1.オーディオ
人間の耳に聞こえる周波数20Hz〜20kHzの音波を指します。
対応するオーディオカード（サウンドカードと呼ばれることもあります）をコンピュータに追加すると、すべてのサウンドを録音でき、サウンドのレベルなどのサウンドの音響特性をファイルとして保存できます。コンピューターのハードディスク。 逆に、特定のオーディオプログラムを使用して、保存されているオーディオファイルを再生し、以前に録音したサウンドを復元することもできます。
2.サンプリング周波数
XNUMX秒間に取得されるサウンドサンプルの数を指します。 音は実際には一種のエネルギー波であるため、周波数と振幅の特性もあります。 周波数は時間軸に対応し、振幅はレベル軸に対応します。 波は無限に滑らかで、弦は無数の点で構成されていると見なすことができます。 ストレージスペースは比較的限られているため、文字列のポイントはデジタルエンコーディングプロセス中にサンプリングする必要があります。
サンプリングプロセスは、特定のポイントの周波数値を抽出することです。 明らかに、22050秒間に抽出されるポイントが多いほど、より多くの頻度情報が取得されます。 波形を復元するために、サンプリング周波数が高いほど、音質は良くなります。 復元はより現実的ですが、同時により多くのリソースを占有します。 人間の耳の解像度が限られているため、高すぎる周波数は区別できません。 44100のサンプリング周波数が一般的に使用され、48,000はすでにCDの音質であり、96,000または24を超えるサンプリングはもはや人間の耳には意味がありません。 これは、映画のXNUMX秒あたりXNUMXフレームに似ています。 ステレオの場合、サンプルはXNUMX倍になり、ファイルはほぼXNUMX倍になります。
ナイキストのサンプリング理論によれば、音が歪まないようにするために、サンプリング周波数は約40kHzである必要があります。 この定理がどのようにして生まれたのかを知る必要はありません。 この定理は、信号を正確に記録する場合、サンプリング周波数はオーディオ信号の最大周波数のXNUMX倍以上でなければならないことを示しているだけです。 覚えておいてください、それは最大周波数です。 。
デジタルオーディオの分野で一般的に使用されるサンプリングレートは次のとおりです。
8000Hz-電話で使用されるサンプリングレート。これは人間の発話に十分です。
11025Hz-電話で使用されるサンプリングレート
22050Hz-ラジオ放送に使用されるサンプリングレート
32000 Hz-miniDVデジタルビデオカムコーダー、DAT（LPモード）で使用されるサンプリングレート
44100 Hz-オーディオCD、MPEG-1オーディオ（VCD、SVCD、MP3）のサンプリングレートでも一般的に使用されます
47250Hz-商用PCMレコーダーで使用されるサンプリングレート
48000 Hz-miniDV、デジタルTV、DVD、DAT、映画、およびプロフェッショナルオーディオで使用されるデジタルサウンドのサンプリングレート
50000Hz-商用デジタルレコーダーで使用されるサンプリングレート
96000Hzまたは192000Hz-DVDオーディオ、一部のLPCM DVDオーディオトラック、BD-ROM（Blu-ray Disc）オーディオトラック、およびHD-DVD（High Definition DVD）オーディオトラックに使用されるサンプリングレート
3.サンプリングビット数
サンプリングビット数は、サンプリングサイズまたは量子化ビット数とも呼ばれます。 これは、サウンドの変動、つまりサウンドカードの解像度を測定するために使用されるパラメータであるか、サウンドカードによって処理されるサウンドカードの解像度として理解できます。 値が大きいほど解像度が高くなり、録音および再生されるサウンドがよりリアルになります。 サウンドカードのビットは、サウンドファイルを収集および再生するときにサウンドカードが使用するデジタルサウンド信号の8桁の数字を指します。 サウンドカードのビットは、入力音声信号のデジタル音声信号の記述の正確さを客観的に反映しています。 一般的なサウンドカードは主に16ビットと16ビットです。 現在、市場に出回っている主流の製品はすべてXNUMXビット以上のサウンドカードです。
