，成為了下一代DVD的標準音頻編碼。AAC的家族非常龐大，有9種規(guī)格，可適應不同場合應用的需要。其中LC低復雜性規(guī)格去掉了預測和增益控制模塊，降低了復雜度，提高編碼效率，是目前使用得最多的規(guī)格。目前，蘋果、AT&T和RealNetworks已經(jīng)開始提供收費的AAC音樂下載服務(wù)。AAC也得到了眾多硬件廠商的支持，除了蘋果的iPOD隨身聽，還有諾基亞的多款手機及松下的部分隨身聽產(chǎn)品可支持AAC音頻的播放。另外，目前已經(jīng)有部分MPEG-1/2解碼芯片中加入了AAC解碼功能，出現(xiàn)支持AAC音頻播放的DVD影碟機肯定是遲早的事情。 什么是HE-AAC(也稱AAC+)和LC-AAC？AAC有兩種LC AAC與HE AAC，HE AAC是較新的。LC意思是low complexity(低復雜性)而HE意思是 high efficiency(高效性)。HE-AAC也稱之為AAC SBR/AAC+/aacplus等。注意HE-AAC注重于低碼流的編碼并很適合多聲道文件（更小的文件尺寸）。從學術(shù)上講，HE-AAC混合了AAC與SBR技術(shù)，處理低比特率能有較好的效果。SBR代表的是Spectral Band Replication(頻段復制)。SBR的關(guān)鍵是在低碼流下提供全帶寬的編碼而不會產(chǎn)生產(chǎn)生多余的信號。傳統(tǒng)認為音頻編碼在低碼流下意味著減少帶寬和降低采樣率或產(chǎn)生令人不快的噪音信號。SBR解決問題的方法是讓核心編碼去編碼低頻信號，而SBR解碼器通過分析低頻信號產(chǎn)生高頻信號和一些保留在比特流中的指導信號（通常碼流極低，2 kbps）。這也是為什么被叫做Spectral Band Replication的原因，它只是增加音頻的帶寬，而非重建。(類似的技術(shù)也用在mp3 pro 64kbps能媲美128kbps的mp3就是這道理) MP4與AACMP4最初是一種音頻格式，和MPEG-4沒有太大的關(guān)系，就像MP3和MPEG-3沒有關(guān)系一樣。MP3是MPEG-1 Audio Layer 3 的縮寫；而MP4是MPEG-2 AAC，完完全全是一種音頻壓縮格式， 增加了諸如對立體聲的完美再現(xiàn)、多媒體控制、降噪等新特性，最重要的是，MP4通過特殊的技術(shù)實現(xiàn)數(shù)碼版權(quán)保護，這是MP3所無法比擬的?，F(xiàn)在市面上的MP4多數(shù)偏向于多媒體播放器，能夠播放AAC的，可以說是鳳毛麟角。甚至有媒體把MP4說成是MPEG4的縮寫，這在以前看來是一個謬論，但是經(jīng)過商家不斷的炒作，這個謬論也就成為了真理?，F(xiàn)在若果你去電腦城聽到MP4這個詞，絕對是能播放視頻格式的多媒體播放器的概念，而不是能播放音頻MP4 AAC的隨身聽。出現(xiàn)這種怪現(xiàn)象不是毫無原因的，上面已提到AAC有版權(quán)保護功能，這也是眾多唱片公司支持AAC的原因，要使自己的播放器支持AAC，還得支持付一定的版權(quán)費或?qū)＠M，另外，AAC的來源也是個問題，不像MP3那么開放，網(wǎng)上來源極少，所以目前音頻MP4播放器發(fā)展尚不成熟，鑒于以上現(xiàn)狀，眾商家干脆“借尸還魂”，把MP4等同MPEG-4縮寫而論，這樣也恰好應了MP4是MP3的下一代這條規(guī)律，除了支持MP3所具有的音樂播放功能外，還具備強大的MPEG-4視頻播放能力，另外，恰好“4”在“3”后，從這點出發(fā)，把MP4等同MPEG-4是合理的。第三部分 和弦鈴聲格式 與音樂不同的是，和弦鈴聲都是制作出來的。