数字音频与模拟音频的区别?

6503690

模拟音频和数字音频
* 声音是机械振动。振动越强，声音越大，话筒把机械振动转换成电信号，模拟音频技术中以模拟电压的幅度表示声音强弱。

* 模拟声音在时间上是连续的，而数字音频是一个数据序列，在时间上是断续的。数字音频是通过采样和量化，把模拟量表示的音频信号转换成由许多二进制数1和0组成的数字音频信号。
计算机内的基本数制是二进制，为此我们也要把声音数据写成计算机的数据格式，这称之为编码音频数字化，计算机内的音频必须是数字形式的，因此必须把模拟音频信号转换成有限个数字表示的离散序列，即实现音频数字化。在这一处理技术中，涉及到音频的抽样、量化和编码。

模拟音频转成数字音频，在电脑音乐里就称作采样，其过程所用到的主要硬件设备便是模拟/数字转换器（AnalogtoDigitalConverter，即ADC）。采样的过程实际上是将通常的模拟音频信号的电信号转换成许多称作“比特（Bit）”的二进制码0和1，这些0和1便构成了数字音频文件。如下图，图中的正弦曲线代表原始音频曲线；填了颜色的方格代表采样后得到的结果，二者越吻合说明采样结果越好。上图中的横坐标便是采样频率；纵坐标便是采样分辨率。图中的格子从左到右，逐渐加密，先是加大横坐标的密度，然后加大纵坐标的密度。显然，当横坐标的单位越小即两个采样时刻的间隔越小，则越有利于保持原始声音的真实情况，换句话说，采样的频率越大则音质越有保证；同理，当纵坐标的单位越小则越有利于音质的提高，即采样的位数越大越好。有一点请大家注意，8位（8Bit）不是说把纵坐标分成8份，而是分成2^8＝256份；同理16位是把纵坐标分成2^16＝65536份；而24位则分成2^24=16777216份。现在我们来进行一个计算，看看一个数字音频文件的数据量到底有多大。假设我们是用44.1kHz、16bit来进行立体声（即两个声道）采样，即采样成标准的CD音质（也称作红皮书音频）。那么就是说，一秒钟内采样44.1千次，每次的数据量是16×2＝32bit（因为立体声是两个声道）。而大家知道，一个字节（Byte）含有8个位（Bit），那么一秒钟内的数据量便是44.1k×32bit/（8bit/Byte）＝176.4kByte。一个汉字在电脑里占用两个字节，那么176.4kB的空间可以存储176.4k/2=88200个汉字，也就是说一秒钟的数字音频数据量与近九万个汉字（一部中篇小说）的数据量相当。由此可见，数字音频文件的数据量是十分庞大的。
也许有人会问，为什么要把CD音质的采样频率规定成44.1kHz而不是其他的频率呢？这个问题问得好。44.1kHz意味着每秒采样四万多下，这会不会太多了点呢？究竟每秒采样多少次才算合理呢？大家请看下图。图中，上半部分表示原始音频的波形；下半部分表示录制后的波形；红色的点表示采样点。
一个常见的低频失真的例子便是电影上车辆行驶时车轮转动的情况（一个典型的“马车轮”效应的例子）。你也许早已发现，飞快转动的车轮有时看起来似乎是静止不动甚至会向反方向转动（类似的情况也发生在直升飞机的翼片和螺旋浆上面）。关于合理的采样频率这一问题在Nyquist（奈奎斯特）定理中早已有明确的答案：要想不产生低频失真，则采样频率至少得是录制的最高频率的两倍（上图中，采样频率只是录制频率的4/3倍）。这个频率通常称作Nyquist极限。
在正常的音乐中，最高的音符也只不过7kHz－8kHz，这似乎意味着16kHz的采样频率便已足够。其实这7、8kHz仅仅表示基音的音高，还有大量的泛音未包括在内，故用这种方法来定采样频率是十分不科学的。其实，所谓“不失真”，换句话说便是“人们听不到失真”。人类的听力范围是20Hz－20kHz，所以采样频率至少得是20k×2＝40kHz便可保证不产生低频失真。CD音质的44.1kHz正是这样制定出来的（略高于40kHz是为了留有余地）。按照Nyquist定理，这样的采样频率可以保证即使是22.05kHz的超声波也不会产生低频失真。而音频的工业标准所规定的48kHz采样频率（如DAT，DigitalAudioTape）则有更高的Nyquist极限，满足更苛刻的要求。