サンプリングされた各データの振幅が記録され、サンプリング精度はサンプリングビット数によって異なります。
1バイト（つまり、8ビット）は256の数値しか記録できません。つまり、振幅は256のレベルにしか分割できません。
2バイト（つまり、16ビット）は、すでにCD標準である65536まで小さくすることができます。
4バイト（つまり、32ビット）は、振幅を4294967296レベルに分割できますが、これは実際には不要です。
4.チャネル数
それがサウンドチャンネルの数です。 一般的なモノラルおよびステレオ（デュアルチャネル）は、5.1サウンドサラウンド（XNUMXチャネル）およびXNUMXチャネルに発展しました。
（1）一本道
モノラルは比較的原始的な形式のサウンド再生であり、初期のサウンドカードではより一般的に使用されていました。 モノラルサウンドはXNUMXつのスピーカーでしか鳴らせず、XNUMXつのスピーカーに加工して同じサウンドチャンネルを出力するものもあります。 モノフォニック情報をXNUMXつのスピーカーで再生すると、XNUMXつのスピーカーからの音であることがはっきりとわかります。 スピーカーの真ん中から耳に伝わる音源の特定の場所を特定することは不可能です。
（2）ステレオ
バイノーラルチャンネルにはXNUMXつのサウンドチャンネルがあります。 原理は、人が音を聞いたときに、左右の耳の位相差に基づいて音源の特定の位置を判断できるということです。 録音プロセス中にXNUMXつの独立したチャネルにサウンドが割り当てられ、優れた音像定位効果が得られます。 このテクニックは、音楽鑑賞に特に役立ちます。 リスナーはさまざまな楽器の方向を明確に区別できるため、音楽がより想像力に富み、現場での体験に近づくことができます。
現在、XNUMXつの声が最も一般的に使用されています。 カラオケでは、XNUMXつは音楽を演奏するためのもので、もうXNUMXつは歌手の声のためのものです。 VCDでは、XNUMXつは北京語で吹き替え、もうXNUMXつは広東語で吹き替えです。
（3）フォートーンサラウンド
4.1チャンネルサラウンドは、左前、右前、左後、右後のXNUMXつのサウンドポイントを定義し、聴衆はこれらのXNUMXつのサウンドポイントに囲まれます。 同時に、低周波信号の再生処理を強化するためにサブウーファーを追加することもお勧めします（これがXNUMXチャンネルスピーカーシステムが今日人気がある理由です）。 全体的な効果に関する限り、XNUMXチャンネルシステムは、リスナーに複数の異なる方向からのサラウンドサウンドをもたらし、さまざまな異なる環境にいるという聴覚体験を取得し、ユーザーにまったく新しい体験を提供できます。 現在、XNUMXチャンネル技術はさまざまなミッドエンドからハイエンドのサウンドカードの設計に広く統合されており、将来の開発の主流のトレンドになっています。
（4）チャンネル
5.1チャンネルは、さまざまな伝統的な劇場やホームシアターで広く使用されています。 ドルビーAC-3（ドルビーデジタル）、DTSなどのよりよく知られている録音圧縮フォーマットのいくつかは、5.1サウンドシステムに基づいています。 「.1」チャンネルは、20〜120Hzの周波数応答範囲のサブウーファーを生成できる特別に設計されたサブウーファーチャンネルです。 実際、5.1サウンドシステムは4.1サラウンドから来ていますが、違いはセンターユニットが追加されていることです。 このセンターユニットは、80Hz未満の音声信号を送信する役割を果たします。これは、映画を見ているときの人間の声を強化し、会話を音場全体の中央に集中させて全体的な効果を高めるのに役立ちます。
現在、QQ Musicなどの多くのオンライン音楽プレーヤーは、試聴およびダウンロード用に5.1チャンネル音楽を提供しています。
5.フレーム