播放的時候，只需要合成（或解碼）就可以輸出PCM格式的數(shù)據(jù)，然后PCM格式的數(shù)據(jù)可以通I2S接口傳輸，然后經(jīng)過數(shù)-模轉(zhuǎn)換輸出。1、 MIDI合成音樂 什么是MIDI？MIDI（Musical Instrument Digital Interface）音樂設(shè)備數(shù)字化接口，也稱為數(shù)字音序?！癕IDI”文件(*.MID)不是聲音文件,不是一段錄制好的聲音，而是記錄聲音的信息，然后再告訴聲卡如何再現(xiàn)音樂的一組指令?？梢宰鲞@樣的比喻：如果數(shù)字音頻是一個人獨奏吉它時的錄音帶，MIDI文件則相當于該獨奏曲的樂譜。雖然樂譜本身不能產(chǎn)生出任何實際的聲音來，但是樂譜確定了音樂演奏得有多快，撥哪個音符，以及應該用多大的力度彈奏吉它。我們可以從以下幾點說明“MIDI”文件(*.MID)的特性:1. 首先,正如上所說,它不是聲音文件,只是一組指導聲卡如何發(fā)聲的指令，因此它生成的文件比較小。2. 它只能應用于電子音樂設(shè)備(如電腦聲卡等)，而不能應用于人聲。原因很簡單，它發(fā)出的聲音只能來自聲卡中的內(nèi)置音源（例如波表ROM中存儲的音色）。自然界中那么豐富的音樂的和非音樂的聲音，都是不能包括在內(nèi)的。要在MIDI中混合自然界的模擬音效，一般是在在MIDI上疊加PCM/ADPCM。 3. midi格式是記錄每個音的音色、音名、響度、角度、時間等，根據(jù)記錄查詢音色庫，得到應發(fā)聲音。簡單的說，每個音軌對應一種樂器，上面以特定的格式記錄每時刻該樂器所演奏的樂音。比如，在某時刻被定義為鋼琴的音軌上記錄著上面所說的135組成的和弦，那么芯片就查詢音色庫得到所對應的音效，然后合成、播放。所以音色庫是關(guān)系midi是否動聽的關(guān)鍵因素，好的音色庫是很占地方的。手機中記錄音樂的方法與電腦上的midi相同或相似，不同的是它所記錄的全是單音，而復雜的和弦音效沒有記錄。手機和弦芯片中的音色庫都預先存儲在內(nèi)置的波表ROM中。 MIDI的分類：MIDI格式后綴名是.MID，但其有MIDI0、MIDI1、MIDI2、SP-MIDI、XGMIDI等多種規(guī)范。MIDI0和MIDI1：MIDI0是單音軌，MIDI1是多音軌。手機的和弦數(shù)目等于midi格式中的音軌數(shù)，手機的每個音軌都是單音音軌。網(wǎng)上的絕大多數(shù)MIDI音樂都是多音軌的。另外，MIDI0的讀入和處理速度要快些，有的硬件可以直接讀軟盤上的MIDI文件回放（即時回放），而MIDI1的做不到。SMF（Standard MIDI Format）：是標準的MIDI格式，SMF分為format0和format1兩種格式，即MIDI0和MIDI1。SPMIDI：MIDI協(xié)會(MMA)推出一個新的規(guī)定Scalable Polyphony MIDI(簡稱SP-MIDI)，大概可以譯成“可升級的MIDI復音”。據(jù)介紹，這個規(guī)定主要作用是當合成器或音源的同時發(fā)音數(shù)小于作品的要求時，可以根據(jù)作曲家的事先決定省略某些音符或聲部。例如一部為GM2音源寫作的作品（要求32復音）在GM1或GM Lite音源上演奏的時候，由于同時發(fā)音數(shù)不足，必然有一些音符被忽略掉。過去這個決定權(quán)在機器方面，帶有隨機的性質(zhì)，可能把樂曲搞得殘缺不全?，F(xiàn)在依據(jù)“可升級的MIDI復音”規(guī)定，控制權(quán)轉(zhuǎn)移到作曲家手中，創(chuàng)作音樂的時候就可以設(shè)計好不同的“樂隊編制”，使MIDI樂曲的正確演奏更有保證。另外，SP-MIDI標準為使用MIDI消息實現(xiàn)對振動提示的控制定義了一種可選方法， SP-MIDI內(nèi)容中可以同時含有音頻和振動兩種表現(xiàn)形式。振動控制被定義為弦樂器。 什么是音樂合成技術(shù)？ 音樂合成的途徑1. 采樣合成（波表合成）：這是最常見的音樂合成方式，為了得到鋼琴聲，就把鋼琴在不同音階下發(fā)出的聲音錄制保存下來，當播放音樂需要鋼琴聲時，錄制下來的樣本被調(diào)用并通過計算來獲得正確的音符。其缺點是需要許多存儲空間來保存高質(zhì)量的聲音樣本。例如，大多數(shù)PC使用采樣合成，其波表將占用8MB或更多存儲空間，這對移動電話電話來說是一個非常大的開銷。2. 波譜匹配：Yamaha的調(diào)頻合成（FM合成）同潤威公司的GAP都屬于這種類型。這種方式包括找到一個數(shù)學公式來調(diào)制樂器聲音輸出使得其像真正的樂器那樣。這種方式使用很少的系統(tǒng)開銷，同時也比采樣合成使用的存儲空間少很多。 MIDI的三個標準：GS、GM、XG 音樂的要素之一是音色。在MIDI中，一種樂器就是一種音色（Patch,Program和Timbre)。現(xiàn)實的情況是不同的合成器和音源的制造者為了使自己的產(chǎn)品有獨特之處，總是開發(fā)出若干種特殊音色，因而不同品牌的設(shè)備在音色種類和音色排列順序方面會大不相同。這就導致了一個缺陷的出現(xiàn)：使用甲合成器制作的MIDI文件，換了乙合成器就不能正確播放。其原因在于甲合成器上01號音色可能是鋼琴，而在乙合成器上，01號音色可能是打擊樂或其他音色?？偠灾?。每一種MIDI設(shè)備的音色設(shè)置（以及其他方面）都具有排他性。這就使音樂家受到了設(shè)備的制約。為了有利于音樂家廣泛地使用不同的合成器設(shè)備和促進MIDI文件的交流， MIDI協(xié)會（MMA）于1991年制訂了“通用MIDI”（GM）標準。該標準以日本Roland公司的通用合成器（GS）標準為基礎(chǔ)而制訂。 值得注意的是，雖然現(xiàn)在有了國際通用的GM標準可供電子樂器生產(chǎn)廠家參照，但仍有另外兩個標準與GM標準共存，一個是GS標準，為Roland公司的產(chǎn)品所專用，它產(chǎn)生于GM標準出現(xiàn)之前，也是GM的前身。另一個是后來出現(xiàn)的XG標準，為YAMAHA公司的產(chǎn)品所專用。1、GS標準。 GS為General Synthesizer的縮寫，意為“通用合成器”，是羅蘭公司創(chuàng)立的一種 MIDI標準。該標準具有有以下五種主要功能：1）16個聲部。2）最大復音數(shù)為24或更多。3）GS格式的樂器音色排列，該格式包含有各種不同風格的音樂所使用的樂器音色和打擊樂音色。4）鼓音色可以通過音色改變信息進行選擇。5）包含兩種可調(diào)節(jié)的效果，有混響和合唱。2、GM標準。 GM是 General MIDI Mode(通用MIDI）的縮寫，即GMM，通?？s寫為GM。該標準是MIDI協(xié)會以羅蘭公司的通用合成器（GS）標準為基礎(chǔ)而建立的標準。該標準為一般合成器所共有的128種樂器音色（分成16組）規(guī)定了序號，將47種標準的非旋律性打擊樂器分配在第10通道，并為這47種打擊樂器規(guī)定了音符序號（35（B2）-81（A6）。以下是GM標準的128種音色分類表：音色號音色類別1-8鋼琴9-16半音性打擊樂器17-25風琴26-32吉它33-40貝司41-48弦樂器49-56合（唱）奏57-64銅管樂器65-72簧片樂器73-80管鳴樂器81-88合成領(lǐng)奏89-96合成背景音色97-104合成效果105-112民間樂器113-120打擊樂121-128音響效果表三 GM音色表 3、XG標準。XG-MIDI是Extended General MIDI(擴展的通用MIDI）的縮寫。