オーディオフレームの概念は、ビデオフレームほど明確ではありません。 ほとんどすべてのビデオエンコーディング形式は、フレームをエンコードされた画像と単純に考えることができます。 ただし、オーディオフレームは、各エンコーディング標準によって実装されるエンコーディングフォーマットに関連しています。 PCM（エンコードされていないオーディオデータ）の場合、フレームの概念をまったく必要とせず、サンプリングレートとサンプリング精度に応じて再生できるためです。 たとえば、サンプリングレートが44.1kHZでサンプリング精度が16ビットのデュアルオーディオの場合、ビットレートは44100 * 16 * 2bpsであり、44100秒あたりのオーディオデータは固定の16 * 2 * 8 /であると計算できます。 XNUMXバイト。
amrフレームは比較的単純です。 オーディオの20msごとがフレームであり、オーディオの各フレームは独立していると規定されています。 異なるエンコーディングアルゴリズムと異なるエンコーディングパラメータを使用することが可能です。
mp3フレームはもう少し複雑で、サンプリングレート、ビットレート、さまざまなパラメータなどの詳細情報が含まれています。
6.サイクル
オーディオデバイスによるXNUMX回の処理に必要なフレーム数は、オーディオデバイスによるデータアクセスおよびオーディオデータストレージの単位として使用されます。
7.インターレースモード
デジタルオーディオ信号の保存方法。 データは連続フレームに格納されます。つまり、フレーム1の左チャネルサンプルと右チャネルサンプルが最初に記録され、次にフレーム2の記録が開始されます。
8.非インターレースモード
まず、ある期間のすべてのフレームの左チャネルサンプルを記録し、次にすべての右チャネルサンプルを記録します。
9.ビットレート
ビットレートはビットレートとも呼ばれ、音楽が8秒間に再生するデータの量を指し、単位はビット（バイナリビット）で表されます。 bpsはビットレートです。 bはビット（ビット）、sは秒（秒）、pは毎（あたり）、4バイトは128バイナリビットに相当します。 つまり、128bpsの8分間の曲のファイルサイズは次のように計算されます（4/60）* 3840 * 3.8 = 1kB = 8MB、3B（バイト）= 128b（ビット）、一般的にmp3は約4ビットレート、サイズも約XNUMX〜XNUMXBMです。
コンピュータアプリケーションでは、最高の忠実度レベルはPCMエンコーディングであり、これはマテリアルストレージや音楽鑑賞に広く使用されています。 CD、DVD、および一般的なWAVファイルで使用されます。 したがって、PCMはデジタルオーディオで最高の忠実度レベルを表すため、慣例によりPCMはロスレスエンコーディングになりました。 PCMが信号の絶対的な忠実度を保証できるという意味ではありません。 PCMは、最大程度の無限の近接性しか達成できません。
PCMオーディオストリームのビットレートの計算は、サンプリングレート値×サンプリングサイズ値×チャネル数bpsという非常に簡単な作業です。 サンプリングレートが44.1KHz、サンプリングサイズが16ビット、デュアルチャネルPCMエンコーディングのWAVファイルで、データレートは44.1K×16×2 = 1411.2Kbpsです。 私たちの一般的なオーディオCDはPCMエンコーディングを使用しており、CDの容量は72分の音楽情報しか保持できません。
デュアルチャネルPCMエンコードオーディオ信号は、176.4秒で1KBのスペース、10.34分で約1Mのスペースを必要とします。 これは、ほとんどのユーザー、特にコンピューターで音楽を聴きたいユーザーには受け入れられません。 ディスク占有率。インデックスのダウンサンプリングと圧縮の3つの方法しかありません。 サンプリングインデックスを下げることはお勧めできません。そのため、専門家はさまざまな圧縮スキームを開発しました。 最もオリジナルなのはDPCM、ADPCMで、最も有名なのはMPXNUMXです。 したがって、データ圧縮後のコードレートは、元のコードよりもはるかに低くなります。