XG是繼GM標準建立之后，雅馬哈公司于1994年推出的新的音源控制規(guī)格。XG在保持與GM兼容的同時，又增加了許多新的功能，其中包括音色庫（音色數(shù)量）的增加，和啟用更多的控制器對音色亮度等方面進行控制等等。2、SMAF格式（文件擴展名.MMF)合成音樂移動應用格式（Synthetic music Mobile Application Format，縮寫為SMAF），是雅馬哈公司首創(chuàng)的一種移動電話內(nèi)容標準，是目前手機上使用非常多的和弦鈴聲，網(wǎng)絡(luò)上有非常多的鈴聲資源可供下載。最常見的為MA2，MA3，MA5。MA2對應16和弦，MA3對應40和弦，MA5對應64和弦。與MIDI相比，它采用了MIDI+PCM/ADPCM的技術(shù)，故而支持真人鈴聲。3、VMDVMD技術(shù)是針對手機平臺的新一代多媒體技術(shù)，該技術(shù)可以用于制作鈴聲、音樂、卡拉OK、動畫、移動電視、流媒體播放等，為手機用戶提供完美的多媒體體驗。這標志著移動多媒體應用產(chǎn)業(yè)鏈的核心技術(shù)層面已經(jīng)取得了關(guān)鍵性的突破，業(yè)內(nèi)人士認為它將成為未來多媒體手機的新趨勢。 以鈴聲應用為例，目前普遍采用的MIDI播放效果受播放器或合成器的限制，由于文件尺寸較小無法嵌入人聲、水聲（wave或mp3）等自然界的聲音，表現(xiàn)力不足；而WAVE和MP3文件格式可以保存自然界和樂器的聲音。但 MP3需要快速解碼，WAVE也需要格式轉(zhuǎn)換。VMD格式中對MIDI音樂指令作了全面優(yōu)化這種格式對MIDI的指令合并精簡，在保留完全相同音質(zhì)的情況下，使得MIDI音樂指令的長度更??；VMD文件的組織結(jié)構(gòu)也經(jīng)過專門設(shè)計，使得文件組織模塊化，從多軌轉(zhuǎn)換為單軌，在這方面比其它格式更適合硬件平臺處理。在文件格式上VMD吸取了SMIL等規(guī)范的優(yōu)點，使得VMD-MIDI和WAV、MP3、JPEG等數(shù)據(jù)可以保留原有存儲方式，也可以獨立解析；MIDI部分不包含專門針對合成器硬件的繁瑣的控制信息，能夠廣泛地被合成器廠商支持；VMD格式中對歌詞、版權(quán)等文本信息使用UNICODE編碼，可支持多國語言。此外，在VMD文件中還可以控制手機的LED和馬達，實現(xiàn)聲、光和震動一體化的效果，并嵌入音色庫和音效庫。第四部分 單聲道、立體聲和環(huán)繞聲一、單聲道（Mono）：所謂的單聲道，就是聲音只由一只音箱產(chǎn)生，聽眾可以很明顯地聽出聲音的來源就是音箱所擺放的位置，其本身的表現(xiàn)力較為平淡；當通過兩個揚聲器回放單聲道信息的時候，我們可以明顯感覺到聲音是從兩個音箱正中間傳遞到我們耳朵里的。二、立體聲（Stereo）：它利用了兩個獨立聲道進行錄音，整個過程不加任何的聲音處理。立體聲系統(tǒng)的再現(xiàn)需要一對音箱來完成，它通過調(diào)整系統(tǒng)中兩只音箱發(fā)出聲音的大小，讓我們誤認為聲源來自兩只音箱之間直線段中的任意位置。特別是當使用耳機的時候，由于左右兩邊的聲音串音情況很少發(fā)生，所以聲音的定位比較準確；再加上比較真實的音場感覺，它的表現(xiàn)力比單聲道真實得多。但（Stereo）的缺陷也十分明顯，最明顯就是對音箱的位置擺放要求較高，擺位的不好會直接影響聲音的表達。 圖2 立體聲及其音場四、3D環(huán)繞聲 (3D Surround)有時也稱作3D增強立體聲(3D Enhancement)。它是一種模擬環(huán)繞聲系統(tǒng)。左、右聲道的立體聲信號，經(jīng)過數(shù)字信號處理后，通過左、右兩路音箱，產(chǎn)生三維的環(huán)繞聲場效果。它使用一般雙聲道創(chuàng)建一個具有三維感覺的環(huán)繞聲音場，比立體聲好，但與編碼式環(huán)繞系統(tǒng)有相當?shù)牟罹唷３Ｒ姷挠蠸RS實驗室的SRS WOW、Q-sound實驗室的Qxpander、Spatializer實驗室的Spatializer3D等技術(shù)，主要針對普通雙聲道立體聲信號進行處理，對于杜比環(huán)繞聲信號不作解碼，采用強制處理的方式，顯而易見不可能處理AC-3信號。 圖3 3D環(huán)繞聲及其音場五、環(huán)繞聲系統(tǒng)與虛擬環(huán)繞聲（VirtualSurround）： 比較出名的有杜比AC-3（也稱Dolby Digital，杜比數(shù)字)、DTS(Digital Theater System，數(shù)字影院系統(tǒng))、THX家庭影院系統(tǒng)。 以著名的AC-3杜比數(shù)碼環(huán)繞聲系統(tǒng)為例。杜比實驗室在1991年開發(fā)出一種杜比數(shù)碼環(huán)繞聲系統(tǒng)(DolbySurroundDigitaI),即AC-3系統(tǒng)。AC-3杜比數(shù)碼環(huán)繞聲系統(tǒng)由5個完全獨立的全音域聲道和一個超低頻聲道組成,有時又將它們稱為5.1聲道。其中5個獨立聲道為:前置左聲道、前置右聲道、中置聲道、環(huán)繞左聲道和環(huán)繞右聲道；另外還有一個專門用來重放120Hz以下的超低頻聲道,即0.1聲道。圖4 5.1聲道立體環(huán)繞聲在環(huán)繞聲的實現(xiàn)上，無論是杜比AC3還是DTS，都有一個特點，就是回放時需要多個音箱，一般一個聲道對應至少一個音箱，比如用杜比數(shù)字系統(tǒng)，起碼需要5個全音頻范圍的音箱，再加上一個低音炮，由于價格及空間方面的原因，有的消費者，如多媒體電腦的用戶，并沒有足夠的音箱，這時候就需要一種技術(shù)，能夠把多聲道的信號經(jīng)過處理，在兩個平行放置的音箱中回放出來，并且能夠讓人感覺到環(huán)繞聲的效果，這就是虛擬環(huán)繞聲技術(shù)。與3D環(huán)繞技術(shù)不同的是，它是對杜比類環(huán)繞聲信號進行解碼，再利用單耳效應和雙耳效應對環(huán)繞聲信號進行虛擬化處理，盡管僅有兩個重放聲道，但讓聽眾感到多聲道效果，即產(chǎn)生所謂的揚聲器虛擬幻像。虛擬環(huán)繞聲技術(shù)主要有SRS公司的SRS TruSurround、Q-sound公司的Qsurround、Aureal公司的A3D、Spatializer公司的N-2-2DVS等技術(shù)，當然還有杜比實驗室的杜比虛擬環(huán)繞聲VSS（Virtual Surround Sound）技術(shù)，非杜比實驗室的技術(shù)一般也獲得了杜比實驗室的認可，可以用于回放杜比定向邏輯和杜比數(shù)字信號。 圖5 虛擬環(huán)繞聲第五部分 3D環(huán)繞聲技術(shù)在MP3中用到的最多的音效有BBE Sound的BBE音效和SRS實驗室的SRS音效。在音樂芯片F(xiàn)T1960中采用了SRS公司的 WOW XT Surrond Sound技術(shù)；在松下的立體聲功放AN12974A中采用了Spatializer 3D技術(shù)；在雅嗎哈的YMU788芯片中采用了DVX技術(shù)。一、SRS音效這里介紹SRS實驗室的SRS WOW（立體聲增強技術(shù)）。SRS Labs根據(jù)人類聽覺的基本元素，開發(fā)出“心理聲音”(psychoacoustic)音響技術(shù)，包括SRS（環(huán)繞聲）、TrueBass（低音增強）、FOCUS（聲場提升）及WOW（Trubass+SRS），讓人類感覺到受器材限制而聽不出的聲音?，F(xiàn)在MP3播放器所用的SRS音效是SRS WOW，它由SRS（環(huán)繞聲）, TruBass（低音增強）和FOCUS（聲場提升）組成。官方對WOW的描述如下（可能翻譯的并不準確）： WOW：可以突破小型揚聲器和耳機的固有局限，通過提供3D音頻圖象在水平及垂直方位上擴展聲音使其超越器材本身的能力。這樣，小型音頻設(shè)備，電視，無線和個人/便攜產(chǎn)品的制造商不用增大揚聲器尺寸便可顯著改善其產(chǎn)品的聲響效果。特別在諸如MP3，WMA和音頻CD這些經(jīng)數(shù)碼壓縮使空間感被極大削弱的單聲道或立體聲音頻格式上，WOW的修飾效果尤其顯著。 SRS： SRS能恢復被傳統(tǒng)錄制和播放設(shè)備掩蓋住的空間信息。通過將立體聲信號分解為多個部分，它可以分離并恢復空間信號或原始錄音所呈現(xiàn)的環(huán)境信息。 并且把它們放在直接聲音的正?？臻g。這些空間信號被專利幅頻響應校正曲線所處理。這樣，再現(xiàn)的聲音會非常接近藝術(shù)家最初設(shè)想的那種現(xiàn)場效果。SRS沒有所謂的最佳聽音位置（sweet spot），因此，音樂和聲音好像充滿了房間，使聽者完全處在全三維聲音包圍中。 TruBass： TruBass是一種SRS專利技術(shù)，運用人類聲音心理學專利技術(shù)來增強低音性能。這些技術(shù)能利用原始音源中表現(xiàn)的和聲再現(xiàn)低頻信息?；謴突镜皖l音調(diào)的感覺 即使該信息低于揚聲器和耳機的低頻極限。因此TruBass可以呈現(xiàn)出比小型、中型和大型揚聲器和耳機的低頻極限還低八度，并且深邃豐富的聽感。 FOCUS： FOCUS通過提升聲場來生成聲音圖象的高度感。當于SRS 3D結(jié)合時，F(xiàn)OCUS會放大聲音圖像，產(chǎn)生一個非常高廣，最佳聽音位置（sweet spot）寬廣的聲場。另外，F(xiàn)OCUS能改善高頻通透度讓聽者沉浸其中。在揚聲器低于音場的產(chǎn)品中，比如內(nèi)投影電視或固定在門板上的汽車揚聲器，F(xiàn)OCUS將可用電子學方法調(diào)節(jié)重新將聲場定位于聽者前方的最佳位置上。二、BBE音效BBE音效的3D環(huán)繞立體聲技術(shù)包括， BBE、BBE Mach3Bass、BBE MP三種。 BBE系統(tǒng)具有兩個基本功能，其中之一是調(diào)節(jié)低、中和高頻相位之間的關(guān)系。第二個功能是增強了高頻和低頻信號。此外，BBE還具有靜噪功能。BBE電路內(nèi)部設(shè)有噪聲門和高截止濾波器，能對輸入的雜散信號進行衰減。 BBE Mach3Bass用電子學方法擴展特定擴音器的低音響應并能精確調(diào)整需要的低頻極限。在世界知名的BBE處理相位誤差校正技術(shù)的幫助下，BBE Mach3Bass可提供比標準低音提升電量更深，更密，更精確的低音頻率。BBE Mach3Bass不影響中低段聲音，否則會在中低頻段產(chǎn)生混濁并改變角色的嗓音。 BBE MP (最小化多項非線性飽和)技術(shù)通過數(shù)字壓縮復原和增強諧波損失，進而提高經(jīng)數(shù)字壓縮處理的音頻（如MP3）音效。BBE MP從原始資料中復原聲音，因而有效地恢復聲音的溫暖感、細膩感和細微差別。BBE MP可將聲級平均提高3個分貝，同時保持峰間搖擺不變。由于聲音輸出高出3個分貝，信噪比也相應地得到了改善。通過上面技術(shù)描述的對比可以發(fā)現(xiàn)，雖然都可以提升低音，但兩者對音樂的實質(zhì)影響是完全不同的，SRS WOW帶給音樂的改變是